[互聯(lián)網(wǎng)]01信息檢索概述(編輯修改稿)
2025-03-21 00:59 本頁面
【文章內(nèi)容簡介】 代搜索引擎以人工目錄分類為基礎的網(wǎng)站搜索開辟了一個時代 ? 第一代搜索引擎指主要依靠人工分揀的分類目錄搜索，這種方式是被動的搜索，更新慢、搜索能力不足 ? 第一代搜索引擎基本上已經(jīng)退出搜索舞臺。 IR 歷史 ? 2022’s ? 為 Web搜索服務的鏈接分析 ? Google ? 自動信息抽取 ? Whizbang ? Fetch ? Burning Glass ? 問答系統(tǒng) ? TREC Q/A track IR 現(xiàn)狀 ? 近期的 IR: ? 多媒體檢索 ? 圖像 (Image) ? 視頻 (Video) ? 聲音 (speech)和音頻 (Audio) ? 音樂 (music) ? 跨語言檢索 ? DARPA Tides項目 ? 智能化、個性化檢索 IR 現(xiàn)狀 ? 以 Google為代表的第二代搜索引擎以超鏈分析技術為基礎的大規(guī)模網(wǎng)頁搜索，根據(jù)關鍵詞的分布情況對頁面進行分類和排序 ? 優(yōu)點： ? 只要網(wǎng)頁上出現(xiàn)了某個關鍵詞，就能夠使用全文檢索用關鍵詞匹配把該網(wǎng)頁查出來 ? 不足： ? 返回的無用信息太多 ? 原因： ? 僅采用機械的關鍵詞匹配來實現(xiàn) IR 現(xiàn)狀 ? 多數(shù)檢索系統(tǒng)是基于關鍵詞的搜索 ? 可能找不到同義詞 ? “ PRC” vs. “China” ? “ 電腦” vs. “ 計算機” ? 可能檢索到一些不相關的多義詞 ? “ bat” (baseball vs. mammal) ? “Apple” (pany vs. fruit) ? 保安（地名 vs. 保護安全的人員） 同義詞 詞義消岐 官員：國新辦副主任蔡名照 （ 2022互聯(lián)網(wǎng)大會） 互聯(lián)網(wǎng)正從提供信息服務向提供平臺服務延伸 傳統(tǒng)互聯(lián)網(wǎng)正在向 移動互聯(lián)網(wǎng) 延伸 從服務模式看 從傳播手段看 互聯(lián)網(wǎng)正從信息傳播和娛樂消費為主向商務服務領域延伸 從應用領域看 2022年第三季度中國搜索引擎市場規(guī)模達 ， 同比 2022第三季度的 ，增長 %。 搜索引擎用戶的抱怨 搜索結(jié)果重復率高，搜索到的網(wǎng)頁打不開等令人煩惱 個性化內(nèi)容少，結(jié)果雷同也是不可以忍受的 專業(yè)搜索功能差 信息更新速度慢 % % % % 多媒體搜索功能弱 % 垂直 實時 跨媒體 個性化 精準 搜索技術發(fā)展趨勢 ThemeGallery is a Design Digital Content amp。 Contents mall developed by Guild Design Inc. 趨勢 2. 智能化 1. 個性化 多媒體化 垂直化 社區(qū)化 移動化 個性化 智能化 精準化 搜索技術 各種趨勢的背景 ? 精準化（個性化）：更有效地獲取信息 ? 智能化：更便捷地表達需求 ? 商務化：在產(chǎn)業(yè)鏈中尋找更高價值 ? 移動化：移動互聯(lián)網(wǎng)的迅猛發(fā)展 ? 社區(qū)化：社交媒體的崛起 ? 垂直化：深入行業(yè) ? 多媒體化：整合多媒體數(shù)據(jù) 跨媒體檢索 應用體驗 輸入一類媒體，返回另一類媒體 輸入文本，返回圖片；輸入圖片，返回文本 基礎處理 各類媒體信息的集成 同時利用圖片自身的圖像信息和圖片周圍的環(huán)繞文字對圖片內(nèi)容進行分析，并建立索引 人臉識別與環(huán)繞文字分析相結(jié)合的圖片檢索 搜索引擎對大規(guī)模并行計算的需求 計算搜索 結(jié)果排序 倒排索引 生成 日志統(tǒng)計 和分析 并行計算 智能挖掘 統(tǒng)計詞頻 云計算 ? 當今社會， PC依然是我們?nèi)粘９ぷ魃钪械暮诵墓ぞ? ? 在“云計算”時代，“云”會替我們做存儲和計算的工作 ? 是一種網(wǎng)絡服務 ? 可以在任何地點用任何設備，如電腦、手機等，快速地計算和找到這些資料，再也不用擔心資料丟失 ? Google,Amazon,IBM， Intel都在這方面有所動作 ? 阿里云 從自然語言處理入手，提高信息檢索質(zhì)量 信息檢索 數(shù)據(jù)庫 并行處理 網(wǎng)絡 信息安全 數(shù)據(jù)挖掘 自然語言處理 知識管理 操作系統(tǒng) 圖像、視頻、語音 百度框計算 “請給我找出好聽的音樂” 個性化用戶需求分析 ? 2022年 8月 18日 ，百度董事長兼 CEO(首席執(zhí)行官 )李彥宏在此次大會上發(fā)布了“框計算（ Box Computing）” 平臺的理念和很有前景的構想 。 百度框計算 ? “框計算”到底意味著什么呢 ，“框計算”到底意味著什么呢 ？ ? 首先，“框”是一個功能強大的需求收集器和分析器 ? 其次，由于“框”能在互聯(lián)網(wǎng)可選范圍內(nèi)根據(jù)用戶需求自動匹配最佳的應用和服務，這個“框”又帶有典型的操作系統(tǒng)特性 Powerset ? Powerset是美國舊金山的一家搜索引擎公司，它的搜索引擎所使用的核心技術自然語言處理技術。這使得 Powerset與 Google從本質(zhì)上有區(qū)別。 WolframAlpha WolframAlpha是首個 “ 計算知識搜索 ” 引擎，其 “ 父親 ” 為美國計算機科學家史蒂芬 沃爾弗拉姆 WolframAlpha ? Wolfram Alpha的工作原理同谷歌網(wǎng)頁搜索有著較大區(qū)別 ? 在 Wolfram Alpha服務中，用戶在搜索框鍵入需要查詢的問題后，該搜索引擎將直接向用戶返回答案，而不是返回一大堆網(wǎng)頁鏈接 ? 同 Powerset的語義搜索一樣，用戶也可在 Wolfram Alpha當中鍵入符合語法意義的問題查詢句子 智能化 ? 以自然語言理解技術為基礎的新一代搜索引擎，我們稱之為智能搜索引擎 ? 由于它將信息檢索從目前基于關鍵詞層面提高到基于知識（或概念）層面，能夠?qū)崿F(xiàn)分詞技術、同義詞技術、詞義消歧、概念搜索以及機器翻譯技術等 ? 允許用戶采用自然語言進行信息的檢索，為用戶提供更方便、更確切的搜索服務 個性化 ? 個性化趨勢是搜索引擎的一個未來發(fā)展的重要特征
教學課件相關推薦
鄂ICP備17016276號-1