56、信息检索基础技术解析

信息检索基础技术解析

1. 图像浏览与信息检索概述

在图像搜索中，若搜索结果用于下载，通常会涉及浏览步骤，一个实用的浏览界面在选择图像时显得尤为重要。图像的排列方式会影响浏览行为，随机排列时用户能快速选择所需图像，而按外观相似度排列时，用户选择时间会变长，但对结果满意度更高。

在信息检索领域，文本信息检索的一些技术和理念在视觉领域得到广泛应用。典型的文本信息检索系统接收一组查询词，用其查询某种索引，生成可能匹配的列表，从中选择与查询相似度足够高的文档，按重要性排序后返回。

2. 词频统计

• 词频特性 ：在文本信息检索中，少数词汇常见，多数词汇罕见。像“the”“and”“but”“it”这类常见词被称为停用词，因几乎所有文档都大量包含，所以通常被忽略。而其他罕见词的出现频率具有独特性，很多时候，只需知道某个词是否存在，就能大致判断文档主题。例如，包含“stereo”“fundamental”“trifocal”和“match”的文档可能与3D重建有关；包含“chrysoprase”“incarnadine”“cinnabarine”和“importunate”的文档可能是11个字母且以“e”结尾的单词列表。
• 文档索引 ：构建一个表示每个词出现文档的表格很简单，由于很少有词在多个文档中出现，所以该表格是稀疏的。用$N_w$表示词的数量，$N_d$表示文档的数量，可将表格表示为列表数组，每个词对应一个列表，列表项为包含该词的文档，这个对象称为倒排索引，可用于查找包含一组词逻辑组合的所有文档。例如，查找包含一组词中任意一个的文档，可对查询中的每个词，在