知识检索的研究进展

5.1.3　知识检索的研究进展

现今知识检索研究在各领域的关注下逐渐走向成熟，其发展主要有以下特征。

1.融合传统知识组织模式与检索方法

人们一直在寻找一种超出传统模式，并适合于网络信息资源的知识组织与检索方法。然而近些年来研究者又将目光转回到传统的分类法与主题法，并根据互联网及网络信息资源的特点，将传统的分类法、主题法进行扩展改进，使其日臻完善并适应内容形式复杂、动态性强的网络信息资源的组织与检索需要。

传统的分类法(杜威十进分类法(DDC)、国际十进分类法(UDC)等)由于在浏览检索、对非文本信息的组织聚类、国际通用性等方面具有很强的优势，在信息聚类归入浏览类别方面是很有效的，并通过一些实验性研究证实了其可行度，同时被一些网站作为网络信息资源自动分类的基础与依据。视窗DDC(Deway for Windows)就是一种用于网络环境下的信息分类工具。关键词法一直在网络环境中广泛应用，然而它的机械字符匹配使得检索结果无法满足人们的需求。叙词法一般被认为由于需要人工先行制定规范的叙词表，不适应信息更新迅速的网络信息环境。然而随着网络技术、词表自动生成技术等的发展，这种障碍逐渐淡化，而叙词法的概念组配、动态适应性、规范化、词汇控制方面的优势使其在网络信息管理方面更显突出。叙词法与超文本技术相结合而构造出的概念地图能更全面、直观地概括与描述概念之间的关系，同时能实时动态地更新叙词表的结构体系。

2.结合先进的网络信息技术和人工智能技术

互联网上的信息资源具有实时性、动态性、高速性与瞬变性等特点。元数据理论、XML技术、超文本技术等网络技术的发展势必给网络信息资源的组织与处理带来崭新的契机。同时人工智能技术是一种模仿高级智能的推理和运算技术，在很多实际的控制和管理问题上都显示出很强的优势，并具有处理不确定性与不可知性的能力、协作能力、学习解释和推理能力、处理非线性的能力等特点，因此在人机接口、信息搜索、知识提取与重组等方面都有着良好的应用前景(如Web知识库、智能主体、智能搜索引擎等)，从而提高网络信息资源的知识组织与检索的效率。人工智能技术包括神经网络、机器学习、演绎推理、自然语言处理、智能主体、主体协作、信息可视化、多通道信息获取等技术。

3.从跨领域、多角度研究知识检索

知识检索虽然提出得比较晚，但是具有很强的后发优势，以多学科领域为其发展基础及思想源泉，不断融合高新技术，从而促进知识检索研究的进步发展。如今知识检索所涉及的领域有信息管理学、计算机科学、认知学、心理学、逻辑学、语言学、管理学、社会学、经济学等。同时知识检索的智能化、高效性等特点是从多角度得以体现的，比如语义解析、结构分析、知识挖掘、推理学习、智能主体、智能协作、分布运作、知识共享等。正是通过跨领域、多角度的研究，才使得知识检索的研究在融合其他领域理论技术的基础上获取研究灵感，寻找出适合本领域发展的有效途径。