Tekstikatkelmahakumenetelmien toteuttaminen tiedonhakujärjestelmässä

Information retrieval of concise and consistent text passages is called passage retrieval. Passages can be used in an information retrieval system to improve its user interface and performance. In this thesis passage retrieval is compared to other forms of information retrieval. Implementation of passage retrieval as a feature of an information retrieval system is discussed. Various existing passage retrieval methods, their implementation and their efficiency are compared. I evaluated two different implementations of passage retrieval: direct passage retrieval and combined passage retrieval. In comparison combined passage retrieval turned out to be more efficient.

Tekstikatkelmahaku on tiedonhaun muoto, jossa käsiteltävä tietoyksikkö on lyhyt ja aiheeltaan yhtenäinen katkelma tekstiä. Tekstikatkelmia käyttämällä voidaan pyrkiä parantamaan esimerkiksi tiedonhakujärjestelmän käyttöliittymää ja tiedonhakujärjestelmän suorituskykyä. Tässä tutkielmassa vertaillaan tekstikatkelmahaun ominaisuuksia muihin tiedonhaun muotoihin. Lisäksi tutustutaan tarkemmin siihen, miten tekstikatkelmahaku voidaan toteuttaa osaksi tiedonhakujärjestelmää. Tutkielmassa käydään läpi erilaisia tekstikatkelmahaun menetelmiä, joita on käsitelty tiedonhaun kirjallisuudessa. Lisäksi käsitellään näiden menetelmien soveltamista käytännössä ja näiden käytännön toteutusten suorituskykyä. Tutkielmassa esitellään kaksi tekstikatkelmahaun toteutustapaa, suora katkelmahaku ja yhdistetty katkelmahaku. Näiden toteutustapojen suorituskykyä verrattiin kokeellisesti toisiinsa. Yhdistetty katkelmahaku osoittautui kokeen perusteella suorituskyvyltään paremmaksi toteutustavaksi.