《Information filtering and information retrieval: Two sides of the same coin? 》读书笔记

《Information filtering and information retrieval: Two sides of the same coin? 》这篇论文是 Nicholas J. Belkin 和 W. Bruce Croft于1992年发表的，这篇文章主要介绍信息检索和过滤的相关概念特点和二者的差异，给出了具体的模型分析，并且总结了检索研究对过滤的启发和经验教训。

一、信息检索（IR）和信息过滤（IF）

文章针对信息检索和信息过滤分别给出了相应的解释也给出了检索和过滤各自的特点，阅读完文章后我对IR与IF做出的认识是：(1)信息检索即从信息需求（目标）到寻找获取相关信息资源的一系列活动过程，在这个过程中检索系统需要提供能解决用户信息需求的信息资源；(2)信息过滤则是根据用户的信息需求对动态流入的大量信息结合长期性的配置文件（个人认为是收集得到的用户的兴趣模板文件，很类似停用词、同义词等相关文件）进行过滤将不相关的信息资源移除，把满足用户需求的更高效的信息传递给用户。

目前来说IF技术在信息处理中已经应用得十分的广泛了，IF技术实质上是一种信息检索技术，那么这就意味着IR系统与IF系统是十分类似的，但又犹如一枚硬币的两面还是存很多的不同之处，文章从很多方面对IR与IF进行了差异分析，Nicholas J. Belkin 和 W. Bruce Croft最主要从IR和IF的两个过程模型进行了差异分析以及二者的使用背景的差异：
①过程模型的差异：

• 在IR一般涉及系统单次使用的情况下，具有一次性目标和一次性查询的人，IF涉及系统的重复使用，具有长期目标的人或个人利益。
• IR识别出一系列查询的信息表达的内在信息需求，过滤则是通过配置文件对信息偏好做出的正确规范。
• 如果IR关注文本的收集和组织，则过滤更关注组织或个人分发文本
• IR通常与从相对静态的数据库中选择文本有关，过滤主要涉及从动态数据流中选择或删除文本。
• IR与回应用户的问题有关，在一个单一的信息追求情节中与文本互动，过滤关注一系列信息追求剧集的长期变化。

总的来说IF与IR相比更多的是关注相关信息需求的长期性，通过过滤系统的重复使用对动态输入的大量数据进行基于配置文件的筛选和处理；在IR中构建索引即对文本信息进行收集和组织是十分重要的，而IF则会更加关注如何高效地将相关的文本资源分发给用户。
②使用背景的差异：

• 文字相关问题。对于信息过滤，文本的及时性通常具有压倒一切的意义，对于IR来说，这通常不是这种情况。
• 用户相关的问题。大体上，IR大体上在科学和技术领域内，在明确定义的特定领域中研究了定义明确的用户群。这些用户在寻求信息的行为中几乎总是充满动力。但是，过滤通常关注的是非常不明确的用户群体，例如在家中寻求娱乐的人，以及各种各样的域名。另外，过滤环境中的动机不能总是假定。
• 环境问题。在这里，最显着的区别似乎是过滤在很多情况下都非常关注隐私问题; 由于种种原因，IR几乎没有注意到这种问题。

这一部分在文字相关问题上我认为作者表述得不是很清楚也没有给出相应的论据，看了很久还是没有理解到作者最终想表达文本及时性，我自己对此做出的认识是：过滤的过程其实是一个重复繁琐的过程，如何根据用户的偏好或者配置文件从大量的动态数据流中快速地进行筛选得到最终的满足要求的信息资源，提升信息的反馈效率是IF比IR更需要关注的。

二、检索的具体模型

IR和IF在过程上有很强的相似性，他们都依托于信息检索模型，文章中介绍了三种模型：布尔模型、矢量空间模型以及概率模型。作者针对特定的概率模型进行了讨论，概率检索模型是解决检索中存在的不确定性提出的，它的思想是给定一个用户的查询则会有一个包含相关文档且不包含相关文档的集合，通过概率检索模型可以计算出返回的信息对象与用户信息需求的匹配精度（相关概率），进而可以实现排序。

在概率检索模型中，检索模型主要是根据不同的信息需要建立查询网络，将多个传入的对象与单个查询进行比较，计算对象的概率，最终反馈给用户按照相关概率排序生成的对象列表。而过滤模型主要是将传入的信息流中的单个对象与大量的配置文件比较过滤，同时也进行相关度计算，将过滤后的结果按照相关概率排序生成对象列表反馈给用户。

三、检索研究对过滤的启发和经验

这一节作者也主要提到了三个方面：文本表示、检索技术以及获取信息需求。最吸引我的是信息需求的获取，前文的IR和IF的过程模型中都涉及到了用户的信息需求，我认为IR更多的是关注如何获取用户查询表达（查询语句或关键词）中的深层次信息需求；而IF则需要更关注在获取用户需求的过程构建用户兴趣模板（即前面说的配置文件），从而实现更好的过滤向用户提供高效满意的信息。正如文章里所说：

在检索系统中获取准确的信息需求描述是至关重要的，并且在过滤系统中同样重要。如前所述，过滤系统中的配置文件通常代表长期利益，并且可能有更多机会改善配置文件的质量。

看了一些相关的文章，总的来说获取信息需求有以下几种：
①用户主动填写信息需求或者关键词来表达信息需求和信息偏好；
②通过反馈来获取用户的信息需求和信息偏好；
③主动跟踪用户的信息需求，了解用户的行为来得到用户的信息偏好；
IF需要更进一步地基于用户的信息需求和信息偏好建立长久的用户兴趣模板（配置文件），实现向用户反馈高效及时、满意的信息。