信息检索系统性能对数据集特性的依赖性分析

摘要

信息检索技术使得用户可以快捷有效地进行在线文档查找、浏览以及探索.尚未解决的重要问题是,文档集的固有特征与信息检索系统性能之间有何联系,进而这些联系可否被系统有效的方法辨识.本文旨在发展文档集的侧写理论及方法框架,并探索和发掘对信息系统效果有显著影响的数据集特征.将着重于研究基本语言学和统计特征,例如:数据集规模、文档长度、词项分布等众所周知对检索性能有影响的特征,并探索这些数据集特征和信息检索系统性能之间的关联.