我國智能化信息檢索發(fā)展及研究現(xiàn)狀

韓嬌紅

（安陽師范學(xué)院計算機(jī)與信息工程學(xué)院，河南 安陽 455002）

1 引言

社會進(jìn)入信息時代，不僅信息的數(shù)量急劇增長，而且信息檢索的對象和信息需求的主體也發(fā)生了極大變化。信息檢索的對象從相對封閉、集中管理的信息內(nèi)容擴(kuò)展到開放、動態(tài)、更新快、分布廣泛、管理松散的Web內(nèi)容；信息用戶由原來的情報專業(yè)人員擴(kuò)展到包括商務(wù)人員、管理人員、教師學(xué)生、各專業(yè)人士等在內(nèi)的普通大眾，他們對信息檢索從結(jié)果到方式提出了更高、更多樣化的要求。目前，信息檢索已經(jīng)發(fā)展到網(wǎng)絡(luò)化和智能化階段，適應(yīng)網(wǎng)絡(luò)化、智能化以及個性化的需要是目前信息檢索技術(shù)發(fā)展的新趨勢。其中智能化信息檢索成為研究的熱點(diǎn)。

2 智能信息檢索發(fā)展概述

2.1 智能信息檢索研究的幾個階段

2.1.1 發(fā)展初期及形式（1985～1987）

網(wǎng)絡(luò)化的逐步形成日益改變了人們的工作和生活方式，尤其被稱為人類三大尖端技術(shù)之一的人工智能技術(shù)的出現(xiàn)和發(fā)展，給人類社會帶來了強(qiáng)烈的活力，傳統(tǒng)的信息檢索在理論和實(shí)踐方面因此受到了巨大的沖擊，表現(xiàn)出許多自身難以克服的弊端，國外智能信息檢索就是在這種背景下提出的。在我國，信息工作者也不甘落后，從20世紀(jì)80年代中期開始了對智能信息檢索的研究。

2.1.2 發(fā)展高峰期（1988～1991）

人工智能經(jīng)過多年的發(fā)展已日趨完善。國外在20世紀(jì)90年代初已達(dá)到了高峰，這也為我國智能信息檢索提供了基礎(chǔ)。從國內(nèi)來看，這也是我國情報學(xué)發(fā)展的黃金時期，大量情報學(xué)文獻(xiàn)在此期間問世，其中還包括大量智能情報檢索研究的文獻(xiàn)。

2.1.3 逐步回落時期（1992～）

人工智能信息檢索是一項(xiàng)難度很大的課題，首先要解決電腦思維與人腦思維有機(jī)結(jié)合的問題，在人工智能沒有突破性進(jìn)展的情況下，其應(yīng)用領(lǐng)域也不會有大的進(jìn)步。計算機(jī)表現(xiàn)出的局限性使信息檢索智能化發(fā)展不可避免地受到影響。我國對智能信息檢索的研究開始原地踏步，甚至回落，從高潮走進(jìn)了低谷。

2.2 我國智能信息檢索研究現(xiàn)狀

目前，我國的智能信息檢索基本處在理論認(rèn)識與實(shí)驗(yàn)階段。通過傳統(tǒng)信息檢索系統(tǒng)與智能信息檢索系統(tǒng)的比較分析，人們對智能信息檢索系統(tǒng)已經(jīng)有了理性的認(rèn)識，對智能信息檢索系統(tǒng)的基本結(jié)構(gòu)有了較清晰的認(rèn)識，對智能信息檢索系統(tǒng)實(shí)現(xiàn)方法和關(guān)鍵技術(shù)逐步了解，看到了智能信息檢索系統(tǒng)實(shí)現(xiàn)的可能性，同時也面臨著許多困難和問題。

人才是國家發(fā)展的重要資源，而教育是培養(yǎng)人才的主要渠道，小學(xué)教育作為基礎(chǔ)階段，應(yīng)當(dāng)受到國家和教育部門的高度重視，尤其是在信息化時代的大背景下，做好小學(xué)教育的信息化發(fā)展意義重大。

3 智能信息檢索的基本理論

3.1 智能信息檢索的概念

信息檢索（Information Retrieval），通常指文本信息檢索，包括信息的存儲、組織、表現(xiàn)、查詢、存取等各個方面，其核心為文本信息的索引和檢索。智能檢索則是把現(xiàn)代人工智能的技術(shù)與方法引入到信息檢索系統(tǒng)，使后者具有一定程度的智能特征，在更高的層次上實(shí)現(xiàn)其功能。智能化信息檢索的目的是使信息檢索系統(tǒng)“理解”文件包含的信息內(nèi)容和用戶的信息需要。它在對內(nèi)容的分析理解、內(nèi)容表達(dá)、知識學(xué)習(xí)、推理機(jī)制、決策等基礎(chǔ)上實(shí)現(xiàn)檢索的智能化。

3.2 智能信息檢索系統(tǒng)應(yīng)具備的能力

智能信息檢索系統(tǒng)應(yīng)具備以下3種能力：①智能信息檢索系統(tǒng)是建立在大規(guī)模的知識庫基礎(chǔ)之上的，它有一個強(qiáng)大的推理系統(tǒng)支持，能用自然語言而不是規(guī)范的主題詞與檢索者交流的計算機(jī)系統(tǒng)。此系統(tǒng)能在已知信息的基礎(chǔ)上，推理分析出系統(tǒng)沒有明顯表示出來的信息。此外，系統(tǒng)自身還具有學(xué)習(xí)和自適應(yīng)能力。②智能信息檢索系統(tǒng)在具備知識庫和推理機(jī)制的同時，強(qiáng)調(diào)智能信息檢索結(jié)果應(yīng)是用戶能夠直接加以利用的信息，與傳統(tǒng)信息檢索為用戶提供的文獻(xiàn)線索相區(qū)別。前者可以免去用戶再去查找文獻(xiàn)的重復(fù)活動。③智能信息檢索系統(tǒng)的智能因素不應(yīng)僅僅定義在檢索的執(zhí)行過程中，還應(yīng)體現(xiàn)在提問模型的形成過程中，即根據(jù)用戶對問題的描述，借助與知識庫相關(guān)的知識，推斷其真正需求，形成提問模型。

3.3 智能信息檢索的系統(tǒng)結(jié)構(gòu)

一般來說，智能信息檢索系統(tǒng)由知識庫、文本處理和智能接口3部分組成。①知識庫部分：知識庫是智能檢索的核心。它又由知識庫系統(tǒng)、數(shù)據(jù)庫系統(tǒng)和檢索推理系統(tǒng)3個子系統(tǒng)構(gòu)成。②文本處理部分：文本處理系統(tǒng)就是利用計算機(jī)自動處理自然語言形式的文本輸入。它利用知識庫中的語言學(xué)知識、科學(xué)知識和其他知識，對文本進(jìn)行語法、語義分析界定，從內(nèi)容上理解文獻(xiàn)所論述的主題，并把它們表示成知識庫中的知識單元和數(shù)據(jù)庫中的數(shù)據(jù)元素，不斷地豐富知識庫和數(shù)據(jù)庫。③智能接口部分：智能接口是用戶與系統(tǒng)之間的通道。它的主要功能是對自然語言進(jìn)行查詢和處理，并作為智能終端建立用戶興趣檔案，加工提取結(jié)果。

4 實(shí)現(xiàn)的可能和技術(shù)要求

4.1 實(shí)現(xiàn)的可能

人工智能技術(shù)中的機(jī)器感知（知識獲取）、機(jī)器思維（知識處理）、機(jī)器行為（知識利用），其核心是知識。實(shí)現(xiàn)知識的形式化描述，從知識的獲取、表示、存儲、組織、管理、推理直到智能化研究一直是人工智能研究的主要方向。

信息檢索現(xiàn)在雖然還沒有達(dá)到知識層次上的加工處理，但它至少已通過間接的途徑實(shí)現(xiàn)了對知識的處理，如智能化信息檢索系統(tǒng)把信息源作為知識的集合，而把信息源通過適當(dāng)?shù)姆绞郊右詷?biāo)引，其目的也在于通過這些標(biāo)引詞來表達(dá)信息源中的知識點(diǎn)，并為用戶的信息需求提供相應(yīng)的知識輔助。智能化信息檢索系統(tǒng)的目標(biāo)就是真正達(dá)到在知識語義層次上進(jìn)行信息服務(wù)。由此看出，知識是IR與IT共同的研究對象，而對知識的獲取、加工、處理、提供利用則是兩者共同的目標(biāo)。目前的智能技術(shù)主要包括人工智能技術(shù)和人工神經(jīng)網(wǎng)絡(luò)技術(shù)，其中人工智能技術(shù)（AI，Artificial Intelligence）主要研究如何利用計算機(jī)軟、硬件模仿、延伸、擴(kuò)展人類智能理論方法和技術(shù)。而人工神經(jīng)網(wǎng)絡(luò)技術(shù)（ANN，Artificial Neural Network）則更注重對人腦結(jié)構(gòu)的模擬。實(shí)際應(yīng)用中往往可以通過結(jié)合AI與ANN共同完成智能任務(wù)。AI長于知識的邏輯推理，它以一套完整的推理系統(tǒng)為核心，對知識進(jìn)行組織、再生和利用；ANN的長處則在于對復(fù)雜知識的結(jié)構(gòu)化組織，通過分布式計算、并行推理以及例子學(xué)習(xí)來實(shí)現(xiàn)智能化處理。ANN是模擬神經(jīng)元結(jié)構(gòu)，決定了它具有高度容錯能力。ANN的研究重點(diǎn)在于模擬和實(shí)現(xiàn)人的認(rèn)知過程中的感知過程、經(jīng)驗(yàn)形象思維、分布式記憶和自組織學(xué)習(xí)過程，而AI是符號處理系統(tǒng)，側(cè)重于人的邏輯思維。這兩者的結(jié)合為基于知識的智能化的信息檢索提供了可能。

另外，隨著計算機(jī)軟、硬件設(shè)備性能的提高和智能通訊、網(wǎng)絡(luò)技術(shù)的深入研究，人工智能在自然語言理解、知識獲取、表示和推理等方面的研究進(jìn)展，以及信息檢索領(lǐng)域?qū)χ悄芑呐?，為兩者的結(jié)合提供了強(qiáng)大的技術(shù)支持和廣闊的應(yīng)用空間。

4.2 技術(shù)要求

用戶知識的自動獲取技術(shù)。用戶知識通常包括用戶信息需求和用戶背景知識等。通過在用戶終端上運(yùn)行一個監(jiān)視用戶的接口Agent，由它來監(jiān)視用戶信息搜索與瀏覽過程，將用戶在WEB瀏覽時的相關(guān)信息不斷傳給遠(yuǎn)端服務(wù)器，服務(wù)器再將信息進(jìn)行整理、組織并從中分析出用戶的信息偏好，服務(wù)器根據(jù)用戶信息偏好進(jìn)行新的信息推薦。

機(jī)器學(xué)習(xí)技術(shù)。包括基于解釋經(jīng)驗(yàn)的學(xué)習(xí)、基于事例的學(xué)習(xí)、基于概念的學(xué)習(xí)、基于類比的學(xué)習(xí)、基于神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)等。其具體的執(zhí)行是先讓一個智能Agent帶有最小的背景知識，然后通過幾種方法學(xué)習(xí)用戶的行為：一是觀察用戶，找出規(guī)律；二是用戶反饋（直接或間接）；三是用戶訓(xùn)練，直接給出例子；四是詢問其他Agent。這樣即使Agent不熟悉某個用戶的習(xí)慣，但經(jīng)過一段時間的學(xué)習(xí)，它會逐漸了解用戶的工作習(xí)慣，并逐步接替用戶的工作。

推送技術(shù)。推送技術(shù)最基本的形式是通知，針對這種服務(wù)，用戶可以控制其通知形式與時間間隔。另一個是提要技術(shù)，用戶以關(guān)鍵詞、日期、數(shù)值、比較規(guī)則以及其他查詢條件查找信息。提要可以實(shí)現(xiàn)查看WEB頁或其他信息源，尋找需要匹配的信息，并向用戶傳遞信息。第三種是自動拉出，提供一種可供用戶常查看的WEB頁。自動推送需要用戶終端有特殊客戶機(jī)軟件，定期發(fā)出更新請求。

5 面臨問題和解決思路

5.1 面臨問題

5.1.1 智能技術(shù)本身的不成熟

人工智能技術(shù)本身還有許多不完善的地方。主要體現(xiàn)在兩個方面：①知識的獲取與表示。其中較難解決的問題就是如何把復(fù)雜多樣的專業(yè)知識系統(tǒng)化。此外，如果把人工智能技術(shù)應(yīng)用到一個多學(xué)科綜合的檢索系統(tǒng)中，如何辨別某個多義詞當(dāng)前的具體含義，如何辨析用戶特定的需求，這些都有待于繼續(xù)研究。②受自然語言處理技術(shù)方面的局限。要想使計算機(jī)準(zhǔn)確地分析、表達(dá)并傳輸知識，就必須使計算機(jī)具備理解自然語言的能力。目前對自然語言的處理，雖然已從語法階段上升到語義階段，但對自然語言的理解能力還限制在一些規(guī)范的語句和語法范圍內(nèi)，這就決定了智能信息檢索系統(tǒng)所能具有的智能化表達(dá)程度。

5.1.2 信息檢索系統(tǒng)本身的障礙

信息檢索系統(tǒng)是一個復(fù)雜的系統(tǒng)，檢索過程本身存在著以下難題：①信息檢索系統(tǒng)所面對的用戶來自不同專業(yè)領(lǐng)域，知識層次也各不相同，要使計算機(jī)對其進(jìn)行合理定位是一個難題。②信息檢索系統(tǒng)涉及的專業(yè)知識豐富，將諸多知識形式化較為困難。③信息檢索專家系統(tǒng)不易建立。不僅這些專家的經(jīng)驗(yàn)和技術(shù)很難準(zhǔn)確地表達(dá)出來，而且不同的檢索專家很可能對同一問題持不同的觀點(diǎn)，這對專家系統(tǒng)的建立提出了難題。

5.2 解決思路

5.2.1 解決知識表達(dá)問題的思路

知識的獲取和表示問題是智能化信息檢索的一個難題，但是知識庫是智能檢索的核心，如何建設(shè)知識庫，關(guān)鍵是如何把復(fù)雜多樣的專業(yè)知識表達(dá)描述出來。在我國，不同的學(xué)者從不同的角度去探討這個問題，有人認(rèn)為語料庫作為處理自然語言的方法較好，可用來構(gòu)建語義網(wǎng)或采用本體論建設(shè)知識庫。目前，隨著網(wǎng)絡(luò)信息的多樣化、網(wǎng)絡(luò)數(shù)據(jù)庫的異構(gòu)化，本體論越來越受到了計算機(jī)界的重視。在協(xié)助智能體對因特網(wǎng)上的各種信息進(jìn)行領(lǐng)域分類，在智能化的規(guī)范用戶信息檢索和信息整合方面，本體論的知識發(fā)揮著重要作用。由于本體能刻畫事物之間的內(nèi)在聯(lián)系，借助于本體，可以使檢索的信息更能滿足用戶的需求。所以本體論成為知識獲取和表示、規(guī)劃、進(jìn)程管理、數(shù)據(jù)庫框架集成、自然語言處理和企業(yè)模擬等研究領(lǐng)域的核心。一旦建成基于本體論的知識庫，本體論將提供一個內(nèi)容豐富和現(xiàn)代的框架以實(shí)現(xiàn)術(shù)語的規(guī)范、服務(wù)和管理。如果與基于網(wǎng)站的搜索工具相結(jié)合，將會十分有益于資源的檢索，不僅可以為特定用戶提供其所查詢的特定文件，還可提供與興趣主題可能有關(guān)的其他資源。這種額外的功能不僅會顯著提高基于網(wǎng)站的搜索引擎的范圍，而且還能改進(jìn)用戶對網(wǎng)頁上信息資源感興趣的方式。

5.2.2 自然語言處理的思路

語言學(xué)方法。根據(jù)可計算性理論，任何一個自動機(jī)的運(yùn)算都是按一定程序、分步驟和相繼作用在離散對象之上所完成的，而這些對象又是以線形序列相鄰接的排列組合所構(gòu)成的，而自然語言的3個特征——離散性、序列性、鄰接性使其具備了“可計算性”，為自然語言的處理奠定了物質(zhì)基礎(chǔ)。對自然語言處理的方法有語言學(xué)方法、人工神經(jīng)網(wǎng)絡(luò)法等。與建立語料庫的思路相似，采用語言學(xué)方法，在相當(dāng)長時間里，語言學(xué)的任務(wù)是建立一個高度集合的語法系統(tǒng)，來解釋句子的生成與理解。當(dāng)這一語言學(xué)理論與計算理論相結(jié)合時，產(chǎn)生了形式之法。形式之法由一套有窮的規(guī)則結(jié)合所組成，其作用是生成并接受所有符合這些規(guī)則的語句。

語料庫方法。語料，又被稱為素材，是自然發(fā)生的語言材料的集合。而語料（Corpus）是一個由大量在真實(shí)文本經(jīng)過詞法、句法、語義等多層次加工形成的語言材料庫。這些加工的方式包括在語料中標(biāo)注各種記號，標(biāo)注的內(nèi)容包括每個詞的詞性、語義項(xiàng)、短語結(jié)構(gòu)、句型和句間關(guān)系等。隨著標(biāo)注程度的加深，語料庫逐漸熟化，成為一個分布的、統(tǒng)計意義上的知識源。語料庫本身不能直接應(yīng)用于自然語言處理中的句法或語義分析，但因?yàn)檎Z料庫包含了語言或者語言變體的詞匯、語法結(jié)構(gòu)、語義和語用信息，為語言學(xué)的研究提供了無窮無盡的資料來源，是計算機(jī)對文本進(jìn)行各種分類、統(tǒng)計、檢索、綜合、比較等研究的基礎(chǔ)，可以幫助語言學(xué)家揭示語言的詞匯、語法、語義和語用規(guī)律，由這些語言學(xué)的規(guī)律匯集成詞法、語法、語義詞典或知識庫等文本分析工具，然后利用這些工具進(jìn)一步對其他大量新文本逐詞標(biāo)注詞性，劃分句子成分，進(jìn)行語義標(biāo)注等。

6 智能信息檢索技術(shù)發(fā)展趨勢

互聯(lián)網(wǎng)上利用搜索引擎為檢索手段，使用網(wǎng)絡(luò)信息資源自動采集機(jī)器人（robot）程序（也稱網(wǎng)絡(luò)蜘蛛、爬蟲軟件），動態(tài)訪問各站點(diǎn)，收集信息，建立索引，并自動生成有關(guān)資源的簡單描述，存入數(shù)據(jù)庫中供檢索。但這種機(jī)器人程序的查準(zhǔn)率有待提高。于是元搜索引擎（又稱多元搜索引擎或集成搜索引擎）成為網(wǎng)絡(luò)檢索的后起之秀，是多個單一搜索引擎的集合。它沒有獨(dú)立的數(shù)據(jù)庫，主要依靠系統(tǒng)提供的統(tǒng)一界面，構(gòu)成一個一對多的分布式且具有獨(dú)立功能的虛擬邏輯機(jī)制。以上兩者都不能提供用戶直接利用的信息資源，且查準(zhǔn)率有待提高。網(wǎng)絡(luò)智能檢索成為目前研究的熱點(diǎn)，其包括智能搜索引擎（Intelligent Search Engine）、智能瀏覽器（Intelligent Browser）、智能體（Agent）等。智能搜索引擎可以預(yù)期用戶的需求，并可有效地抑制關(guān)鍵詞的多義性。比較成功的智能搜索引擎有FSA、Eloise和FAQFinder。智能瀏覽器是基于機(jī)器學(xué)習(xí)理論設(shè)計的智能系統(tǒng)，經(jīng)過訓(xùn)練后，可成為某個領(lǐng)域中熟練的搜索專家。兩個比較成功的實(shí)驗(yàn)原型是WebWatcher和Letizia。智能體是一個具有控制問題求解機(jī)理的計算單元，網(wǎng)絡(luò)中的智能體通常是一個專家系統(tǒng)、一個模塊等。它在經(jīng)用戶指導(dǎo)后，可在不用用戶干預(yù)的情況下，找到所需信息。有些智能體使用神經(jīng)網(wǎng)絡(luò)與模糊邏輯而不是關(guān)鍵詞來識別信息的模式。例如：BrowerBuddy是一個基于規(guī)則的智能體。

當(dāng)前基于Agent的智能信息檢索是信息檢索技術(shù)研究的熱點(diǎn)。智能代理（Intelligent Agent，簡稱IA）技術(shù)始于20世紀(jì)80年代，是人工智能技術(shù)的一個重要研究領(lǐng)域。進(jìn)入上世紀(jì)90年代后，隨著因特網(wǎng)的廣泛使用及其相關(guān)技術(shù)的飛速發(fā)展，圍繞因特網(wǎng)展開的智能代理技術(shù)研究取得了很大的進(jìn)展，它不僅成為人工智能研究的熱點(diǎn)之一，也是信息技術(shù)最前沿的代表。智能代理最先由美國麻省理工學(xué)院研制開發(fā)。目前，國外從事智能代理技術(shù)研究的不僅有大學(xué)、研究機(jī)構(gòu)，還有Apple、IBM、微軟等諸多信息技術(shù)公司，并且有些智能代理產(chǎn)品或嵌入智能代理技術(shù)的產(chǎn)品已經(jīng)投入使用。這些情況表明發(fā)展智能代理技術(shù)是一個趨勢，它將是克服現(xiàn)有網(wǎng)絡(luò)信息檢索問題的有效手段。

目前信息檢索技術(shù)正朝著多功能和智能化方向發(fā)展，隨著自然語言處理、自動分詞、自動標(biāo)引、自動文摘、自動分類、自動翻譯等技術(shù)的進(jìn)一步發(fā)展，信息檢索技術(shù)必將日益走向成熟與完善。

7 結(jié)束語

人工智能技術(shù)的發(fā)展是時代對社會智能化需求的體現(xiàn)，而人工智能與信息檢索的結(jié)合則是人們對信息獲取智能化的有益嘗試。在信息檢索系統(tǒng)中納入人工智能技術(shù)將使傳統(tǒng)的信息檢索系統(tǒng)具有更好的用戶界面、更高的檢索效率和更豐富的檢索手段。人工智能技術(shù)的引入正在使傳統(tǒng)的信息檢索系統(tǒng)發(fā)生巨大的變化。以兩者作為結(jié)合點(diǎn)的智能信息檢索系統(tǒng)也將隨著這兩方面研究的不斷發(fā)展而更加完善強(qiáng)大。

[1] 師東生.基于自然語言理解的智能化多媒體信息檢索系統(tǒng)研究[J].微型機(jī)與應(yīng)用，2011（6）：6-10.

[2] 宋喆，初廣麗.基于Multi-Agent的個性化信息檢索模型結(jié)構(gòu)體系[J].圖書館學(xué)研究，2011（2）：62-66.

[3] Liu Ying，Tang Yonglin，Zeng Yuan.A study on improving information retrieval effectiveness for scientific and technicalnovelty retrieval[C].Proceedings of International Forum onTechnological Innovation and Competitive Technical Intelligence’2008，2008：338-347.

[4] JAIN P.Intelligent information retrieval[C].SETIT 2005 3rd-International Conference：Sciences of Electronic，Technologiesof Information and Telecommunications，2005（3）：27-31.

[5] KANNAN R.Topic map：an ontology framework for information Retrieval[C].Proc.of National Conferenceon Advances in Knowledge Management，2010：195-198.

[6] 肖艷華，邵世煌.一種基于本體論的Internet信息個性化檢索系統(tǒng)的Agent實(shí)現(xiàn)模型[J].微計算機(jī)信息，2003（6）：77-78.

[7] 何儒云，湯艷麗.智能化信息檢索研究[J].圖書館，2003（3）：34-37.