现代信息检索

第1章 绪论 1

1.1 目的 1

1.1.1 信息检索与数据检索 1

1.1.2 引人注目的信息检索 2

1.1.3 本书的重点 2

1.2 基本概念 3

1.2.1 用户任务 3

1.2.2 文献的逻辑视图 4

1.3 过去、现在和将来 4

1.3.1 早期发展 4

1.3.2 图书馆的信息检索 5

1.3.3 Web与数字图书馆 5

1.3.4 实践问题 6

1.4 检索过程 6

1.5 本书的组织 8

1.5.1 本书的主题 8

1.5.2 本书的章节 9

1.6 如何使用本书 11

1.6.1 教学建议 11

1.6.2 本书的网页 12

1.7 书目讨论 12

第2章 建模 15

2.1 引言 15

2.2 信息检索模型的分类 15

2.3 特别检索和过滤 17

2.4 信息检索模型的形式特征 18

2.5 经典信息检索 18

2.5.1 基本概念 18

2.5.2 布尔模型 19

2.5.3 向量模型 20

2.5.4 概率模型 22

2.5.5 经典模型的简单比较 24

2.6 可供选择的集合理论模型 25

2.6.1 模糊集合模型 25

2.6.2 扩展布尔模型 27

2.7 可供选择的代数模型 29

2.7.1 广义向量空间模型 29

2.7.2 潜语义标引模型 31

2.7.3 神经网络模型 32

2.8 可供选择的概率模型 34

2.8.1 贝叶斯网络 34

2.8.2 推理网络模型 35

2.8.3 信任度网络模型 39

2.8.4 贝叶斯网络模型的比较 41

2.8.5 贝叶斯网络的计算值 42

2.8.6 贝叶斯网络模型的影响 42

2.9 结构化文本检索模型 42

2.9.1 基于非重叠链表的模型 43

2.9.2 基于邻近结点的模型 44

2.10 浏览模型 45

2.10.1 扁平浏览模型 45

2.10.2 结构导向模型 45

2.10.3 超文本模型 46

2.11 发展趋势与研究课题 47

2.12 书目讨论 48

第3章 检索评价 51

3.1 引言 51

3.2 检索性能评价 51

3.2.1 查全率和查准率 52

3.2.2 其他测度方法 57

3.3 参考文献集 58

3.3.1 TREC文献集 58

3.3.2 CACM和ISI测试集 64

3.3.3 Cystic Fibrosis测试集 66

3.4 发展趋势与研究课题 67

3.5 书目讨论 67

第4章 查询语言 69

4.1 引言 69

4.2 基于关键词的查询 70

4.2.1 单一词查询 70

4.2.2 上下文查询 70

4.2.3 布尔查询 71

4.2.4 自然语言 72

4.3 模式匹配 72

4.4 结构性查询 74

4.4.1 固定式结构 74

4.4.2 超文本 75

4.4.3 层次结构 75

4.5 查询协议 78

4.6 发展趋势与研究课题 79

4.7 书目讨论 80

第5章 查询操作 83

5.1 引言 83

5.2 用户相关反馈 83

5.2.1 向量空间模型的查询扩展和语词重新加权 84

5.2.2 概率模型的语词重新加权 84

5.2.3 概率语词加权的一个变形 86

5.2.4 相关反馈策略评价 86

5.3 自动局部分析 87

5.3.1 通过局部聚类的查询扩展 87

5.3.2 通过局部上下文分析的查询扩展 91

5.4 自动全局分析 92

5.4.1 基于相似性叙词表的查询扩展 92

5.4.2 基于统计叙词表的查询扩展 94

5.5 发展趋势与研究课题 96

5.6 书目讨论 96

第6章 文本与多媒体语言特性 99

6.1 引言 99

6.2 元数据 100

6.3 文本 101

6.3.1 格式 101

6.3.2 信息论 101

6.3.3 自然语言建模 102

6.3.4 相似度模型 104

6.4 标记语言 104

6.4.1 SGML 105

6.4.2 HTML 106

6.4.3 XML 108

6.5 多媒体 110

6.5.1 格式 110

6.5.2 文本图像 111

6.5.3 图形和虚拟现实 111

6.5.4 超媒体结构化语言HyTime 112

6.6 发展趋势与研究课题 113

6.7 书目讨论 114

第7章 文本操作 115

7.1 引言 115

7.2 文献预处理 116

7.2.1 文本的词汇分析 117

7.2.2 排除停用词 117

7.2.3 词干提取 118

7.2.4 标引词的选择 119

7.2.5 叙词表 119

7.3 文献聚类 121

7.4 文本压缩 122

7.4.1 目的 122

7.4.2 基本概念 123

7.4.3 统计方法 123

7.4.4 词典方法 128

7.4.5 倒排文档压缩 129

7.5 文本压缩技术的比较 130

7.6 发展趋势与研究课题 131

7.7 书目讨论 132

第8章 标引与检索 135

8.1 引言 135

8.2 倒排文档 136

8.2.1 检索 138

8.2.2 构造 139

8.3 文本的其他索引 141

8.3.1 后缀树和后缀数组 141

8.3.2 签名档 146

8.4 布尔查询 148

8.5 顺序检索 149

8.5.1 布鲁特-福斯算法 149

8.5.2 克鲁什-莫里斯-普拉特算法 150

8.5.3 博叶-摩尔系列算法 151

8.5.4 移位-或算法 152

8.5.5 后缀自动机算法 153

8.5.6 应用比较 153

8.5.7 词组查询和相邻查询 154

8.6 模式匹配 155

8.6.1 字符串容错匹配 155

8.6.2 正则表达式和扩展模式 157

8.6.3 使用索引的模式匹配 157

8.7 结构性查询 159

8.8 压缩 159

8.8.1 顺序检索 160

8.8.2 压缩后的索引 161

8.9 发展趋势与研究课题 162

8.10 书目讨论 163

第9章 并行与分布式信息检索 165

9.1 引言 165

9.1.1 并行计算 165

9.1.2 性能指标 166

9.2 并行信息检索 167

9.2.1 引言 167

9.2.2 MIMD体系结构 167

9.2.3 SIMD体系结构 172

9.3 分布式信息检索 179

9.3.1 引言 179

9.3.2 文献集分割 180

9.3.3 信息源的选取 181

9.3.4 查询处理 182

9.3.5 Web应用 182

9.4 发展趋势与研究课题 183

9.5 书目讨论 184

第10章 用户界面与可视化 185

10.1 引言 185

10.2 人机交互 185

10.2.1 设计原则 186

10.2.2 可视化的作用 186

10.2.3 交互系统评价 188

10.3 信息存取过程 188

10.3.1 交互模型 189

10.3.2 信息存取过程的非检索部分 190

10.3.3 早期的界面研究 191

10.4 检索起点 191

10.4.1 信息集合列表 192

10.4.2 概述 192

10.4.3 实例、对话、向导 198

10.4.4 信息源的自动选择 199

10.5 查询的详细描述 200

10.5.1 布尔查询 200

10.5.2 从命令行到表格和菜单 201

10.5.3 分面查询 202

10.5.4 查询详细描述的图形方式 203

10.5.5 词组和相邻 206

10.5.6 自然语言和自由文本查询 207

10.6 上下文 208

10.6.1 文献替代 208

10.6.2 文献内容中的查询词命中 209

10.6.3 文献之间的查询词命中 211

10.6.4 SuperBook：上下文与目次表 213

10.6.5 结果集合上下文的类目 214

10.6.6 运用超链接组织检索结果 215

10.6.7 表格 218

10.7 运用相关性评价 219

10.7.1 标准的相关反馈界面 220

10.7.2 用户与相关反馈系统交互研究 221

10.7.3 特定背景下相关信息的获取 222

10.7.4 组相关评价 223

10.7.5 伪相关反馈 223

10.8 界面对检索过程的支持 223

10.8.1 字符串匹配界面 223

10.8.2 窗口管理 225

10.8.3 系统举例 226

10.8.4 重叠式窗口使用不当举例 229

10.8.5 保留检索历史 229

10.8.6 浏览、选择与查询的集成 230

10.9 发展趋势与研究课题 233

10.10 书目讨论 233

第11章 多媒体信息检索：模型与语言 235

11.1 引言 235

11.2 数据建模 236

11.2.1 商业数据库管理系统中多媒体数据的支持 238

11.2.2 MULTOS数据模型 239

11.3 查询语言 241

11.3.1 需求描述 241

11.3.2 多媒体数据的条件 242

11.3.3 查询表达中的不确定性、相邻性和权值 243

11.3.4 建议 243

11.4 发展趋势与研究课题 246

11.5 书目讨论 247

第12章 多媒体信息检索：标引与检索 249

12.1 引言 249

12.2 背景知识—空间存取方法 250

12.3 通用的多媒体标引方法 251

12.4 一维时间序列 254

12.4.1 距离函数 254

12.4.2 特征提取和下界 255

12.4.3 实验 256

12.5 二维彩色图像 257

12.5.1 图像特征和距离函数 258

12.5.2 确定下界 258

12.5.3 实验 259

12.6 自动特征提取 260

12.7 发展趋势与研究课题 260

12.8 书目讨论 262

第13章 Web信息检索 265

13.1 引言 265

13.2 挑战 265

13.3 Web特征描述 266

13.3.1 Web测度 266

13.3.2 Web建模 268

13.4 搜索引擎 269

13.4.1 集中式结构 269

13.4.2 分布式结构 271

13.4.3 用户界面 272

13.4.4 排序 275

13.4.5 漫游Web 276

13.4.6 索引 277

13.5 浏览 278

13.5.1 Web目录 278

13.5.2 检索和浏览的结合 279

13.5.3 帮助工具 279

13.6 元搜索引擎 280

13.7 大海捞针 281

13.7.1 用户问题 281

13.7.2 实例 282

13.7.3 用户培训 282

13.8 使用超链接搜索 283

13.8.1 Web查询语言 283

13.8.2 动态搜索和软件代理 283

13.9 发展趋势与研究课题 284

13.10 书目讨论 285

第14章 图书馆与书目系统 287

14.1 引言 287

14.2 联机信息检索系统和文献数据库 287

14.2.1 数据库 288

14.2.2 联机检索系统 291

14.2.3 联机检索系统中的信息检索 292

14.2.4 “自然语言”检索 293

14.3 联机公共检索目录(OPAC) 294

14.3.1 OPAC及其内容 295

14.3.2 OPAC和最终用户 296

14.3.3 OPAC：供应商和产品 296

14.3.4 其他OPAC供应商 296

14.4 图书馆和数字图书馆项目 297

14.5 发展趋势与研究课题 297

14.6 书目讨论 298

第15章 数字图书馆 299

15.1 引言 299

15.2 定义 300

15.3 体系结构 301

15.4 文献模型、表达与存取 303

15.4.1 多语种文献 303

15.4.2 多媒体文献 303

15.4.3 结构化文献 304

15.4.4 分布式文献集 304

15.4.5 联邦式检索 305

15.4.6 存取 306

15.5 原型、项目与接口 306

15.5.1 国际努力 308

15.5.2 可用性 308

15.6 标准 309

15.6.1 协议和联合 309

15.6.2 元数据 310

15.7 发展趋势与研究课题 311

15.8 书目讨论 311

附录 Porter算法 313

术语表 317

参考文献 325

缩略语表 371

索引 375