纯文本信息检索技术背景及应用

为了与基于关键字的多媒体检索相区分，本章将对文献、论文、著作、文摘等纯文字信息的检索称为纯文本信息检索。对纯文本信息的检索是人们在信息检索领域迈出的第一步。并且，纯文本检索研究中形成的一些经典算法，后来被成功地移植到了多媒体检索领域。

早期的文本检索研究大多是对整个文本数据库进行分析，将其划分为主题不同的子段，并用关键字进行索引，以支持全文检索。用户可以根据自身的信息需求向文本检索系统提交查询，系统则根据一定的相关性算法，在文本数据库中找出与查询条件相关的文本子集，并按照相关性大小的降序输出。在支持相关反馈的系统中，用户还可以在查询结果中标记相关和不相关文本，并反馈给系统，系统再根据优化算法进行求精和二次检索。

因此，纯文本信息检索的核心问题在于:如何计算数据库中存储的文档与用户提交的查询条件之间的相似度。那么，采用什么样的相似度匹配模型，对检索结果将会有较大的影响。(www.xing528.com)

自20世纪60年代以来，大量的文本检索模型被提出，布尔方法、向量空间、贝叶斯统计方法、概率模型等被引入文本检索的相似度计算中；之后，随着人工智能研究的发展，产生了用户建模、自然语言处理等技术；机器学习中的一些理论也被应用到文本检索中来，如:遗传算法、神经网络、贝叶斯推理等；到了20世纪90年代，随着网络搜索引擎技术的迅速发展，文本检索被成功应用到网络文本搜索领域，如今，Google和百度等网络文本搜索技术获得了巨大的成功，甚至融入人们的日常生活之中。