转自于： https://blog.csdn.net/memray/article/details/41149633
Q:关于ad hoc retrieval的解释
Answer:
TREC刚开始的时候只有两个任务，ad hoc和routing。
前者类似于图书馆里的书籍检索，即书籍库(数据库)相对稳定不变，不同用户的查询要求是千变万化的。这种检索就称为ad hoc。基于Web的搜索引擎也属于这一类。
后者的情况与前者相对，用户的查询要求相对稳定。在routing中，查询常常称为profile，也就是通常所说的兴趣，用户的兴趣在一段时间内是稳定不变的，但是数据库(更确切的说，是数据流)是不断变化的。这种任务很象我们所说的新闻定制什么的，比如用户喜欢体育，这个兴趣在一段时间内是不变的，而体育新闻在不断变化。
应该说，ad hoc和routing代表了IR的两个不同研究方向。前者的主要研究任务包括对大数据库的索引查询、查询的扩展等等；而后者的主要任务不是索引，而是对用户兴趣的建模，即如何对用户兴趣建立合适的数学模型。后者称为routing是很有道理的，因为不断到来的数据流根据用户的兴趣被分发到不同的用户中去，类似于网络中的路由寻径过程。
随着TREC的不断进行，TREC的任务有所变更，总的来说还是上面两类，不过名称有所变化，后者不再称为routing，而是称为filtering，routing本身成为filtering的一个子任务，filtering还有其它两个子任务adaptive filtering 和 batch filtering。前者对每个用户兴趣(用topic描述)仅有很少的正例，甚至没有正例，后者给出的正例很多。adaptive filtering允许对用户的兴趣不断反馈(adaptive的含义)，batch filtering因每次TREC的要求不同，有时可以反馈，有时不允许反馈。在不允许反馈的情况下，batch filtering实际就是个静态分类的过程。routing和batch filtering基本上一样，不同的是，routing返回的结果要排序，而batch filtering的结果是个集合，是不需要排序的，因为有排序，所以两者的评测方法也不同。batch filtering可以通过类recall/precision的方法进行评估，而routing的评测方法与ad hoc任务有些相似，因为通常的 ad hoc任务的返回结果也是要求排序的。
现在ad hoc retrieval的研究重点是
(1) 查询(query)的扩展(即如何使得query更贴近topic)和
(2) 匹配(相似度计算)，
Q: TREC中的topic是什么意思？
Answer:
在TREC中，topic描述的是用户的需求(information need),通常是给人看的，一般用自然语言描述。比如 想找关于“北京大学”的文章这个用户需求，用自然语言描述可能是：关于北京大学的方方面面的情况。在TREC中，一般的topic可能描述得更详细，不仅包括一般描述，而且包括更详尽的描述，可以作为最后评估者的判断依据，比如，上面例子中，在一般描述之后，可以加上，"仅仅提到北大的文章不算数"这样的字样。这样的话，可以把用户的需求表达得比较清楚。但是，对于计算机而言，它可能理解不了这么深，所以有一个从topic到查询query的转换(自动转换常常是从topic中抽取几个NP phrase，但是人的转换可能更厉害一些，比如提出复杂的布尔表达式)，query是面向计算机的，query可以是关键词、布尔表达式、正例文本等等各种形式的东西，反正它的最终目的就是为了表达用户的真正需求，并且让计算机能够处理。另外，query本身有点动态变化的意思，所以ad hoc任务中的查询叫query，而在filtering中的查询通常称为profile(有点静态稳定的意思)，当然文章中也有称query的。但是有必要把query和profile分开，至少对理解是有益的。
总结一下：
topic=information need, 用自然语言描述，面向人
query(ad hoc)和profile(filtering)，用计算机能理解的语言描述，面向计算机。
IR的理想目标就是query=topic! 不多也不少。
Q: 怎样认识IR中的概率模型和向量空间模型？
Answer:
最早提出IR概率思想的是Marlon(?)，但是由于模型的参数很难求得，因此一直不受人重视，20世纪70年代，伦敦城市大学的Robertson和Spark Jones提出了用相关反馈计算参数的方法，获得了成功，从而大大推进了概率IR的研究，因此他们俩被称为现代概率IR的始祖。概率IR思想很简单，就是计算query中Term和document中term的某种类似联合概率来判断是否query和document是否相关，它融文本表示和相似度计算于一体，不像向量空间模型，表示模型和相似度计算是分开的。概率模型的参数计算比较复杂。
就我个人理解而言，两者的表达能力是很类似的，而且在概率IR在发展的过程中不断引入VSM中的思想，应该说两者是互相借鉴的。但是由于VSM有单独的表示模型和相似度计算模型，所以它的应用要更广泛一些，比如文本分类等也常常采用VSM。而概率IR模型很少在信息检索以外应用。
TrecQA 数据集下载
https://github.com/Kyung-Min/CompareModels_TRECQA/tree/master/data
https://github.com/castorini/data/tree/master/TrecQA