信息资源组织基础PPT.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,*,第一讲 信息资源组织基础,刘炜,wliu,元数据与信息资源组织,1,啤酒与尿布的故事,美国沃尔玛超市建立数据仓库，按周期统计产品的销售信息，经过科学建模后提炼决策层数据。结果，他们发现：每逢周末，位于某地区的沃尔玛超市连锁店的啤酒和尿布的销售量很大，而且单张发票中同时购买尿布和啤酒的记录非常普遍。分析人员经过深入分析得知，通常周末购买尿布的是男士，他们在完成了太太交给的任务后，经常会顺便买一些啤酒。得出这样的结果后，沃尔玛超市的工作人员尝试着将啤酒和尿布摆放在一起销售，结果，尿布与啤酒的销售额双双增长。,2生活中的信息组织,你怎么组织你的,书籍或资料,衣物或任何其他生活杂物,电脑文件,大脑中的信息,3,你怎么组织,藏书,按用途：兴趣爱好的（小说、旅游、烹调），学习类的，收藏类，工具书类,按载体：刊物、报纸、图书、画册,按学科或专题：（藏书家）,4,你怎么整理,CD/DVD,按类型：古典、流行、爵士、蓝调,.,或故事片、文艺片、,MTV,、动画片、纪录片；,按人物：贝多芬、柴可夫斯基,或布鲁斯威利斯、李连杰、,007,综合方法,5,你怎么整理,衣物,类型；,季节；,面料；,喜欢程度；,上述综合,6,你怎么整理,计算机文件？,你头脑中的信息？,7,总结,分类方法是人类最本能认识世界的方法，因而也应用于任何资源的组织；,按使用方便（多数是内容）分类而不是按物理顺序（或字顺等）排列；,用于类分事物的性质叫做“属性”，试行分内部属性和外部属性；,不作索引或简单的书本式索引；,凭记忆查找，因而强调助记性。,8,总结：信息资源组织常用方法,分类法,主题法,字顺法,号码法（赋予号码后的字顺法）,时空法（例如大事记，年鉴等）,序列法（大小,/,多少,/,好坏,/,贵贱,）,超文本法（链接法）,9,相关因素,信息资源组织与下列因素有关：,信息资源组织的对象是什么？,信息资源组织的目的是什么？,信息资源组织对象有什么显著特性？,如何更方便的使用（达到目的）,10,第二章信息资源组织的基本问题,11,基本问题,什么是信息？,什么是信息资源？,什么是信息资源组织？,信息资源组织的对象是什么？（数据、信息、知识、智慧及其他相关概念的关系是什么？）,信息资源组织的目的是什么？,信息资源组织的相关应用领域,传统图书馆,(,博物馆,/,档案馆,),的信息资源组织,现代信息资源组织面临的问题与挑战,12,数据,：离散、互不关联的客观事实，孤立的文字、数据和符号，缺乏关联和目的性,信息,：人们对数据进行系统组织、整理和分析，使其产生相关性，但没有与特定用户行动相关联,知识,：与行动和决策密切相关，人们做决策的行动能力，知识创造与环境相关,智慧,：对事务发展的前瞻性看法，智慧得益于人的内在价值观和信仰,什么是数据、信息、知识、智慧,13,什么是数据、信息、知识、智慧,Data,：数据,=,没有加工的事实数据,对应于人、物理对象、事件或其它实体的原始事实。,单独的数据没有意义,计算机中表示为数字或其它符号形式（不仅是数字形式。,Number,强调数字的内容，,Digital,强调数的形式）,例如,10000,Information,：信息,=,数据,+,语境,将数据放到一个语境（,context),中，从而给予它一定的含义，它就成为信息,经过处理的有用的数据，用来回答,Who/What/Where/When,的问题,信息是经人组织的数据组成,例如￥,10000,Knowledge,：知识,=,信息,判断,是一种由人创造的，并且反映他们是如何来进行判断、选择并且采取行动的,know-how,，知识一般与人们所受的教育、经验、思考方法、决策及其他能力相关。,信息被阅读、告知或可视与理解等等,例如￥,10000,是上海外环线附近,2005,年房产的单价,Wisdom,：智慧,=,知识,+,整合,对知识进行组合、创造以及理解知识要义的能力,Wisdom is not a product of schooling but of the lifelong attempt to acquire it.(Albert Einstein),例如”以￥,10000,的单价购买外环线的房子肯定亏本”,文献Document,：记录有知识的一切载体。信息资源的一种形式；,14,其他有关,信息,的定义,信息如同反馈,指机器利用其行为造成的结果作为自适应信息以调整自身，作为正在进行的过程的一个部分,维纳,控制论,1949,年,Information as feedback-the ability of a machine to use the results of its own performance as self-regulating information and adjust itself as part of its ongoing process-Norbert Weiner,Cybernetics,1949,信息是能够被编码而通过连接信源和信宿的通道进行传输的东西,申农,1949,年,Information is whatever can be coded for transmission through a mechanical channel connecting a source with a receiver-Shannon,1949,“,Information is commonly used to denote some population of objects to which some significant probability of being usefully informative in the future has been attributed.,”,-Buckland,1991.,Unlike,knowledge,or,belief,“,the concept of information has connotations of neutrality-it is homogeneous and noncontroversial.The reality,of course,is more complicated,”,-Agre,1995,信息是负熵（申农,信息论,）,15,什么是知识？,知识是能够指导思考、行为和交流的正确和真实的观察、经验和过程的总结。知识包含真理和信念，观点和概念，判断和预期，方法和诀窍等内容，也可以理解为用于解决问题的结构化信息。,16,Worlds of Knowledge,(from Popper,s,Objective Knowledge,),World 1 is the physical world,World 2 is subjective knowledge or experience-mental states and processes.,World 3 is objective knowledge-recorded knowledge,public knowledge-created by people.,17,Knowledge Hierarchy,Source:Karl Sveiby,Tacit Knowledge in KM Yearbook 1999-2000,3 Levels,Expertise,Know-How,Skills,Knowledge,Information,Data,18,智慧,wisdom,知识,knowledge,情报,Intelligent,信息,information,数据,data,隐性知识,显性知识,分散孤立,与行动相关,前瞻性,具有相关性,对抗性,数据、信息、知识、智慧之间的关系,19,知识的类型,事实知识,（,Know-what,）,原理知识,（,Know-why,）,技能知识,（,Know-how,）,人力知识,（,know-who,）,检索知识,（,know-where,）,20,再举一例,“8,000,和,10,000-,数据,10,000,米的高山与,8,000,米的飞机飞行最大高度 是信息,“飞机无法飞越这座高山”是知识,必须飞得比地形高 是智慧,21,什么是信息资源,信息资源即“作为资源的信息”，可以理解为有价值的信息。然而信息的价值是体现在使用中的，对于不同的使用者，信息可以有不同的价值，而且信息的不同组合、不同的关联也能使信息具有不同的价值。这反映了信息的特性：信息是具有语境（,context,，也译成“上下文”）的数据。,从计算机操作的角度来看，“信息资源是具有标识的任何东西”。其价值由用户去判断。信息资源组织的目的就是以灵活的方式揭示信息之间的关联（包括结构关联和语义关联），满足不同用户的需要，使其成为“资源”。,世间万物，只要人能够识别出来的东西，给它一个标识（最常用的标识就是名称），它就成了“资源”,作为元数据描述的对象，,DCMI,和,W3C,强调，其“资源”只是在互联网上，由命名域给出,URI,标识的实体。,22,什么是信息资源组织？,即信息资源的有序化的活动：对于信息资源有序化的规律的认识，以及应用认识得来的规律从事有序化工作,知识组织,=,信息资源组织,利用一定科学规则和方法，通过对信息外在特征和内容特征的描述和序化，实现无需信息流向有序信息流的转换，从而保证用户对信息的有效获取和利用及信息的有效流通和组合。,信息的外在特征：信息的（物质）载体所直接反应的特征；,信息的内容特征：信息所包含和承载的具体内容，即通过信息载体所传递和交流的具体内容。,23,信息资源组织的目的,查找,Find,标识,Identify,选择,Select,获取,Obtain,24,信息资源组织体系,根据对象区分信息组织的不同领域：,哲学认识论以知识的抽象本质组织知识；,图书情报机构传统上结合实物载体组织信息资源；,数字图书馆以数字化的信息形式组织资源；,情报检索系统可以看成是,DL,中的一个部分，通过数字化信息内容的各种结构组织资源，,人为标注的结构；,本身的结构被人发现而利用；,企业知识管理围绕企业管理中信息的利用组织资源；,搜索引擎的信息组织；,语义万维网中的信息组织；,其他各种领域知识根据领域的特点组织知识,25,图书馆的信息资源组织,图书馆学的目的宗旨：信息资源整序,图书馆工作的组成（采分编典流）的目的,主要方法：,目录学（关于传统图书馆信息组织的科学）,分类法,主题法,文摘与索引,图书编目,无数的经验,26,图书馆如何组织,/,整理图书？,由于数量和体积庞大，引入图书代用品：目录卡片；（书、卡的分离图书馆管理上的一大进步。博物馆、档案馆等任何涉及载体管理的机构莫不如此）,泥版、羊皮卷、纸莎草、竹简乃至半导体零件、各类仓储物资，在计算机发明之前，卡片目录是最先进管理方式。其意义甚至不亚于结绳记事、文字发明、书籍产生,目录是馆藏的缩影和“代用品”；为了达到方便存取的目的，多套目录卡片提供多种查询途径；,图书采取唯一方式排架，目录卡片指引到唯一的图书排架号；,每种途径反映了图书的某一属性，例如先按载体类型或语种分，再按学科分类，或其他属性分，如著者目录；,卡片目录,/,图书典藏的排列是分类与字顺等多种方式的结合；,目录卡片的种类有限，不可能穷尽用户认识的角度和使用需求与习惯；,图书是知识的载体，部分目录反映馆藏知识体系，图书馆通过管理知识载体，间接地整理知识27,图书馆的信息资源组织（续）,连续出版物有一点不同,二次文献（情报）服务有很大不同,电子资源使传统图书馆的信息组织方寸大乱,28,信息资源组织面临的数字环境,传统情报检索的挑战,处理单元变为“情报载体”：期刊论文、科研报告、报纸文章、专利文献,；,解决方案：文献数据库,+,原文提供；,数字化浪潮的挑战,处理单元复杂化，包含书本、期刊、论文、报告、以及“事实”、“数据”,(,传统的事实数据以工具书形式存在,),并且需要整合利用,需要研究信息,/,知识整个生命周期的完整过程，甚至包括部分认知过程,需要从数据、信息层面上升到“知识”层面,这个过程是正在进行时，随着技术的发展正在变化。,29,Collections grid,信息资源类型,high,low,low,high,Stewardship,权威性,Uniqueness,稀缺性,Books,Journals,Newspapers,Gov.docs,CD,DVD,Maps,Scores,Special collectionsArchives,Rare books,Local history materials,Archives&Manuscripts,Theses&dissertations,Freely-accessible web resources,Research and learning materials,ePrints/tech reports,Learning objects,Courseware,E-portfolios,Research data,Untransferred records,From:Lorcan Dempsey,30,Web,上的信息,Google,当前索引,80,多亿网页，每天平均收到,2000,万个查询。,中国的公开网页在,3-4,亿，百度每天大概收到,500,万个查询,每篇网页的平均大小在,12KB,左右，于是总共约,40TB,容量（,10,年）,人类的,1,亿种书，每本算,10,万字，,200KB,，总共约,20TB,容量。（,5000,年）,31,搜索引擎,搜索引擎（Search Engines,）是对互联网上的信息资源（主要是网页）进行搜集整理，然后提供查询服务的系统，通常包括信息搜集、信息整理和用户查询三部分，但提供给用户的往往只是一个查询界面。,两类搜索服务,Google,Yahoo,32,网络信息资源的挑战,数量巨大,没有一个搜索引擎能够覆盖万维网的,16%,网站；,所有搜索引擎加起来覆盖了万维网的,42%,极端异质,信息值不同,长度不同,语法或输入错误,内容错误、过时或不可靠,多种格式,多语种,速度问题,每分钟需要接受,15,000 20,000,次查询请求,33,数字化信息量举例,音乐作品,(,莫扎特,),：约,100MB,报纸,(,华尔街杂志,),：,100MB/,年,(,文本,),卡片目录,(,美国国会图书馆,),：,17GB,广播,(WABC),：,270GB/,年,(,未经压缩,),网络论坛,(Netnews),：,300GB/,年,地区图书馆,(,加州大学图书馆,),：,1.4TB(,图书扫描版,),Internet,出版,(WWW),：,1997,年约,4TB,电视,(CNN,新闻,),：,1GB/1,小时,6TB/,年,(,经压缩,),录像带出租,(Blockbuster Video),：,9TB,科研图书馆,(,美国会图书馆,),：全部图书馆数字化,20TB,来源：美国伯克利加州大学教授,Peter Lyman,和Alex Internet,公司总裁,Brewster Kahle,所著,文化制品数字化存档行动纲要,。,34,信息检索的问题,查找非结构信息有困难,多数数据库在结构化字段上工作,多数商业信息是非结构化的,.,报告、电子邮件、来往公函,.,美国商业每年产生,4500,亿份文件,波音,747,文件比飞机重量还重,索引是主观的,索引者之间不一致,经验统计表明索引者之间仅,20%,相同,.,作者与索引者之间、检索者与用户之间不一致,.,信息超载,信息太多,需要过滤,检索结果垃圾太多,有害信息太多,35,拖曳网,搜索引擎仅在信息海洋表面上拖曳,来源：曾民族先生的有关报告,36,深海网,来源：曾民族先生的有关报告,37,深海网,深海网比浅海网大,500,倍,95%,深海网是公开的和可免费获取的,深海网内容质量高,1000+,倍,7,500 TB,信息量,目前有,45,000,浅海网搜索引擎,38,信息资源组织成为全球性难题,信息发布具有自由性和任意性,难于控制和管理,分布、分散、无序、无政府、,经常变动、,无限数量、包罗万象、,真伪并存,资源信息和非资源信息难于驾御,非规范、非结构,检索查全和查准提出新的挑战,多媒体、多语种、多类型信息的整合提出新的挑战,跨国界数据传递和流动,带来政治、外交、文化新问题,集成多种,(,正式和非正式等,),交流方式,39,目前对付挑战的能力有限,以文本信息、显性知识为主,以非结构信息为主,以系统为中心,以信息提供为目的,以相对简单的信息技术开发,以正面效益为衡量标准,40,第三章课程的内容框架结构：信息资源组织模型,41,信息资源组织系统抽象模型（课程框架）,知识单元,特征提取,特征建库,(,索引,),资源库,提问单元,提问处理,语义特征,:,分类,/,主题,/,自由词,/,元数据,语用特征,载体类型,学科内容,应用领域,狭义,/,传统知识组织（内容管理）,广义,/,现代知识组织,利用方法,读者,图书馆员,结果处理,读者特征,数字化,数字图书馆,42,课程内容,信息资源组织的方法,分类法,主题法,元数据方法,知识本体方法,信息资源组织的应用,情报检索,数字图书馆（内容管理）,（企业）知识管理,43,