정보 검색 시스템 설명: 유형, 비교 및 ​​구성 요소

정보 검색(IR) 시스템은 검색된 쿼리에 대해 표시된 문서의 관련성을 용이하게 하는 일련의 알고리즘입니다. 간단히 말해서 사용자의 쿼리를 기반으로 문서를 정렬하고 순위를 매기는 역할을 합니다. 문서 접근성을 가능하게 하기 위해 문서의 쿼리 및 텍스트에 대한 균일성이 있습니다.

이것은 또한 검색 상태 값(RSV)을 사용하여 공식적으로 문서의 순위를 지정하는 데 일치 기능을 효과적으로 사용할 수 있도록 합니다. 문서 내용은 어휘 V에 속하는 용어로 알려진 설명자의 모음으로 표시됩니다. IR 시스템은 또한 사용자의 행동을 추적하여 표시된 결과의 유용성에 대한 피드백을 추출합니다.

우리가 검색 엔진을 말할 때 우리는 일반적인 검색 엔진 중 Google, Yahoo, Bing과 같은 것을 의미합니다. 다른 검색 엔진에는 DBLP 및 Google Scholar가 있습니다.

이 기사에서는 검색 엔진이 결과를 표시하는 메커니즘을 이해하기 위해 정보 검색에 사용되는 다양한 유형의 IR 모델, 관련된 구성 요소 및 기술을 살펴보겠습니다.

또한 읽기: 인도의 데이터 과학자 급여

정보 검색 모델의 유형

정보 검색은 다음 네 가지 핵심 요소로 구성됩니다.

1. D - 문서 표현.
2. Q - 쿼리 표현.
3. F - D와 Q 간의 관계를 일치시키고 설정하기 위한 프레임워크.
4. R (q, di) - 관련 정보를 표시하기 위해 쿼리와 문서 간의 유사성을 결정하는 순위 함수입니다.

정보 검색(IR) 모델에는 세 가지 유형이 있습니다.

1. Classical IR Model — 기본 수학적 개념을 기반으로 설계되었으며 IR 모델 중 가장 널리 사용됩니다. 클래식 정보 검색 모델은 쉽게 구현할 수 있습니다. 그 예에는 벡터 공간, 부울 및 확률적 IR 모델이 포함됩니다. 이 시스템에서 정보 검색은 정의된 쿼리 집합을 포함하는 문서에 따라 다릅니다. 어떤 종류의 순위나 등급도 없습니다. 다양한 기존 IR 모델은 모델링에서 문서 표현, 쿼리 표현 및 검색/매칭 기능을 고려합니다.

2. 비고전적 IR 모델 - 명제 논리를 기반으로 한다는 점에서 고전적 모델과 다릅니다. 비고전적 정보검색 모델의 예로는 정보 논리, 상황 이론 및 상호 작용 모델이 있습니다.

3. 대체 IR 모델 — 이는 기존 IR 모델의 원칙을 취하고 클러스터 모델, Alternative Set-Theoretic Models Fuzzy Set 모델, LSI(Latent Semantic Indexing) 모델, Alternative Algebraic Models Generalized Vector Space Model과 같은 보다 기능적인 모델을 만들기 위해 향상되었습니다. , 등.

가장 많이 채택된 유사도 기반 클래식 IR 모델을 더 자세히 이해해 보겠습니다.

1. 부울 모델 — 이 모델은 정보를 부울 표현식과 부울 쿼리로 변환해야 했습니다. 후자는 부울 표현식이 참인 경우 올바른 일치를 제공하는 데 필요한 정보를 결정하는 데 사용됩니다. 부울 연산 AND, OR, NOT을 사용하여 사용자가 묻는 내용을 기반으로 여러 용어의 조합을 만듭니다.

2. 벡터 공간 모델 — 이 모델은 벡터로 표시된 문서와 쿼리를 가져와 문서가 얼마나 유사한지에 따라 검색합니다. 이로 인해 검색 결과의 순위를 지정하는 데 사용되는 두 가지 유형의 벡터가 생성될 수 있습니다.

• 부울 VSM의 바이너리.
• 논바이너리 VSM에서 가중치.

3. 확률 분포 모델 - 이 모델에서 문서는 용어의 분포로 간주되며 이러한 표현의 유사성을 기반으로 쿼리가 일치됩니다. 이것은 엔트로피를 사용하거나 문서의 가능한 효용을 계산함으로써 가능합니다. 두 가지 유형인 경우:

• 유사도 기반 확률 분포 모델
• 기대 효용 기반 확률 분포 모델

4. 확률 모델 — 확률 모델은 다소 단순하며 결과를 표시하기 위해 확률 순위를 사용합니다. 간단히 말해서 문서는 검색된 쿼리와의 관련성 확률에 따라 순위가 매겨집니다.

체크아웃: 데이터 과학 대 데이터 분석

정보 검색 모델의 구성 요소

IR 모델의 전제 조건은 다음과 같습니다.

1. 기술 및 절차를 색인화하고 검색하는 데 사용되는 자동 또는 수동 작동 색인화 시스템입니다.
2. 텍스트, 이미지 또는 멀티미디어 형식 중 하나의 문서 모음입니다.
3. 사람이나 기계를 통해 시스템에 대한 입력 역할을 하는 쿼리 집합입니다.
4. 시스템의 효율성(예: 정밀도 및 재현율)을 측정하거나 평가하기 위한 평가 메트릭입니다. 예를 들어, 사용자에게 표시되는 정보가 얼마나 유용한지 확인합니다.

정보 검색 모델의 다양한 구성 요소는 다음과 같습니다.

1 단계

2 단계

3단계

4단계

정보 검색과 데이터 검색의 차이점 - 2020 - 다른 사람

데이터 검색 시스템은 사용자가 제공한 쿼리에서 키워드를 식별하고 데이터베이스의 문서와 일치시켜 ODBMS와 같은 데이터베이스 관리 시스템에서 데이터를 직접 검색합니다.

DBMS의 정보 검색 시스템은 유사성을 기반으로 결과를 표시하기 위해 문서 및 쿼리 표현, 특히 텍스트 기반의 저장, 검색, 평가를 포함하는 일련의 알고리즘 또는 프로그램입니다.

결론

이것은 우리를 기사의 끝으로 이끕니다. 정보가 도움이 되셨기를 바랍니다. 데이터 과학 개념에 대한 더 많은 지식을 찾고 있다면 upGrad의 IITB에서 제공 하는 인도 최초의 NASSCOM 인증 데이터 과학 경영진 PG 프로그램을 확인해야 합니다.