从SIGIR看信息检索技术课件

1、从SIGIR看信息检索技术的过去与未来马少平，张敏清华大学计算机系；智能技术与系统国家重点实验室2007年3月10日，海口缘起过去三十五年中，我们在信息检索的路上走了多远？在IR舞台上，什么是长盛不衰的？ 哪些已经渐渐谢幕？ 哪些即将登场？SIGIR 19712006年所有正式论文主要内容检索模型的发展关键技术检索任务的演变人机交互与用户分析信息检索的评价信息检索中的自然语言处理更多思考与讨论检索模型的发展信息检索模型从一开始就沿两条路发展来源于结构化数据处理的灵感E.g. 数据库直接从自由文本处理的角度前10年，并驾齐驱，结构化方法占有一定的主导地位进入90年代之后，结构化数据存储相对沉寂进

2、入2000年，开始复苏思路转变 xml IR两条路逐渐呈现融合趋势IR models自由文本模型三个阶段向量空间模型 80年代初的重点概率模型 80年代末兴起，90年代逐渐成为主流基于语言模型的检索 1998年，里程碑更多模型 近两三年开始，标志IR进入新的阶段关键技术关键技术实现 早期倒排索引的提出与研究2000后大规模检索最近垃圾 走出实验室面向海量数据、实时处理、真实网络环境关键技术相关反馈经久不衰的话题3个阶段早期建立反馈机制90年代中CBIR最近区分不同主题区分不同词关键技术集中式不能满足要求分布式系统架构3个阶段早期：通用系统设计90年代中分布式大规模扩展性、效率最近自适应系统系统

3、融合 检索任务的演变检索任务 Web IR80年代末期WebpageWeb与传统文本相区别的特性1998年开始Page, Kleinberg链接分析把Web作为完整的拓扑结构2000年后更宏观站点级更微观Block级检索任务 多媒体检索很早被提出 语义鸿沟问题图像检索实验室结果利用文本信息最近5年 视频音乐检索任务 多语言检索TREC日语汉语阿拉伯语NTCIR亚洲多语言英文主要技术自然语言处理技术词语翻译技术检索任务 由国际标准评测提出，有效推动了信息检索研究的发展TDTTRECNoveltyHARDGenomicsBlogLegal 人机交互与用户分析人机交互与用户分析人们始终青睐有加的研究

4、领域早期：可视化表示 （查询、文档的可视化）自然语言交互界面2002年以后：用户日志分析，Social Network，快速学习能力信息检索的评价检索的评价 TRECPooling技术更紧接本质的评价技术评价与技术的共同发展信息检索中的自然语言处理NLP and IR最早被提出的问题之一Stemming, 分词，词典使用，词义消歧，命名实体近年来：更深层次的使用句子完整性重构（更自然的语言表达）2005年，将NLP信息融合到检索的语言模型中更多思考与讨论IR 的发展来源之一：实际应用分布式系统系统设计与实现的可扩展性、鲁棒性Web IR, 链接分析用户分析：搜索日志分析 IR 的发展来源之二：

5、国际标准评测跨语言检索信息检索的评价与测试集的构建话题检测与跟踪新信息发现IR 的发展来源之三：二者共同推动QA检索模型发展SpamIntranet信息检索Blog检索与情感分析总结缘起信息检索模型关键技术的发展检索任务的演化人机交互/用户分析检索的评价 信息检索与自然语言处理其他思考 关于IR的发展谢谢！严禁隐瞒、虚报生产安全事故。7月-227月-22Sunday, July 24, 2022推行ISO9000不走样，企业生存发展有希望。14:31:1714:31:1714:317/24/2022 2:31:17 PM质量出效益，点滴成江河。7月-2214:31:1714:31Jul-222

6、4-Jul-22厕所卫生要注意,干净清洁常保持。14:31:1714:31:1714:31Sunday, July 24, 2022人人讲安全，安全为人人。7月-227月-2214:31:1714:31:17July 24, 2022今日的质量，明日的市场。2022年7月24日2:31 下午7月-227月-22树立自我信心，把握各工段流程；消灭疵点起因，管理操作是关键。24 七月 20222:31:17 下午14:31:177月-22安全是增产的细胞，隐患是事故的胚胎。七月 222:31 下午7月-2214:31July 24, 2022我们极度鄙视一切乱丢乱吐等不文明行为。2022/7/24 14:31:1714:31:1724 July 2022清洁拥有清爽明亮的工作环境。2:31:17 下午2:31 下午14:31:177月-22贯彻ISO系列标准,树立企业新形象。7月-227月-2214:3114:31:1714:31:17Jul-22老兄