【正文】 Kahle所著 《 文化制品數(shù)字化存檔行動綱要 》 5 信息檢索的問題 信息超載 信息太多 , 需要過濾 檢索結(jié)果垃圾太多 , 有害信息太多 查找非結(jié)構(gòu)信息有困難 多數(shù)數(shù)據(jù)庫在結(jié)構(gòu)化字段上工作 多數(shù)商業(yè)信息是非結(jié)構(gòu)化的 . 報告、電子郵件、來往公函 ... 美國商業(yè)每年產(chǎn)生 4500億份文件 波音 747文件比飛機(jī)重量還重 標(biāo)引是主觀的 標(biāo)引者之間不一致 , 經(jīng)驗(yàn)統(tǒng)計(jì)表明標(biāo)引者之間僅 20% 相同 作者與標(biāo)引者之間、檢索者與用戶之間不一致 6 信息檢索的問題 語言問題 一詞多意 Bank: a river boundary or a savings and loans? DNA: microbiology or Digital Equipment Corporation’s Network Architecture? Free Rider: Economic game theory or urban transportation systems? 一意多詞 car, automobile, vehicle, sedan, horseless carriage... 7 1. 課程概況 (About the course) 課程性質(zhì) 圖書館學(xué)研究生的必修課程 課程內(nèi)容 本課程的教學(xué)目的是培養(yǎng)學(xué)生了解信息檢索工具的基本原理和技術(shù)，使學(xué)生能夠進(jìn)行較深層的研究或應(yīng)用開發(fā) 本課程不是一門講授使用信息檢索方法的課程，本課程是研究信息檢索的 技術(shù)實(shí)現(xiàn) 的一門基礎(chǔ)課程 8 1. 課程概況 ——課程內(nèi)容體系 引言 課程概況，研究歷史和現(xiàn)狀，學(xué)科框架，相關(guān)概念 檢索理論 IR模型的形式化表示和類型，經(jīng)典模型 檢索語言，互操作，自然語言、本體論 文本檢索 經(jīng)典、現(xiàn)代文本處理和全文文本處理，分類和聚合 網(wǎng)絡(luò)檢索 網(wǎng)絡(luò)檢索、 PageRank和 HITS算法 信息自動處理和系統(tǒng)評價 可視化、自動文摘、評價 多媒體檢索 模型與語言，標(biāo)引與檢索，并行與分布式檢索 數(shù)字圖書館 OPAC，文獻(xiàn)模型、表達(dá)與存取，元數(shù)據(jù)，云數(shù)據(jù)庫檢索技能 9 1. 課程概況 (About the course) 授課方式 自學(xué)與課堂討論相結(jié)合 課堂講述和課后練習(xí)相結(jié)合 講授內(nèi)容既包含傳統(tǒng)內(nèi)容，也注意吸收最新研究成果 既考慮入門，也兼顧研究 考核方式 課程論文 按發(fā)表要求寫作，課程結(jié)束，論文錄用 成績構(gòu)成 平時成績：課堂演講討論與 1篇小論文， 30% 考試： 1篇課程論文（約 5000字）， 70% 10 1. 課程概況 ——參考書籍及文獻(xiàn) 詳見教學(xué)大綱 BaezaYates, R. amp。 B. RibeiroNeto. eds. Modern Information Retrieval. ACM Press, 1999 王知津等譯 . 現(xiàn)代信息檢索技術(shù) .機(jī)械工業(yè)出版社， 2022 蘇新寧 . 信息檢索理論與技術(shù) . 科學(xué)技術(shù)文獻(xiàn)出版社， 2022 焦玉英 .信息檢索進(jìn)展，科學(xué)出版社， 2022 林 培光等，面向 Web的個性化語義信息檢索技術(shù)，中國財政經(jīng)濟(jì)出版社， 2022 解虹 ，數(shù)字化環(huán)境下交互式信息檢索，機(jī)械工業(yè)出版社， 2022 于 天恩，迅速搭建全文搜索平臺，清華大學(xué)出版社， 2022 11 1. 課程概況 ——參考書籍及文獻(xiàn) 第一章 引言 吳慰慈 . 網(wǎng)絡(luò)環(huán)境下信息存儲與檢索技術(shù)的發(fā)展 .四川圖書館學(xué)報 ,2022,(01) 王知津 。 隨后，逐漸出現(xiàn)索引的概念，即從一些詞和概念指向相關(guān)信息或者文檔的“指針 ”。 15 2. 研究歷史和現(xiàn)狀 ——計(jì)算機(jī)出現(xiàn)以后 1948年 C. N. Mooers在其 MIT碩士論文中第一次使用了“ Information Retrieval”這個術(shù)語。 1990’s第一個網(wǎng)絡(luò)搜索工具： 1990年加拿大蒙特利爾大學(xué)開發(fā)的 FTP搜索工具 Archie。 1995斯坦福大學(xué)博士生開發(fā) Yahoo。 1998年基于語言模型的 IR模型提出。 19 2. 研究歷史和現(xiàn)狀 2022’s以來的其他重要事件： 多媒體 IR， Image， Video， Audio and music， 跨語言 IR， DARPA Tides，文本摘要， DUC評測 20 2. 研究歷史和現(xiàn)狀 國際著名研究機(jī)構(gòu)和代表人物 —— 康奈爾大學(xué)的 Salton領(lǐng)導(dǎo)的研究小組是該領(lǐng)域研究的佼佼者。 美國 W. B. Croft， ACM Fellow：基于統(tǒng)計(jì)語言建模 IR模型的提出者和倡導(dǎo)者和 CMU共同開發(fā)了 Lemur工具 21 2. 研究歷史和現(xiàn)狀 1990年代的其他重要事件 : 評測會議 NIST:機(jī)器翻譯自動評測指標(biāo) 文本檢索會議 TREC(Text Retrieval Conference ) 22 2. 國際著名研究機(jī)構(gòu)和代表人物 美國康奈爾大學(xué) Salton(19271995) 現(xiàn)代信息檢索的奠基人 SMART的完成人 第一任 Salton獎得主， ACM Fellow 英國劍橋大學(xué) SparckJones (19352022) 概率檢索模型的提出者之一 NLP和 IR中的先輩 曾獲 ACL終身成就獎和 Salton獎 23 2. 國際著名研究機(jī)構(gòu)和代表人物 美國 UMassCIIR W. B. Croft， ACM Fellow 基于統(tǒng)計(jì)語言建模 IR模型的提出者和倡導(dǎo)者 和 CMU共同開發(fā)了 Lemur工具 Salton獎得主 英國 Glasgow大學(xué) Rijsbergen， ACM Fellow 信息檢索邏輯推理學(xué)派的提出者和倡導(dǎo)者 現(xiàn)在試圖用量子物理的方法解決 IR問題 Salton獎得主 英國微軟劍橋研究院、倫敦城市大學(xué) Robertson 概率檢索模型的倡導(dǎo)者 開發(fā)了 OKAPI Salton獎得主 24 2. 國際著名研究機(jī)構(gòu)和代表人物 美國 CMU 美國 UIUC 微軟研究院 IBM研究院 Google研究院 25 2. 一些活躍的華裔學(xué)者 加拿大蒙特利爾大學(xué)聶建云教授 跨語言檢索 IR模型 美國 UIUC ChengxiangZhai博士 IR模型 美國