郭嘉丰 范意兴

(中国科学院网络数据科学与技术重点实验室(中国科学院计算技术研究所) 北京 100190) (中国科学院计算技术研究所 北京 100190) (guojiafeng@ict.ac.cn)

从大规模数据中帮助用户快速高效地获取所需的相关信息是信息检索研究的核心问题.近年来，尽管信息检索技术已经取得了长足的发展，特别地针对大规模网络数据的搜索引擎已经成为用户日常获取网络信息的主要手段，它离真正智能的信息获取系统仍有较大的差距，这主要体现在3个方面：

1) 为了支撑大规模数据的检索，基于关键词的倒排索引是当前搜索引擎的基础架构[1]，关键词检索成为获取候选相关文档的基本手段，这极大地限制了对复杂的信息需求与网络信息语义匹配的能力；

2) 大部分搜索引擎将网页作为基本搜索对象，缺乏对其包含的数据内容的理解和加工，把真正的信息理解和获取难题仍然留给了用户；

3) 被搜索引擎广泛采用的机器学习排序模型[2]，通常把相关性建模为人工定义特征的某种简单组合，缺乏对相关性的深入理解与建模、缺乏对信息获取复杂交互过程的支持.理想的搜索引擎，能够通过对网络空间大量数据内容的获取、阅读与理解，将其中所包含的关键语义信息建模与存储下来；当用户有信息需求时，用户可以用自然的描述方式阐述其信息需求，系统通过检索获得相关的支撑信息，并通过知识推理、相关决策与信息加工最终决定返回给用户……