資訊爆炸年代的檢索技術與變革。

過去資訊檢索往往為某些專業人員才能從事的一項活動，例如圖書館館員、律師助理和其他專業搜索人員等。然而，在如此資訊爆炸的年代，每天使用搜索引擎或是收發電子郵件時，實際上都在從事資訊檢索活動。資訊檢索技術之研發已經替代傳統的資料庫式搜索，以疾快的腳步加速發展。

　　最典型的例子就是關聯資料庫，其用途是用來保存公司的產品清單和人事記錄。當然，嚴格意義上的非結構化資料在實際中並不存在。例如文本資料常被認為是典型的非結構化資料，但是如果考慮文本中隱含的語言結構資訊，那麼它們也不能算是「非結構化資料」了。另一方面，即使承認這種語言結構屬於無明顯語義的結構，現實中的大部分文本仍然都有其他結構，如文本的標題、段落、註腳等，這些結構往往通過顯式的標記來體現（如網頁中的格式標籤）。有時也把網頁這種具有格式標記的資料稱為「半結構化資料」（semistructured data）。資訊檢索往往也支援這種半結構化資料的搜索。

　　另一方面，就資訊檢索角度切入，Web搜尋引擎於檢索因無法集中控制網頁內容發佈機制，使其搜尋引擎和檢索所發布的內容帶來巨大的挑戰。網頁製作者可能會採用數十種專業語言或自然語言進行網頁撰寫，因此就需要更多不同之詞幹還原工具及其他語言處理方法。由於Web發布開放至今，已使得網頁以極其驚人的規模不斷增長，也在許多重要方面顯示出不同特性。
　
　　當用戶端（如瀏覽器）發送一個http請求（http request）給Web伺服器（web server）。瀏覽器指定某個URL (Universal Resource Locator，統一資源定位符），例如http://www.stanford.edu/home/atoz/contact.html。該URL中的字串http指定了用於傳輸資料的協定。字串www.stanford.edu被稱為域（domain），它給出了網頁層次結構（通常是Web伺服器上某個檔系統的層次結構的映射）的根目錄位置。而/home/atoz/contact.html所顯示的是層次結構的路徑，其中contact.html包含了位於www.stanford.edu的Web伺服器應答請求而返回的資訊。這個檔採用HTML語言編碼，其中包含鏈結和內容資訊（本例中的內容資訊是Stanford University的聯繫資訊）以及在瀏覽器中顯示的格式化規則。因此，這種http請求允許我們獲得網頁的內容，而這些內容在採集和索引文檔時非常有用。

　　第一代瀏覽器的設計者確保了人們很容易就能閱讀某個URL對應的原始HTML標記文檔，這樣新手就無需太多的學習或者經驗便可以創建自己的HTML內容，甚至可以選擇喜歡的網頁作為樣例直接學習。與此同時，瀏覽器的第二個特點是會忽略其不能解析的內容，這個特點使得Web內容的創建和使用能夠被迅速擴散開來。有人可能會擔心這樣做將導致大量不相容的HTML語言出現，但是事實並非如此。實際上這大大促進了業餘網頁製作者的熱情。他們可以自由地實驗並從新建網頁中學習，而不必擔心一個簡單的語法錯誤會導致整個系統崩潰。在Web上發佈網頁已經不是少數訓練有素的編程人員的特權，而是上億普通線民參與的活動。對於大部分的使用者和需求來說，Web已經迅速成為提供和消費各種資訊的重要場所，這些資訊包括從疑難雜症到搭車時刻表的任何內容。

　　綜觀而論，相關技術人才的培育著實為現階段資訊發展的首要責任，長期致力於理工教育生根的理念不曾停歇。僅將本書介紹予資工、資管、圖書資訊與電腦相關專業的大學生或研究所學生所推薦閱讀。透過不斷發展，並與其他領域、技術所不斷融合，《資訊檢索導論》一書在深度上超過了大部分傳統教材，並由國外學界及業界知名權威共同編撰，介紹資訊檢索技術的同時，亦深入介紹了其背後所依賴的原理。因此，不僅為資訊檢索領域的初階教科書，還能滿足對該領域進行深入研究的讀者。