网络信息检索及其局限性

1 网络信息检索简介

随着信息技术的飞速发展，信息已成为全社会的重要资源，对信息的占有程度及信息处理水平的先进程度已成为衡量一个国家或地区现代化程度的重要标志，而网络上丰富的信息在更大程度上改变了人们的工作和生活的方式。internet是当今世界上规模最大、覆盖面最广、信息资源最丰富、发展最为迅速的信息网络，基于internet的网络信息检索的研究，无论对研究人员还是一般用户来说，都有着很强的现实性和实用性。

1.1 信息检索概念

信息检索是指将信息按一定的方式组织和存储起来，并根据信息用户的信息需求查找所需信息的过程和技术。人们获取信息源的方式主要有：①传统的信息检索方法，通过人工查询在图书馆等提供文献的机构进行文献的查询和获取活动；②联机信息检索相对于前者来说具有实时性、完整性、共享性、广泛性等优点；③网络信息检索是指通过网络信息检索工具检索存在于internet信息空间中各种类型的网络信息资源。

1.2 网络信息检索的原理

网络信息检索工具是网络信息检索技术的实物体现。目前，常用的网络信息检索模型有布尔逻辑模型、模糊逻辑模型和概率模型等几种方式。WwW.11665.CoM

① 布尔逻辑模型 这是一种简单而常用的严格匹配模型。用户可以根据检索项在文档中的布尔逻辑关系提交查询，搜索工具根据事先建立的倒排文档结构确定查询结果。标准的布尔逻辑模型为二元逻辑，所搜索的文档要么与查询相关，要么与查询无关。利用这种模型进行查询，其查询结果一般没有按照内容的相关特性排序。

② 模糊逻辑模型 它在查询结果处理中引进了模糊逻辑比较，并且按照相关的优先次序排列查询结果，这样就可以克服布尔逻辑模型信息查询结果的无序性。

③ 概率模型 它是基于贝叶斯概率原理而提出的，根据词条、文档间的内在联系，利用词条间和词条与文档间的概率相依性来进行信息检索。

2 搜索引擎

搜索引擎是目前使用最为频繁的一种网络信息检索工具。与其他工具相比，它的检全率和检准率都比较高，具有很强的使用价值和广泛的应用前景。

2.1 搜索引擎的工作原理

作为一种www站点资源和其它网络资源进行组织和检索的检索工具，搜索引擎的检索机制一般包括数据采集和标引机制、数据组织机制和用户检索机制，基本构成如图1所示。

① 数据采集标引机制按照一定规律和方式对网络上www站点进行搜索，并将搜索到的www页面信息存入搜索引擎的临时数据库中。

② 数据组织据组织机制的主要功能是对www页面信息进行整理以形成规范的页面索引，并建立相应的索引数据库。

③ 索引数据库是用户进行检索的基础，它的数据质量直接影响到检索效果，而搜索引擎的数据采集标和标引机制又是决定数据库质量的关键技术。

④ 用户检索机制帮助用户以一定方式检索引擎的索引数据库，以获得符合用户需要的www站点或页面。

2.2 搜索引擎的分类

按照用户查找的途径划分，可将搜索引擎分为如下几种:

① 基于关键词的搜索引擎 主要通过使用自动采集软件来对网络上的数据进行采集标引，建立成索引数据库。它主要采用自动搜索和标引方式来建立和维护其索引数据库，供用户查询使用。

② 基于分类目录的搜索引擎 一般依赖于按照某种分类标准进行人工编排的分类体系。

③ 联合式搜索引擎 是基于关键词的搜索引擎的另外一种表现形式，是后者与基于类目的搜索引擎的一种结合。

2.3 搜索引擎的功能

目前internet上的搜索引擎种类繁多，虽然各种搜索引擎都有自己的不同信息采集标引机制，在其他一些方面各具特色，但其基本功能却是相似的。

① 布尔逻辑检索 这一功能使得用户能使用and、or和not来进行关键词的搭配检索。

② 模糊检索 在用户进行检索的过程中，系统会对跟用户提供的关键词相似的词语进行检索，并返回包含关键词或是这些相似词的检索结果。

③ 截词检索 这种检索形式利用检索词的某一部分来进行检索。在搜索引擎中，用户提供包含“？”或是“*”通配符的检索项来进行检索。

④ 限定词检索 这种检索加减号检索，它用来规定检索项中必须出现或是必须不出现某些关键词。

3 网络信息检索的局限

用户在查找网络信息资源时，不可避免的用到网络信息检索工具。检索工具的优劣很大程度的影响了用户的检索效率。虽然网络信息检索工具在最近几年有了长足的发展，但是到现在网络信息检索仍然存在着这样或是那样的局限。

3.1 文本信息检索的局限

① 网络信息标引的准确度不够 检索工具对网络信息资源的标引一般都存在着栅引准确度不够的问题，检索工具经常会在返回大量垃圾信息的同时丢失有用信息。当用户要进行特定的文献检索时，有时还会发现现存的检索工具无济于事，检索出来的数据完全被无用信息所覆盖。如想要通过搜索引擎查询清朝雍正年间李卫任浙江巡抚的资料，你只能够查到大量《李卫当官》之类无用信息。

② 搜索引擎的查全率不高 由于互联网上的信息资源以爆炸性的速度不断增长，搜索引擎采集数据的速度远远落后于信息资源的增长速度。单个搜索引擎的数据库所收集的web页面大大不足，就是所有的搜索引擎所储存的数据也只占全球web页面的50％强。由于这方面的原因，搜索引擎的检全率会无可避免的被降低。

③ 搜索引擎的查准率不高 一是返回的信息过多，这是现有搜索引擎检索信息的普遍现象；二是返回重复的信息，搜索引擎的检索结果中还经常重复出现同一信息源的不同部分，甚至出现不同信息源的相同内容信息。

④ 查询方式有限 目前大多数搜索引擎的查询方法比较单一，一般只提供分类查询方式和关键词查询方式。这样，一方面检索时不能从文献的多个方面对检索提问进行限制，只能就某一关键词或概念进行笼统的检索；另一方面，由于查询结果完全依赖于用户所给出的关键词，而大多数用户对他们检索的领域或索引数据库的关键词不太了解，因此使最后的查询结果相关性很差，往往是输入一个检索式，得到一大堆网址，但其中大部分是冗余信息。

⑤ 检索对象的数据结构单一 由于现在大多数网站使用的是传统的关系数据库对信息进行组织和存储，因此其使用的搜索引擎也是基于关系数据库的，这种传统的关系数据库非常擅长处理结构化的数据，但其对于非结构化的数据的处理能力则很弱。

⑥ 交互性不够 当前的搜索引擎与用户的交互性不够，与用户间缺乏足够的协作，不了解用户的情况，不记录用户提交的查询任务，不能处理用户的反馈信息，因而不能与用户进行足够好的交互以提高检索效率。

3.2 多媒体信息检索的局限

到现在为止，虽然单独针对图像、视频、声音等媒体的检索技术已经出现，但还没有任何搜索引擎能够充分解决多媒体信息的检索，其主要表现在以下几个方面：

① 检索效果不够理想 目前，几乎所有的多媒体搜索引擎在多媒体信息的查准率方面都不能达到令人满意的程度，用户将在返回的几百个甚至上千个图像中筛选需要的那一幅。这是很费时和令人难以忍受的，而且有时你所用的搜索引擎根本检不出你想要的东西。归其原因，一方面是在于查询方式的单一，另一方面在于对图像的标引深度不够，这就要求完善图像检索和索引机制。

② 用户查询接口单一 理想的多媒体检索系统中，人是主动的，用户的查询接口能提供丰富的交互能力，且直观易用，使用户能够在主动交互过程中通过调整检索参数，表达对图像的语义感知，最终获取满意的结果。这就涉及到如何把用户的提问转换为可以执行检索的特征矢量、交互方式的设计，如何获取用户的内容感知等问题。目前的多媒体搜索引擎用户查询接口比较单一，大多只提供描述查询接口，即关键词提问框。

③ 图像特征信息的表示与检索不够完善 基于内容的图像检索，实质上就是进行图像特征相似度的比较，但目前这一技术还存在许多问题。

④ 信息的自动加工与人工标引不够 目前文本搜索引擎在这方面的发展正日趋完善，而多媒体搜索引擎的研究刚刚起步，尤其是图像信息的加工，图像不同于文本，文本自身就能说明要讲的内容，而图像内容却需要加入人的理解和描述，人工干预虽能提高查准率，但一方面能被人工标引的是极其有限的；另一方面由于人工标引劳动强度大而限制了检索的范围，如何对图像信息进行快速标引和准确分类是急待解决的主要问题。

另外，目前基于内容的检索技术多应用于对静态图像的检索，对动态图像的检索还没有多少行之有效的方法。但随着宽带网络的逐步实现，动态多媒体信息在网络中将会越来越多。

1 张杰. 浅论网络信息检索. 江西图书馆学刊，2002年增刊.

2 董慧. 网络信息资源开发与利用. 武汉：武汉大学出版社，2001.

3 卢小宾. 信息检索. 北京：科学出版社，2003.

4 李勇先，郑文良. 人工智能在网络信息检索中的应用. 图书馆建设，2003（4),4:81～83.

5 焦玉英，符绍宏，何绍华. 信息检索. 武汉：武汉大学出版社，2001.