《信息检索导论》第一章总结

一、信息检索概念

信息检索是从大量非结构化的文档集中找到用户需要的信息；

当然信息检索远不止这些，比如从包中拿出信用卡并查看卡号，在计算机中查找文件等；

非结构化：数据没有清晰的语义结构，计算机不容易处理；

严格的非结构化数据是不存在的，比如文本虽然属于非结构化，但是文本也有固定的格式，如标题等；

半结构化数据：处在结构化和非结构化之中的信息；

 

分类：给定类别，将文档进行指派给特定的类别；一般都是有训练集和测试集；

聚类：将给定的文档集进行自动聚团并分开，即预先不指定类别；

grep是Unix中查询的命令；

 

语料库（corpus）=Collection；

 

ad-hoc检索：文档集相对静