TU建筑科学.doc

TU建筑科学 1建筑基础科学 19建筑勘测 2建筑设计 3建筑结构 4土力学、地基基础工程 5建筑材料 6建筑施工机械和设备 7建筑施工 8房屋建筑设备 以我校收藏的建筑科学中建筑结构TU3的图书查找为例（检索结果按入藏日期排序）。 第五节 信息检索语言-主题语言 第六节 检索系统的检索效果及其评价 第七节 常用计算机检索技术第五节 信息检索语言-主题语言 分类语言的优势是能体现学科的系统性，反映事物的派生、隶属、平行关系，符合人们从学科角度检索信息的习惯，适合内容比较单一的族性检索和图书馆排架。使用分类号来表达文献的主题概念，简单明了。特别是对于外文检索工具，如果外语不是很好，但如果知道该检索工具所采用的分类法，也能借助分类号进行检索。如在三大农业数据库中都有各学科主题代码表，英联邦农业和生物科学文摘（CAB）中就用“FF060”这一主题代码来表示“植物生理生化”这一主题的文献。Cab的主题分类表/Uploads/File/User%20Guides/CABICODE%20Alphabetical%20List.htm第五节 信息检索语言 但体系分类法比较死板，对专指性较强或主题复杂的交叉学科，分类法查找很不方便。如“蚕的养殖、丝的加工和贸易”都是论述“蚕丝”这一主题，但在分类语言中却被分别归入“农业（S）”、“工业技术（T）”和“经济（F）”类。这样，同一主题的信息被分散在各类之中。而且，分类表不能随时修改、补充，不能适应科技的发展，很难体现各学科间错综复杂的关系。第五节 信息检索语言 5.2主题语言 5.2.1定义 主题语言是一种描述语言，是用自然语言中的词语来描述文献的内容特征，即文献所论述或研究的事物概念。这些描述性的词语就是主题词。也就是说，不论学科分类如何，主题语言直接借助于自然语言的形式，作为文献内容的标识和检索依据，是一种比较直观的检索语言。 5.2.2类型 主题语言可分为关键词（自由词）语言和规范化词（叙词descriptor、主题词subject headings等）语言两种。第五节 信息检索语言 5.2.3关键词语言 关键词（keyword）语言是自然语言，直接取自原文献的题名、文摘或者全文。除了禁用词（stop-term），如一些冠词、介词、副词或连词外，凡在概念上有意义的词都可用作关键词。关键词也称为自由词。它确保了检索用词与文献记录中的词汇完全一致。关键词主要特征是未经规范化处理，也不受词表控制。因此能用计算机自动抽词标引文献信息、自动编制成关键词索引，适应检索工具编制过程自动化的需要，从而加快检索工具的出版速度。 此外，关键词是人们常用的各种科技词汇，使用灵活方便。5.2 主题语言 但对同一事物概念，作者选词不尽相同；而且同一事物有不同的名称，在汉语中有，在英语中也有，有的是习惯语，有的是科学用语，还有的是别名等；同义词、近义词等同时并存，也影响了检索的效果，如制备、制造、合成、生产等，每一个关键词下均能找到文献，但若采用其中一个关键词去检索，往往只能找到其中的一部分文献，导致了漏检、误检。因此，由于关键词的非规范性，选用关键词检索必然会影响到检索的查全率、查准率。 5.2 主题语言 5.2.4规范化词语言 规范化词是指从自然语言中优选出来并经过规范化处理的名词术语。所谓规范化，是指对自然语言中的同义词进行优选，对词的不同形式进行归一，对近义词进行合并，对多义词进行注释，对简称进行补全，对俗称进行引见等。把规范化词按照一种便于检索的方式编排起来，就成了主题词表。 主题词表是标引和检索人员的共同依据，并通过参照关系作规范化处理，使同义词、相关词、主题词与非主题词在主题词表中都一目了然， 指引读者查找作为主题词的词和与主题有关的主题词，扩大检索范围。 不同的检索系统（数据库）有各自的主题词表。5.2主题语言 主题词表是由各个学科领域权威的专家，经过认真严格的考虑和筛选制定出来的。一般大型信息出版机构都有一套自己的专家队伍，根据科技发展的需要专门在每年或每隔几年修订一次主题词表。如理工科学生最重要、使用最为频繁的数据库之一的科学文摘INSPEC的词表INSPEC Thesaurus、工程索引Ei的EI Thesaurus及我国编辑出版的汉语主题词表等。5.2主题语言 主题语言来源于自然语言，适合人们的辨认习惯，标识比较直观，表达概念惟一，而且利用多个主题词的合理组配，能形成专指性较强的概念。对专指性强或主题比较复杂的课题检索比较方便。 5.2.5检索词选用技巧 主题语言的基本成份是检索词（用于检索的词语），因此，检索词的确定是检索成败的关键。 （1） 检索词的选取要全面，应尽可能地包含检索课题的主题概念，会利用检索系统的主题词表对其进行规范化，以保证检索词与标引词的一致性。 （2）检索词的选取要适当，具有专指性，范围不宜过宽或过窄。当检中文献量偏少时，可适当考虑选取上位概念。上位概念指的是其中一个（下位）概念完全包含在另一个（上位）概念里面。如外国语言是英语、法语等的上位概念，也称为上位词（broad term)，反过来英语、法语又称做外国语言的下位词(narrow term)。当用检索词法语检中相关文献太少时，可适当考虑采用外国语言作为检索词。 （3）对于含义较广的词语，不适合用作检索词。如建立、研究等一类比较泛指的词，一般不宜作检索词。但在检出文献较多时，可以用其加以限制；发展、进展，趋势、现状等在不是专门查找综述类文献时也应排除。 （4）参考已检出文献标示的主题词 当我们对某一检索课题了解不深时，往往无法把握检索词的选取。 如在中文科技期刊数据库里要检索“皮革光亮剂” 方面的文献，你先用“皮革光亮剂”作为检索词检索，然后从检中的文献中分析后，再用“加脂剂”、“涂饰”、“涂饰剂”作检索词扩大检索范围，这样检索中的文献更为全面 。 在运用检索工具或检索系统进行检索时，我们期望检索出来的文献信息均是自己所需的，并且能够把该检索工具或检索系统中适合自己检索需要的文献信息全部检索出来。 检索效果是用来评价检索结果的有效程度，它反映了检索系统的检索性能。检索效果包括技术效果和经济效果，技术效果是由检索系统完成其功能的能力确定，主要指系统的性能和服务质量；经济效果是由完成这些功能的价值确定，主要指检索系统服务的成本和时间。英国的情报学家克兰弗登(Cranfield)在分析用户要求的基础上，提出了6项评价检索系统性能的指标，它们是查全率、查准率、系统响应时间、文献收录范围、用户经济负担和结果输出形式，其中查全率和查准率是两个最重要的指标。第六节 检索系统的检索效果及其评价 6.1 查全率(Recall factor) 指检出的相关文献量与检索系统中相关文献总量的比率，它是衡量信息检索系统检出相关文献能力的尺度。可用下式表示： 查全率（R）=检索出的相关文献总量检索系统中的相关文献总量100% 例如，要利用某个检索系统查某课题。假设在该系统数据库中共有相关文献为40篇，而只检索出来30篇。查全率R=（3040）100% =75%。第六节 检索系统的检索效果及其评价 6.2 查准率(Pertinency factor) 指检出的相关文献量与检出文献总量的比率，它是衡量信息检索系统检出文献准确度的尺度。可用下式表示： 查准率（P）=检出的相关文献总量检出文献总量100% 例如，如果检出的文献总篇数为50篇，经审查确定其中与课题相关的文献只有40篇，另外10篇与该课题无关。那么，这次检索的查准率P=（40 50 ）100%=80%。第六节 检索系统的检索效果及其评价 检索的理想目标是达到100%查全率和查准率，但实际上这是不可能的。一系列试验证明，二者存在着一种互逆关系(如下图)，即在同一检索系统中查全率和查准率达到某一程度后，提高查全率，查准率则会降低；反之，查准率提高，查全率则会下降。在物理、科学技术信息检索范围内，P提高1将导致R降低3。在现代科技信息检索系统中，一般R为60-70，P为40-50。 使用专指性较强的检索语言(如某个检索词的下位词)能提高查准率，但查全率会下降。反之，采用某个检索词的上位词能提高查全率，但查准率会下降。改变检索项、减少限制条件，也能够提高查全率。 第七节 常用计算机检索技术 在计算机信息检索中，单独的（一个）检索词一般不能满足课题的检索要求， 19世纪由英国数学家乔治.布尔提出来的布尔逻辑（Boolean logic）运算符的运用，在一定程度上解决了这个问题。常用的布尔逻辑运算符有and（与），or（或），not（非）三种，一些检索系统中分别用*、+、-代替。通过利用这三个运算符对检索词进行逻辑组配，来表达检索词之间的逻辑关系。常用检索技术布尔逻辑算符 逻辑或的应用： 1.由于同一事物概念往往有较多的同义词和近义词,同类文献往往会分散 。如土豆又称为洋芋、马铃薯。 再如：查找菠萝加工方面的文章 检索式为：（菠萝+凤梨）*加工 查找汽车的英文文献 检索式为:car+automobile+vehicle 2.人们在写文章时喜欢直接用化学分子式、元素符号、俗名来代替化合物、元素名称和物质。因此，在制定检索式时就要注意用逻辑或算符。如乙醇俗名酒精。 如查找有关沼气方面的文献，其检索式为： 沼气+甲烷+CH4 例如，在网络搜索时，有时你会想要通过排除一些包含特定词的页面来精炼你的搜索结果。那么，你可以通过使用一个“-”号来去掉搜索结果中不想要包括在内的词。也就是说，在你的搜索要求中任何之前加上了“-”符号的词都会自动地排除在搜索结果之外。但要记住在“-”符号之前留一个空格符。 例如，要在上搜寻关于“武侠小说”，但不涉及到“金庸”的，可使用如下查询： 常用检索技术布尔逻辑算符 (4)布尔运算符的优先级 有括号时：括号内的先执行； 无括号时：not and or 例如要查找研究唐宋诗歌的文献，可以用“（唐+宋）*诗”、“唐*诗+宋*诗”，而不能用“唐+宋*诗”。“唐+宋*诗”查找的是含有“唐”的文献或者同时含有“宋”和“诗”的文献，这样就会把涉及到唐代、唐姓的文献都找出来了。 二、截词检索(truncation) 在外文数据库检索时，常常会遇到词语单复数、英美拼写方式不同、词根相同、含义相近而词尾形式不同等情况。为了减少检索词的输入，提高检索效率，通常使用“？”、或“*”、“$”等截词符（也称通配符wild card ）加在检索词的前后或中间，以扩大检索范围，提高查全率。计算机在查找过程中如遇截词符号，将不予匹配对比，只要其他部位字母相同，即算命中。 按截词位置不同，可以分为前方截词、后截词和中间截词三种。计算机信息检索技术截词检索 前方截词：将截词符放在词根前边，表示在词根前方有有限个或无限个字符,后方一致。 如：?ware 能够检出含有software(软件)、hardware(硬件)的记录。 后截词:将截词符放在词根后边，表示在词根后方有有限个或无限个字符,前方一致。 例如：热点？代表“热点问题”、“热点新闻”、“热点报道”等； comput？”代表computer、computation等单词，既comput后可带有其他任何字母，且数量不限，为无限截词；而plant?则表示plant