想学会信息检索？信息检索的完整步骤手把手教你入门

什么正是信息呢? 那个信息正是一个术语, 亦或是一个可被广泛使用且指代特定指向的单词。其所对应的中文对应为这两个汉字“信息”, 英文对应是这个英文词汇。此类术语常被人们用来笼统囊括总结并去描述一些事物所具有的各项共同具备特征。

#

在日常的生活里头我们会进行交谈、写写信、剪制视频、发布新闻、生成带数字、图表、信号、标识相关的各类内容, 等等内容。在这些上述所说到的各类过程之中之内, 我们会采用到各种各类不一样、不尽相同的不同材料, 比如比如空气、纸张、计算机、电子元件、电磁波, 等等诸如此类的所有物件, 然而这样子的各类材料们, 它们彼此之间都还存在着一些相似的地方, 看上去好像确实好像存在着有一个共同共有的东西会在咱们所用的各种不同材料上面去被进行相关的传送。我们就相当的需要、迫切需要有这么一个专用的术语来专门的表述这个咱们刚才所讲到的共同共有的东西, 又或者说、还是更会准确一点地来讲的话, 那个共同的可以被形容的特征。刚一开始、最初之际, 克劳德.香称这个共同有的、可被形容的一些特征为。1939年, 香农写給MIT一位同事信里说着: “時不時地, 我埋首于传送的一般系统的一些基本特征的分析工作”, 是一个灵活而年老的术语, 在十六世纪, 托马斯?埃利奥特爵士曾写到: “现在作为一个文雅的单词, 用来表示通过信件或者口信达成的约定或者共识。”。

#

过了一段时长, 香农放弃了这个术语, 因无办法对（或者说约定又或者是共识）作量化来计算处理, 不可以将这个术语应用于数学方程里边。 #

为了能用各类数学方程描述各类说话、或者写信、哪怕是视频传送这类过程的共同特征, 就必须得对这些共同特征进行各类改造、简化又或是提纯, 就像收缩这些共同特征本身的范围似的说。就好比要拉动那些超载的马车前进, 就卸下一些货物那样来做就行。需求如何来收缩这些共同特征自身的范围呢? 指那些压根没法做任何数量化处理的特征来讲, 也就是和自身所谓的“语义（）”关系有关联的这些特征。香农指出, “这些（在通信系统当中的每一类）消息往往都有自身对应的语义（）；换句更直白些的话来讲, 每一种消息都会依据某个特定通信系统自身具备的特点, 和一系列特定的物理这类实体或者说概念之类的实体相互关联、挂靠到一块儿。”。通信的语义（）与工程问题无关。”

推动科学的层层前进进程里, 针对日常生计各处运用的术语展开改换、简省要么纯化学改造, 抛弃粘附在术语表层的部分无作数量化加工的杂糅物, 只保留能予数量化加工的特定物料, 让相应术语可被运用到各式数学方程里, 这种种种情形是数见不鲜的普遍现象。比如, 牛顿为若干历古老旧且含义含糊混淆的词（气力、质料、动变、就连时间）赋予了全新的可作数量化处理的特定含义。此前的动变可指代极其宽泛庞杂的全般现象: 植物成熟饱满、石头落坠地面、孩子缓慢成长, 诸如此类。但这般一来, 它内含的丰富意义便显得过分繁复冗余了。牛顿将绝大多数“运动”场景弃之尽抛, 仅留可用牛顿运动定律处之场景即质点之机械运动, 于是奠定了古典力学底盘基础。到新世纪的19时份, 能量之“（）”一词也遭历相似之造改过程: 能量原本表活力之强度或者之类概念, 但物理方家之物理学家将之数学化改造之, 为之赋予了它在物理学中的核心基础之地位。 #

在克劳德·香农所属的贝尔实验室里头, 好些技术人员开端使用讯息（）这个行业用语来定义部分技巧性的概念。香农稍后也拣取了这个说法, 来刻画语焉、写东西、影像传输之类流程的能被计量化的部分共通通质, 譬如跟计数和测量有关的特性。 #

事实上, 按香农的信息理论可, 两条消息——这条消息内包含着丰厚的语义, 而那条消息纯纯是瞎说瞎扯——能够全完全完地等价无差。毫无疑问, 真正是因为这种这情况, 香农说的“通讯的语义方面与通讯的工程方面全然没关联”才能成立。但反过来立住不, 不能谈论说通讯的工程方面跟语义方面没关系连。 #

无疑, 通信理论里边的“信息”一词与其说是你说了些啥, 不如说是你能说啥, 换句话说, 信息就是对你选一则消息时有几多选择自由的度量, 若人们面临一种很基础的情况, 也就是必须在两个可供挑选的消息之中选一个, 这样就可以判断, 和这个场景有关联的信息就是一个单位信息, 所以物业经理人，说那个消息或者这个消息传递了一个单位信息是一种曲解（虽然这么说很省事）。信息的概念, 不是适用于单独一个消息上的（语义这个概念能够单独适配消息）, 而是适配一种整体的情况, 某个单位信息在这样的场景里, 倘若一个人选取某一个消息的那瞬是有着部分选择自由的, ——将这么一种状态视作标准量, 抑或单位量, 是十分便利的。 #

人们在这样选择时候用来得做选择的那两个消息就可以随便任意, 一个消息能是文本论语的这个消息, 另一个能是"Yes"这一个单词那样的消息, 发射器能这么对于这两个消息分别编码: 即对应第一个消息的可以是"0"的信号, 对应第二个消息的可以是"1"的信号；还能是对应第一个消息的闭合电路那个信号, 对应第二个消息的开环电路那个信号——也就是对应那个没有电流开环电路是第二个消息对应的那个信号, 那个具备电流的闭合电路是对应第一个消息的那个信号? 就这种类似排布编码。这样, 一个简单的继电器的两个位置, 闭合和打开, 就可以对应于两个消息。 #

如果说得更明确一些, 在最简单的情况下, 信息（）的数量由可供选择的选择的对数来度量。由于用以2为底的对数比以10为底的对数更方便, 当只有两个选择时, 信息与2的以2为底的对数成正比。不过这种情况是一个单位, 所以这样的二选一情况就被确定为单位信息量, 同所描述的上面类似。单位信息量被称为一个“比特Bit”, 这个词最初是John W. Tukey提出的, 是“digit（二进制数字）”的缩合。在数字用二进制进行表述之时, 只有两个数字, 即为0和1；而在使用以10作为基数的之时, 则包含有10个数字, 从0直至9。上文中提及到的此类情况所述, 0和1可以借由符号化的方式来表现任何相关的两项选择；所以“digit”或者“bit”这个词与具备单位信息量的二选一所选状况存在关联是很自然的事情。若原本存在16个候选消息可以供人们任意进行自由所选时, 那么因为16恰好等于2的4次幂, 因此log2（16）得出的结果就是4, 就可以说这种状况是可以用4bit的相关信息来进行相关表示的。 #

那么, 信息是实体吗? 不是, 信息是一些实体的共同特征。那些书籍、桌子、电冰箱、衣柜、门窗、床、纸箱、保险箱、镜子和手机又有什么共同特征? 它们都是属于长方形的。长方形, 它是实体吗? 显然不是。这个现有的世界, 根本不存在纯粹单独的那种长方形。长方形, 它是一种形状而已, 而那种形状, 又是实体所具备的一个特征, 而并非是能够单独去存在的实体。同样, 在这个现有的世界里, 是不存在那种虚头巴脑的信息的, 只存在那些可以使用作为单位就是比特的信息, 来进行度量的、实实在在的实体罢了。赞同柏拉图理念理论的人或难免会抵制这个观点, 赞同反驳理念理论的亚里士多德的人或难免会拥戴此论。

#

现在可以再一次回答一开始提出的问题: 什么是信息? 信息是事物的种属性。事物有多种多属性。有质量, 有颜色, 有速度, 有形状信息检索的步骤信息检索的步骤，还信息。每种事物都许多或少带点信息。信息就是这个事物带给我们的意外程度或新奇程度。如果这个事物给他们带来意想外多东西, 它就携带很多信息；如果这个事物带过来东西都们我们熟知的, 那么即文字数或字符量再多, 信息也等于零。

#