2、信息检索与文本理解：从电子文档到智能系统

信息检索与文本理解：从电子文档到智能系统

1. 电子文档概述

“文档”一词既可用作名词，也可用作动词。从词源上看，拉丁语“documentum”意为“用作证据或证明的官方文件，在某些情况下可作为范例”。从狭义上讲，名词“文档”仍保留着这种含义，比如合同。随着历史的发展，“文档”的概念变得更加宽泛，指“任何包含文本和/或非文本组件（如图像、签名、图表、表格等）的印刷品，其创作目的是分享知识”。而动词“document”则意味着说明或展示证据，从更广泛的意义上来说，它涵盖了与文档编辑、印刷和分发相关的所有操作。

在当今社会，纸质文档正逐渐被电子文档所取代。电子文档存储在电子介质上，如光盘（CD - ROM）或可通过网络（如互联网）访问的分布式硬盘。电子文档具有以下重要特征：
- 易于创建、操作和复制 ：借助创作系统，电子文档能够轻松创建、修改，并且可以无限制地复制。同时，它们便于传输和高效存储，这也导致了电子文档数量的海量增长。
- 具有易逝性和动态性 ：电子文档可能难以捉摸、瞬息万变且不断发展。但另一方面，它们可以同时供多人使用。
- 开创了新的交流结构 ：电子文档为新的规范化编码和符号系统（如标记语言）开辟了道路，使得多媒体文档能够呈现视频和音频等新型内容。

2. 自然语言文本的交流作用

2.1 交流模型

许多当前的文档都包含自然语言文本，自然语言文本作为一种交流方式备受重视。交流涉及发送者和接收者，在文档交流的情境中，我们称之为创作者和用户。