信息检索相关性

1、信息检索相关性近十年我国信息检索相关性研究现状分析一一基于共词分析的视角摘要：相关性是信息检索领域的核心研究的内容之一，对其进行深入研究将有助于提高信息检索的效率，推动信息检索的研究。本文将通过共词分析的方法，利用知识图谱对其进行可视化分析研究。关键词：信息检索；相关性；共词分析前言相关性一直以来都是信息检索领域的核心研究内容之一，其概念的起源可以追溯到17世纪的早期图书馆用户认识到查找相关信息的问题。但由于客观原因，相关性只是作为一种朦胧意识停留在人们头脑中，直到20世纪20年代少数学者Lotka(1926)、Zipf(1949)、Urquhart(1959)、Price(1965)才陆续从

2、各个领域开始了相关性的研究工作。在信息科学界Saracevic认为Bradford是最先使用相关性一词的学者。其在20世纪30年代发表的文献的混沌状态一文中首次提出主题相关”的概念。而此后关于“相关性”的探讨并未引起学界更大范围的关注。直到1958年国际科学信息会议(ICSI)的召开，相关性(Relevance)才作为信息科学领域的一个重要概念被学术界认可。至此“相关性”逐渐成为信息科学尤其是信息检索领域经久不衰的研究课题，甚至知识交流学派的代表人物Saracevic认为信息科学之所以成为独立学科，而不再隶属于图书馆学或文献学的原因就在于它开展了相关性的研究也在于相关性能够解释科学交流中的诸多

3、问题。足见“相关性”在信息检索的相关性问题展开了深入研究，本文将通过共词分析法，使用知识图谱对其进行可视化处理分析。科学中的重要地位。当前,各国学者已对信息1信息检索相关性基本概念之后又吸引了众多学者的参与。2信息检索相关性共词分析2.1数据收集处理本文研究的数据收集是以中国知网(cnki)中文数据库中的期刊文献为基础，期刊来源为SCI、ELCSSCI,以“信息检索”并含“相关性”作为主题进行检索，检索年限为2004年至2013年，共检索文献95篇。对其关键词进行统计分析，共有关键词202个，对其进行词频统计，将词频超过2次的关键词作为高频关键词，共有高频关键词42个(表1),本文的数据分析将

4、基于这些高频关键词o表1高频关键词及其频次统计关键词频次信息检索59相关性29搜索引擎8用户相关性5情报学4关键词频次信息系统成功模型2信息素养2信息检索模型2相关性判据2模糊聚类2对信息检索相关性基本概念方面的研究工作始世纪50末，各国借助数学及各种概取方法从角度对“性”的含内容进行入剖析。关性的基念研究以年为边界了前后两段第1959-197搀的图书主要成MaronKuhns利代模型代率话交互相关性判义及了诺性艮而相本概度靄相关经历个阶信息阶段果有模和卩用概言信息检索1用户需求44433学术信检索系模糊矩阵模糊方法可视化检索系统检索评价关联理论息2统性化次序效应2222词频矩阵查询扩展查全率

5、测试集标准本体TEDS模型率论定义相关性的概念，提出相关性并非只是简单的是/非选择问题。Rees认为相关性受文档所包含的信息概念的影响，认为相关信息是对用户原来所具备的知识而言有用的信息Goffman和Newill把相关性当成连接有效性的一种测度，并试图用数学方法证明相关性(Relevance)与关联性(Relation)之间具有等价关系。Saracevic则建议从文档、词与文献引用等各种文献特征上来定义检索的相关性。Cooper利用数理逻辑给相关性做了一个明确的定义。Wilson则在Cooper研究的基础上对数理逻辑相关性描述做了进一步扩充，并将“情境相关性”的概念首次引入到相关性的研究中，

6、第二阶段研究工作的基础。在第二阶段，1977年至今，由于相关性各领域研究成果的相继岀现，使相关性的概念描述也呈现岀许多新的时代特征。首先是从面向用户及认知方法的观点重新审视相关性，认为相关性是个多念，在很大程度上依赖于用户个人对信息的理解以及信息需求的情境。相关性是一个动态的概念它依赖于信息与用户某一特定时间所需信息之间关系质量的评价，以用户的观点来看，相关性是个复杂的、系统的、可测度的概念。其次是一些学者试图给信息检索定义一个逻辑模型来理解相关性概念这项工作由Rijsbergen开创用户行为22建立共词矩阵在EXCEL表格中，删除低频关键词之后，对确定的42个关键词所在列进行两两配对，统计其

7、在文献同时岀现的频次，建立透视表，并通过Ucinet软件将42个关键词建立共词矩阵，图1为共词矩阵部分效果图。图1共词矩阵效果图（部分）晋词词频性化TEDS模型000000000本体000000000标准00100DC00测试集010000000杳辛率000001000查询扩展000000000查准率000200000词频矩阵000000000坎序效应000000000个性化0000000002.3分析数据结果本文利用社会网络分析软件Ucinet6.0版本和Netdraw2.0版本对获取的关键词数据进行分析并绘制出社会网络分析图谱。231K-core分析在本文中，首先使用Ucinet6.0软件

8、建立共词矩阵的电子表格，然后采用Netdraw2.0软件绘制科学知识图谱，在此基础上，采用K-core分析法进行社会网络分析，建立不同连接度k核（最高为4）的共词网络图谱，经过处理后得到可视化结果，如图2所示，其中红色代表关联度为4的关键词，绿色为关联度为3的关键词，蓝色为关联度为2的关键词，黑色为关联度为1的关键词。|P-l|用户艾E：*；Ti/r沦-iiArZ3疏二裤可俪;b*W图2K-core分析效果图2.3.2多维尺度分析使用Ucinet6.0软件中的非量纲式多维尺度分析方法分析近十年我国信息检索相关性的关键词的数据结构，统计这些关键词坐标，统计结果如表2所示，并形成散点图，效果如图3

9、所示。表2关键词分布坐标关键词X坐标Y坐标处象限关键词X坐标Y坐标处象限TEDS模型-0.7941.984第1评价-0.234-0.438第T象限O限本体0.4-0145情报学-0.0180.168第2象限标准-0.368-0.089数字图书馆-0.215-0.92第3-象限测试集-0.8590.175搜索引擎-0.3170.409第T象限查全率-0.048-0.261网络信息检索-0.7160.905第T象限查询扩展0.315-0.505系统相关性0.3170.358第T象限查准率-0.056-0.524相关度0.2530.135第T象限词频矩阵0.676-0.556相关性0.023-0.0

10、57第4象限次序效应-0.4490.128相关性反馈0.902-0.545象限个性化-0.689-0.11相关性判断-0.2310.057第T象限关联理论0.540.056相关性判据-0.4852.055第T象限检索-0.52-0.571第3信息检索0.175-0.256第4象限O限检索模型0.127-0.858信息检索模型-0.0620.363第2象限检索评价-0.244-0.73信息检索系统0.558-0.773第象限检索系统0.5420.268信息素养0.699-0.233第象限可视化-1.1640.349信息系统成功模型-0.4052.366第T象限跨语言信息检索0.389-1.334

11、学术信息检索系统-0.8032.397第T象限模糊方法0.111-0.689用户交互0.384-0.956第象限模糊矩阵0.6-0.374用户相关性0.1270.471第T象限模糊聚类0.846-0.061用户行为0.057-1102第象限模型-0.4-0.284用户需求1.036-0.275第象限学术信息检索系统系统成功模型teds模型相关性判据网络信息检索搜索引信息检索-测醉次序效相关性判断相关度关联理论个性化标隹相关性本体模糊聚类模型查全率言息佥索廿模糊矩阵素养用户检索评价查隹率查询扩展词频矩阵关性反馈检索评价馆检索矗信息检索系统数子图书馆检索模型用户交互用户亍为跨语言信息检索可视化2.

12、62.42.221.81.61.41.210.80.60.40.20-0.2-0.4-0.6-0.8-1-1.2-1.4-1.4-1.2-1-0.8-0.6-0.4-0.200.20.40.60.811.21.41.61.822.22.42.6图3多维尺度分析散点图分布效果图根据多维尺度分析图和表2的统计可以看出，42个关键词中，分布在第一象限的有：关联理论、检索系统、系统相关性、相关度、用户相关性，共五个；分布在第二象限的有：TEDS模型、测试集、次序效应、可视化、情报、搜索引擎、网络信息检索、相关性判断、相关性判据、信息检索模型、信息系统成功模型、学术信息检索系统；分布在第三象限的有：标准

13、、查全率、查准率、个性化、检索、检索评价、模型、评价、数字图书馆；分布在第四象限的有：本体、查询扩展、词频矩阵、检索模型、跨语言信息检索、模糊方法、模糊矩阵、模糊聚类、相关性、相关性反馈、信息检索、信息检索系统、信息素养、用户交互、用户行为、用户需求。3信息检索相关性研究分析通过核心关键词所处的象限分布情况以及K-core分析图所示,我国信息检索相关性的研究热点主要集中在两个方面：第一，信息检索系统的相关性评价标准及模型的研究，包括查全率、査准率、相关度、TEDS模型、学术信息检索系统、信息系统成功模型等；第二，有关用户的研究，包括用户需求、用户行为、用户相关性、信息素养等。31信息检索系统的

14、相关性评价及模型研究对于信息检索系统的相关性评价研究是这一研究领域的研究重点，也一直是研究者们关注的重点。传统的相关性评价指标为查全率和查准率，目前系统相关性评价可用相关度作为相关性好坏的评价指标，相关度是文档表示与查询表达式间的匹配程度，相关度越高则说明文档与表达式越相近。作为相关性的量化指标，相关度已广为接受。系统相关性评价的模型包括布尔模型、向量空间模型、概率模型、模糊模型、逻辑模型、概念模型、网络模型等。信息检索系统是相关性评价的一个重要极点，检索系统性能的好坏直接影响到反馈结果质量的高低，从而影响用户相关性的判断。从系统的角度看，提高信息检索的相关性可以从以下五个方面来考虑：系统设计

15、的用户观。信息组织的合理化。系统实现的智能化。检索功能的全面化。相关算法的最优化。3.2与用户有关的信息检索系统相关性的关系研究信息检索的目的是要预言信息对于用户需求的适用性，即信息能否满足用户需求或在何种程度上满足用户需求，但情报检索系统所能提供给我们的只是信息表示和查询表示之间的关系。一般认为相关性是最终用户对信息检索结果输出的认可或明确的判定，它隐含地表明了用户对使用系统的满意程度。因此在信息检索的相关性研究中，与用户相关的研究显得十分必要。用户是信息检索活动的主体，是检索结果的最终判定者和使用者，从提出信息需求的时刻起,用户所进行的每一个步骤都与最后的检索结果相关，是相关性评价的另一极点。从用户的角度看，提高信息检索相关性需提高信息用户的五种能力：提高用户对信息需求的认知能力。提高用户对信息需求的表达能力。提高用户对检索系统的选择能力。提高用户对领域知识的识别能力。提高用户对检索结果的判断能力。4结论目前，信息检索的相关性研究已经越来越引起人们的重视，其发展也已经取得了一定的成效。但纵观现有的研究成果，主要还是集中于相关性的理论探讨阶段。由于相关性研究领域的