信息检索基本知识.ppt

第一节信息检索原理第二节信息检索技术 第二章信息检索基础知识 第一节信息检索原理 一 信息及其类型 一 信息中国国家标准GB4894 85关于信息的定义 信息是物质存在的一种方式 形态或运动状态 也是事物的一种普遍属性 一般指数据 消息中所包含的意义 可以使消息中所描述事件的不确定性减少 狭义的理解 信息是用来消除不定性的东西 信息论的创始人香农 二 信息的类型 一 按物质载体和记录形式分 1 刻写型 指古代各种非印刷型信息如甲骨 简策 帛书以及还没有正式付印的手稿 竹简 广泛应用于先秦至三国两晋时期 缣帛始见于商 流行于秦汉时期 结绳记事 2 印刷型 是以手写 打印 印刷等为记录手段 将信息记载在纸张上形成的文献 是传统的文献形式 也称为纸介型 载体 纸张实例 教科书记录手段 油印 石印 铅印 胶印 复印特点 可直接阅读 方便使用 但难于实现机械化和自动化 收藏文献占用空间大 3 缩微型 是利用缩微摄影技术 将原始文献高倍缩小记载在感光材料上形成的文献 如缩微胶卷 缩微平片 缩微卡片等 4 声像型 是采用录音 录像 摄影 摄像等手段 将声音 图像等多媒体信息记录在光学材料 磁性材料上形成的文献 如音像磁带 唱片 幻灯片等 5 机读型 是指利用计算机进行存储和阅读的一种信息形式 如磁盘 光盘 电子图书 电子期刊等 二 按出版形式划分 三 按信息的加工程度来分 1 一次文献 原始文献 是作者以生产与科研工作成果为依据 而创作 撰写形成的文献 专著 论文 调查报告 档案等2 二次文献是指对一次文献信息进行加工 提炼 浓缩 而形成的工具性文献 书目 索引 文摘和数据库等 3 三次文献 参考性文献 是指对一次文献和二次文献的内容进行综合分析 系统整理 高度浓缩 评述等深加工 而形成的文献 专题评述 百科全书 年鉴等4 零次文献是指通过交流或听报告等所获得的信息 它们通常未经记载或仅仅是一些零乱的笔记 如实验记录 谈话记录 手稿等 二 信息检索及其类型 一 信息检索的概念二 信息检索的类型 一 信息检索信息检索 是指将信息按一定的方式组织和存储起来 并根据用户的需要找出相关信息的过程 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 二 信息检索的类型 一 按检索内容划分 1 文献检索是以文献 包括文献 题录和全文 为检索对象的信息检索 2 数据检索是以数据为检索对象的信息检索 要求从检索系统存储的大量原始调查数据和其它统计数据中查出所需的数据资料的过程 3 事实检索是以具体事项为检索内容的信息检索 二 按是否使用检索工具划分1 直接检索就是指利用一次文献进行检索 这是以前比较常用的一种查找方法 所花时间多和精力大 检出文献少 2 间接检索就是指利用各种检索工具获得文献线索 再根据线索去查找原始文献线索的方法 三 按信息检索手段划分1 传统信息检索就是手工信息检索 是利用各种印刷型检索工具来查找文献的一种方法 2 现代信息检索现代信息检索即计算机信息检索 是指利用计算机和网络来处理和查找文献信息的检索方式 三 信息检索工具 检索工具 是人们用来存储 报道和查找各类信息的工具 它是通过对信息进行搜集整理 特征分析和组织加工后的产物 主要包括二次 三次印刷型手工检索工具 面向计算机和网络的各种数据库检索系统以及搜索引擎等各种网络检索工具 一 检索工具的功能 1 报道功能2 存储功能3 检索功能 二 检索工具的特点 1 详细而又完整地记录了文献的外部特征和内部特征 2 对所著录的文献 标引了可供检索的检索标识 3 提供必要的检索手段 配备各种体系的索引 三 检索工具的类型 1 目录 目录 是按照某种明白易懂的顺序编排的文献清单或清册 通常以一个完整的出版单位或收藏单位为著录的基本单元 如 全国新书目 社科新书目 2 文摘 文摘 是一种著录文献题录和内容摘要的检索工具 如 人大复印资料 3 索引 索引 把一种或多种文献中具有检索意义的特征分别著录 排序并注明出处以供查检的工具书 索引的基本组织单位是条目 每个条目一般由序号 标识或索引词 注释 出处等若干环节构成 如 美国 科学引文索引 SCI美国 工程索引 EI 按著录信息的特征划分 目录 索引 文摘三者的关系 共同点是 三者都具有检索性 都是常用的检索工具 它们报道和提供各种文献的有关特征 并指明出处 读者可根据这一信息找到所需原始文献 不同点是 1 三者反映的文献特征和层次不同 目录反映文献整体的外在特征 索引反映整体文献中每一单元文献的特征 文摘反映单元文献的基本内容 观点和方法 2 三者提供的资料不同 目录提供某一方面较成熟系统的知识 索引 文摘提供相对分散的资料线索 3 三者在使用方式上不同 目录 索引不提供文献内容特征 文摘提供文献的内容特征 按检索方式分 印刷型检索工具和机器检索工具 按出版形式分 期刊式检索工具 书本式检索工具 卡片式检索工具 缩微式检索工具 机读式检索工具等 按收录范围分 综合性检索工具 专题性检索工具 按语种分 中文检索工具和外文检索工具 一 信息检索的方法二 信息检索的途径 四 信息检索方法及途径 一 检索方法1 直接法 又叫常规法 是指直接利用检索工具 系统 检索文献信息的方法 这种方法实用面广 容易掌握 检索效率比较稳定 但容易受检索工具体系和质量等因素的影响 这是文献检索中最常用的一种方法 它又分为顺查法 倒查法和抽查法 2 引文法 又称为扩展法 追溯法 是指不利用一般的检索工具 而是利用已经掌握的文献末尾所列的参考文献和引用文献 进行逐一查找的一种最简便的扩大情报来源的方法 一般在没有适用的检索工具或已知的文献线索很少的情况下使用 顺藤摸瓜 3 循环法 又称分段法 交替法 它是把上述两种方法加以综合运用的方法 4 浏览法 为了消除时差 获得检索课题的最新文献 直接去浏览尚未收编到检索工具中的原始论文期刊 浏览的方法主要是阅读有关检索课题的专业期刊和综合性核心期刊的目次表或主题索引 遇到相关文献再进一步阅读原文 在检索过程中 应该综合运用各种检索方法 二 检索途径检索途径又称检索入口 指用户在检索时 把所需信息的某种特征标志转换为检索标志 以此为入口进行检索 文献特征 文献外部特征 与信息内容不相关或相关度不大 文献内容特征 与信息内容密切相关 责任者责任者单位刊名号码引文 分类号 主题词 标题 检索途径 信息外部特征 信息内容特征 著者途径题名途径机构途径代码 序号途径其他途径 分类途径 关键词途径 主题途径 常用检索途径 作者 文章的责任者 篇名 或题名 机构 如浙江工业大学 关键词 如污水处理 高层建筑 主题词 规范化的主题概念 如用激光不用雷射 文摘 论文或图书的摘要或内容提要 引文 即参考文献 基金 如国家自然科学基金项目 刊名 期刊的名称 全文 或者全记录 检索途径 著者途径 许多检索系统备有著者索引 机构 机构著者或著者所在机构 索引 专利文献检索系统有专利权人索引 利用这些索引从著者 编者 译者 专利权人的姓名或机关团体名称字顺进行检索的途径统称为著者途径 使用的检索工具有 著者目录 著者索引 等 检索途径 篇名途径 包括书名 刊名和篇名等途径 这是根据由书刊名称或文章的篇名编成的索引或目录来查找文献的途径 使用的检索工具有 书名目录 刊名目录 会议资料索引 等目录或索引 这类检索工具一般都按图书 期刊 资料的名称字顺编排 多用于查找馆藏图书和期刊 检索途径 分类途径 这是一种按学科分类体系来查找文献的途径 使用的检索语言是分类语言 使用的检索工具有 分类目录 分类索引 等 分类法反映事物之间的隶属 派生和平行等关系 体现了知识的系统性 它能把同一学科的文献集中在一起 能较好地满足族性检索的要求 当研究课题较大 需要全面了解某一学科及其相关知识的时候 或者难于判定研究课题所属主题范围的时候 通常利用分类索引 从分类的途径来查找文献 分类途径的缺点是新兴学科 边缘学科在分类时往往难于处理 查找不便 另外 从分类途径检索必须了解学科体系 否则在将概念变换为分类号的过程中常易发生错误 造成漏检或误检 检索途径 主题途径 主题途径是一种按照文献的主题内容查找文献的途径 使用的语言是主题语言 使用的检索工具有 主题索引 关键词索引 叙词索引 等 主题法打破了传统的学科分类的框框 把分散于各个学科的有关文献集中于同一主题词之下 以文字作检索标识 索引按照资料内容的主题词或关键词的字顺排列 检索时就象查字典一样 不必考虑学科体系 检索途径 序号途径 序号途径是指按已知的文献资料特有的号码特征来查找文献信息的途径 包括图书的国际标准书号 ISBN 期刊的国际标准刊号 ISSN 专利说明书的专利号 合同号 标准号书目数据库中的文件记录登陆号 使用的检索工具主要是号码索引 号码检索具有明确 简短 唯一性的特点 但是要事先知道文献的序号 检索途径 引文途径 文献所附参考文献或引用文献 是文献的外表特征之一 利用这种引文而编制的索引系统 称为引文索引系统 它提供从被引论文去检索引用论文的一种途径 称为引文途径 检索的基本步骤 确定检索要求和目标 拟定检索对象范围主题词 选择检索工具及检索途径 实施检索并显示检索结果 用检索技术优化检索结果 选择输出 打印 拷贝或发送至电子邮箱 如何选择检索词 利用主题词表选取规范化的主题词或词组利用印刷版的检索工具书手工试检 根据检出文献的主题词标引情况 选取合适的主题词 选用自由词由于词表规模的限制 不可能对某一专业作全面检索时 应考虑选用自由词 尽可能多地选用与课题有关的同义词 以防漏检 检索词选取时应注意的问题 避免冷僻词找出隐性概念使用核心概念注意同义词近义词词型变化 第二节信息检索技术 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布尔逻辑检索技术 逻辑与 逻辑乘 and 或 表示组配方式 A B或者AandB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 逻辑或 又称逻辑和 or 组配方式 AORB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 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 例如检索 打印机驱动程序 查询关键词 打印机 驱动程序检索表达式 打印机AND驱动程序例如检索 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 布尔逻辑检索举例 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 唐宋诗歌 的有关信息 关键词 唐 宋 诗歌 检索表达式 唐OR宋 AND诗歌 唐AND诗歌OR宋AND诗歌 错误表达式 唐OR宋AND诗歌 唐AND宋AND诗歌 唐OR宋OR诗歌 唐AND宋OR诗歌 布尔逻辑运算符优先级 注 三个逻辑算符和括号的配合使用 可将检索词组配成较为复杂的逻辑提问式 以满足复杂概念信息检索的需要 例如 A B C 请注意 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 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 2截词检索技术 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 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 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 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 有的用 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 衡量检索效果的两个指标 查全率查准率 请注意 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 查找 细菌对染料的破坏 方面的文献 检索词 细菌 破坏 染料逻辑 与 组配检索结果 命中同时用这三个词标引的文献有 细菌对染料的破坏 方面的文献 也会有 染料对细菌的破坏 方面的文献 要排除后一部分的文献 就需用位置算符限定词与词之间的位置关系 主要的邻近位置算符有 W nW N nN 句子位置算符 S 字段算符 F 3邻近检索技术 W 算符 W 是with word 的缩写 表示此算符两侧的检索词必须按此