信息组织及检索 第六章 查询及用户接口课件.ppt

《信息组织及检索 第六章 查询及用户接口课件.ppt》由会员分享，可在线阅读，更多相关《信息组织及检索 第六章 查询及用户接口课件.ppt（79页珍藏版）》请在三一办公上搜索。

1、2022/12/7,1,第6章 查询与用户接口,如何向信息检索系统提交查询？如何针对内容、结构提交查询？如何针对文本、多媒体数据提交查询？如何针对用户的初始查询可能不确切、查询要求缺乏明确的范围和语义的问题？,2022/12/7,2,第6章 查询与用户接口,本章的主要内容：常用的查询方式通过交互来实现相关反馈和查询扩展用户接口中涉及到的其它问题,2022/12/7,3,第6章 本章内容,6.1 查询接口设计中的问题 6.2 查询方式 6.3 查询中的交互反馈 6.4 用户接口 6.5 小结,2022/12/7,4,6.1 查询接口设计中的问题,一、信息存取的一般过程 从信息需求开始；选择操作的

2、系统和文档集；形成一个查询；把查询提交给系统；*获得搜索到的返回结果；查看、评价和理解结果；结果是否满意？如果满意，则停止；否则继续；重新形成查询，并回到（*）。,2022/12/7,5,6.1 查询接口设计中的问题,二、查询接口设计中的问题 查询方式 有哪些查询类型？用户向系统提交的查询类型依赖于系统采用的是哪种检索模型。例如，全文检索系统采用的查询方式就会与基于关键词排序、超媒体模型和多媒体内容模型的查询方式不同。,2022/12/7,6,6.1 查询接口设计中的问题,二、查询接口设计中的问题 查询中的交互性 信息检索是一个交互的过程 检索系统应该提供查询的反馈，以便用户能够及时了解查询的

3、效果，为下次查询的形成提供参考,2022/12/7,7,6.1 查询接口设计中的问题,二、查询接口设计中的问题 用户接口 用户如何提交查询？查询结果如何表现，使得用户容易观察到相关结果？用户查询接口的简易性和检索能力的矛盾记录用户查询的过程对于多媒体数据来说，要求查询接口能够提交视听查询,2022/12/7,8,6.2 查询方式,基于关键词的查询 模式匹配结构查询基于内容的查询,2022/12/7,9,6.2.1 基于关键词的查询,一、单词查询 指针对单个词的查询，是信息检索系统的基本查询形式查询的结果是包含有指定词的文档子集，并根据与查询的相似度排序。 有一些系统只允许对文档集中抽取的单词集

4、进行搜索，而有一些系统允许全文搜索。,2022/12/7,10,6.2.1 基于关键词的查询,二、上下文查询 什么是上下文？用多个词来构造一个查询，以缩小查询的范围，增加查询的上下文联系 上下文原则对于计算与多个词表达的查询之间的相似性来说，相近出现的词所表达的相似性，要比分离得较远的词所表达的相似性高,2022/12/7,11,6.2.1 基于关键词的查询,二、上下文查询 上下文查询的实现“词组查询”（或称为短语查询）由一系列单词查询组成，多个词形成一组词，由此来匹配文本中与其相近的一组词。“近似查询”用户给出多个词，同时给定词与词之间最大允许的距离可以要求查询结果中的词与查询中的词出现的顺

5、序一致，或不必一致,2022/12/7,12,6.2.1 基于关键词的查询,二、上下文查询 示例：用户提交的查询词：“红色”和“汽车”，目的是查询包含“红色汽车”的文档。但是，可能文档中包含“红色的汽车”或“红色奔驰汽车”，它们也是用户感兴趣的文档。前者可以用词组（短语）查询来实现匹配，因为可以忽略短语（在被匹配的文本内）中的非用词“的”。后者需要近似查询来实现匹配,2022/12/7,13,6.2.1 基于关键词的查询,三、布尔查询 利用布尔操作符及其语法来组合基本的查询 一个操作符可以作用于其它操作符的结果之上，由此可以定义一个查询语法树叶节点对应于基本查询内部节点对应于操作符,2022/

6、12/7,14,6.2.1 基于关键词的查询,三、布尔查询,AND,OR,计算机,通信,网络,查询语法树的例子,2022/12/7,15,6.2.1 基于关键词的查询,三、布尔查询 给定两个基本查询或布尔子表达式e1和e2，最常使用的操作符是：OR。查询（e1 OR e2）选择所有满足e1或e2的文档，重复的部分去掉；AND。查询（e1 AND e2）选择所有同时满足e1和e2的文档；BUT。查询（e1 BUT e2）选择所有满足e1 但不满足e2的文档。,2022/12/7,16,6.2.1 基于关键词的查询,三、布尔查询 问题没有受过数学训练的用户难以掌握布尔操作符的含义。布尔查询说明中的

7、一个问题是基本语法的误导。 人们常常理解的是常识中的“and”和“or”语义，而不是逻辑操作的AND和OR。,2022/12/7,17,6.2.1 基于关键词的查询,四、自然语言 把布尔模型模糊化，不特别强调AND和OR的结果，这样查询变成了枚举多词查询和上下文查询 所有能匹配部分用户查询的文档都被检索出来。匹配得越多，排序的等级就越高 在这种方案中，我们已经完全不用布尔操作，采取自然语言查询的思想,2022/12/7,18,6.2.1 基于关键词的查询,四、自然语言 可以把布尔查询看成是自然语言查询的简化和抽象 实现方法在用户提交一段自然语言的输入句子以后，把句子中的非用词去掉，留下主干词。

8、于是，把自然语言看成是一组词，然后利用这些词进行查询。具体的查询实施可以利用词组查询或词组近似查询。,2022/12/7,19,6.2.1 基于关键词的查询,四、自然语言 有些系统还可以对自然语言做进一步的处理和分析，从中抽取一些概念，并用于匹配文档中的概念。 例如，从自然语言中可以抽取提问关键词，例如“谁”、“什么时候”、“什么地方”等 搜索出与这些词相关的人物、时间和地点,2022/12/7,20,6.2.2 模式匹配,对具有某种特性（模式）的文本片段进行检索 模式匹配：从文本段中，搜索出与指定模式特征匹配的模式。模式匹配的结果（检索出来的词）可以用于构造词组查询和近似查询，构成我们前面所

9、说的基础查询。,2022/12/7,21,6.2.2 模式匹配,什么是模式？模式是一组语法特征，它出现在文本段中词模式。文本中的一个词（字符串），这是最基本的模式。前缀模式。一个串，位于词的开始部分，例如给定前缀“comput”，所有包含如“computer ”，“computation”，“computing”词的文档都被检索出来。后缀模式。一个串，位于词的结尾部分，例如给定后缀“ters”，所有包含如“computers”，“testers”，“painters”等词的文档都被检索出来。,2022/12/7,22,6.2.2 模式匹配,什么是模式？子串模式。一个可能在文本词中出现的串，例如

10、给定子串“tal”，所有包含如“coastal”，“talk”，“metallic”等的词都被检索出来。区间模式。用一对串表示区间模式，可以用于匹配在词典顺序上位于其间的任何词。比如，由“held”和“hold”构成的区间模式包含“hoax”和“hissing”串允许误差模式。用一个词和误差阈值表示。这种模式能够检索出所有与给定词“相似”的词（在允许的误差范围之内）。因为键入、拼写或字符识别软件等原因，文本可能有错，由此出现差错变体。查询应该能够检索出给定词和它的差错变体词。,2022/12/7,23,6.2.2 模式匹配,什么是模式？模式表达式。一个模式表达式是由简单串和操作符（并置、串联、

11、重复等）组成，是用于匹配的一般模式。例如，“pro(blem | tein)”模式表达式（其中 | 代表“并置”操作符）将匹配“problem”和“protein”这样的词。其它模式。使用更加友好方便的形式表达一些通用的模式，包括大小写敏感（或不敏感）的匹配模式、通配符模式、部分准确匹配、部分允许误差匹配模式、条件匹配模式等。,2022/12/7,24,6.2.3 结构查询,文档除了内容之外，另一种重要信息线索是包含在其结构中结构查询固定结构查询超媒体结构查询层次结构查询,2022/12/7,25,6.2.3 结构查询,2022/12/7,26,6.2.3 结构查询,固定结构查询文档具有一组固

12、定的域，就象一种表格。每个域都包含文本或其它对象。 例如，一个邮件文档可以看成是邮件的集合，其中每个邮件有发送者、接收者、日期、标题、信体域。 用户于是可以针对这些域来进行搜索。 例如，搜索那些发给特定人的、在标题域中含有“照片”的邮件。,2022/12/7,27,6.2.3 结构查询,超媒体结构查询早期，超媒体检索只是一个导航性的活动。就是说，用户必须沿着链，人工遍历超媒体节点，搜索到想要的内容。 可以在Web上把浏览和搜索能力综合起来。例如在常规浏览中，增加搜索当前节点的邻节点的功能，这里用到了节点与邻节点之间的链。,2022/12/7,28,6.2.3 结构查询,层次结构查询层次结构可以

13、用链表模型或树模型来表示超媒体结构中就包含有层次结构层次结构可以看成是超媒体结构的简化（去掉了交叉引用链，留下层次结构链） 根源查询。这种查询主要应用到层次结构中，查询一个节点的归属，例如这幅图像属于哪章，哪本书？如果层次结构是一个分类树，那么就可以查询出一个节点的父类是什么。,2022/12/7,29,6.2.3 结构查询,层次结构查询关联查询。查询出与该节点相连的所有节点，这可以是该节点与邻接节点的链接关系，有些链是表示语义关系，有些链是表示时空关系。包含（被包含）查询。查询一个节点（页面、文档）包含哪些节点，例如一个章节包含哪些部分，一个概念由哪些子概念组成，等等。反过来，又可以查询被包

14、含的关系。跟随（被跟随）查询。根据引用链的方向性来进行查询，由此可以查询出跟随和被跟随的结构关系。,2022/12/7,30,6.2.4 基于内容的查询,对于多媒体来说，常用“基于内容”的查询和检索这个概念。实际上，文本信息检索也是针对文本内容的，只是“基于内容”这个术语已经习惯用于多媒体信息检索当中,2022/12/7,31,6.2.4 基于内容的查询,一般属性查询产生信息。表示产生、类别和其它相关资料的信息，例如产生信息有标题（文本的或图标形式的）、文本注释、创建信息（创建者、创建地点、日期）等；类别信息可以是按照风格、主题、目的、语言等方式分类的信息。使用信息。是关于多媒体使用方面的信息

15、，例如使用权限、可用性、使用纪录、费用等。这些信息可能会动态改变。媒体描述信息。是有关存储媒体的信息，包括压缩、编码、存储格式等。,2022/12/7,32,6.2.4 基于内容的查询,感知特征查询视听特征：是颜色、纹理、形状、运动，以及听觉特征等。全局特征：这些查询可以是针对全局的，例如针对整幅图像局部特征：也可以是针对局部区域或对象的，例如视频对象或图像区域,2022/12/7,33,6.2.4 基于内容的查询,时空结构查询视听数据的时间结构、空间结构和时空结构信息 图象对象的空间位置；视频帧、镜头、场景的时间结构；视频中视频对象的时空结构等,2022/12/7,34,6.2.4 基于内容

16、的查询,概念查询视听内容表达的概念进行查询 语义表示的是多媒体的高层抽象概念,2022/12/7,35,6.2.4 基于内容的查询,浏览和其它存取方式等基于内容的浏览：而不是常规的线性浏览 分解模型和媒体变体：在多媒体内容的“分解模型”和“媒体变体”表示的支持下，我们还可以进行许多新的信息查询和存取。例如，对图象进行多分辨率的存取和渐进的查询。概要、摘要、比例缩放、压缩、不同分辨率版本、不同语言版本、不同模态（文本、语言、图形等）版本都可以看成是视听内容的变体。,2022/12/7,36,6.3 查询中的交互反馈,查询中的反馈问题：第一次查询是作为一次初步的尝试用户检查检出的文档，指定哪些是相

17、关的文档构造出新的或改进的查询表达式再次进行尝试 查询重构的两个基本步骤：利用新的项来扩展原查询在扩展的查询中重新分配项的权重,2022/12/7,37,6.3 查询中的交互反馈,查询扩展和重新分配权重的三个策略利用用户的相关反馈基于用户的反馈信息利用聚类算法，自动进行查询的调整基于返回文档子集的信息基于文档集的全局信息,2022/12/7,38,6.3.1 用户相关反馈,在相关反馈循环中系统向用户返回一组文档用户查阅（扫描）这些文档后，在那些相关的文档旁做上标记提高这些相关对象（项）在新形成的查询中的重要性 希望新的查询代表那些相关文档，而远离不相关的文档,2022/12/7,39,6.3.

18、1 用户相关反馈,示例1：矢量模型的重新加权和查询扩展Dr：在检出文档中，用户标识的相关文档子集；Dn：在检出文档中，不相关文档子集；Dr,Dn分别表示这些子集中相应的文档数；，：调节常量；Wj为文档矢量，Q为查询矢量。直接从检出文档中计算出修改的项权重,2022/12/7,40,6.3.1 用户相关反馈,示例2：概率模型中的项权重分配 项在相关文档子集中出现的概率 项在不相关文档子集中出现的概率刚开始时，两者未知，无法计算。可以利用用户的相关反馈信息来计算这些概率,2022/12/7,41,6.3.1 用户相关反馈,示例2：概率模型中的项权重分配 给出初始值：ni表示整个文档集中包含ki的文

19、档数，N为整个文档集中的文档数 然后计算查询与文档的相似度,2022/12/7,42,6.3.1 用户相关反馈,示例2：概率模型中的项权重分配 根据返回的结果，计算两个P的估计值：Dr表示用户判别的相关的检出文档子集Dr,i表示Dr的一个子集，它是包含项ki的文档 任何根据调整的权重，继续提交查询。,2022/12/7,43,6.3.1 用户相关反馈,Probability EstimationHow can we estimate pi and qi for each term ki of the query? GivenN documents in D ni docs containing

20、 term kiqi = ni /Nthe distribution of ki in R is similar to its distribution in the entire collection.pi= 0.5With no knowledge about R we can assume that R is chosen randomly,2022/12/7,44,6.3.1 用户相关反馈,Incremental improvementTRW(p,q)= log(1- qi)/qi = log(N- ni)/ ni) Init:Set pi= 0.5, qi = ni /N for e

21、ach query termRepeat:Rank D according to the Scoring function induced from the given probabilitiesLet V be the set of top retrieved documentsLet Vi be a subset of V containing term ki.pi=|Vi|/|V|(pi =(Vi+0.5)/(V+1)qi=(ni -|Vi|)/(N-|V|) (qi=(ni -Vi+0.5)/(N-V+1)Until convergence,2022/12/7,45,6.3.1 用户相

22、关反馈,Probability estimation based on Relevance FeedbackAssume the user provides feedback whether the retrieved docs are relevant or notR number of docs marked as relevantr number of relevant docs containing kiN num of docsn number of docs containing ki pi= r/R qi= (n-r)/(N-R)Problem: relevance feedba

23、ck is an expensive task.,2022/12/7,46,6.3.1 用户相关反馈,Document Relevance,DocumentContaining ki,Given a query term ki,+ - + r n-r n - R-r N-n-R+r N-n R N-R N,Where N is the number of documents seen,2022/12/7,47,6.3.1 用户相关反馈,N,R,r,n,N,R,r,n,2022/12/7,48,6.3.1 用户相关反馈,问题：相关反馈策略的评价？一种方案：利用查询Qm对文档集进行检索，对检出结果

24、进行排列，然后画出回调率-查准率图，并与原查询q的性能相比较。通常情况下，性能的改进非常大。由于用户对看见的文档进行了相关性的判别。但是有些文档是用户没有看见的，包括没有返回的文档，因而没有考虑这些文档的作用，所以这种评价还不够充分。,2022/12/7,49,6.3.2 自动的查询扩展,反馈信息被用来选择新的查询项进行查询扩展扩展的查询将检索到更多更准确的相关信息在以前的方法中，与用户查询的相关描述是在用户的辅助下，交互式建立的。我们更希望的是自动得到这种描述。,2022/12/7,50,6.3.2 自动的查询扩展,如何自动标识出与查询项相关的其它项？由此用于查询的扩展这些项也许是同义词、词

25、干变体，在文本中与查询项接近的项，例如与查询词相距至多k个单词的词，相关的对象这里有两种基本的实现策略：全局策略和局部策略。,2022/12/7,51,6.3.2 自动的查询扩展,在局部策略中只采用查询q的检出文档来确定查询扩展中的项。这与常规的相关反馈循环相似，但是可以做到不需要用户的干预（即可以做到全自动） 在全局策略中所有在文档集中的文档都用来确定词典的结构，定义项的关系。然后，用户在这个词典中选择合适的项进行查询扩展。 具体实现时，可以采用聚类方法,2022/12/7,52,6.4 用户接口,检索如何开始？ 查询如何表达？ 文档集浏览和查询结果如何表现？ 相关判别接口的设计考虑？ 多媒

26、体查询接口是什么样？,2022/12/7,53,6.4.1 检索过程的开始,文档集列表选择 文档（数据）集列表方式就是向用户罗列出可以检索的文档集的名字用户需要首先从中选择要查询的文档集（或者说是数据库）然后用户提交的查询作用于选择的数据库人工选择或自动选择,2022/12/7,54,6.4.1 检索过程的开始,Dialog box for chosing sources in old lexis-nexis interface,2022/12/7,55,6.4.1 检索过程的开始,浏览 用户开始的查询需求并不明确，因此他们检索就是以浏览形式启动的 三种常用的梗概接口 目录梗概 聚类梗概 关联

27、梗概,2022/12/7,56,6.4.1 检索过程的开始,Supervised (Manual) Category Overviews,2022/12/7,57,6.4.1 检索过程的开始,向导 向导形式的接口是为未经过训练的用户提供帮助，帮助用户很快地构造出各种类型的查询 范例式 文本对话式 图形向导式,2022/12/7,58,6.4.2 查询说明,选择检索的文档集之外，提交一个查询还必须对查询的要求进行说明查询说明“查询要求”用词、词组、项或描述子（或称为描述符、叙词）来说明,2022/12/7,59,6.4.2 查询说明,方式命令行、表格和菜单图形化查询说明GUI查询接口 多侧面查询

28、说明用户查询被分成多个主题或侧面，每个侧面的主题应在被检索出来的文档中出现比如一个查找预防肝炎的药物的查询可能包括三个侧面：“甲肝或乙肝”，“药物或药剂”，“预防或治疗”。,2022/12/7,60,6.4.2 查询说明,基于表格的查询说明(altavista),2022/12/7,61,6.4.2 查询说明,基于表格的查询说明（infoseek）,2022/12/7,62,6.4.2 查询说明,图形查询接口表示布尔查询的例子,2022/12/7,63,6.4.2 查询说明,基于菜单方式的查询说明的例子,2022/12/7,64,6.4.3 上下文表现,为了使得文档集便于用户的理解，以上下文方

29、式放置（组织）当前文档集称为用户接口中的上下文表现 常用的方式显示出文档集与查询项（或关键词）之间的关系；文档集的梗概；描述性元数据；超链结构；文档结构,2022/12/7,65,6.4.3 上下文表现,用条图表示查询项在文档中出现的情况,2022/12/7,66,6.4.3 上下文表现,Query terms:What roles do they play in retrieved documents?,DBMS (Database Systems)Reliability,Mainly about both DBMS & reliability,Mainly about DBMS, disc

30、usses reliability,Mainly about, say, banking, with a subtopic discussion on DBMS/Reliability,Mainly about high-tech layoffs,2022/12/7,67,6.4.3 上下文表现,文档内容中的查询项提示文档内容中的查询项提示就是在检出文档中，以突出显示的方式，向用户提示那些匹配上的查询项，引起用户的注意 关键词的上下文：把文档中包含查询项的句子抽取出来，与其它文档代表项一起显示 文档之间的查询项提示 表现出查询项在多个检出文档之间的关系 示例：有A, B, C三个项，这种接口就

31、可以用图形的方式，显示出在检出文档中，只包含A、B或C，同时包含A和B、A和C、B和C，全部包含A、B和C的文档数分别有多少,2022/12/7,68,6.4.3 上下文表现,关键词上下文KWIC (Keyword in Context）,2022/12/7,69,6.4.3 上下文表现,文档之间查询项可视化的例子,2022/12/7,70,6.4.3 上下文表现,用目录表示上下文 把目录显示在左边的窗口中，而全文显示在右边窗口 检出的结果将以目录层次的上下文方式显示，即包含查询项的章节将在目录中放大显示，而其它的章节的显示被压缩 分类层次表示上下文 采用分类层次，构造出文档集的概图，以上下文

32、方式放置查询的结果,2022/12/7,71,6.4.3 上下文表现,分类层次表示上下文 例如左边窗口显示的是检出文档的分类层次树；右边窗口显示全部文档集的分类层次树。查询提交以后，将得到检出文档（显示在左边窗口），右边窗口将突出显示出那些与左边检出文档相关的分类层次，忽略显示那些不相关的分类层次。用户就可以非常容易地观察到检出文档的语义处于整个分类层次中的什么范围,2022/12/7,72,6.4.3 上下文表现,超链组织检出的结果 利用超链把文档内部包含的关键词自动链接起来（不象一般的超文本系统，是采用人工写作的方法链接的）这种链接关系实际上表示出文档之间的上下文联系,2022/12/7,

33、73,6.4.4 相关判别接口的设计考虑,标准的相关反馈的用户接口由以下元素组成：检出文档的标题（或略图）列表；选择栏，位于每个文档标题的旁边，使得用户便于标记相关的文档。Web搜索引擎采用术语“more like this”（与此相似的）作为一种简化,2022/12/7,74,6.4.5 多媒体查询接口,查询接口的分类 按照媒体对象分类 图像查询图形查询视频查询音频查询多种媒体组合查询其它媒体查询（例如三维VRML对象查询等）,2022/12/7,75,6.4.5 多媒体查询接口,查询接口的分类 查询单元（针对媒体和对象）的颗粒度问题全局查询局部查询 按照特征性质分类 基于媒体物理（原始）特

34、征的查询基于媒体逻辑特征查询基于语义的查询基于媒体一般属性的查询,2022/12/7,76,6.4.5 多媒体查询接口,查询接口的分类按照时空关系分类 按时序关系 按空间关系 查询说明 文本方式 示例方式语言方式,2022/12/7,77,6.4.5 多媒体查询接口,示例查询接口 实例方式 通过浏览选择一个实例，或通过扫描仪、摄像机、数字相机、话筒在线输入图像或音频实例。 描绘方式 如果没有一个现存的实例的情况下，为了叙说方便和明确，人们常常用笔勾勒或描绘自己的意图，同样方式可以用于提交形象的查询,2022/12/7,78,小结,查询和用户接口方面的三个方面的主要问题：一个是查询的基本方式有哪些；第二个是检索过程中的交互反馈；第三个用户查询接口设计中的问题。问题：如何设计既简单又有效的Web信息检索接口？如何表示和形成上下文查询？,2022/12/7,79,小结,如何构造更有效的相关反馈？如何根据用户的查询要求，在检索界面上给用户更多的提示或建议，引导用户提交更合适更准确的查询。如何直观地概要表示大型、海量信息空间？除了梗概、层次方式之外，还需要新的信息可视化方法，不仅表示层次关系，还要表示它们之间的联系、重要程度。,