信息源选择与检索策略调整.ppt

3.信息源选择与检索策略调整,3.1 界定问题,界定问题是信息检索的第一步 其内涵主要包括： 1 分析研究问题 2 建立背景知识 3 拟定主题概念,1 分析研究问题,明确检索的目的与要求 撰写论文？项目研究？技术跟踪？申请专利？ 分析问题 研究目标 时间范围 地域范围 前景/事件 ,（1） 明确检索目的 用户的信息需求和检索目的主要类型: 需要关于某一个课题的系统详尽的信息，包括掌握其历史、现状和发展 如撰写硕士、博士论文，申请研究课题，进行科技成果查新，鉴定专利，编写教材等。 这类需求检索得全面、彻底，检索的资源多，覆盖的时间年限长。 为满足这类需求，要尽可能使用光盘数据库和网络数据库，提高检索效率和降低检索成本。,需要关于某个课题的最新信息 这类需求的用户通常一直对某个课题进行跟踪研究，或从事管理决策、工程工艺的最新设计等工作。 需要检索的资源则必须是更新速度较快，如联机数据库、网络数据库、搜索引擎检索等，覆盖的年限也比较短。,了解一些片断信息，解决一些具体问题。 带有这类需求目的的用户通常比较多。例如: 写一般论文时，针对某个问题查找一些相关参考资料； 进行工程设计施工时需要一些具体数字、图表、事实数据等； 找某个人的传记、介绍，某个政府机关或商业公司的网页，某个术语的解释等。 这类需求不需要查找大量资源，但必须针对性很强，结果必须准确，速度要快。 解决这类需求，除数据库外，网上搜索引擎、专题BBS、论坛都是可供使用的资源。,分析研究问题,（2） 明确课题的主题或主要内容：要形成若干个既能代表信息需求又具有检索意义的主题概念，包括所需的主题概念有几个、概念的专指度是否合适，哪些是主要的，哪些是次要的，概念之间的关系如何，等等。 （3） 课题涉及的学科范围：搞清楚课题所涉及的学科领域，是否是跨学科研究，以便按学科选择信息资源。 （4） 所需信息的数量、语种、年代范围、类型等具体指标。,分析研究问题,（1）分析研究问题,研究问题分析 以“车用替代燃料的应用情况研究”为例,分析研究问题,（1）分析研究问题,经过初步分析之后，再进一步思考以下几个问题，可以更快、更准确地把握研究问题： 研究问题本身包含的主题概念有哪些？ 研究问题中可能包括哪些子问题，涉及哪些学科领域？ 子问题是否过多，需要缩小研究问题的范围？ 研究问题是否过于狭窄，意义不大，需要扩大研究问题的范围？ 是否需要原始资料或经过专家学者整理过的资料？是一般性信息还是学术性信息？ 对信息的新颖性要求多高？ 地域范围的选择是应该越宽泛越好，还是越典型越好？,分析研究问题,途径：阅读与研究主题相关的概览性材料 是建立背景知识的最佳渠道。 概览性资料：以三次文献为主 如百科全书、字词典及年鉴等参考资源。 建立背景知识的过程也是辨别待解决问题的可行性和 必要性的时机,2 建立背景知识,建立背景知识,以“车用替代燃料的应用情况研究”为例。 由于对于“车用替代燃料”的具体含义并不清楚，需要查找资料进一步理解。,登录百度搜索引擎，使用“车用替代燃料”为检索词 在维普咨询网查得： 车用清洁替代燃料包括天然气、液化石油气、 氢能源、二甲醚、醇类燃料及生物燃料,进一步的文献研究得知 车用替代燃料包括的能源类型十分丰富,（2）建立背景知识,建立背景知识,如何选题？在规定时间内和现有条件下能完成吗？,如果继续上面的研究，将需要对列表中的概念进行逐一检索，工作量很大。这种情况下，考虑到时间等成本因素，可以缩小研究问题的范围，例如以“乙醇燃料”为研究对象 进一步了解乙醇燃料的含义，例如可以登录百度百科，查得：,车用乙醇燃料也称为乙醇汽油，是指在不含MTBE含氧添加剂的专用汽油组分油（由炼油厂或石油化工厂生产的用于调合车用乙醇汽油的调合油）中，按体积比加入一定比例（我国目前暂定为10%）的变性燃料乙醇，由车用乙醇汽油定点调配中心按国标GB183512004的质量要求，通过特定工艺混配而成的新一代清洁环保型车用燃料。,3 拟定主题概念,对主题进行分析，形成相关的检索词 上位词（概念范围大于它的词语) 下位词（小于） 同义词及相关词 翻译检索词如要查找外文资料 详细列出检索词 即能极大地提高后续检索的查全率，也是避免漏检的重要方法。,如何拟定主题概念,结合背景知识，用一小段话概括和阐述研究问题，从中找出有明确含义的专指名词，结合一定的查询操作逐个考虑该词能否作为检索词使用。 得到主题概念之后，选取它的上位词（扩大检索范围）、下位词（缩小检索范围）、或者同义词（提高查准率）及相关词，将取决于检索策略。 利用相关参考书（如中国分类主题词表等）帮助查找。,案例一：主题概念分析“车用乙醇燃料的应用情况研究”,16/23,案 例,主题概念分析方法之一：抽取检索词,案例二：查找吸烟与肺癌关系研究的中文文献,包含两个概念：吸烟、肺癌；检索式：吸烟 AND 肺癌,吸烟与肺癌,检索式：（吸烟 OR 抽烟）AND （肺癌 OR 肺部肿瘤 OR 肺肿瘤）,主题概念分析方法之二：考虑同义词,主题概念分析方法之三-选取上下位类概念词,垃圾的处理,同义词,下位类词,检索式：（垃圾 OR 废弃物） AND （回收 OR 利用 OR 填埋 OR 掩埋 OR 焚烧）,案例三：查找垃圾的处理研究的中文文献,主题概念分析 之四：舍弃重复概念,案例四：全息防伪技术在包装方面的运用,全息 防伪 包装,检索式: 全息 and 包装,主题概念分析注意事项,排除比较泛指、检索意义不大的概念 如“发展”、“趋势”、“现状”、“关系” 少用外延十分宽广的概念 如“工艺”、“分析”、“应用”、“有机物”、“无机物”、“重金属” 有些检索概念已经体现在所使用的专业数据库中，这些概念也应该予以排除 如在物理文献数据库中检索，“物理”一词应禁用,（3）拟定主题概念,自由词在检索初期可尽量使用。 使用关键词作为主题概念进行检索。它的选取可以非常宽泛，只要在文章中出现过，就能被检索到。但由于是自由词，作者的使用非常随意，这就需要我们把可能出现的所有自由词尽可能考虑完全，才不至于漏检。在检索的初期建议尽量使用。 当对问题有了一定了解后，可选取一些规范的、被数据库生产商用来做标引的“主题词”进行检索。 如对于化学物质确定的课题，采用CAS登记号检索是一条既准、又全、又快的方式。此外，Ei中的“Ei Controlled Term”和“Ei Main Heading”途径均是由标引人员规范处理过的检索途径。,使用宽泛的自由词关键词作为主题概念进行检索 ？还是使用规范的、被数据库生产商用来做标引的“主题词”进行检索 ？,自由词和主题词的使用,3.2 选择信息源,选择信息源,让我们从大类上来梳理一下可用的信息源大致有哪些： 1) 期刊 2) 各类文献数据库 3) 网页 4) 图书 5) 杂志 6) 报纸,信息有学术信息和一般性信息之分 学术信息交流是一个不断循环、螺旋前进的过程 图：学术信息交流模式,3.2.1 信息交流模式,专利,会议论文,会议论文库,电子期刊库,文摘库,图书,图书馆OPAC系统等,一般性信息交流：线性,事件发生,日,周,年,图书、电子书,杂志,网页、报纸,以SARS（非典）为例说明情报信息的演变 2003年春，我国部分地区发生传染性非典型肺炎疫情 新闻报导：03年初，有关SARS的消息出现在报纸、网络、电视、广播等媒体上。突发公共卫生事件应急条例颁布 会议、期刊：几个月后，学者专家陆续如开相关学术会议、发表会议论文。随后，各学术期刊上开始出现有关的文章。 图书：一两年后，有关该主题或事件的书籍陆续出版。 非典型脑炎（SARS）冠状病毒基因全序列/2003 应急反应的法学思考：“非典”法律问题研究/2004 百科全书：数年后，当对事件的认识已有定论，就会被收录在百科全书、统计汇编等参考资料中。如2008年在大英百科全书（Encyclopaedia Britannica)中记载了SARS事件,3.2.2 不同信息源的特点比较,3. 信息源的选择策略 对于一般消息，可以选择浏览网页、报纸 了解事件的更全面、更详细的介绍，杂志是更好的选择 对于要求一定深度的研究性信息问题，可以利用相关专业机构信息发布网站，如国家专利局、标准化委员会 解决研究性信息问题时，会议论文、研究报告、专利、期刊、各类文献数据库、图书等成为重要的信息源,信息源的选择策略,会议论文和研究报告虽然时效性相对较强，但不易获得，需要关注相关研究机构及研究人员，积累获取渠道。 文献数据库中收录了多种连续性的期刊以及部分会议论文、研究报告，且经过专业人员的组织整理，文献内容深刻、全面，检索方便，获取容易，应作为检索的重要信息源。 图书和期刊作为重要的学术研究产出形式，通过阅读能理清发展脉络、把握研究前沿，是重要的学术信息源。,下列问题可以查阅哪些信息源？ 查“给力”“我爸是李刚”的前世今生 最近一个场次的NBA比分 朝韩炮仗和半岛危机的国外评论 了解将要参加面试的公司的基本情况 近期上映电影的影评，决定是否去看 写一篇小论文，了解计算机的发展历史 写一篇有关商业智能系统研究现状的报告,31/23,是否所有与检索课题相关的资源都要进行检索，如果是，则不但考虑要检索一次文献和二次文献的数据库，而且对于网上其他资源，如搜索引擎/分类检索指南、学科导航、专题BBS等，也要查询。 选择哪些学科的信息资源：例如查找生物学方面的信息，则可能会涉及医学方面的信息资源，因此要特别注意跨学科的问题。 选择哪些语种的信息资源：是中文还是西文，或是二者兼顾。,信息源选择的其他考虑因素,信息资源覆盖的年限是否符合需求 多数数字信息资源覆盖的年限都是近二十年的内容，如果需要更早的资料，就要考虑手工检索的问题 有些数据库更新速度慢（例如光盘数据库，或数据加工速度不及时），无法提供最新信息。需要使用其他相关数据库、同一数据库的网络版或其他网络资源来补充 信息资源的特点及其针对性如何 要了解已选择的信息资源的查询特点，是否与信息需求相吻合。例如查询某个机构或公司的网页，使用搜索引擎是最好的，而即使是搜索引擎，各自的特点不同，涵盖的内容也有所侧重的不同；查询新闻时事，则可以登录到一些新闻网站；查找学位论文，就一定要使用学位论文数据库，或直接到大学或学院网站查询，因为有些学校的学位论文在网上提供二次文献服务,3.3 信息获取的思路,面临研究性信息问题,需要一般性、相对粗浅的信息,现有数据库无法获取全文,首先，根据信息问题的特点选择相应的信息源,其次，获取题录信息、全面把握研究问题之后，选择其中最有价值的题录、依据一定的方式获取全文,35/23,信息获取的主要思路 先获取题录信息，然后获取全文,（1）题录信息的获取方法,专业数据库 英文文献：优先在Ei和SCI两个综合性文摘数据库检索 中文文献：中国知网、维普、万方 没有文摘库时，可以使用Google Scholar ，有线索了再去查全文。 也可根据自己课题学科选择相应的几个全文数据库进行检索。,题录信息的获取方法,EI偏重工程，不报道纯理论，期刊论文、会议论文收录得多。 SCI则收录涵盖所有学科、侧重基础理论方面研究的文章，它的文献品位高、可信度大，并可以对文章的水平、著者的学术水平做出评价，寻找热点课题等。,注意： 国外的全文数据库特别是期刊数据库往往是 出版商自己建的，而不包括其他出版商期刊， 最好几个全文库都进行检索。,直接获取：在全文数据库中检索 （CNKI、维普、万方、Elsevier、PQDD） 通过图书馆等文献服务机构获取： 全文数据库中未收录的文献，可在图书馆等机构借阅。还可以利用原文传递、代查代检等服务 遵循“先电子后印刷”、“先近后远”的原则,（2）全文文献的获取方法,3.4 检索策略的制定与调整,根据检索结果的数量多寡及对结果相关性的判断不断调整检索策略,策略调整,对文摘检索过程中，最重要的是选定检索词以及明确它们之间的关系 选用规范的词语进行检索 检索结果太多提高检索词的专指度，选用下位词或专指性较强的词 太少选用同义词、相关词、缩写、全称进行扩检；选用上位词或相关词 合理利用布尔逻辑算符。 对于过多的检索结果，可以用AND将增加的概念加入检索式，用NOT排除无关的术语。 如果相关文献过少，更多使用OR算符把增加的同义词或相关词连接起来，而少用AND。,40/23,“二八”定理 20的作者或课题组发表了该领域的80的文章 对该作者或课题组进行全方位检索，利用作者或者研究机构名进行查询 阅读相关文献的参考文献扩展检索结果 参考文献往往包含的是作者在研究该问题时得到过启发的研究结果,41/23,示例 检索“石油工业的废水处理”方面的文献。,若用“废水处理”作为主题，概念太大，在中国期刊全 文数据库中用篇名途径检索到12454篇。,若用“石油工业”来限制也不合适。一方面“石油工业的 废水处理”概念仍然太大；另一方面，一般文献上会专 注于具体物质，不一定会出现“石油工业”字样，这样 就会造成漏检。,如果知道石油工业主要排放的是毒性较大的含酚废水， 那么主题概念定位在“含酚废水”和“处理”就比较恰当了。,举例：使用下位词缩小检索范围,示例 检索“聚烯烃基材料熔融挤出过程”方面的文献。,检索策略1: 聚烯烃AND熔融挤出 检索结果为12篇，且相关度很差,检索策略2：(聚乙烯OR聚丙烯)AND熔融挤出 检索结果为61篇，相关性很高,由于了解所谓的聚烯烃主要是聚乙烯和聚丙烯，所以考虑用 下位概念的“聚乙烯OR聚丙烯”来代替聚烯烃。,为了准确掌握检索系统的各种性能水平，分析影响检索效果的因素，调整检索策略，改进检索系统的性能，优化检索、提高检索效果，更好地满足用户信息检索要求。,判定一个检索系统的优劣，主要从质量、费用和时间三方面来衡量。质量标准主要通过查全率与查准率进行评价。费用标准即检索费用是指用户为检索课题所投入的费用。时间标准是指花费时间，包括检索准备时间、检索过程时间、获取文献时间等。查全率和查准率是判定检索效果的主要标准。查准率和查全率结合起来，描述了系统的检索成功率。,评价的目的,评价评价标准,第 2 讲 信息检索基础,3.5 检索效果的评价与优化,查 全 率,查 准 率,系统文献库中相关文献总量对于用户来讲几乎无从得知。由此可见，查全率和漏检率很难成为用户自我评价检索效率的准绳,查全率指标和查准率指标的评价标准,经验 评价 标准,理论 评价 标准,检出相关文献量 - -100% 检索系统中相关文献总量,检出相关文献量 - 100% 检出文献总量,通过相关领域从业的人员情况 通过手头掌握的信息资料,查全率R，查准率P A点：检索词泛指性强，查全率较高，但查准率却非常低； B点：检索词专指性较强，查准率高，查全率降低； C，D两点：两种极端的折衷，查全率一般在60一70，查准率一般在40一50。,查全率指