信息资源检索基础知识.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,数字信息资源检索与利用,第二讲 信息资源检索基础知识,第一节,信息检索系统,第二节,信息检索语言,第三节,信息检索方法,第四节 信息检索效果,信息资源检索,找什么？,What,网上资源分布,怎么找？,Where,检索原理与技巧,怎么下载？,How,下载技巧,第一节,信息资源检索概述,信息资源检索概述,信息资源检索系统,1,.1,信息资源检索概述,信息的检索过程主要是利用检索语言对检索提问进行标引，形成检索提问标识，再按照存贮所提供的检索途径，将检索提问标识与文献特征标识进行匹配，两标识相符或基本相符的则为命中的检索结果。,标引：,就是通过标记指引人们方便、快捷地找到所需要的信息。通过对文献的分析，选用确切的检索标识（类号、标题词、叙词、关键词、人名、地名等），用以反映该文献的内容的过程。,检索系统,-,（检索、检索标识）,-,线索,-,原文,从信息资源集合中找出所需信息内容的过程。,要求：高效、快速、准确、正确、全面、新颖,原始文献,加工整理,数据库,提 问,检 索,输 出,存 储,检 索,信息检索原理,3.,信息资源检索的类型,(1),按检索内容划分,文献信,息检索,数据信,息检索,事实信,息检索,文献线索检索,文献全文检索,从检索系统存储的数据中查出用户所需数据的检索,对特定的事件或事实的检索,(2),按信息资源检索技术划分,全文文本检索,超文本检索,超文本的检索是通过超文本链接来实现的，超文本链接起信息导向作用，用户在从一个页面转向另一个页面的过程中获取自己所需要的信息。,多媒体检索,网络信,息检索,是一种集合各种新型检索技术于一体，能够对各种类型，各种媒体的信息进行跨时间、跨地理检索的大系统。,指能够支持两种以上媒体的数据库检索,通过计算机将文件的全貌包括文字和图形、图像等信息转换成计算机可读形式，采用自然语言进行检索。,1.2.1,信息检索系统的概念,用于报道、存贮与查找信息的工具（检索工具）,检索系统,信息标引和存储,信息的需求分析和检索,1.2.2,信息资源检索系统的类型,按,著录方式,划分,按,存储介质,划分,按,检索手段,划分,手工检索系统、计算机检索系统、穿孔卡片系统、缩微品检索系统,脱机检索系统、联机检索系统、光盘检索系统、网络检索系统,目录、题录、文摘、,参考工具、全文数据库和搜索引擎,目录,是对一批相关文献外表特征的揭示和报道，是有序的文献清单,。,数字文献信息检索与利用/何晓萍主编.北京：机械工业出版社，200,9.12,2,56,页；,24,厘米,ISBN 978-7-111-29039-1,I.,数,II.,何,III.,数字技术,-,应用,-,情报检索,-,高等学校,-,教材,IV.G252.7.39,卡片目录、书本目录著录格式,如下：,电子目录著录格式,如下：,题录,对文献外表特征的描述，题录,一般以内容上独立的文献单元，,如一篇文章或书中某一部分以至整,个出版物作为其著录的基本单位。,题录著录格式,如下：,0,30301007 网络时代的管理创新/高维钫（北京邮电大学文法经济学院）/经济管理.,2002,13(6)，53-55,记录号,题名,著者姓名,著者单位,原文出处,与目录区别,著录对象不同,目录,单位出版物,题录,单篇文献,不仅描述文献的外表特征，而且还揭示文献的内容特征，是带有文摘内容的、扩展了的题录,。,文摘,印刷版本文摘著录格式如下：,9807471,OODB,中的模式更改框架刊，中/郭 江/计算机应用与软件.,1997，14（3）.,23-34,模式演化是面向对象系统中的一个关键问题。由于,OODB（,面向对象数据库系统）的应用,。参4,文摘号,题名,文献类型,文种,著者姓名,原始文献的出处,摘要,参考文献数目,电子版本文摘著录格式,如下：,著录项目,著者,篇名,出处,摘要,【文摘】详细研究了双螺杆中反应挤出聚合物的动力学模型、流动模型和传热模型。通过实验得到了双螺杆反应器中聚合物的停留时间分布及平均停留时间。,问题：以下是不是一条文摘记录？,第二节 信息资源检索语言,存储,检索,文献信息,提问,检索系统（数据库）,(,语言,),(,语言,),体系分类语言,关键词语言,2.1,检索语言的概念,检索语言是信息资源存储和检索的共同语言。,其实质是从自然语言中精选出来并加以规范化的一套词汇符号，是概括信息资源内容特征或外在特征及相互关系的概念标识体系。,2.2,检索语言的种类,1,、,按规范化程度划分,2、,按文献信息资源的特征划分,1,、,按规范化程度划分,人工语言,人为对标引词和检索词,加以控制和规范，使每个,检索词只能表达一个概念,自然语言,直接从原始信息中抽取出自,由词作为检索点的检索语言,检索语言的类型,表述文献外表,特征的语言,表述文献内容,特征的语言,题名,（书名、刊名、篇名）,责任者（个人、机构名称）,号码（,如专利号、标准号、报告号、,ISBN,号、,ISSN,号等,）,引文,分类法,主题法,2、,按文献信息资源的特征划分,体系分类法,组配分类法,标题词语言,单元词语言,叙词语言,关键词语言,分类语言,类,性质上彼此相同的事物,物以类聚，人以群分,分类语言也称分类法，它是用分类号表达主题概念，依据知识分类将各主题概念按学科性质进行分类和系统排列成类目体系的标引语言。,体系分类法,直接体现知识分类的等级概念,科学分类,基 础,对 象,文献内容的学科性质,按照知识门类的逻辑次序,知识,类1,类2,类3,类21,类22,类23,上位类,同位类,下位类,体系分类表通常由,4,个部分组成：,类目表：,分类表、分类法的主体,标记符号：,分类号、分类体系内类目的代表,说明和注释：,揭示分类表的结构及使用方法,类目索引：,类目一览表、每一标题后面都注明相应的分类号,C,社会科学总论,C8,统计学,C91,社会学,C92,人口学,C93,管理学,C931,管理技术方法,.1 管理数学,.2 管理的方式方法,C933,领导学,C934,决策学,C935,管理计划和控制,C936,管理组织学,C939,应用管理学,将,T,类展开,T,工业技术,TB,一般工业技术,4,工业通用技术设备,48,包装工程,482,包装设计,.1纸、纸板,.2林材,.3塑料,.其他,485,包装类型,486,包装机械设备,487,包装技术检测,488,包装工厂,489,各类产品包装,TP,自动化技术、计算技术,TP1,自动化基础理论,TP2,自动化技术及设备,TP3,计算技术、计算机,TP31,计算机软件,TP311,程序设计、软件工程,TP312,程序语言、算法语言,TP313,汇编语言,TP316,操作系统,TP316.1,分时操作系统,TP316.2,实时操作系统,TP316.3,批处理,TP20,一般性问题,TP21,自动化元件、部件,TP23,自动化装置与设备,TP24,机器人技术,TP27,自动化系统,TP29,自动化技术在各方面的应用,主题语言,主题语言是采用表达某一事物或概念的名词术语来标引、存储、检索的一种检索语言。,标题词语言,直接用规范化语词来标引文献主题，按字顺排列成词表。主副搭配,单元词语言,采用单元词通过组配（字面）来表达文献的主题概念。单元词是从文献中抽取的，能表达文献主题的最基本、不能再分的单元词语。,叙词语言,采用叙词通过概念组配来表达文献的主题概念。叙词是从文献内容中抽取的，能表达文献内容基本概念的并经过规范化的名词或术语。,字面组配与概念组配在形式上有时相同，有时不同；而从性质上来看两者区别是很大的。字面组配是词的分析与组合（拆词）；概念组配是概念的分析与综合（拆义）。例如：,字面组配,概念组配,模拟+控制-模拟控制,模拟+控制-模拟控制,彩虹电器,彩虹+电器,彩虹牌商品+电器,第一例中，无论是字面组配还是概念组配，其结果都是,“,模拟控制,”,。,第二例中，根据字面组配原理，,“,彩虹,”,和,“,电器,”,组配是,“,彩虹、电器,”,，而概念组配的结果应是,“,彩虹品牌,”,和,“,电器,”,两个词组配，才符合概念逻辑。,以关键词作为文献内容标识和检索入口的一种主题语言。关键词是直接从文献中抽取的，未经规范化处理的自由词。,关键词语言,例：标引课题,“,微机在企业管理中的应用,”,标题词标引：,企业管理-计算机应用,叙词标引：,企业管理、计算机应用,关键词标引：,企业管理、微机、微机应用、计算机、计算机应用,分类标引：,C93、TP319,（中图法分类号）,其他划分方式：,按组配方式,先组式语言,指在检索前检索词已按固定,关系组配好，并编制在词表中,后组式语言,是指在检索前，检索词在词表中没有,被预先组配，检索时用户可根据不同,的检索需求对某些词进行任意组配,三、,主要词表,工程标题词表,Ei,叙词表,INSPEC,叙词表,汉语主题词表,第三节,信息资源检索方法,1,、,布尔检索技术,2,、截词检索技术,3,、邻近检索技术,4,、字段检索技术,3.1,布尔逻辑检索技术,布尔逻辑检索是指通过标准的布尔逻辑关系算符来表达检索词与检索词间的逻辑关系的检索方法,主要的布尔逻辑关系词有,:,逻辑与,(AND),、逻辑或（,OR,）、逻辑非（,NOT,）,1,）逻辑与,逻辑乘：,“,and,”,或,“,*,”,表示,组配方式：,A*B,或者,A and B,表示两个概念的交叉和限定关系，只有同时含有这两个概念的记录才算命中信息,作用：增加限制条件，即增加检索的专指性，以缩小提问范围，减少文献输出量，提高查准率,2,）逻辑或,又称逻辑和：,“,or,”,、,“,+,”,组配方式：,A OR B,或者,A,B,，表示检索含有,A,词，或含有,B,词，或同时包含,A,、,B,两词的文章。,作用：放宽提问范围，增加检索结果，起扩检作用，提高查全率。,3,）逻辑非,又称逻辑差：,“,not,”,“,-,”,组配方式：,A,B,，表示检索出含有,A,词而不含有,B,词的文章。,作用：逻辑非用于排除不希望出现的检索词，它和,“,*,”,的作用相似，能够缩小命中文献范围，增强检索的准确性。,布尔逻辑检索举例,例如检索：“高分子聚合物”,查询关键词：高分子、聚合物,检索表达式：高分子,AND,聚合物,例如检索：“微型计算机”方面的有关信息,查询关键词：微型计算机、微机,检索表达式：,微型计算机,OR,微机,布尔运算符优先级,布尔运算符优先级比较,有括号时：括号内的先执行；,无括号时：,NOT AND OR,例：检索“明清小说”的有关信息。,关键词：明、清、小说；,检索表达式：,（明,OR,清）,AND,小说；,明,AND,小说,OR,清,AND,小说；,错误表达式：,明,OR,清,AND,小说；,明,AND,清,AND,小说；,明,OR,清,OR,小说；,明,AND,清,OR,小说；,布尔逻辑检索注意事项,在不同的数据库中，所使用的逻辑符号可能是不同的，有的用,“,and,、,or,、,not,”,有的用,“,*、,+,、,-,”,。,一些检索工具会完全省略任何符号和关系，直接把布尔逻辑关系隐含在菜单中。,一些网络检索工具如搜索引擎甚至用,“,、，、,-,”,（即空格、逗号、减号）来表示。,2.,截词检索,主要应用于西文数字资源的检索,定义：是指在检索式中用专门的符号（截词符号）表示检索词的某一部分允许有一定的词形变化。,作用：主要是提高查全率,截,词符一般用“？”或“*”表示,截词位置,按截词位置可分为前截词、后截词、前后截词和中间截词；,按截断字符数的不同，可分为有限截断和无限截断。,截词位置,右截词，又称后截词、前方一致。允许检索词尾有若干变化。例如,comput*,将检索出,computer,、,computing,、,computerised,、,computerized,、,computerization,等结果。,中间截词，又称前后方一致。允许检索词中间有若干变化。例如,wom*n,，检索到,woman,、,women,的结果。英美的不同拼法，,defen*e,可同时检出,defence,和,defense,的结果。,左截词，又称前截词、后方一致，允许检索词前有若干变化，例如*,physics,就可检索到,physics,、,astrophysics,、,biophysics,、,chemophysics,、,geophysics,等词的结果。,？,Computer,可检索,computer,、,minicomputer,、,microcomputer,等结果。,前后截词,前后截词：词干的前后各有一个截词符，允许检索词的前端和尾部各有若干变化形式。如,?computer,？可检索,computer,、,computers,、,computerize,、,computerized,、,computerization,、,minicomputer,、,minicomputers,、,microcomputer,、,microcomputers,等结果。,截词检索注意事项,在不同的数据库和联机检索系统中，所使用的截词符号没有统一的标准，有的用,“,？,”,，有的用,“,*,”,，有的用,“,#,”,，用的用,“”,等。,即便常用的,“,？,”,和,“,*,”,在不同的数据库中其用法也是不一定相同的。,在允许截词的检索工具中，一般是指右截词，部分支持中间截词，左截词比较少见。,我们将要使用的一些数据库，一般用,“,*,”,代表一个字符串，用,“,？,”,代表任意一个字符。,3.,邻近检索,邻近检索又称,位置检索,，主要是通过检索式中的专门符号来规定检索词在结果中的相对位置。,例如检索,“,生物防治,”,的文献，若用检索式,“,biological*control,”,检索，则会将,“,抑制生物,”,（,control biological,）的文献也查出来，这显然不是所需文献。,主要有相邻位置算符（,W,）、（,nW,）、（,N,），（,nN,），句子位置算符（,S,），字段算符（,F,），（,L,）,（,W,）算符,（,W,）算符：（,W,）是,with(word),的缩写，可简写为,“,(),”,，表示此算符两侧的检索词必须按此前后顺序相邻排列，词序不可变，且两词之间不许有其他的词或字母，但允许有一空格或标点符号。,如,biological(W)control,相当于检索,biological control,，,CD(W)ROM,相当于检索,CD ROM,或,CD-ROM,。,(nW),算符,(nW),算符：,(nW),是,n words,的缩写，表示此算符两侧的检索词之间允许插入最多,n,个词，且词序不可变。,如,wear(1W)material,相当于检索,wear materials,、,wear of materials,等词。,（,N,）和（,nN,）算符,（,N,）是,near,的缩写，表示此算符两侧的检索词必须紧密相连，词序可变，词间不允许插入其他词或字母，但允许有一空格或标点符号。,（,nN,）表示两词间可插入最多,n,个词，词序可变，如检索式,environment(2N)protection,就可检索出包含,“,environment protection,”,、,“,environment of the protection,”,、,“,environment of water protection,”,、,“,protection of forest environment,”,等内容的结果。,information(1N)retrieval,可检出,:information retrieval,retriveal of information,（,S,）、（,F,）、（,L,）算符,（,1,）（,S,）算符：（,S,）表示两个检索词须同时出现在文献记录的同一子字段中，两词的词序不限，两词间插入词的数量不限。,（,2,）（,F,）、（,L,）算符：在联机检索中还有对同字段进行检索的（,F,）算符和（,L,）算符。（,F,）表示此算符两侧的检索词必须同时出现在信息记录的同一个字段内，两词的词序不限，两词间插入词的数量不限。用此算符时须指定所要查找的字段，如题名字段、文摘字段、叙词字段等。例如,digital(F)computer/TI,表示在题名字段（,TI,）中同时出现这两个检索词的才算命中信息。（,L,）算符要求检索词同在叙词字段中出现并且具有词表规定的等级关系，因此，该算符只适用于有正式词表、且词表中的词具有从属关系的数据库或文档。,邻近检索对提高检索的查准率有重要作用，但网络检索中基本上只支持（,W,）、（,nW,）和（,N,）、（,nN,）检索式。,4.,字段检索,字段检索是限定检索词在记录中出现的字段范围，检索时，计算机只对限定字段进行查找。,字段检索,字段检索分后缀方式和前缀方式。,TI,（题名）、,AB,（摘要）、,DE,（主题词）、,ID,（标识词）,su(,主题词）,KW(,关键词）,AU,（著者）、,BN,（国际标准书号）、,SN,（国际标准刊号）、,CC,（分类类目）、,CS,（机构）、,DT,（文献类型）或,PT,（出版物类型）、,JN,（刊名）或,JA,（刊号）、,LA,（语种）、,PY,（出版年）、,SO,（来源出版物）,注意：,不同的数据库其字段代码可能不同,。,例如,Title(ti):Wuhan University,url:,Py=2009,La=english,Link:whitehouse.gov,admission AND site:www.harvard.edu,AU=Wang li AND(CS=wuhan Univ.),第四节 信息检索策略与评价,检索策略与检索步骤,检索方式,检索点与检索词,检索效果,、,4.1,检索策略与检索步骤,广义,为实现检索目标而制定的全盘计划或,方案,狭义,检索式,1,、检索策略,2,、,检索步骤,1、课题分析,2、选择检索系统（数据库）,3、选择检索点和检索词,4、制定检索式,（由检索点、检索词、检索算符组成）,例：,AB=,金融网络,and,AU=,张杰,5、调整检索策略,6、获取原文,4.2,检索方式,1,、,浏览方式,分类浏览：按学科类别浏览。可点击,“,分类导航,”,或,“,分类表,”,中的任何一个类别，接着显示所点击类别的下属子类，如此类推。,字顺浏览：按检索词首字母为序，提供相应检索字段的浏览。如按出版物名称字顺、著者姓名字顺等。,2,、,查询方式,初级检索：,也称快速检索、基本检索。利用初级检索系统能进行快速方便的查询，适用于不熟悉多条件组合查询或,SQL,语句查询的用户。,高级检索：,也称扩展检索。高级检索可进行多个条件的组合检索，即多个字段之间有一定逻辑关系（,and,，,or,，,not,）的检索。,专家检索：,也称专业检索。检索式中可同时使用检索词、逻辑算符（如,AND,，,OR,，,NOT,，,AND NOT,）、字段标识符、邻近算符（如,NEAR,，,ADJ,等）、截词符等多种算符，创建更复杂的检索式。,二次检索：,在结果中检索又称为二次检索，当检索结果太多，想从中精选出一部分时，可使用二次检索。,4.3,检索点与检索词,检索点,=,检索途径 关键词,1,、检索点,检索点,（,access point,）是检索的出发点，以前常用,“,检索途径,”,（,approach),这一术语。在计算机检索中，所有类型的检索点形式上都表现为,“,关键词,”,，但在数据库检索中，检索点和关键词的含义还是有所区别的。,文献信息特征是多方面的，用于文献检索的检索点很多，反映文献信息内容特征的有：,分类检索,和,主题检索,；反映文献外部特征的有：,作者检索、名称检索,和,号码检索,等。,文献内容特征 分类检索,的检索点 主题检索,文献外部特征 作者检索,的检索点 名称检索,号码检索,分类检索：,分类检索是从文献内容所属的学科类别出发来检索文献，它依据的是一个可参照的分类体系。,主题检索：,从反映文献内容的有关主题词出发来检索文献，主题是检索点，它对应文献主题概念。检索按主题词的音或形的字顺进行，其方式如查字典、词典。,主题词：,有多种类型：有规范词和自由词，有单元词和多元词，有先组结构和后组结构等。主题词的合理选择与使用对检索结果的优劣直接相关。,作者检索：,是从文献的作者姓名出发来检索其文献。,“,作者,”,广义上还应包括：汇编者、编者、主办者、译者等，此外，还有代表机构、单位的团体作者，包括作者所在单位。,名称检索：,是从各种事物的名称出发来检索文献信息，包括书名、刊名、资料名、出版物名、出版社名、会议名、物质名称等等，也包括人名和机构名。检索的对象既包括对应的文献，也包括有关的信息、事项等。,号码检索：包括文献的编号、代码等，它们是文献信息的一些特有的外部标识，号码检索点以号码特征来检索文献信息。号码多种多样，通常用数字、字母或用它们结合的形式或以分段的方式来表示其各部分的含义。,如科技报告有报告号、专利文献有专利号等。,2,、,检索词,检索词是表达信息需求的基本单元，也是与系统中有关数据库进行匹配运算的基本单元。检索词选择得当与否，会直接影响检索效果。,检索词可分为两类，一类是表示主题概念的名词术语（如叙词和关键词），或者是个人或机构的名称（如作者姓名），另一类是某些特殊的符号（如分类号、代码等）。,3,、检索功能,1,）,加权检索,加权检索是某些检索系统中提供的一种定量检索技术，判定检索词或字符串在满足检索逻辑后对文献命中与否的影响程度。,2,）,相似检索,在检索过程中，人们会发现某个结果非常符合自己需要，因此希望能进一步检索到与该结果类似的结果，我们称之为相似检索也称相关信息反馈检索。,3,）精确匹配和模糊检索,不同的数据库，检索途径设定的检索规则有所不同，有的检索途径允许用户用“任意一致”的方式检索，有的只允许用“完全一致”或“前方一致”的方式检索。,完全一致,”,即精确匹配，要求输入的检索词，与数据库中的文献标识完全匹配，才能命中。,如要查找作者,“,刘开扬,”,的文献，则必须准确输入,“,刘开扬,”,三字，如输入,“,刘,”,或,“,刘开,”,，则不能命中。,一般在使用网上搜索引擎进行检索时，可以用双引号把输入的检索词括起来，就可以达到,“,完全一致,”,的检索效果。,“,前方一致,”,属于模糊检索的一种。如在作者字段中输入,“,刘开？,”,便可查到作者,“,刘开,”,、,“,刘开扬,”,、,“,刘开强,”,的文章。又如以关键词为检索途径，输入,“,经济？,”,，便可查到,“,经济,”,、,“,经济法,”,、,“,经济学,”,、,“,经济预测,”,、,“,经济效益审计,”,等等。（注意，匹配符通常用,“,？,”,，但也有的数据库用,“,*,”,）,“任意一致”,是模糊检索中的最为自由者。如用篇名作为检索途径，输入“出版”，则可检出篇名中任一处含有“出版”一词的文献，如,出版系统探讨,、,广东出版史概述,、,商务印书馆与近代教科书的出版,等。,4,）,概念检索,可借助一个同义词表对用户输入的检索词自动添加同一概念的词汇集合（同义词，近义词，广义词等），有助于提高查全率，但不会降低查准率。,5,）自然语言检索,自然语言检索是未来网络信息检索发展趋势。它允许用户以自然语言语句表达检索要求，检索工具利用禁用词表排除非关键词，然后把剩余的词作为关键词进行检索。,6,）,多语种检索,很多网络检索工具提供多语种检索或检索结果的翻译功能。,7,）智能检索,智能检索把现代人工智能的技术与方法引入到信息检索系统，使后者具有一定程度的智能特征，在更高的层次上完成检索功能。,4.4,检索效果,检索效果是指信息资源检索系统检索信息资源的有效程度，反映信息资源检索系统的能力。,1.,查全率与查准率,2.,影响检索效果的因素,3.,提高检索效果的方法,1,、,查全率与查准率,查全率,指检索出的相关信息资源与信息资,源系统中的相关信息资源总量之比,查准率,指检索出的相关信息资源量和,检索出的信息资源的总量之比,2,、,影响检索效果的因素,影响查全率的因素,信息库收录文献不全；索引词汇缺乏控制和专指性；词表结构不完整；词间关系模糊或不正确；标引不详；标引前后不一致；标引人员遗漏了原文的重要概念或用词不当等。,影响查准率的因素,索引词不能准确描述信息主题和检索要求；组配规则不严密；选词及词间关系不正确；标引过于详尽；组配错误；检索时所用检索词（或检索式）专指度不够，检索面宽于检索要求等。（,P37）,3,、,提高检索效果的方法,提高检索系统的质量,提高用户使用检索系统的能力，充分发挥检索系统的功能,课后思考,一、了解和掌握信息对于现今社会发展及个人成长的作用与意义。,二、掌握信息、知识、文献的概念涵义。,三、图书文献和期刊文献的特点是什么？,四、举例说明什么是一次文献、二次文献、三次文献。,The end,