网络信息检索的相关性问题

在传统的信息检索中。我们常用检全率、检准率来评价信息检索系统性能和检索效果。随着信息网络化的迅速发展。信息总量的息剧增加。信息交流速度的日益加快，相关性这一信息检索申的关键性概念日益受到人们的重视。本文分析探讨了信息检索中相关性的概念、构成及评价指标，阐述了提高信息检索相关性的措施。     

发明课题与信息检索

发明课题与信息检索杨廷成为了利用信息，发明创造者要从事信息检索。所谓“检索”，就是查找的意思，也就是从信息贮存系统中查找出特定信息的过程。信息检索方式有手工检索（简称手检）和计算机检索（简称机检）。信息检索，一般分为事实检索、数据检索和文献检索等。事...     

信息检索相关性评价及其改善策略研究

相关性是衡量信息检索系统性能的重要指标之一,对信息检索相关性进行深入分析对于信息检索系统的有效开发具有重要的理论指导意义.从系统、用户以及当前的网络环境信息检索三个方面分析了信息检索相关性的评价方法及改善策略.     

知识检索与信息检索的检索效率比较

本文在对知识检索与信息检索的检索机制分析的基础上，对知识检索与信息检索的检全率、检准率进行了比较，认为知识检索的检索效率优于传统信息检索，同时对影响知识检索效率的因素进行了讨论，指出信息检索要向知识检索过渡和发展，并针对目前网络检索的现状，提出了一些改进措施。     

向量空间模型信息检索技术讨论

传统的向量空间模型信息检索技术，只是简单地统计检索信息在文档中出现的频度，检索结果时常与文档不一致，没有反映出真实的相关性，提出了改进的加权算法，并借助辅助主题词表和个性化信息库设计了新的检索系统模型，改进了信息检索方法。     

检索系统中的相关反馈机制

0引言 相关性是信息学中最基本也最有争议的概念之一.它是最终用户对信息检索结果输出的默认或明确的判定.早期信息学家认为相关性的概念是与信息系统设计、开发及评价相关联的.然而对于相关性的确切性质的认识很少一致,它在系统中被集成为一个操作部分或被用于系统评价的更少.     

浅议信息检索结果相关性

相关性是信息学科尤其是信息检索领域的一个相对热门的研究课题。立足于相关性评价,在简要论述研究现状后,着重分析检索结果相关性的两个基本评价指标-查全率和查准率二值改进算法以及基于布尔模型、向量空间模型和概率模型的计算方法,从系统和用户两个角度出发,提出一些提高信息检索相关性计算准确性的改进建议。     

分布式检索中信息集选择方法研究综述

信息集选择是分布式信息检索的重要步骤.本文对分布式检索中信息集选择的方法进行了总结与评价,指出信息集选择方法的深入研究,对于促进分布式检索技术的发展具有积极意义.     

高校学生专利信息检索教育

阐述了高校学生专利信息教育从普遍的信息素养教育和有针对性的专利信息检索教育两方面入手.信息素养教育包括信息意识教育;信息检索、评价和使用教育;信息鉴别和吸收教育.专利信息检索教育包括专利信息基本内函教育;资源分析教育;检索策略教育;信息分析教育.     

数据挖掘及其在网络信息检索中的应用

网络信息检索经过近几年的发展,在一定程度上满足了人们查找知识的需要,但是在检全率和检准率上还是不尽如人意.将数据挖掘技术运用到信息检索中,可使未来的网络信息检索更加精准、个性和智能化.介绍了数据挖掘的概念和方法,并分别从内容挖掘、结构挖掘、使用挖掘三个方面对网络数据挖掘进行了阐述,并主要从搜索引擎的角度探讨了数据挖掘在网络信息检索中的应用,分析了数据挖掘与信息过滤和可视化技术的结合,最后对网络信息检索未来发展进行了展望.     

相关性基础理论及其在检索建模中的作用研究

本文是对信息检索的一次理论研究。在总结了已有相关性研究的基础上,对信息检索模型之中的相关性因素做了系统梳理,认为现有信息检索模型中的系统相关性因素体现得不十分明显,同时用户相关性的因素没有很好地纳入系统相关性和系统设计研究之中。与相关性有关的概念是相似,它存在于文本空间之中。与相关相比,相似具有更好的数学特征。查询是相关判断的过程载体,它同时也是信息检索研究的瓶颈。寻找更为恰当的相关性的隐喻则需要跳出文本的藩篱,从更为深入的模式相关切入,探索更为复杂的相关性因素。     

信息检索相关性及其发展策略研究

[目的/意义]旨在为信息检索相关性研究提供参考。[方法/过程]以CNKI为数据源,采用定性方法,从信息检索的历史脉络和研究学派进行梳理总结,分析信息检索的影响因素和发展趋势。[结果/结论]信息检索相关性是用户、系统的相关性的综合体,任何一方都不能脱离。相关性应该是以用户为关键,系统为基础,研究用户与检索系统的交互、认知以及真实需求的描述与反馈。随着信息检索相关性研究的深入,系统观与用户观将会相互交融,检索技术与用户需求将会协调统一,共同推进检索相关性的发展。     

基于关联理论的信息检索相关性研究——信息生产、标引

文摘:在Saracevic以及Harter研究的基础上,提出了将语言学中的关联理论作为相关性研究的理论基础,并利用关联理论具体阐释了信息检索交互模型中的信息生产以及信息标引两项工作。     

基于关联理论的信息检索相关性研究

利用关联理论的信息处理模型阐释了信息检索交互模型中的相关性评估模块,认为采用关联理论的信息处理模型阐释信息检索的相关性判断过程是可行的。     

基于检索相关性转移的本体论检索系统

本文在讨论了当前情报检索系统的相关性判断基础上，指出在相关性判断的多维度多层次的复杂概念中用户关心的是语用相关，但多数检索系统仅能提供形式相关，运用本体论的基本原理，建立了本体论的情报检索系统，该系统在一定程度上实现了检索的语言相关判断。     

A knowledge-based semantic framework for query expansion

Searching for relevant material that satisfies the information need of a user, within a large document collection is a critical activity for web search engines. Query Expansion techniques are widely used by search engines for the disambiguation of user’s information need and for improving the information retrieval (IR) performance. Knowledge-based, corpus-based and relevance feedback, are the main QE techniques, that employ different approaches for expanding the user query with synonyms of the search terms (word synonymy) in order to bring more relevant documents and for filtering documents that contain search terms but with a different meaning (also known as word polysemy problem) than the user intended. This work, surveys existing query expansion techniques, highlights their strengths and limitations and introduces a new method that combines the power of knowledge-based or corpus-based techniques with that of relevance feedback. Experimental evaluation on three information retrieval benchmark datasets shows that the application of knowledge or corpus-based query expansion techniques on the results of the relevance feedback step improves the information retrieval performance, with knowledge-based techniques providing significantly better results than their simple relevance feedback alternatives in all sets.     

Term relevance weights in on-line information retrieval

Considerable evidence exists to show that the use of term relevance weights is beneficial in interactive information retrieval. Various term weighting systems are reviewed. An experiment is then described in which information retrieval users are asked to rank query terms in decreasing order of presumed importance prior to actual search and retrieval. The experimental design is examined, and various relevance ranking systems are evaluated, including fully automatic systems based on inverse document frequency parameters, human rankings performed by the user population, and combinations of the two.     

Query modification based on relevance back-propagation in an ad hoc environment

It is well-known that relevance feedback is a method significant in improving the effectiveness of information retrieval systems. Improving effectiveness is important since these information retrieval systems must gain access to large document collections distributed over different distant sites. As a consequence, efforts to retrieve relevant documents have become significantly greater. Relevance feedback can be viewed as an aid to the information retrieval task. In this paper, a relevance feedback strategy is presented. The strategy is based on back-propagation of the relevance of retrieved documents using an algorithm developed in a neural approach. This paper describes a neural information retrieval model and emphasizes the results obtained with the associated relevance back-propagation algorithm in three different environments: manual ad hoc, automatic ad hoc and mixed ad hoc strategy (automatic plus manual ad hoc).     

Task complexity, problem structure and information actions: Integrating studies on information seeking and retrieval

Analyzing actions to be supported by information and information retrieval (IR) systems is vital for understanding the needs of different types of information, search strategies and relevance assessments, in short, understanding IR. A necessary condition for this understanding is to link results from information seeking studies to the body of knowledge by IR studies. The actions to be focused on in this paper are tasks from the angle of problem solving. I will analyze certain features of work tasks and relate these features to types of information people are looking for and using in their tasks, patterning of search strategies for obtaining information and relevance assessments in choosing retrieved documents. The major claim is that these information activities are systematically connected to task complexity and structure of the problem at hand. The argumentation is based on both theoretical and empirical results from studies on information retrieval and seeking.