[论文解读] Name Searching and Information Retrieval

Paul Thompson, Christopher Dozier|ArXiv.org|Jun 12, 1997

Image Retrieval and Classification Techniques参考文献 2被引用 48

一句话总结

本文提出通过将人名识别并单独索引，以增强信息检索，证明准确的人名识别可显著提升新闻和法律文档等多样化领域中的检索性能。研究表明，具备人名感知能力的索引机制能显著提高排序检索系统的有效性。

ABSTRACT

The main application of name searching has been name matching in a database of names. This paper discusses a different application: improving information retrieval through name recognition. It investigates name recognition accuracy, and the effect on retrieval performance of indexing and searching personal names differently from non-name terms in the context of ranked retrieval. The main conclusions are: that name recognition in text can be effective; that names occur frequently enough in a variety of domains, including those of legal documents and news databases, to make recognition worthwhile; and that retrieval performance can be improved using name searching.

研究动机与目标

• 探究在文本中识别人名是否能提升信息检索性能。
• 评估在新闻和法律文本等多样化文档领域中人名识别的准确性。
• 确定将人名与非人名术语区别索引是否能提升检索有效性。
• 评估在现实世界文本中人名频率与分布背景下，人名识别的实际价值。

提出的方法

• 本研究采用命名实体识别（NER）技术，从非结构化文本文档中识别个人姓名。
• 在检索系统中，人名与其它术语使用独立的索引和加权策略进行处理。
• 通过标准的排序检索指标评估检索性能，比较无名感知索引与有名感知索引的基线系统。
• 使用标准评估指标（如精确率、召回率和F1值）评估人名识别的准确性。
• 在真实世界语料库（包括新闻文章和法律文件）上进行实验，以评估结果的泛化能力。
• 通过系统性能的受控对比分析人名识别对检索有效性的影响。

实验结果

研究问题

• RQ1 在新闻和法律文档等多样化文本领域中，能否准确识别个人姓名？
• RQ2 在排序检索系统中，是否将人名与其它术语分开索引能提升检索性能？
• RQ3 在不同文档类型中，人名出现的频率如何？该频率是否足以证明需要专门处理人名？
• RQ4 人名识别的准确性对整体检索有效性有何影响？
• RQ5 人名感知索引策略在多大程度上提升了信息检索任务中的精确率与召回率？

主要发现

• 在文本中实现人名识别的准确度足以在信息检索系统中发挥实际效用。
• 在新闻和法律文档等领域中，人名出现的频率足够高，足以证明需要专门的人名识别与索引处理。
• 将人名与非人名术语分开索引可带来可测量的检索性能提升。
• 将人名识别集成到检索流程中，能同时提升排序检索任务中的精确率与召回率。
• 研究证实，人名感知索引在富含专有名称的领域（如新闻和法律文本）中尤为有效。
• 结果表明，人名识别不仅可行，而且对整体检索有效性有实质性贡献。