hcir什么意思

2024年2月12日發(作者：運營崗位)

hcir什么意思

Human–computer information retrieval意思是人機信息檢索（hcir）

人機信息檢索(HCIR)是將人類智能引入搜索過程的信息檢索技術的研究和工程。它結合了人機交互(HCI)和信息檢索(IR)領域，并創建了通過考慮人類上下文或通過提供人類反饋機會的多步驟搜索過程來改進搜索的系統。

人機信息檢索這個術語是由Gary Marchionini在2004年至2006年的一系列講座中創造的Marchionini的主要論點是“HCIR旨在使人們能夠探索大規模的信息庫，但也要求人們通過消耗認知和體力來對這種控制負責。”

1996年和1998年，格拉斯哥大學舉辦了兩場關于信息檢索和人機交互的研討會，試圖解決這兩個領域之間的重疊問題。Marchionini注意到萬維網的影響和信息素養的突然提高——這些變化在20世紀90年代末才剛剛萌芽。

一些研討會關注IR和HCI的交集。探索性搜索研討會，由馬里蘭大學人機交互實驗室于2005年發起，在計算機協會信息檢索特別興趣小組(SIGIR)和人機交互特別興趣小組(CHI)會議之間輪流舉行。同樣在2005年，歐洲科學基金會舉辦了一個關于上下文信息檢索的探索性研討會。2007年，第一次人機信息檢索研討會在麻省理工學院舉行。

HCIR包括IR和HCI的各個方面。其中包括探索性搜索，用戶通常將查詢和瀏覽策略結合起來，以促進學習和調查;上下文中的信息檢索(即，考慮用戶或環境的方面，通常不反映在查詢中);交互式信息檢索，Peter Ingwern將其定義為“在信息檢索過程中，通過涉及信息檢索(IR)的所有主要參與者(即用戶、中介和IR系統)而發生的交互式通信過程。”[２]

HCIR關注的一個關鍵問題是，面向人類用戶的IR系統應以反映這些用戶需求的方式

實現和評估

大多數現代IR系統采用排序檢索模型，其中根據文檔與查詢的相關性概率對文檔進行評分在這個模型中，系統只向用戶顯示排名靠前的文檔。這些系統通常是基于文本檢索會議(TREC)等組織提供的一組基準查詢的平均精度進行評估的。

由于HCIR強調在信息檢索過程中使用人類智能，因此需要不同的評估模型-一個將系統的IR和HCI組件的評估相結合的模型。HCIR研究的一個關鍵領域涉及這些系統的評估。交互式信息檢索的早期工作，如Juergen Koenemann和Nicholas J. Belkin在1996年對自動查詢重新制定的不同交互級別的研究，利用了精度和召回率的標準IR測量，但將它們應用于多次用戶交互迭代的結果，而不是單一的查詢響應其他HCIR研究，如Pia Borlund的IIR評估模型，應用了一種更容易讓人聯想到HCI的方法，關注用戶的特征，實驗設計的細節等。

HCIR研究人員提出了以下目標，以建立一個用戶在確定相關結果方面有更多控制權的系統

? 不再只是交付相關的文檔，還必須提供語義信息以及這些文檔

? 增加用戶責任和控制;也就是說，信息系統需要人類的智力努力

? 擁有靈活的架構，以便它們能夠不斷發展并適應要求越來越高、知識越來越豐富的用戶群

? 目標是成為個人和共享記憶和工具的信息生態的一部分，而不是離散的獨立服務

? 支持整個信息生命周期(從創建到保存)，而不僅僅是傳播或使用階段

? 支持終端用戶，特別是為信息資源增加價值的信息專業人員進行調優

? 要吸引人，使用起來要有趣

簡而言之，信息檢索系統應該像好的圖書館那樣運作。系統應該幫助用戶彌合數據或信息(在這些術語的非常狹窄的、粒度的意義上)和知識(為信息查找過程的下一次迭代提供必要上下文的經過處理的數據或信息)之間的差距。也就是說，好的圖書館既提供讀者需要的信息，也提供學習過程中的合作伙伴——信息專業人員——來瀏覽這些信息，理解它們，保存它們，并將其轉化為知識(這反過來又創造了新的、更明智的信息需求)。

與HCIR相關的技術強調使用人類智能將用戶引向相關結果的信息表示。這些技術還努力讓用戶能夠探索和消化數據集，而不受懲罰，也就是說，不需要花費不必要的時間、鼠標點擊或上下文轉移成本。

許多搜索引擎都有包含HCIR技術的特性。拼寫建議和自動查詢重新表述提供了建議潛在搜索路徑的機制，可以引導用戶找到相關結果。這些建議被呈現給用戶，將選擇和解釋的控制權交到用戶手中。

分面搜索使用戶能夠按層次結構導航信息，從一個類別到它的子類別，但可以選擇類別顯示的順序。這與傳統的分類法形成了鮮明的對比，在傳統的分類法中，類別的層次結構是固定不變的。分面導航，像分類法導航一樣，通過向用戶顯示可用的類別(或方面)來指導用戶，但不要求他們瀏覽可能不完全適合他們的需求或思維方式的層次結構

前瞻提供了一種無懲罰探索的一般方法。例如，各種web應用程序使用AJAX來自動完成查詢項并建議流行搜索。前瞻的另一個常見示例是搜索引擎用關于這些結果的摘要信息注釋結果的方式，包括靜態信息(例如，關于對象的元數據)和與搜索查詢中的單詞最相關的文檔文本“片段”。

相關性反饋允許用戶通過指示特定結果是否更相關或更不相關來指導IR系統

摘要和分析幫助用戶消化從查詢中返回的結果。這里的摘要旨在包括將查詢結果聚合或

壓縮為更適合人類使用的形式的任何方法。上面描述的分面搜索就是這樣一種形式的摘要。另一種是聚類，它通過對相似或共同出現的文檔或術語進行分組來分析一組文檔。聚類允許將結果劃分為相關文檔的組。例如，搜索“java”可能返回java(編程語言)、java(島)或java(咖啡)的集群。

數據的可視化表示也被認為是HCIR的一個關鍵方面。摘要或分析的表示可以顯示為匯總數據的表格、圖表或摘要。允許用戶訪問搜索結果的摘要視圖的其他類型的信息可視化包括標簽云和樹映射。