信息检索系统解释：类型、比较和组件

信息检索 (IR) 系统是一组有助于显示文档与搜索查询的相关性的算法。 简而言之，它可以根据用户的查询对文档进行排序和排名。 文档中的查询和文本具有一致性，以实现文档可访问性。

这也允许有效地使用匹配函数来使用它们的检索状态值 (RSV) 对文档进行正式排名。 文档内容由属于词汇表 V 的称为术语的描述符集合表示。IR 系统还通过跟踪用户的行为来提取有关显示结果的可用性的反馈。

当我们谈到搜索引擎时，我们指的是一般搜索引擎中的 Google、Yahoo 和 Bing 之类的。 其他搜索引擎包括 DBLP 和 Google Scholar。

在本文中，我们将研究不同类型的 IR 模型、所涉及的组件以及信息检索中使用的技术，以了解搜索引擎显示结果背后的机制。

另请阅读：印度数据科学家的薪水

信息检索模型的类型

信息检索包括以下四个关键要素：

1. D - 文件表示。
2. Q - 查询表示。
3. F - 匹配和建立 D 和 Q 之间关系的框架。
4. R (q, di) - 确定查询与文档之间的相似性以显示相关信息的排名函数。

信息检索 (IR) 模型分为三种类型：

1. 经典 IR 模型——它是根据基本数学概念设计的，是应用最广泛的 IR 模型。 经典信息检索模型可以轻松实现。 它的示例包括向量空间、布尔和概率 IR 模型。 在这个系统中，信息的检索依赖于包含定义的查询集的文档。 没有任何排名或等级。 不同的经典 IR 模型在其建模中考虑了文档表示、查询表示和检索/匹配功能。

2. 非经典 IR 模型——它们与经典模型的不同之处在于它们建立在命题逻辑之上。 非经典 IR 模型的示例包括信息逻辑、情境理论和交互模型。

3. 替代 IR 模型- 这些采用经典 IR 模型的原则并增强以创建更多功能模型，如集群模型、替代集理论模型模糊集模型、潜在语义索引 (LSI) 模型、替代代数模型广义向量空间模型， 等等。

让我们更详细地了解最常用的基于相似性的经典 IR 模型：

1. 布尔模型——该模型需要将信息转换为布尔表达式和布尔查询。 后者用于确定在发现布尔表达式为真时能够提供正确匹配所需的信息。 它使用布尔运算 AND、OR、NOT 根据用户的要求创建多个术语的组合。

2. 向量空间模型——该模型将文档和查询表示为向量，并根据它们的相似程度检索文档。 这可能会产生两种类型的向量，然后用于对搜索结果进行排名

• 布尔 VSM 中的二进制。
• 在非二进制 VSM 中加权。

3. 概率分布模型——在这个模型中，文档被认为是术语的分布，查询基于这些表示的相似性进行匹配。 这可以使用熵或通过计算文档的可能效用来实现。 它们是两种类型：

• 基于相似性的概率分布模型
• 基于期望效用的概率分布模型

4. 概率模型——概率模型相当简单，采用概率排序来显示结果。 简而言之，文档是根据它们与搜索查询的相关性的概率进行排名的。

结帐：数据科学与数据分析

信息检索模型的组成部分

以下是 IR 模型的先决条件：

1. 一种自动或手动操作的索引系统，用于索引和搜索技术和程序。
2. 以下任何一种格式的文档集合：文本、图像或多媒体。
3. 通过人或机器作为系统输入的一组查询。
4. 衡量或评估系统有效性的评估指标（例如，精确度和召回率）。 例如，确保向用户显示的信息有多么有用。

信息检索模型的各个组成部分包括：

第1步

第2步

第 3 步

第四步

信息检索和数据检索之间的区别

数据检索系统通过识别用户提供的查询中的关键字并将它们与数据库中的文档进行匹配，直接从数据库管理系统（如 ODBMS）中检索数据。

而 DBMS 中的信息检索系统是一组算法或程序，这些算法或程序涉及存储、检索、评估文档和查询表示，尤其是基于文本的，以基于相似性显示结果。

结论

这将我们带到了文章的结尾。 我们希望这些信息对您有所帮助。 如果您正在寻找有关数据科学概念的更多知识，您应该查看来自 IITB on upGrad的印度第一个 NASSCOM 认证的数据科学执行 PG 计划。