【正文】 信息的組織 42 3. 學(xué)科體系和相關(guān)研究領(lǐng)域 —內(nèi)涵 自動分類 研究歷史 1964年以前， HP Luhn開創(chuàng)性工作， Maron第一篇論文，解決自動分類的可行性問題 19651974年，試驗性研究階段 1975～至今，實(shí)用化研究階段 研究內(nèi)容：聚類，類號轉(zhuǎn)換 自動文摘 語料庫技術(shù)，詞法分析，句法分析，信息抽取，評價 43 3. 學(xué)科體系和相關(guān)研究領(lǐng)域 —內(nèi)涵 查詢擴(kuò)展與優(yōu)化 檢索詞選擇方案，控制詞表技術(shù)，整體與局部分析技術(shù) 檢索相關(guān)性分析 內(nèi)涵：主題相關(guān) 系統(tǒng)相關(guān) 用戶相關(guān) 主觀因素 實(shí)證： 1955年 kent對查全率查準(zhǔn)率的研究 44 3. 學(xué)科體系和相關(guān)研究領(lǐng)域 —內(nèi)涵 信息檢索技術(shù)與方法 布爾檢索 加權(quán)檢索 全文檢索 超文本檢索 信息檢索技術(shù)與方法 多媒體檢索 智能檢索 跨語言檢索 跨平臺檢索 45 3. 學(xué)科體系和相關(guān)研究領(lǐng)域 —內(nèi)涵 信息可視化 一維信息的可視化 (含有某種規(guī)律的一組數(shù)據(jù)，具有與相關(guān)性排列的檢索結(jié)果 ) 二維信息可視化 (地理信息系統(tǒng)，圖形方法表示的調(diào)查統(tǒng)計數(shù)據(jù) ) 三維信息可視化 (將查全率、查準(zhǔn)率檢索速度等指標(biāo)進(jìn)行可視化排序 ) 46 Visual Thesaurus 47 Hyperbolic Tree 48 Aqua Browser 49 X refer plus 50 Dewey decimal system 51 OCLC Dewey Browser 52 3. 學(xué)科體系和相關(guān)研究領(lǐng)域 —外延 相關(guān)研究領(lǐng)域 —— 圖書情報學(xué) (Library amp。 語義網(wǎng)研究 ——這方面的研究項目有 面向自然語言處理的語法， 語義計算機(jī)模式的研究， 潛在的語義索引， 復(fù)合詞的分析模型研究， 自動構(gòu)成多語種詞庫， 存取多語種信息， 用戶自適應(yīng)集合分類法研究， 知識共生現(xiàn)象研究， 網(wǎng)絡(luò)知識搜尋代理等 38 2. 研究歷史和現(xiàn)狀 — 研究前沿 信息檢索技術(shù) 前沿課題包括：元數(shù)據(jù)技術(shù)、語料庫技術(shù)、海量信息存儲與壓縮技術(shù)、信息可視化技術(shù)、圖像檢索技術(shù)、人機(jī)界面技術(shù)、多語言瀏覽器、跨語言信息檢索、自然語言理解、人工智能、大規(guī)模真實(shí)文本評測、自動抽詞、自動標(biāo)引、自動分類、自動文摘、概念分類（ Ontology）、“云”檢索、信息安全和保護(hù)技術(shù)等。 Management(IPamp。倫敦城市大學(xué)的Robertson及劍橋大學(xué)的 SparckJones是概率模型的倡導(dǎo)者。 17 2. 研究歷史和現(xiàn)狀 1990年代的其他重要事件 : 推薦系統(tǒng)的出現(xiàn)： Ringo， Amazon， NetPerceptions 文本分類和聚類的使用： 信息抽取： Whizbang 18 2. 研究歷史和現(xiàn)狀 2022’s的重要事件 文本檢索會議 TREC(Text Retrieval Conference )的發(fā)展 問答系統(tǒng)評測專項 Q/A track(Question Answering Track) 2022年，百度成立。 1998斯坦福大學(xué)博士生開發(fā)的 Google，提出 PageRank計算公式。 第一個 WEB搜索引擎： 1994年美國 CMU開發(fā)的 Lycos。 1960－ 70年代在建立文摘檢索系統(tǒng)中，產(chǎn)生了 布爾模型 (Boolean Model)、 向量空間模型 (Vector Space Model)和 概率檢索模型 (Probabilistic Model) 1980年代出現(xiàn)商用數(shù)據(jù)庫檢索系統(tǒng)： Dialog，ORBIT, MEDLINE 16 2. 研究歷史和現(xiàn)狀 ——Inter出現(xiàn)以后 1986年 Inter正式形成。 計算機(jī)問世以前，人們主要通過手工方式來建立索引。 李明珍 .十年來我國信息檢索研究述評 .現(xiàn)代圖書情報技術(shù) ,2022,(12) 焦玉英 . 網(wǎng)絡(luò)環(huán)境中信息檢索理論與實(shí)踐的發(fā)展 .圖書情報知識 ,2022,(01) 12 一些重要的工具 Lemur：包含各種 IR模型的實(shí)驗平臺， C++ SMART：向量空間模型工具 , C編寫 Weka：分類工具， Java編寫 Lucene：開源檢索工具，各種語言編寫的版本 Larbin：采集工具， C++ Firtex：檢索平臺， C++，計算所開發(fā) 13 2. 研究歷史和現(xiàn)狀 歷史分段： 計算機(jī)出現(xiàn)以前 計算機(jī)出現(xiàn)以后 Inter出現(xiàn)以后 14 2. 研究歷史和現(xiàn)狀 ——計算機(jī)出現(xiàn)以前 約 4000年前，人類就開始有目的地組織信息，一個典型的例子就是圖書中的目錄。現(xiàn)代信息檢索 陸銘 66134922 2 一、 引言 課程概況 研究歷史和現(xiàn)狀 學(xué)科框架 基本概念 3 1. 課程概況 (About the course) 設(shè)課目的 市場發(fā)展的需求 用戶需要信息檢索技術(shù) 互聯(lián)網(wǎng)的信息量太大，尋找信息非常不容易 公司需要信息檢索技術(shù) 信息檢索技術(shù)可以創(chuàng)造利潤，搜索引擎改變了很多傳統(tǒng)的生活方式， Yahoo、 Google、 Baidu，還有一些公司如 Microsoft、 Sina、Sohu都加入到搜索技術(shù)的競爭 人才的競爭 搜索的技術(shù)人才出現(xiàn)缺口 2022年的網(wǎng)絡(luò)和現(xiàn)在的互聯(lián)網(wǎng)有什么不同，搜索引擎在其中占什么位置？ 4 數(shù)字化信息量舉例 音樂作品 (莫扎特 )：約 100MB 報紙 (華爾街雜志 )： 100MB/年 (文本 ) 卡片目錄 (美國國會圖書館 )： 17GB 廣播 (WABC) ： 270GB/年 (未經(jīng)壓縮 ) 網(wǎng)絡(luò)論壇 (Netnews)： 300GB/年 地區(qū)圖書館 (加州大學(xué)圖書館 )： (圖書掃描版 ) Inter出版 (WWW)： 1997年約 4TB 電視 (CNN新聞 )： 1GB/1小時 , 6TB/年 (經(jīng)壓縮 ) 錄像帶出租 (Blockbuster Video)： 9TB 科研圖書館 (美國會圖書館 )：全部圖書館數(shù)字化 20TB 來源：美國伯克利加州大學(xué)教授 Peter Lyman和 Alex Inter公司總裁 Brewster