Информационный поиск

Процесс поиска документов по чисто формальным признакам, указанным в запросе.
Для осуществления нужны следующие условия:

1. Наличие у документа точного адреса
2. Обеспечение строгого порядка расположения документов в запоминающем устройстве или в хранилище системы.

Адресами документов могут выступать адреса веб-серверов и веб-страниц и элементы библиографической записи, и адреса хранения документов в хранилище.

Процесс поиска документов по их содержанию.

Условия:

• Перевод содержания документов и запросов с естественного языка на информационно-поисковый язык и составление поисковых образов документа и запроса.
• Составление поискового описания, в котором указывается дополнительное условие поиска.

Принципиальная разница между адресным и семантическим поисками состоит в том, что при адресном поиске документ рассматривается как объект с точки зрения формы, а при семантическом поиске — с точки зрения содержания.

При семантическом поиске находится множество документов без указания адресов.

В этом принципиальное отличие каталогов и картотек.

Библиотека — собрание библиографических записей без указания адресов.

Процесс поиска в хранилище информационно-поисковой системы первичных документов или в базе данных вторичных документов, соответствующих запросу пользователя.

Три вида документального поиска:

1. Библиотечный, направленный на нахождение первичных документов.
2. Библиографический, направленный на нахождение сведений о документах, представленных в виде библиографических записей.
3. Архивный поиск[3]

Процесс поиска фактов, соответствующих информационному запросу.
К фактографическим данным относятся сведения, извлеченные из документов, как первичных, так и вторичных и получаемые непосредственно из источников их возникновения.

Различают два вида:

1. Документально-фактографический, заключается в поиске в документах фрагментов текста, содержащих факты.
2. Фактологический (описание фактов), предполагающий создание новых фактографических описаний в процессе поиска путём логической переработки найденной фактографической информации.

На этом рисунке релевантные точки (rel) находятся слева от прямой, а точки, найденные поисковой системой (retr), находятся в овале. Области красного цвета представляют ошибки поисковой системы. Красная область слева — это релевантные точки, не найденные системой (пропуск события), красная область справа — найденные, но нерелевантные точки (ложная тревога). Точность — это пропорция левой зелёной области по отношению к овалу (горизонтальная стрелка). Полнота — это пропорция левой зелёной области к области слева от прямой (диагональная стрелка).

Определяется как отношение числа релевантных документов, найденных ИПС, к общему числу найденных документов:

${\displaystyle {\mbox{Precision}}={\frac {|D_{rel}\cap \ D_{retr}|}{|D_{retr}|}}}$,

где ${\displaystyle D_{rel}}$ — это множество релевантных документов в базе, а ${\displaystyle D_{retr}}$ — множество документов, найденных системой.

Отношение числа найденных релевантных документов, к общему числу релевантных документов в базе:

${\displaystyle {\mbox{Recall}}={\frac {|D_{rel}\cap \ D_{retr}|}{|D_{rel}|}}}$,

где ${\displaystyle D_{rel}}$ — это множество релевантных документов в базе, а ${\displaystyle D_{retr}}$ — множество документов, найденных системой.

Выпадение характеризует вероятность нахождения нерелевантного ресурса и определяется, как отношение числа найденных нерелевантных документов к общему числу нерелевантных документов в базе:

${\displaystyle {\mbox{Fall-out}}={\frac {|D_{nrel}\cap \ D_{retr}|}{|D_{nrel}|}}}$,

где ${\displaystyle D_{nrel}}$ — это множество нерелевантных документов в базе, а ${\displaystyle D_{retr}}$ — множество документов, найденных системой.

Иногда бывает полезно объединить точность и полноту в одной усреднённой величине. Для этой цели среднее арифметическое не подходит, так как, например, поисковой системе достаточно вернуть вообще все документы, чтобы обеспечить равную единице полноту при близкой к нулю точности, и среднее арифметическое точности и полноты будет не меньше 1/2. Среднее гармоническое не обладает этим недостатком, поскольку при большом отличии усредняемых значений приближается к минимальному из них.

Поэтому хорошей мерой для совместной оценки точности и полноты является F-мера, которая определяется как взвешенное гармоническое среднее точности P и полноты R:

${\displaystyle F={\frac {1}{\alpha {\frac {1}{P}}+(1-\alpha ){\frac {1}{R}}}},\qquad \alpha \in [0,1].}$

Обычно F-меру записывают в виде

${\displaystyle F={\frac {(\beta ^{2}+1)PR}{\beta ^{2}P+R}},\qquad \beta ^{2}={\frac {(1-\alpha )}{\alpha }},\quad \beta ^{2}\in [0,\infty ].}$

При ${\displaystyle \alpha =1/2}$ либо ${\displaystyle \beta =1}$ F-мера придает одинаковый вес точности и полноте и называется сбалансированной или ${\displaystyle F_{1}}$-мерой (в нижнем индексе принято указывать величину ${\displaystyle \beta }$), выражение для неё упрощается

${\displaystyle F_{1}={\frac {2PR}{P+R}}.}$

Использование сбалансированной F-меры не является обязательным: при ${\displaystyle 0<\beta <1}$ предпочтение отдаётся точности, а при ${\displaystyle \beta >1}$ больший вес приобретает полнота.