Elasticserach实战（1） 信息检索概述

我们常用的搜索引擎是 We 搜索 是信息检索的 个分支，学术上的信息检索（ Information
trieva l ， 简称 IR ）的定义为 信息检索是从大规模非结构化数据 （通常是文本）的集合（通
常保存在计 机上〉中找出满足用户信息需求的资料（通常是文档〉 的过程。

1.信息检索常用术语

• 用户需求 （User Need ，简称 UN)
需要获得的信息 严格地说， UN 存在于用户的内心，但是通常用文本来描述，如找与“2014 世界杯”相关的新闻，有时也称为主题（ Topic ）。
• （Query)
UN提交给检索系统时称为查询（ Query ），如“ iPhone7 价格”。对同 UN ，不同人不同时候可以构造出不同的 Query 上述需求也可表示成 苹果7价格” Query 在IR系统中往往还有内部表示。
• 文档 （Document）
文档是信息检索的对象，文挡不仅仅可以是文本，也可以是图像、视频、语音等多媒体文档。
• 文档集（Crops）
由若干文档构成的集合称为文档集合，文档集有时也称为语料库。海量的互联网网页件系统中的文本文件、大量的电子邮件，都是文档集合 具体例子。
• 文档编号（Document ID ) 
文档 ID是给文档集中的每个文档赋予的标识符，通过文档 ID 来区分不同的文档，这样能够方便搜索引擎的内部处理 缩写为 docID。
• 词条化（ tokenization) 
词条化是将给定的 符序列拆分成系列子序列的过程，拆分的每个子序列称为一个词词条化的过程中有