从SIGIR看信息检索技术的

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？哪些曾经渐渐谢幕？哪些即将登场？SIGIR1971～2006年一切正式论文主要内容检索模型的开展关键技术检索义务的演化人机交互与用户分析信息检索的评价信息检索中的自然言语处置更多思索与讨论检索模型的开展信息检索模型从一开场就沿两条路开展来源于构造化数据处置的灵感E.g.数据库直接从自在文本处置的角度前10年，并驾齐驱，构造化方法占有一定的主导位置进入90年代之后，构造化数据存储相对沉寂进入2000年，开场复苏思绪转变——xmlIR两条路逐渐呈现交融趋势IRmodels自在文本模型——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言语模型的检索－－1998年，里程碑更多模型－－近两三年开场，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讨2000后大规模检索最近渣滓…走出实验室面向海量数据、实时处置、真实网络环境…关键技术相关反响经久不衰的话题3个阶段早期建立反响机制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、效率最近自顺应系统系统交融检索义务的演化检索义务WebIR80年代末期WebpageWeb与传统文本相区别的特性1998年开场Page,Kleinberg链接分析把Web作为完好的拓扑构造2000年后更宏观——站点级更微观——Block级检索义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…检索义务多言语检索TREC日语汉语阿拉伯语NTCIR亚洲多言语英文主要技术自然言语处置技术词语翻译技术检索义务由国际规范评测提出，有效推进了信息检索研讨的开展TDTTRECNoveltyHARDGenomicsBlogLegal…人机交互与用户分析人机交互与用户分析人们一直青睐有加的研讨领域早期：可视化表示〔查询、文档的可视化〕自然言语交互界面2002年以后：用户日志分析，SocialNetwork，快速学习才干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开展信息检索中的

自然言语处置NLPandIR最早被提出的问题之一Stemming,分词，词典运用，词义消歧，命名实体…近年来：更深层次的运用句子完好性重构〔更自然的言语表达〕2005年，将NLP信息交融到检索的言语模型中更多思索与讨论IR的开展来源之一：实践运用分布式系统系统设计与实现的可扩展性、鲁棒性WebIR,链接分析用户分析：搜索日志分析IR的开展来源之二：国际规范评测跨言语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的开展来源之三：二者共同推进QA检索模型开展SpamIntranet信息检索Blog检索与情感分析…