第一篇 文献信息检索概论 第二章信息检索基础

1、第一节 信息检索及其类型 第二节 信息检索语言 第三节 信息检索技术 第四节 检索工具,第二章 信息检索基础知识,第一节 信息检索及其类型,一、信息检索的概念 二、信息检索的类型 三、信息检索的意义,一、信息检索 信息检索：是指将信息 （主要指文献信息）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,2、数据检索 是以数据为检索内容的信息检索，要求从检索系统存储的大量原始调查数据和其它

2、统计数据中查出所需的数字资料,1、书目检索 是以文献线索为检索内容的信息检索,3、事实检索 是以具体事项为检索内容的信息检索，要求从检索系统存储的各种原始信息资源中查出专门的事实材料,4、全文检索 即检索系统存储的是整篇文章或整本图书。 5、图像检索 即以图形、图像或图文信息为检索内容的信息检索。 6、多媒体检索 是以文字、图像、声音等多媒体信息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

3、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,计算机检索的基本原理,计算机检索如同手工检索一样，都需要首先将文献信息进行整理排序，然后按照用户的要求从检索工具（手工检索）或文档（计算机检索）中找出合适的信息。因此为了使计算机能够工作必须：（1）编制文档，即通过文献压缩整理而成的二次文献，按一定的规律组成的信息集合；（2）把用户的要求翻译成计算机能理解的语言即编制提问逻辑式；（3）按照一定的检索程序检出文献,信息存贮与检索是信息学中最活跃的研究

4、分支之一，检索理论研究近年发展非常迅速，涉及的问题有：检索系统、检索策略及其设计、检索技术及其实现等。检索技术及其实现、检索策略及其设计和描述检索效果的参数于下一节简介,1、信息检索是现代人才的基本生存技能 2、信息检索是现代人才信息素质的重要方面 3、信息检索是科学交流的重要途径 4、信息检索是开发信息资源的工具 5、信息检索是管理决策的基础 6、信息检索是继承和借鉴前人成果，避免重 复研究的必由之路 7、信息检索是治学之道,三、信息检索的意义,第二节 信息检索语言,一、检索语言的含义及作用 二、检索语言的类型,一、检索语言的含义及作用,检索语言：是根据检索需要而创造的一种人工语言,作用：1

5、、保证不同标引人员表征文献信息的一致性。 2、使内容相同及相关的文献集中化。 3、保证检索提问与文献信息标引的一致性。 4、保证检索者按不同需求检索文献信息时， 都能获得最高的查全率和查准率,二、检索语言的类型,检索语言的类型,表述文献外表 特征的语言,表述文献内容 特征的语言,题名 责任者 号码 引文,分类法,主题法,标题词法 叙词法 关键词法,分类语言 按知识门类的逻辑次序将信息系统地组织和划分的语言，具体体现为用分类号和类名来表达信息的主题概念。 中国图书馆图书分类法 美国国会图书馆分类法 杜威十进位分类法 IPC国际专利分类法,标题词语言 是从文献的题目和内容中抽出来，经过规范 化处理

6、的主题语言。 关键词语言 直接从文献信息的标题、摘要或内容本身抽 取出来的用于揭示信息主题内容的自由词,叙词语言 是以表达文献主题内容的概念单元为基础， 经过规范化处理，可以进行逻辑组配的一种主语 语言,第三节 检索技术,一、概念检索 二、布尔逻辑运算符组配检索 三、截词检索 四、字段限制检索 五、位置运算符 六、检索技巧和方法,一、概念检索 检索标识是具体的检索词或词组，每个检索词表达一个概念，具体检索时，将检索词与数据库中的文献特征标识进行类比，两者相同，则该记录为命中文献,二、 布尔逻辑算符组配检索 布尔逻辑组配运算是采用布尔代数中的逻辑“与”逻辑“或”、逻辑“非”等算符，将检索提问式转

7、换成逻辑表达式，限定检索词在记录中必须存在的条件或不能出现的条件。凡符合布尔逻辑所规定的条件的文献，既为命中文献,布尔逻辑运算符,1、逻辑“或” 2、逻辑“与” 3、逻辑“非,1、逻辑“或”（和）,用符号“or”或“+”表示，其逻辑表达式为： A or B 或 A+B 其意义为检索记录中凡含有检索词A或检索词B， 或同时含有检索词A和B的，均为命中文献,2、逻辑“与”,用符号“and”或“*”表示，其逻辑表达式为： A * B 或 A and B 其意义为检索记录中必须同时含有检索词A和B的文献，才算命中文献,3、逻辑“非”,用符号“not”或“-”，其逻辑表达式为： A not B 或 A-

8、B 其意义为：检索记录中含有检索词A，但不能 含有检索词B的文献，才算命中文献,三、截词检索,截词检索主要是利用检索词的词干或不完整的词形进行检索。 截词符一般用“？”、“ ：”、“#”表示 1、后方截词：用于前方一致的派生词检索。 如：信息？ 则表示在数据库中含有信息、信息技术、信息检索等方面的文献记录均为命中文献。 2、前方截词：用于后方一致的派生词检索。 如：？经济 则数据库中含有经济、工业经济、农业经济等方面的文献均为命中文献,3、有限截词 在检索词后面加上一个或一个以上（最多4 个）的“？”，空一格，再加一个“？”。如： Comput? ? 可检索出： Computer，Comput

9、ers，Computing,截词检索在不同的计算机检索系统中规 定不同，请使用时注意,四、字段限制检索,为了缩小检索范围，可利用字段代码来限制 检索词出现的字段，以提高检索速度和命中率。 如：rice in ti（表示只在题目字段中查找文献） rice in de（只在主题词中查找） rice in ab（只在文摘中查找） au = Smith，J.C (查作者为Smith，J.C 的 文章) py = 1998(只查1998年的文章) la =Chinese (只查语种为中文的文献,五、位置运算符,With：设定需检索的两个词或词组在同一字段中，但不限制位置的先后。 Near：设定需检索的两

10、个词或词组在同一语句中，相对于“with”更接近。此外，在使用“near”运算符时，还可以在该运算符后添加一个数字以便进一步限定两个词之间的邻近程度，如“near3” 设定需检索的两个词或词组在同一句子中且相隔不超过3个单词,1、检索策略 计算机检索，实际上是由计算机将用户输入的检索策略与系统中存储的文献特征标识及逻辑组配关系进行类比、匹配，并把完全匹配的文献输出的过程。 检索策略是科学地运用检索词和逻辑运算符正确地构造逻辑提问式的原则和方法。其核心内容在于检索策略的构造与检索的步骤,六、检索的技巧和方法,A、弄清用户的提问要求，并确定要查找的文献 学科范围、类型、文种、时间等。 B、选择相关

11、的数据库并确定在待检数据库中的 检索途径，以便制定适合所选择数据库的检索策略。 C、对情报提问进行概念分析 D、拟定检索逻辑式 E、对数据库文档进行查找，检出相关文献并分析检索结果。 F、如有必要，对提问式进行反馈、修改，重复第五步，直到用户满意为止,制定检索策略的步骤,例如， 对“微藻生长因子”这一课题来说，检索策略可编为： （海藻+藻类+微藻）*生长（）因子? ? (algae+algal+microalgal) * growth()factor? ? 实检后调整（考虑提高检准率）、优化（低频词和关键词前置）为： (microalgal+algae+algal)(s)growth()fac

12、tor? ? (microalgal+algae+algal)(3n)growth()factor? ,又如，对“图象理解专家系统”这一课题，检索策略可编制为： IMAGE()UNDERSTAND?*(EXPERT()SYSTEM? ?+ARTIFICIAL()INTELLIGEN,A、扩大检索范围,2、检索技巧和方法,概念的扩大。 * 范围的扩大。 * 增加同义词、近义词、相关词和缩略词。 * 用“or”、”?”、叙词表 * 年代的扩大。 * 去掉连字符可扩大检索范围。 * 换另外的数据库或是另外的光盘继续进行检索,B、缩小检索范围的方法,核心概念的限定。 * 核心期刊的限定。 * 语种的限

13、定。 * 用布尔逻辑算符“and”或者“not”组配检 索词。 * 使用位置算符“near”和字段算符“in”提 高查准率。 * 使用“Index”和叙词表,选择确切的检索 词缩小检索范围,3.描述检索效果的参数,主要有：查全率(recall factor)、查准率(也称适中率，Pertinency factor) 、漏检率(omission factor) 、 误检率( 也叫检索噪音， noise factor)以及新颖率、检索速度等。 设n为检索系统中文献总量，m为检索输出的文献量，a为n中与检索课题有关的 文献量，b为m中与检索课题有关的文献量(检准文献量)，则n、m、a、b之间的关系如

14、图1.4所示,图1.4 文献总量与检出文献之间的关系,令R表示查全率、P表示查准率、M表示漏检率、N表示误检率，则R、P、M、N定义如下： R=b/a*100 P=b/m*100 M=(1-b/a)*100=100-R N=(1-b/m)*100=100-P 最理想的检索效果是M、N均为0，即R、P均为100，但实际上这是不可能的,实验表明：R和P之间存在相反的相互依赖关系，即提高R会降低P，反之亦然，如图1.5检索特性曲线所示,图1.5 检索特性曲线,有人认为：在物理、技术科学信息检索范围内，P提高1将导致R降低3。实践经验证明：在现代科技信息检索系统中，R为60-70，P为40-50。 检

15、索特性曲线还与文献专业特点有关，例如在具体概念为主、对象描写明确的化学等专业中，产生误检较少，特性曲线向右移（说明查的较准）；而在抽象概念多的心理学等领域中，特性曲线则向左移（说明查全率较高，漏检率小）。 此外特性曲线还与对查出的文献适用性的评价有关，若评价标准严格，则曲线编左；反之，曲线偏右,对于检索来说，漏检是影响检索质量的最主要因素，故必须将M 降低到最低限度； 误检会降低检索的效率，也会影响检索质量。因此，任何检索工具和检索系统必须力争克服漏检(必要条件)，同时尽量避免误检(充分条件)。 至于新颖率和检索速度，则可定义如下,至于新颖率和检索速度，则可定义如下,能检出的最近单位时间内发表

16、的文献量 新颖率100 最近单位时间内发表的文献总量 检索输出的文献量(m) 检索速度 检索所用时间(t,4.机检与手检的异同,第四节 检索工具,检索工具：是在不同学科范围内对 某阶段出版的有关文献进行收集、整理 或对新文献加以及时报道的二次文献,一、检索工具的作用 二、检索工具的特点 三、检索工具的类型,一、检索工具的作用,1、报道作用 2、存储作用 3、检索作用,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示。 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,是按照某种明白易懂的顺序编排的文献清

17、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。它对文献的描述比较简单，只记述其外部特征,2、题录,是将书籍、期刊等文献中所刊载的论文题目、作者、出处以及讨论或涉及的学科主题、名词术语等分别摘录出来，并按照一定的原则和方法排列起来的一种检索工具,3、文摘,是一种著录文献题录和内容摘要的检索工具,5.文献检索的基本步骤,根据文献的特征，可以有两种检索途径： （1）外表途径 a.文献名途径：相当于我们一般所见到的书本目录（文献目录），其价值不大,2）内容途径 a.主题途径：从一篇文献中找出几个相关度大的词编为主题词索引（关键词索引、叙词索引、轮排主题索引等）。主题途径检出的文献比较准

18、确，但在全面性上较为逊色。 b.分类途径：假如编一份分类目次表，而文献条目也按分类来编排，则可以从分类途径去查。它适于族性检索，检出的文献较全面，但切题性较差,b.作者途径 作者包括个人作者和团体作者，还包括专利发明者、专利权所有者等。 作者索引按字顺编排，使用于各种类型的文献，几乎所有的检索工具都配有作者索引。 从作者途径检索必须事先已知作者姓名，所以作者途径只能作为辅助途径,c.号码途径 有一些文献如专利、科技报告等每篇文献都有一个或多个号码，这些号码可编为号码索引。 它也要首先知道号码,信息检索的具体步骤,1）确定检索方向。这是使检索获得满意结果的先决条件，为此必须弄清所需信息的诸特征，如学科归属、主题概念、时间界限、文献类型、国别和语种等,2）确定检索方法。一般有三种方法： a. 正文法：也就是上面介绍的从主题、分类、作者等途径查找。 它可分为顺查和倒查法两种。 顺查即按时间从早到最近的顺序查找，适用于欲了解某项研究的全过程。 倒查与顺查相反，从最近查起，适用于对某项研究已有充分了解，只想了解最新进展的查找者,b.引文法：又叫