第二讲：信息检索基础知识与技巧.ppt

信息检索基本知识与技巧 第二讲 主要内容 1 信息检索的概念2 信息检索的类型3 信息检索的语言4 数据库中常用的检索字段5 各种运算符的使用6 检索策略的制定7 检索结果的评价与检索策略的调整 1 信息检索的概念 信息检索从广义上来说 是指将信息按照一定的方式组织和存储起来 并根据信息用户的需要找出有关信息的过程 全称为信息存储与检索 informationstorageandretrieval 狭义的信息检索是指根据特定课题的需要 依据一定的方法 从已经组织好的大量有关文献集合中查找并获取所需信息的过程 检 查找 索 索取 又称信息查询 informationsearch 信息检索原理图 2 信息检索的类型 文献型信息检索事实型信息检索数值型信息检索 2 信息检索的类型 2 1文献型信息检索 documentretrieval 以文献全文为检索对象的一种检索 凡是查找某一主题 学科 时代 地区 著者 文种的有关文献均属于这一范畴 比如 查找有关火电厂锅炉水处理技术方面的相关文献 或从事一项发明创造而需要文献等 利用文摘 题录等各种书目文献型或全文型数据库来检索 2 信息检索的类型 2 2事实型信息检索 factretrieval 是以某一客观事实为检索对象 查找某一事物发生的时间 地点及过程的检索 世界上最长的公路隧道有多长 世界上海拔最高的山峰 有哪些海外华人得过诺贝尔奖 主要借助利用辞典 百科全书 年鉴 名录等参考工具书或事实型数据库 指南型数据库来检索 例如 想了解一下有关 阿波罗 登月计划的有关情况 2 信息检索的类型 2 3数值型信息检索 dataretrieval 是以数值或数据为对象的一种检索 如某种材料的电阻 某变压器的参数 化学分子式 数据图表等 主要借助于各种数值数据库和统计数据库 例如 国内生产总值 3 信息检索语言 是人们在加工 存储及检索信息时所使用的标识符号 把信息的存储与检索联系起来 把标引人员与用户联系起来 以便取得共同理解 实现交流的语言 是信息标引人员和检索用户在信息的组织 存储和检索过程中共同遵守和使用的语言 3 1检索语言的分类 按描述信息的特征的不同 检索语言可分为 1 描述信息外部特征的检索语言 题名 书名 刊名 篇名 著者姓名 单位名称 出版事项 代码 序号 如专利号 报告号 标准号 等等 2 描述信息内容特征的检索语言 分类语言和主题语言 主题语言又可分为规范主题语言和非规范主题语言 分类检索语言 分类检索语言是以学科为基础 按照学科范畴及知识之间的关系列出类目 并用数字 字母符号对类目进行标识的的一种语言体系 也称分类法 目前比较常用的分类法有 中国图书馆图书分类法 简称 中图法 国际十进分类法 杜威十进分类法 等 简称中图法 介绍 中图法 基本结构 将知识门类分为 5个基本部类 22个大类 标记符号 采用汉语拼音字母与阿拉伯数字相结合的混合号码 分类 中图法 结构示意图 大多数图书馆的索书号由中图法的分类号和著者号两部分构成 索书号是确定一本图书所在架位的依据 了解了索书号 就能准确迅速地找到自己需要的图书 书名 高等数学作者 张之良分类号 013 Zh1 分类号 著者号 分类语言的优缺点 优点 强调知识的系统性 方便人们按学科 专业检索有关文献资料 达到族性检索 提高查全率 便于图书馆资料排架 不足点 检索课题时 必须了解课题所属的学科体系 否则检索 总是落后于科学技术的发展 难于及时反映新兴学科和边缘学科的发展及内容 在将检索文献的主题内容转换成分类号的过程中 容易产生误差 造成误检 主题词语言 主题语言是直接以代表信息内容特征和科学概念的概念词作为检索标识 并按字顺组织起来的一种检索语言 主题语言分为 规范主题语言 非规范主题语言 规范性主题语言 规范主题语言是以自然语言为基础 经过标准化 规范化处理的词语 具有概念性 规范性 组配性 语义性 如 水利水电主题词表 电力主题词表 汉语主题词表 等 例如 自行车 一词 我们常用的词语还有单车 脚踏车等 这其中 单车 脚踏车不是主题词 自行车是主题词 所有有关 自行车 的文献都集中在 自行车 一词下 在检索时 当用 单车 一词查找时 就会漏掉所有有关 脚踏车 和 自行车 的文献 同样用 脚踏车 检索时 就会漏检所有 单车 和 自行车 的文献 而用 自行车 一词就可查到所有相关文献 水利水电主题词查询 电力主题词表 非规范主题语言 它是相对于规范主题语言而言的 以自然语言的语词作检索标识 其所用词汇未经过规范化处理 非规范主题语言包括关键词语言和纯自然语言 关键词语言 关键词语言是直接从文献的篇名 文摘或全文中制取出来的词汇构成的 关键词语言没有经过处理 也不需要编制关键词表 凡是有意义的信息单元都可以用作关键词 禁用词 但是为了提高计算机检索效率 通常建立了非关键词表或禁用词表 这些词都是无实际检索意义的词 如冠词 介词 副词 连词 感叹词 代词 助动词及部分形容词 纯自然语言 纯自然语言指完全使用自然语言 即对一条完整的信息中任何词汇都可以进行检索 它采用全文匹配法检索 主要运用于计算机全文数据库和网络信息检索中 使用纯自然语言中检索中最大的问题是误检率极高 关键词语言 纯自然语言 4 数据库中常用的检索字段 数据库 就是为了实现一定的目的按某种规则组织起来的 数据 的 集合 字段检索是限制检索词在数据库内查找范围的一种计算机检索技术 中 外文数据库常用检索字段列表 中国期刊全文数据库检索字段 ElsevierSDOS数据库的字段 字段检索 使用字段检索应注意使用字段检索对检索出文献数量和相关程度有极大影响 例如 在全文 文摘 关键词 题名字段中检索 则从左到右检索范围缩小 检索出文献的数量也随之减少 但检索出文献与课题的相关性提高 各数据库基本检索字段标示符号不尽相同 所以在使用前必须参考各数据库的使用说明 检全率递增题名关键词 文摘 全文 检准率递增 命中31篇 命中80篇 命中44篇 命中410篇 5 各种不同的运算符 布尔逻辑运算符截词符通配符位置算符 5各种不同的运算符5 1布尔逻辑运算符 运用布尔逻辑运算符对检索词进行逻辑组配 表达两个概念之间的逻辑关系 布尔逻辑运算符主要有 AND 与 OR 或 NOT 非 还有的用 表示 图形表示 5各种不同的运算符5 1布尔逻辑运算符 逻辑与常用表示符号 AND或 含义 检出文献中必须同时包含被其连接的所有词或词组 作用 缩小检索范围 减少命中文献量 提高检索结果的查准率 5各种不同的运算符5 1布尔逻辑运算符 逻辑 与 应用举例查找干旱对水稻基因表达影响方面的文章 干旱AND水稻AND基因表达 查找 干旱对水稻基因表达影响 方面的文章 5各种不同的运算符5 1布尔逻辑运算符 逻辑或常用表示符号 OR或 含义 检出的记录中至少含有检索词中的一个 作用 扩大检索范围 提高检索结果的查全率 防止漏检 适用于同义词或近义词的组配 5各种不同的运算符5 1布尔逻辑运算符 逻辑 或 应用举例查找乙肝方面的文章乙肝的同义词 乙型肝炎 乙型病毒性肝炎乙肝OR乙型肝炎OR乙型病毒性肝炎 查找乙肝方面的文章 5各种不同的运算符5 1布尔逻辑运算符 逻辑非常用表示符号 NOT或 含义 排除逻辑非算符后的词语 检出含有逻辑非算符前检索词的所有记录 作用 缩小检索范围 注意 逻辑非出现次数不能太多 否则检出结果极少影响检出效果 5各种不同的运算符5 1布尔逻辑运算符 逻辑 非 应用举例查找飞机方面但不是直升飞机方面的文章飞机NOT直升飞机 查找飞机方面但不是直升飞机方面的文章 5各种不同的运算符5 1布尔逻辑运算符 使用布尔逻辑检索要注意的问题执行顺序通常是 NOT AND OR不同的数据库表示布尔逻辑关系时使用的符号不同 因此使用时要注意使用数据库的帮助系统了解代表某种逻辑关系的符号 5各种不同的运算符5 1布尔逻辑运算符 优先处理算符 在实际检索中 有时要调整逻辑运算符的运算顺序 使某些算符优先进行逻辑匹配 用 表示 它不是布尔逻辑算符 但常与布尔逻辑运算符搭配使用 用法 优先对 内的算符进行逻辑运算 5各种不同的运算符5 2截词符 在检索外文数据库时 常遇到词干相同 词义相近的检索词 或同一词的单 复数形式 动 名词形式 英美拼法等 这种检索方式可以降低输入次数 扩大检索范围 提高查全率 常用截词符号 用法 用截词符号加在检索词的前面 中间或后面 注 截词运算符在不同数据库中表示的含义不同 5各种不同的运算符5 2截词符 截词检索的分类按截断的位置分 后截断前截断中间截断 3各种不同的运算符3 2截词符 后截断是前方一致截断 又称右截断 截词符放在被截词的右边 是最常用的截词检索技术 例如输入librar 可以检索出libraries librarian library等 它主要用于词的单复数检索 如company与companies 年代检索 如199 90年代 词根检索 5各种不同的运算符5 2截词符 前截断又称左截断 截词符放在被截词的左边 例如输入 magnetic 可检索出 electro magnetic electromagnetic等 5各种不同的运算符5 2截词符 中间截断在检索词中间嵌入截断符号 允许检索词中间有若干形式的变化 主要解决一些英美拼写不同 单复数形式不同的词的输入 如 输入wom n可检出 woman women输入defen e可检出 defence defense 5各种不同的运算符5 2截词符 对词干以外可以出现的字母数量进行限定 例如 输入computer 表示问号处有0 2个字母变化 可检出 computer computers输入stud 表示问号处有0 3个字母变化 可检出study studies studied student 5各种不同的运算符5 3位置算符 位置算符检索在检索式中 检索词的相对次序不同 表达的检索意图也不一样 位置算符可用来规定词与词之间的特定位置关系 位置算符通常只出现在英文数据库中 多用于全文检索 常用的位置算符有 W N F PRE SAME 常用的位置算符有 5各种不同的运算符5 3位置算符 NnNN 两词中间不可插词 但两词间可有一个标点 连字符或空格 允许词序发生颠倒 例 输入database N management可检出databasemanagement或managementdatabasenN 两词中间可插0 n个词 两词间可有一个标点 连字符或空格 允许词序发生颠倒 例 输入environment 2N protection可检出environmentprotection或protectionoftheenvironment或protectionofwaterenvironment protectionofforestenvironment等 5各种不同的运算符5 3位置算符 FSAMEF 两词必须出现在同一字段中 词序与词量不限制 例 输入Education F school AB检出的结果中Education和school同时出现在文摘字段中SAME 两词必须出现在同一子词段中 如一个句子 一个短语 一个词组 词序与词量不受限制 例 输入EducationSAMEschool检出的结果中Education和school两词出现在同一句子中 5各种不同的运算符5 3位置算符 SAME运算符检索举例查找武汉大学生命科学院的老师和同学于2005 2010期间在SCIE上发表的文章检索式 WuhanUnivSAMELifeSAME430072 检索结果 词组检索将一个词组或短语用双引号 括起作为一个独立运算单元 进行严格匹配 以提高检索准确度 例 GlobalPositioningSystem 全球定位系统 只检索出规定字段中包含完整词组的记录 不用词组检索GlobalPositioningSystem 用词组检索GlobalPositioningSystem 6 检索策略的制定 分析检索课题 根据检索要求确定检索词 用几个词来表达检索意图 选择数据库 注意数据库所收录文献的学科 文献类型 起止年代 语种等 选择检索字段 您所输入的检索词出现的位置 如 篇名 作者 摘要 作者单位等 限定检索条件 如年代 学科 文献类型 语种等 根据检索结果对上面的检索步骤进行调整 6检索策略的制定6 1分析检索课题 确定检索词 正确的主题分析是制定检索策略的保证 它决定了检索策略的质量和检索效果的好坏 因此 务必要掌握好所检课题的内容实质 然后概括出能最恰当地代表主题概念的检索词 6检索策略的制定6 1分析检索课题 确定检索词 确定检索词时注意事项先选用主题词选用常用的专业术语避免选用高频词或低频词选用同义词与相关词 6检索策略的制定6 1分析检索课题 确定检索词6 1 1确定检索词时注意事项 先选用主题词当所选的数据库具有规范化词表时 应优先选用该数据库词表中与检索课题相关的规范化主题词 这样可以获得最佳的检索效果 6检索策略的制定6 1分析检索课题 确定检索词6 1 1确定检索词时注意事项 选用常用的专业术语在数据库没有规范化词表或词表中没有可选的词时 可以从一些已有的相关专业文献中选择常用的专业术语作为检索词 6检索策略的制定6 1分析检索课题 确定检索词6 1 1确定检索词时注意事项 避免使用禁用词和高频词检索时一般不选用禁用词 尽量少用或不用不能表达课题实质的高频词 如 分析 研究 应用 方法 发展 设计 等词 6检索策略的制定6 1分析检索课题 确定检索词6 1 1确定检索词时注意事项 选用同义词与相关词同一概念的几种表达方式 如心脏病有 heartdisease heartattack 同一名词的单数 复数 动词 动名词 过去分词形式等 如生产有product production producing produce productive等 词根相同时 可用截词符解决 produc 全称和简称在检索时也要考虑选用 如 WTO WorldTradeOrganization 数据库选择的正确与否将直接影响到检索结果的好坏 数据库选择不当 有时会得出完全不符合要求的结果 选择数据库时要遵循以下原则 按照课题的检索要求和目的 选择收录学科范围 文献类型 年代跨度相符合的数据库 当需要查找最新文献时 选择数据库更新周期短的数据库 选择原文获取