（1）信息的多层定义

信息检索文献中一直反复强调：如果信息与特定的语境分离是无法进行定义的。Belkin等^{[ 6]}提出如何将信息作为信息科学的核心概念,Capurro等^{[ 7]}提供了一个信息定义的概述,两者都探讨了信息在信息科学领域的中心地位。信息的定义具有不同的角度,如物理角度、认知角度或情境角度。从物理视角来讲,信息很少涉及认知过程,信息被看作是可以计算其价值的一条消息^{[ 8]}。认知的观点阐述了信息如何影响和改变思维。Inwersen^{[ 9]}认为任何信息过程都使信息生产者和信息接受者的知识发生转变。Belkin^{[ 10]}认为认知观点明确考虑了人类知识状况及人们在接收和感知信息时发生的交互作用,他提出认知观点是引领信息科学理论和实践发展的理论框架。情境观点关注用户激励和意愿以及社会语境（如文化、工作等）。Schrade^{[ 11]}统计了信息科学中信息的134个细节,其所作的大量工作提供了信息的分类定义框架。为了提供信息的概念结构,Buckland^{[ 12]}提出了信息的三个含义：信息-过程,信息-知识,信息-事实,其增加了一个属性表示信息应该是事实。

在信息科学领域中,信息检索基本接受了信息概念的多层次性。而计算机科学领域中的信息检索从信息即事实的观点看待信息,即信息是一个物理存在的单位,如文本、图像、片段。

（2）信息的等级关系

Ackoff^{[ 13]}提出了知识的连续性：数据是符号并代表了物体或时间的属性信息;信息是特定事物的描述;知识是指导水平;理解是事实的解释或原因;智力是评价和判断水平。Kochen^{[ 14]}提出了类似的框架结构：什么是学习的过程、知识的增长、理解力的提高以及智力的提升。大部分信息检索以此框架结构为研究背景。Ackoff的理论演化为数据-信息-知识-智力（Data-Information-Knowlege-Wisdom,DIKW）,又名知识层次、信息层次、知识金字塔,它作为信息等级的基础被广泛认知,其帮助解决信息不一致的问题。

许多研究者在DIKW层次基础上构建了信息系统模型,重点关注数据、信息和知识之间的关系^{[ 15]}。Wilson^{[ 16]}探讨了信息与数据之间的关系及信息与知识的区别。Kari^{[ 17]}将信息的精神成果（如知识）纳入分层分类。Oppenheim等^{[ 18]}从多个角度对数据、信息、知识进行定义,认为它们是分离但是相关的类别。DIKW概念代表了该领域的基本构造,但却不总是明确表示出来。

信息科学中信息检索领域关注的焦点是信息和数据,偶尔关注知识,很少涉及智力^{[ 19]}。计算机科学中的信息检索领域一般只关注信息,而将数据交给数据库研究者,知识留给人工智能研究者。尽管计算机科学中信息检索领域将信息作为事实分解^{[ 12]}转换为数据（如文本、编码等）,但其并不关注用户知识或智力的转变。

（3）信息有用性认知

Mooer提出在某些情况或环境下,用户并不需要信息,尽管这些信息可能是有用的^{[ 20, 21]}。人们可能避免使用信息系统,因为他们知道其能提供准确的信息。他认为在这些情况中信息可能是痛苦的、代价高昂的或是麻烦的,并认为在组织环境中的个人相较于使用信息,回避信息可能减少麻烦。这是信息检索理论中为数不多的超越个人涉及到组织或机构的研究。很多研究在Mooers的基础上进行。Koenig^{[ 22]}将Mooers定律应用到信息系统设计中。Hertzum等^{[ 23]}探讨了在特定组织中为了某一任务检索信息的工程师之间的相互作用。Ryker等^{[ 24]}讨论了组织内部信息系统用户期望管理的复杂性。Hall^{[ 25]}的调查显示, 除非员工相信他们所提供的内容将被使用,否则他们不会受到激励。

尽管Mooers定律在信息科学领域很重要,但是他对计算机领域中的信息检索研究基本上没有影响。相较于算法,组织文化、政策、小组互动远远不能成为计算机学科中信息检索研究的焦点。

（1）最小努力原则

所谓最小努力原则,就是人们在解决任何一个问题时,总是力图把所有可能付出的平均工作最小化。该理论认为,人们的各种社会活动均受此原则支配,总想以最小的代价获得最大的利益。Simon^{[ 26]}认为为了更快地做出决定,人们选择可能选项的子集而不是考虑所有选项。在统计上,一个子集中的最佳选择可能接近整个集合中的最佳选择。这一理论已经得到实践证实^{[ 27]}。 最小努力原则也应用于信息觅食理论。积极查寻信息的用户行为与动物的觅食行为非常相似,用户需要在花费的时间、金钱和精力与获取所需的信息之间达到一种最优化的平衡,因此,可以将他们的这种信息行为称为信息觅食^{[ 28]}。鉴于信息丰度和新的信息不断增长的速度,信息觅食指出,人类应采取适当战略,以最大化其花费每单位成本所获的有用信息。该信息觅食理论说明了最小努力原则的适用,人们希望花费最小的成本以得到他们想要的信息。

在计算机科学的信息检索领域中,最小努力原则是公认的,因为其影响是间接的,所以难以确定其对信息检索系统设计的直接影响。元检索研究、上下文帮助和结果页面的设计是最小努力原则间接影响的例子,但这一原则并不是计算机学科中信息检索领域关注的焦点。

（2）检索的迭代（Iterative）过程

信息检索是一个迭代过程,是信息科学领域信息检索研究的核心内容。在信息科学领域中,检索被认为是一个动态的、不断变化的过程,可能会涉及一个相当长的时间跨度。这种反复的过程作为检索的概念出现在几乎所有的信息检索模型中^{[ 29]}。Belkin等^{[ 30]}指出,信息需求是动态的,因为用户表达信息需求的能力可能发生变化。迭代过程也是一个信息检索模型,包括Belkin等^{[ 31]}的多种信息检索策略、Choo等^{[ 32]}的信息检索模式和 Marchionini^{[ 33]}的电子环境中的信息查询。迭代查找过程的重点是用户认知和情感状态的变化。 Hider^{[ 34]}指出可以通过用户与系统的互动修订检索目标。

在迭代检索研究中,相较于信息科学,计算机科学中信息检索研究领域较窄,因为大多数技术是以查询扩展和查询修改为中心的。在计算机科学中,信息检索的一些早期模型包含了信息检索迭代元素：查询、评价结果、查询。相关反馈技术已经开发出来,支持单个或多个迭代重复,利用用户反馈结果表示用户需求。

信息科学领域出现的渠道偏好是指人们在信息检索时有首选的渠道。渠道是一种机制,用户可以搜索、查找、选择和接收信息。这些渠道有些甚至不以技术为基础。信息检索的研究者指出人们选择不同的信息来源取决于信息的需求、语境和其他因素。 这个理论架构有丰富的实践研究支持。一些研究试图解释渠道选择的原因^{[ 35]}。在信息科学领域中被广泛认知的是具有相似信仰、价值观、教育水平和社会地位的人常常选择同一渠道^{[ 36]}。还有一些因素影响渠道选择：可访问性、信任、任务复杂性和最小努力 。

信息科学领域认为理解用户使用渠道的偏好,是确定用户的基本信息需求的关键^{[ 37]}。计算机科学领域没有对渠道偏好进行研究,但对扩大检索结果进行了研究并讨论了信息的多种来源,包括垂直和水平的内容采集。

（1）信息表达

计算机科学中的信息检索研究人员通常将信息作为事实看待,利用信息做一些工作,比如信息索引、信息编码、分解信息及分析信息等。这种观点基于信息的本质,是具体的、可定义的和可编码的。计算机科学信息检索人员遵循理性和传统的原则,认为信息是外部世界事实存在的事物。Van Rijsbergen^{[ 4]}认为,一个信息检索系统包含文本的统计分析,后续研究中他又将用户和语境包含进来^{[ 38]}。自此,计算机科学领域的信息检索研究者承认了任务和环境同样重要,信息检索研究从信息系统发展到信息编码。这些概念和方法包括文本的统计分解、集合内的文件索引,包括向量空间模型和概率模型,并努力融入数学模型^{[ 39]}。这种观点导致了相关研究（如倒排文件索引等）得到重视,对非文本信息检索产生了重大影响。

计算机科学中的信息检索领域有一个相对稳定的观点,即可以将信息分解成相关的文本,它推进了若干算法的发展。在信息科学领域的信息检索研究中,对信息缺乏中心定义使得研究在几个方面同时发展,但它限制了信息检索发展更正式的模型。

（2）信息排名

在不同的信息系统中,排名或计分函数的结果可能有显著的差异。排名是响应用户输入的典型的查询检索文件排序。对于数据库系统,有一系列结果,并且这些结果都是正确的^{[ 40]}。对于查询和应答系统,有一系列答案解决问题,可以通过算法计算查询结果的匹配度。Van Rijsbergen^{[ 4]}认为信息排名是信息检索系统对用户提出的要求作出的响应,其由一系列结果组成,并依据对用户的重要程度进行排列。为了提高排名的准确度,研究者做了大量工作。排名的基本概念是假设所有的检索结果在度量上具有不同的价值,如相关性。

计算机科学中的信息检索研究往往侧重于排名算法匹配查询或相关反馈,文件不是根据文本相关率排列而是依据匹配算法。在信息科学领域的信息检索研究中,信息排名也是一个普遍接受的概念,然而,其研究往往侧重于认知、情境、搜索结果的评价、最终用途及信息环境因素。

（3）文本相似性

文本相似性规则是密切相关,但有些地方不同,这意味着如果查询到某个文件,具有类似特点的其他文件与之相关。这个概念部分表现为集群假说,即密切相关的文件可以满足同一信息需求。信息检索领域中对集群的大量研究显示^{[ 41]},文档聚类将导致更快速、更有效的检索,虽然目前还没有在任何情况下或系统中实行。当然,如果找到了最相关的文献,但是对于用户来说这个文本中没有新的信息,那么这个文本则没有什么价值。因此,为了保证文档相似度规则的有效性,在实践中必然存在某些种类的噪声。也就是说,用户需要并不相同的类似的文件。文档相似规律渗透到计算机学科信息检索领域的各个方面,最显著的是文档聚类的相关反馈及排名的接受度。

尽管文本相似性是计算机学科中信息检索领域的关键概念,但却没有引起信息科学领域中信息检索人员的重视。

计算机科学领域信息检索研究建立在假设信息对用户有益的基础上。在系统层面,信息检索的重点是提供有用的信息给用户,由此导致的行为是尽可能地存储和索引更多的信息。研究人员认为尽可能收集多的信息不仅对个人有利,同时有益于整个社会^{[ 42]}。大多数信息检索研究只在探索更多的方式,以便为用户提供更多的相关信息,包括增加在数字化信息的努力、更有效的方法存储信息、更成功的方法索引和检索信息、为更多的人提供有效使用信息的途径^{[ 43]}。这些都是基于用户的信息有益性认知假设,即用户希望获得更多的相关信息^{[ 44]}。

计算机科学领域中信息检索的研究人员很少质疑在特定环境下更多的信息是否更好,是否会导致更明智的决定,或人们是否想了解更多信息。这些认为信息多总是好的的研究人员也承认,人们在某些情况下可能积极避免信息^{[ 45]}。更多的信息并不一定改善决策水平,虽然它增加了决策的信心。信息科学领域中信息检索研究人员假设,人们不能总是理性地权衡信息的成本和收益^{[ 46]}。因此,信息的利益观是两个学科之间信息检索理论存在的矛盾之一。

（1）查 询

查询是计算机学科信息检索研究领域的关键理论。查询是利用一个或多个符号结合其他的语法作为命令来定位信息检索系统中索引的相关内容。在查询中,符号可以是字、词集、词、样本文件,例如图像或许多其他的可能性组合。查询是信息检索技术的一般形式,包括布尔、概率、向量空间模型的基础。查询是信息检索的关键因素,影响结果的排名、文档聚类和几乎所有关键的信息检索领域^{[ 47]}。查询是一个关键理论,特别是在诸如查询扩展、查询改写和相关反馈技术的研究领域。

信息科学领域的研究人员同样认为查询是信息检索过程的中心内容,从而标志着这两个学科之间相当一致。

（2）技术偏见

在计算机领域,信息检索研究大多数都集中在改善技术性能方面,很少提及技术设计决策的固有偏见。在其他领域的重大的研究表明,技术能产生不利影响。Postman^{[ 47]}警告说,我们往往会被具有奇妙效果的机器包围,并被鼓励忽略嵌入它们的想法,这意味着我们无视技术的思想意义。Fogg^{[ 48]}指出,技术可以改变我们的想法。由于电力和基础设施使Web 2．0无处不在,技术难以让用户认识到它的外部,只认识到简单的“界面价值”。

计算机领域的信息检索不重视这些技术决策的意想不到的后果。研究显示,计算机领域没有讨论过广泛的技术偏见的概念,它也一直不是信息科学领域信息检索的研究重点。但是在信息科学领域有少量的研究人员对技术的意想不到后果进行研究。

（3）Memex愿景

这可能是最有影响力的信息检索理论架构,其贯穿在信息检索领域的所有文献,从个人图书馆到谷歌的全球信息整合使命。可以说,信息检索研究的整个领域深受技术影响。正如 Salton^{[ 49]}早期的研究大部分都集中于利用技术的益处,尽管对此有一些异议。研究已经表明,技术的使用对个人和社会有一定的益处。此外,在信息检索领域研究人员还隐晦地提出了技术决定论,但是并没有直接说明。从本质上讲,这两个学科都集中考虑技术使用的益处,很少考虑其他。

相关性作为信息行为的关键因素,在信息科学领域和计算机学科的信息检索中都起了中心的作用。相关性是动态的、多维的、可认知的和可测度的等观点,已成为学术界的共识^{[ 50]}。 Saracevic^{[ 51]}认为相关性是信息和文本之间的关系,如：信息的需求、意图、主题、问题。 计算机学科中信息检索领域认为,信息检索系统能够预测相关性。信息系统使用一些算法与系统中存储的信息对象匹配,并提供查询的文件结果集。在算法开发过程中较早出现利用相关性概念建立的模型。查准率和查全率已广泛作为信息检索系统性能评价措施,相关性是一种潜在的查准率和查全率评价标准。信息科学领域信息检索的研究人员接受用户的相关性,重点研究用户的知识状况、意图、目标和使用信息的动机。Schamber等^{[ 52]}认为相关性取决于用户在一定时间或语境下对信息和信息的需求之间的关联度判断。 Borlund^{[ 53]}通过强调动态相关性扩大了情境相关性的概念,即同一个用户的相关性评价可能随时间发生变化。因此,即使相关性是信息检索的中心内容,但是需要认真比较确定两个学科中相关性的概念。

（1）不确定性原理

在信息科学领域,几位研究人员将不确定性引入信息检索（Belkin 等）,不确定性在信息检索研究的许多方面都存在。Wilson^{[ 5]}指出,不确定性始终是从用户角度来看的。 Kuhlthau^{[ 54]}认为信息检索的早期阶段缺乏理解或知识有限,这种认知状态是不确定性的,不确定性的特征与主题的模糊和不明确有关。不确定性水平与信息需求和检索策略有关^{[ 55]}。随着信息检索逐步进行,人们对主题更明确,从不确定、混乱和沮丧转变为信心增加。 不确定性原理也与ASK模型相关^{[ 30]}。在ASK模式中将用户的问题或信息定义为异常状态的知识。用户认为他或她的知识不足,并决心通过信息检索解决不足或异常。一般来说,不确定性与在特定语境下用户知识的有限相关。

在计算机科学中信息检索领域有同样的问题。用户可能不能准确阐明查询的基本需要而导致不确定性,其贯穿了整个信息检索的过程。计算机领域的信息检索研究工作集中在利用算法减少不确定性,如重新查询、查询细化、词汇的问题、相关反馈,目的是协助用户更清楚地定义查询。查询词汇问题是不确定性查询算法的焦点。

（2）交互原理

信息科学和计算机科学中的信息检索都涉及交互的概念。它是信息检索过程及执行的关键因素。交互作用是信息检索的重要组成部分,几乎包含在每一个模型和信息检索模式中,其他信息查询或搜索方面的信息检索行为研究也都是以交互模型为基础。正如Xie^{[ 29]}指出,互动性是人类的基本特征,在数字环境中,人们在各种信息系统中的交流越来越多。Ellis等^{[ 56]}关注于用户信息查询行为的系统分析。Ingwersen^{[ 9]}的认知模式,Belkin^{[ 10]}的与文本的交互模式,Saracevic^{[ 51]}的分层模型都强调信息检索进程中交互的重要性。尽管Belkin的模型关注用户与文本的互动,Saracevic的模型集中在用户和系统之间的不同层次的相互作用,但这三种模型都认为信息需要通过一系列交互得到过滤和改善。

在关于互动这个概念上,两个学科的信息检索有相同的理论架构。

在两个学科都出现的概念是信息获取。即越容易获得的信息,人们越可能会使用。正如Pemberton^{[ 57]}指出, 用户在使用信息系统时花费的时间越多、越困难,则用户越不可能使用这个信息系统。信息的使用度与获得的容易度成正比。

Wilson^{[ 1]}认为本领域的每一个发展都与用户更容易访问文本或信息有关。为了使信息更易于访问,两个学科在界面、查询表达、语境帮助及信息可视化等都进行了深入研究。虽然与最小努力的原则有关,但是信息获取的重点是技术,而不是用户。它特别适用于计算机科学中的信息检索领域,因为其更关注设计和开发系统软件。在信息科学领域,许多工作旨在改善访问的容易性。因此,该架构是两个学科的核心。