《信息检索基础》PPT课件.ppt

1、信息检索与利用,黄 倩,课前寄语,新学期开始了，准备拥抱新知识吧！,考查方式,考勤、作业 30% 考核成绩 30% 期末成绩 40%,参考教材,黄如花 信息检索 武汉大学出版社 2010 葛敬民 实用网络信息检索 高等教育出版社 2009 袁利芬 实用科技信息资源检索与利用 南京大学出版社 2010 刘霞 网络信息检索 清华大学出版社 2010 邰峻 网络信息检索实用教程 电子工业出版社 2010 冯惠玲 信息检索教程 中国人民大学出版社 2004,问题一： 同学们平时有哪些获取信息的途径？ 问题二： 假如你有机会投资开公司（法律允许范围内项目任选），你需要分析哪些事项？,课堂互动：,案例导入

2、：,企业竞争情报咨询案例 金城化工全称山东金城医药化工有限公司，成立于1995年，是目前国内最大的头孢类医药中间体研发和生产企业，是一家新兴的高新技术企业。金城化工管理层高度重视企业竞争情报工作，以此作为战略管理的基础和获取竞争优势的保证。山东理工大学科技信息研究所应金城化工的邀请，对金城化工的竞争情报工作从竞争环境分析、竞争情报收集、竞争情报的分析和竞争情报的应用等方面进行了策划，为金城化工竞争情报工作的发展奠定了基础，也可为企盼涉足竞争情报活动的我国企业和咨询机构提供借鉴。,信息检索的热点运用之一,竞争情报 竞争情报(Competitive Intelligence简称CI)是对于竞争环境

3、、竞争对手和竞争策略的信息研究，是企业参与市场竞争、求生存谋发展的重要手段。它是市场竞争激化和社会信息化高度发展的产物，是军事学、经济学、管理学和情报学互相交融的结果，目前越来越受到企业界的重视,从信息服务到信息职业,信息服务业 新型信息职业 信息应用技能需求,信息素质是一种能力,美国教育技术CEO论坛2001年第4季度报告提出21世纪的能力素质包括的五个方面是：基本学习技能(指读、写、算)；信息素质；创新思维能力；人际交往与合作精神；实践能力。信息素质是其中的一个要素。,信息素质是一种综合能力,信息素质和许多学科相关，包含人文、技术、经济、法律等诸多学科的知识背景。信息素质是一种信息能力，包

4、括信息智慧、信息道德、信息意识、信息觉悟、信息观念、信息潜能、信息心理等。它是一种了解、搜集、评价和利用信息的知识结构，需要借助信息技术、依靠完善的调查方法、通过鉴别和推理来完成。,高校学生应具备的信息素质六大指标,1.确定所需信息的范围； 2.有效的获取所需信息； 3.鉴别信息及其来源； 4.将检出的信息融入自己的知识基础； 5.有效地利用信息完成一个具体的任务； 6.了解利用信息所涉及的经济、法律和社会问题，合理、合法的获取和利用信息。,大学生信息技能应用,1.为撰写论文，进行科研做准备； 2.培养创新思维，为就业和创业打下良好的基础； 3.为决策提供重要的依据； 4.企业竞争的重要手段；

5、,一个科研人员的时间分配表,写报告 10%,课程目的(Purpose)是,本课程重在培养学生获取与利用信息资源的实际能力，增强学生的信息意识，从而提高学生的科研与创新能力，成为学习相关专业知识过程中的一种有利助力。 信息的选择 解决的问题 信息的检索 信息的利用,课程框架,1 信息检索基础 2 图书馆的利用 3 信息资源的开放获取 4 社科文献检索 5 科技文献检索 6 工具书 7 网络信息检索 8 信息检索与竞争情报 9 信息法 10 大学生科学研究基础,第一章 信息检索基础,第一节 信息与信息源 第二节 信息检索基础知识,第一节 信息与信息源,海量资源带来的困惑 由一组数字说起,估计现在一

6、年全世界所产生的新信息量大约有4千万万亿（4X1019）字节 引自Howie DiBlasi的“你知道吗”,1.8千万亿兆字节,2011年 全球信息总量突破,这超过了人类过去 五千年信息量的总和,That is more than in the Previous 5,000 years.,新的科学技术知识 大约每2年翻一番,人类的学习和阅读迈进“无纸化时代”,数字资源浪潮,1万个 数据库,疑惑,引自电子科技大学图书馆 秦鸿,我们如何面对？,当前信息检索的背景,信息资源剧增 出版更新速度加快 信息载体形式多样化,数量激增,非科技文献，每10年甚至78年翻一番 科技文献，尤其是尖端科学的文献增加速

7、度更快，如，原子能文献每23 年就翻一番，且倍增周期逐年缩短 据估计目前每年出版的各种类型的科技文献有1000多万篇,出版速度加快,据国外报导，1990年全世界出版 科技文献2000印张/秒 4-5种新书/小时 新增3种刊物/小时,载体形式多样化,印刷型 缩微型 声像型 电子型,课前寄语,意大利都灵大学的校门口，有两尊英格兰黑色大理石雕塑，左边是一只鹰，右边是一匹奔马。几千年来，它们成了都灵大学的标志，甚至连校徽上也是这两尊雕塑。 那只鹰代表的不是什么鹏程万里，它其实是一只被饿死的鹰。为了实现飞遍全世界的远大理想，这只鹰苦练各种飞行本领，却忘记了学习觅食的技巧，结果在它踏上征途的第五天就饿死了

8、。 那匹奔马也不是人们认为的千里马，而是一匹被剥了皮的马。这匹马开始的时候嫌它的第一位主人磨坊主给的活多，乞求上帝把它换到马夫家；可马夫给这匹马的饲料不好，这匹马又乞求换主人。于是，上帝把它换到了皮匠家里，皮匠给马的活不多而且饲料又好，可是没过几天，这匹马就被皮匠剥了皮，做成了皮制品。 都灵大学的创办者把两尊雕塑矗立在都灵大学的校门口，旨在提醒都灵大学的学生们：真正能把人们从饥饿、痛苦和贫困中解救出来的是劳动和生存的技能，而不是不切实际的知识。,信息及其相关概念,信息 1 定义 2 属性 3 价值,信息的定义,通信系统理论角度 控制论专家N.维纳观点 国标GB489885情报与文献工作词汇基本

9、术语 中国大百科全书 信息的含义： （1）广义：自然界和一切人类活动所传达出来的信号和消息，是事物表现的一种普遍形式。 （2）狭义：经过搜集、记录、处理和存储的可供检索的文献、数据和事实。,信息的属性,普遍性 传递性 可转换性 共享性 时效性,信息的价值,信息是一种稀缺资源 传承文明，推动社会发展 提供决策依据，提高决策效益 保障有效控制，保证系统秩序 发挥参考作用，推动知识创新,信息及其相关概念,文献 1 定义 2 四要素 3 类型,文献的定义,文献是记录知识的一切载体 起源 演变,文献的四要素,信息内容 信息符号 记录方式 载体材料,文献的构成之文献信息,文献信息属于信息，当然具有信息的一

10、切性质和功能，但文献信息也有自身的特点： 第一，文献信息是经人的一系列加工（筛选、归纳、整理）后记录下来的信息（Recorded Information）； 第二，文献所表达的信息内容虽然与符号本身没有必然联系，但文献信息的传递是通过人工符号系统文字、标识符、声像信号等来实现的，因而对文献信息的摄取方式和吸收的程度必然受到这种人工符号的制约； 第三，文献信息是一种相对固化的信息，如纸质印刷品所传递的信息是无法变动的。可擦写光盘和磁盘虽然可以用修改、删除、增入等手段更新数据，一旦变动后又处于静态之中，文献信息的固态化是文献易老化的原因，它不能随外界的变化而变化。为了克服由此造成的弊端，需要不断更

11、新文献；,文献的构成之文献信息,第四，文献所传递的信息是人对客观世界的反映，因而不一定完全符合客观世界表现出的信息内容，这种“歪曲”、“畸变”、“失真”的程度因人们的认识水平、立场观点、方法和时代因素的不同而异； 第五，文献信息既然是人工记录下来的附载于物质实体上的信息，那么这种物质实体就是文献信息的“外壳”。两者的关系是，既具有不可分割性（没有文字的纸不称其为书），又具有相对独立性，即信息内容不会因载体形式的改变而改变，或者说不同的信息载体可以传播同一内容的信息，这一特点告诉我们信息资源的开发涉及载体资源的开发。为了获取或传播同一信息，人们应该选择信息载体和传播方式，以便更方便、更有效、更经

12、济地开发和利用文献信息。,文献的构成之文献载体,文献载体的材质在人类文明的演进过程中一直在不断地演变。目前，除了纸质文献外，常见的其他介质的文献主要有以下类型：缩微文献，音像文献，磁盘和光盘文献。,文献的构成之文献载体,文献载体的演变 与其他信息载体不同的是，文献载体必须适应于文献符号和相应的记录方式，同时又要有利于传播、整理和长期的保存，不符合前一要求的就不称其为文献，不符合后一要求，文献就不能随时代的发展而发挥出应有作用，就会被淘汰、消失，泥版书的命运就是如此。因此文献载体的材质在人类文明的演进过程中一直在“新陈代谢”从非人工材质的泥版、岩石、石板、兽骨、木板、竹片、兽皮、树叶、桦树皮等到

13、各种人工材质，如无机材质（陶、砖瓦、瓷，玻璃等）、金属材质（青铜、铁、铝、金银等）、高分子材质（帛、纸、胶片、醋酸纤维等）、复合材质（磁带、光盘等）。其中纸质文献具有价格低廉、质地柔软、易于书写、携带和收藏等其它一些载体所无法比拟的性能而成为文献家族的主干。印刷术的发展，装订技术的进步，以及社会对文献信息需求的增加，使印本文献产量和类型出现惊人的发展。期刊、图书、报告、会议录、政府文献、学位论文、标准、产品样本、专利、档案构成印本文献的主体和精华。目前，纸质文献已经多得不便于快速传输信息、高效查阅和高密度存贮了，于是其他介质的文献应运而生，这些文献主要包括：缩微文献，音像文献，磁盘和光盘文献。

14、,文献的构成之文献载体,缩微文献 缩微文献是以感光材料为载体、用缩微照相技术制成的文献复制品。缩微文献的主要优点是体积小、重量轻和信息储存量大。在存贮相同资料的情况下，普通缩微平片比纸质文献节省空间98；一张105148毫米的缩微平片可缩小1/24、1/42，可分别存入98、325和420页资料。每卷长305米的16毫米、35毫米宽的胶卷可存贮几千页甚至上万页资料。超缩微平片一般每张可存10003200页。缩微文献具有成本低、保存期长、不易散失弄乱，易于检索复制、放大、转换成其他形式文献的优点。因此，缩微文献已经在图书馆、档案馆得到广泛的应用，图书、报纸、研究报告、卡片目录、学位论文、电话本、

15、地图都有缩微件。,缩 微 胶 卷,文献的构成之文献载体,音像文献 音像文献是以磁性材料、光学材料为记录载体，利用专门的机械电子装置记录与显示声音和图像的文献，又称声像资料、视听资料、音像制品。 音像文献脱离了传统的文字记录形式，直接记录声音和图像，给人以直观的感觉，所以又称直感型资料。与纸质文献相比，音像文献能如实记录声音和图像信息，加以存贮，并超越时空限制反复播放。音像文献还可以使信息按人们需要来表现，如放慢瞬时动作供分析，放大肉眼看不见的微观现象等，提高研究和教学的效果。,文献的构成之文献载体,磁盘和光盘文献 磁盘又分硬盘和软盘，硬磁盘是在铝合金圆盘上涂有磁表面记录层的磁记录载体，其最大优

16、点是能够随机存取所需数据，存取速度快，适用于大容量检索。软磁盘是在柔软的塑料圆盘上涂有磁记录层的载体，存贮量大都在13MB之间。软盘优点是它的驱动器体积小、重量轻、结构简单、价格低，缺点是存贮量小，存取速度和数据传输率都较低。光盘是用聚焦成直径小于1微米的激光束在光记录介质上写入与读出信息的高密度存贮载体。光盘的主要特点在于其海量的存贮量，比普通硬磁盘高约50倍。一张直径五寸的一次写入光盘存贮量为1000兆字节。因此，光盘文献集纸质文献和磁介质文献的优点于一身，可存贮和检索图像、全文信息。光盘的另一个优点是能够把影片、录像带、唱片、录音带、幻灯片、缩微片、计算机磁带等多品种介质的信息系统变成单

17、一介质的系统，即多媒体光盘。这对于信息系统的设计、管理和使用带来许多方便，是目前增长最快的文献信息源。,DVD光盘,文献的构成之符号系统,文献中的符号系统指图画、文字、公式、图表、编码，声像和电磁信息等。 图画是最早的文献信息符号，在文字出现以前，人类就用图画来表达精神信息，图画的独到之处在于较强的直观性，读画人（信宿）无需接受文字训练就可与作画人（信源）沟通。此外，图画让人们保持注意力和记忆力的作用比文字更大，因此以图代文，让人们在最短时间内有效地获取最大容量的信息成为今天一切宣传媒介设计所注重的方式。,文献的构成之符号系统,文字，是有声语言信息的书面表达形式，由图画演变而来的。图画对于表达

18、抽象思维信息的无能为力可由文字来弥补。文字用一套书写符号来记录、表达语言要素（词、词素、音节、音素等）。但文字的特点高度概括性、使用的随意性、音义的双重性也往往导致只可意会、无法言传的模糊语言，导致词不达意、一音多义、一语多音的现象，给信息交流造成误解。这说明人工符号永远只能接近表述信息的原意。 声像信息指留在唱片、录音带上的声频信息和摄在胶卷、录像带上的视频信号。电磁信息符号是指计算机可读磁盘或光盘上的信息符号，由二进制的0和1构成，这些信息符号不是我们感官直接提取的，必须通过计算机解读。,文献的构成之记录方式,文献记录方式是指将表达信息的符号系统通过特定的人工记录方式使其附着于一定的文献载

19、体上。 记录方式种类很多，职能各异，按记录手段分有写画、雕刻、印刷、摄制、录音；按记录方法分可有手工记录、机械记录、光记录、电记录、声记录和磁记录。其中最常见的是印刷。,文献的类型,按内容加工深度划分： 零次文献 一次文献 二次文献 三次文献 按载体类型划分： 纸介文献 缩微文献 声像文献 电子型文献 按出版方式划分： 连续出版物、图书、科技报告、会议文献、标准文献、专利文献、学位论文、政府出版物、产品资料、档案文献等,按文献 的加工 深度分,一次文献,二次文献,三次文献,零次文献,不同加工层次的文献信息,一次文献（原始文献）,它是依据作者本人的工作和科研成果而创作的文献，是对作者学术思想、研

20、究成果、技术发明、文艺创作等的正式记载，是科研成果的一种主要表述方式。 * 大多数期刊论文、科技报告、学位论文、会议文献、专利文献、技术档案等。,二次文献（目录、题录、索引、文摘）,习惯上有时又称检索工具，是根据需要将大量分散的、无序的一次文献进行浓缩、整序、加工，按一定的科学编排方式系统组织起来的一种文献形式。,三次文献（综述、述评、年鉴、辞典、手册、百科全书）,三次文献是在一次文献、二次文献的基础上，经过分析综合而得到的文献形式。三次文献是对一次文献的高度概括和浓缩。,零次文献 (non-printed sources),未经出版发行或未进入社会交流的最原始的文献。如：私人笔记、底稿、手稿

21、、个人通信、新闻稿、工程图纸、考察记录、实验记录、调查稿、原始统计数字、技术档案等，以及现代的Email通信、BBS公告板文章、BLOG和讨论组文章等。,一次文献是检索的对象（目标） 二次文献是检索的工具（手段） 三次文献是情报研究的成果（检索目标+检索手段）,从检索的角度来看,一次、二次、三次文献三者之间的关系,信息及其相关概念,知识 情报 数据,信息及其相关概念,相关概念之间的关系,情报,知识,文献,信息,数据,事实,信息源及其识别,信息源的概念 个人为满足其信息需要而获得信息的来源 信息源类型 口头信息源 实物信息源 文献信息源：按照载体形式、信息处理级别、出版形式不同标准划分不同类型,

22、信息源及其识别,十大常用文献信息源 1 图书 2 期刊 3 会议文献 4 学位论文 5 科技报告 6 专利文献 7 标准文献 8 政府出版物 9 技术档案 10 产品资料,第二节 信息检索基础知识,信息检索原理 概述 三层次 七准则,信息检索原理,概念: Information Retrieval 广义的信息检索：信息检索是指将信息按一定方式组织和储存起来，并根据信息用户的需要找出有关信息的过程。 狭义的信息检索：是指广义的信息检索的后半个过程，即从信息集合中找出所需要信息的过程，相当于人们所说的信息查检等。,信息检索,存储,检索,存储：是对信息进行著录、 标引、整序，编制检索工 具和建立检索

23、系统的过程。,检索：是指面向信息需求 而进行高度选择性的查找 过程。,信息检索原理,信息检索类型划分示意图,文献检索,以文献或文献线索为查找对象。凡是查找某一主题、时代、地区、著者、文种的有关文献，以及查询这些文献的出处和收藏处所等，都属于文献检索的范畴。完成文献检索主要借助于索引文摘型数据库和全文数据库，也可查询各类检索工具书，如书目、题录、索引、文摘等。 例如：查找有关“食品安全与人类健康 ”方面的国内外信息有哪些？,数据检索,以数值信息为检索对象，通过检索，用户可以获得所需要的确切数据，是一种确定性检索。它一般以数据大全、手册、年鉴等为检索工具。 例如：2005年申请中国发明专利和获得授

24、权发明专利最多的国家有哪些？ 检索工具：中国统计年鉴,事实检索,检索系统中存储的是从原始文献中抽取的各种事实，用户通过检索可获得有关事物、事件的发生与发展情况及相关资料，它也是一种确定性检索。一般利用字词典、年鉴、百科全书、手册等为检索工具。 例如：禽流感最早出现于哪个国家 检索工具：兽医手册,按检索方式分 ： 手工检索：用人工来处理和查找所需信息的方式，多利用各种检索工具的印刷版来实现（如印刷版的目录、题录、文摘、索引等）。特点是方便、灵活、直观，不需要辅助设备，但速度慢，漏检严重，查全率受信息资源储备数量的限制。 计算机检索：将大量的文献资料或数据进行加工整理，按一定格式存贮在机读载体上，

25、建成机读数据库，然后利用计算机对数据库进行检索的信息检索方式。这种检索方式速度快，效率高，查全率高，不受时空限制，检索结果的输出方式多样，但查准率与网络及数据库质量的高低直接相关。目前，广泛使用的计算机检索系统包括联机检索系统、光盘检索系统和网络检索系统。,查全率：它是指检出的相关文献量与检索系统中相关文献总 量的比率，是衡量信息检索系统检出相关文献能力 的尺度。 查准率：它是指检出的相关文献量与检出文献总量的比率， 是衡量信息检索系统检出文献准确度的尺度。,信息检索原理,产生与发展,一.手工检索阶段 文献信息检索直接发源于文摘索引工作和图书信息部门的参考咨询工作。如：图书馆文摘卡，文摘索引

26、二、计算机信息检索阶段 三、联机检索阶段 四、网络信息检索阶段,信息检索原理,信息检索三层次 第一层次：熟悉信息资源 第二层次：掌握检索技术 第三层次：信息综合利用,信息检索原理,信息检索七准则 1 你得到什么检索结果，取决于你怎么提问 2 去信息应该在的地方检索 3 向你的检索结果提问 4 检索是一个多步骤的过程 5 检索结果必须符合需求 6 咨询图书馆员 7 信息本身是无意义的，只有人提问之后才有价值,信息检索语言,概述 信息检索的最终目标，是以作为检索结果的文献信息来满足用户对于特定信息的需求。为实现这个一目标，信息检索系统必须在文献信息与用户之间，建立起一定的对应关系。检索语言就是标引

27、人员与检索人员之间进行交流的媒介，实质上就是双方之间约定的共同语言。,从技术上来说，信息检索是以信息的存储与检索之间的相符性为基础的：,信息检索语言,概念 情报检索语言是根据情报检索的需要而创制的人工语言，专门用于各种手工的和计算机化的情报检索系统，表达文献主题概念和检索课题概念。由词汇和语法组成。 实质 表达一系列概括文献情报内容的概念及其相互关系的概念标识系统。,信息检索语言,类型 按照结构原理来划分： 分类语言、主题语言、名称语言、代号语言、引文语言 按照信息特征的描述来划分： （1）描述文献外部特征的语言：题名、责任者、号码（标准号、专利号等）、文献出版事项 （2）描述文献内部特征的语

28、言：分类语言、主题语言,信息检索语言,(一)分类语言 1国内常用分类语言包括 (1)中国图书馆图书分类法(简称中图法)。(2)中国图书资料分类法(简称资料法)。 (3)中国科学院图书馆图书分类法(简称科图法)。 (4)中国人民大学图书馆图书分类法(简称人大法)。,中图法分类（子级分类）,信息检索语言,2国外常用的分类法包括 (I)杜威十进分类法(DeweyDecimalClassificationandRelatedIndex，简称DDC)。 (2)国际十进分类法(UniversalDecimalClassification，简称UDC)。 (3)国际专利分类法(InternationalPa

29、tentClassification，简称IPC)。,信息检索语言,(二)主题语言 主题语言用词语来表达各种概念，将各种概念不论其相互关系完全按字顺排列。 1标题词语言 2叙词语言 3关键词语言,1标题词语言,它是以标题词作为文献内容标识和检索依据的一种主题语言。标题词取自于专门的标题词表. 美国工程索引,2叙词语言,它是以叙词作为文献内容标识和检索依据的一种主题语言。叙词取自于叙词表，叙词表也称为分类词表或分类词汇编。 汉语主题词表,3关键词语言,所谓关键词，是指从文献的标题、正文或摘要中直接抽取出来，未经规范化处理的自由词汇。 关键词不受词表控制。,信息检索技术,概述 信息检索是指利用一定

30、的检索算法，借助于特定的检索工具，并针对用户的检索需求，从结构化或非结构化的数据中获取有用信息的过程。我们可以把整个信息检索过程刻画为三个方面：信息的存储与组织，信息的检索，信息的展示。,信息检索技术,检索式 布尔逻辑符检索 位置算符检索 截词符检索 限制符检索,信息检索技术,信息检索经典技术 布尔逻辑检索 布尔逻辑检索（Boolean Operators）：用布尔逻辑算符将检索词（关键词、主题词）、短语或代码进行逻辑组配，凡符合逻辑组配所规定条件的为命中文献，否则为非命中文献。,信息检索技术,逻辑算符主要有： 逻辑“与” (AND 或 *) 用于表达两个或两个以上检索词（关键词、主题词）之间

31、的相交关系或限定关系运算。,信息检索技术,逻辑“或”（OR或 + ） 用于表达两个或两个以上检索词（关键词、主题词）之间的并列关系。,信息检索技术,逻辑“非”（NOT或-） 用于表达两个或两个以上检索词（关键词、主题词）之间中排除不需要的检索词（关键词、主题词）运算。,尔逻辑算符,a b c,信息检索技术,对于一个复杂的逻辑检索式，检索系统的处理是从左向右进行的。在有括号的情况下，先执行括号内的运算；有多层括号时，先执行最内层括号中的运算，逐层向外进行。在没有括号的情况下，And、Or、Not的运算次序，在不同的系统中有不同的规定。,信息检索技术,截词检索 截词检索（Truncation、Wi

32、ldcard Symbols）：利用检索词（关键词、主题词）的词干或不完整词形进行查找的过程为截词检索。 主要运用于英文检索系统,信息检索技术,截词的方式 有限截词：有限后截词主要用于词的单、复数，动词的词尾变化等。将“n”个截词符放在检索词（关键词、主题词）的词干或词尾可能变化的位置上。 中间截词：一般来说，中间截词仅允许有限截词，主要用于英、美拼写不同的词和单复数拼写不同的词。例如：wom?n woman women 无限截词：截去某个词的尾部，是词的前方一致比较，也称前方一致检索。在检索词（关键词、主题词）干后加1个截词符 “？”或“*”。表示该词尾允许变化的字符数不受任何限制。例如：comput* 可检索出 computer、computing、computers、computering、computeriation 等词的记录。,信息检索技术,限定检索 通过限制检索范围，达到优化检索结果的方法。不能完全确定检索词（关键词、主题词）在数据库记录中出现的字段位置，特别在使用自由词进行全文检索时，需要用字段限制检索的范围。常用的字段代码有标题（TI）、文摘（AB）、叙词（DE）、识别词或自由词（ID）、作者（AU）、语种（LA）、刊名（JN）、文献类型（DT）、年代（PY）等。这些限制符在不同的数据库系统有不同的表达形式和使用规则。,信息检索技术,位置检索 即位置算