信息检索技术2

第三节信息检索技术

TheInformationRetrievalTechnology

1.检索算符2.检索策略3.检索评价

第三节信息检索技术

用一个关键词检索可能比较简单容易，但通常检索题目会用到不止一个关键词。下面就讲一下有效组合多个检索概念的方法和技巧。数据库是有高度的组织结构性的，因此,要有效地进行检索需用到一些特殊的技术。当你要用多个词表达你的检索意图时,检索词的输入必须通过数据库能够"理解"的方式才行。例如：互联网对青少年的影响1.检索算符首先列出相关的检索词：互联网、青少年、影响。要注意的是，通常名词比形容词、介词、代词更适合作为检索的主题词，你知道吗？有些没有实际意义的虚词在检索中被称为禁用词(stopword)，禁用词在检索时通常会被忽略掉；接下来试着把这些检索词组配起来：“互联网”和“青少年”和“影响”

常用到的连接词有AND（与）、OR（或）和NOT（非），下面的篇幅将向你展示连接词的用法

1.1布尔逻辑算符

布尔逻辑算符是规定检索词之间逻辑关系的算符，利用布尔逻辑算符进行检索词或代码的逻辑组配，是计算机信息检索系统中最常用的一种检索方法，也称布尔检索。布尔逻辑算符通常包括以下三种：（1）逻辑“或”：(OR)或“+”表示（2）逻辑“与”：(AND)或“*”表示（3）逻辑“非”：(NOT)或“-”表示（1）逻辑“与”（AND或*）逻辑“与”（AND）是用来组配具有相互交叉限定关系的检索概念。逻辑“与”有时也用“*”代替，其含义是检出的记录中同时含有“AND”前后两个检索词。如：查找有关“纳米”和“材料”方面的文献时，其检索式为：

●NanoANDMaterials

●Nano

*

Materials

当你希望所找的文章中包含两个或两个以上的检索概念时,你可以在检索式中用“AND”将这些关键词连接起来,表示这些关键词必须同时出现在记录中的某处。使用“AND”将缩小检索范围。

如：

studentsANDInternet

输入上面这个检索式,会找到关于students和internet同时出现的文章,只包含其中一个词的文章是不会被检索到的。因此,在连接不同概念的检索词时，AND是非常有用的。在一个检索式中，AND可以被使用多次。

如:studentsANDInternetANDassignments

有的中文数据库用“*”来代替AND,就象下面的这个例子。当然,不是所有的中文数据库都支持这种用法,你可以查看帮助文件加以确认。

如：学生*互联网

（2)逻辑“或”：用“OR”或“+”表示

在检索中，你也可以用逻辑“或”（OR）连接关键词。检索式（AORB）可以检索到包含A或者B或者A和B同时出现的文献。OR最好用于针对一个概念的同义词检索。很显然，使用OR可以扩大检索范围。例如

InternetORWeb

使用上面这个检索式，使用了网络的同义词。会找到有关Internet或Web的文献或Internet与Web同时出现的文献。也可以在一次搜索中多次使用OR：

如：InternetORWebORonlineORdigitalORwired

有的中文数据库在使用OR时需用“+”来代替：

互联网+网络+在线

OR用于组配具有并列关系、概念相同或相近的检索词，如同义词、相关词等。用OR算符的基本作用是扩大检索范围，增加命中的文献量，提高检索的查全率。

如：查找“肿瘤”的检索式为：

cancer（癌）ortumor（瘤）orcarcinoma（癌）

（3）逻辑非：“not”或“-”表示

NOT的含义是排除,意味着在检索结果中只出现其中的一个关键词而不应出现另一个关键词。例如:computerNOTsoftware

输入上面这个检索式，会检索到有关computer的文章，但这些文章中不应包括和software相关的内容。需要注意的是是，有的中文数据据库在使用NOT时需用“-”来代替,就象下面的例例子。当然，，不是所有的的中文数据库库都支持这种种用法,你可以查看帮帮助文件加以以确认.如：计算机-软件上述检索式用用于查找只出出现计算机而而不出现计算算机软件的文文献，用于连接排除除关系的检索索词，即排除除不需要的和和影响检索结结果的概念。。用NOT连接检索词A和检索词B，检索式为：ANOTB(或A—B)表示检索含有有检索词A而不含检索词词B的信息，即将将包含检索词词B的信息集合排排除掉。如：查找“动动物的乙肝病病毒”的文献献的检索式为为：hepatitisBvirus（乙肝病毒））nothuman（人类）图（a)图（b)图（c)1.2截词算符（truncation）截词符就是用一个符符号来代替单单词的一部分分或某个字母母。截词符只只用于英文检检索。截词词检索的作用用是减少检索索词的输入而而保证相关检检索概念的涵涵盖，同时也也方便解决语语言文字拼写写方面的差异异（如美式英英语和英式英英语），避免免漏检。这样可以扩大大检索范围，，提高查全率率，节省检索索时间。看看下面这些些例子：输入wom?n可以检出woman,women输入comput*可以检出computer,computus,computing,computative,computator等Comput*er截词符用来对检索词词（干）进行行扩展。在不不同的检索系系统中，截词词符有不同的的表示方法，，通常用“?”或者“*”来表示。截词方式：按截断的位置置来分共有三种：后截断、中间间截断、前截截断；

按截断的的字符数量来来分：有限截截词（limitedtruncation）、无限截词词（unlimitedtruncation）。

平时用用得较多的是是后截断（无无限截词和有有限截词）和和中间截断（（仅允许有限限截词）。（1）后截断后截断即前方方一致检索，，是最常用的的检索技术。。将截词符放放在一个词干干的后边，以以表示其后可可有无限或有有限个字符。。★后截断无限截截词不说明具体截截去字符的数数量。截词符符是在一个词词尾加一个？？号，表表示在其后可可添加任意多多个字符，这这些字符都被被作为检索词词进行检索。。无限截截词通通常用用？或*来表示示把把截词词符放放在字字根的的最后后。如如：behav?;系统将将找出出“behave，behaviour，behavioural”等等。。★后截断断有限限截词词说明具具体截截去字字符的的数量量，截截词符符是在在一个个词尾尾加有有限个个？？号，，n个？？号表表示其其后可可添加加的字字符数数少于于等于于n个。如如：smok??；系统统将对smoke，smoky，smoked，smoker，smokes等进行行检索索。对对于最最多允允许添添加一一个字字符的的情况况，则则用用??的形式式表示示。如如：smok??；将只对对smoke，smoky进行检检索。。（2）中间间截断断中间截截断是是把截截词符符号放放在一一个检检索词词的中中间。。一般般中间间截断断只允允许有有限截截断。。中间截截词符符也称通通配符符，是是在一一词中中间用用若干干个？号，表表示可可插入入若干干个字字符。。中间截截断主主要用用于英英式和和美式式单词词的不不同拼拼写方方式，，以及及有些些词在在某个个元音音位置置上出出现单单复数数不同同。如：organi?ation将对organisation和organization进行检检索。。如:wom？n系统将将找出出"woman","women“;中文数数据库库截词词一般般只能能用在在词尾尾，英英文数数据库库则3种方式式都可可以。。（3）前截截断前截断断用？或*来表示示把截词词符放放在字字根的的左边边。如如：*Computer,系统在在检索索时，，索引引词Microcomputer算命中中1.3位置算算符位置算算符：：表示其其连接接的两两个检检索词词之间间的位位置关关系(1)(W)与(nW)算符W是with的缩写写。(W)表示其其连接接的两两个检检索词词必须须按序序出现现，中中间不允允许插插词，，只能能有一一空格格或标标点、、符号号。如：high(W)class命中的的记录录中出出现的的匹配配词可可能有有：highclass或high-class。(nW)：与与(W)类似似，，只只是是它它允允许许插插词词，，插插词词量量小小于于或或等等于于n个。。如：：silicon(2W)sensor；命中中的的记记录录中中出出现现的的匹匹配配词词除除上上例例的的外外，，还还可可能能会会有有：：siliconangularratesensor，silicon-basedchemicalsensor等等。（2）(N)与(nN)算符(N)：N是near的缩写。。(N)表示其连连接的两两个检索索词的词词序可变变，但两两词间不不允许插插词。(nN)：(nN)中的n表示允允许插词词量少于于或等于于n个。。如：internet(1N)accessing命中记录录中除上上例的外外，还会会可能有有：accessingtheinternet，internet/intranetaccessing等。。(3)(L)算符(L)：L是limit的缩写。。(L)表示其连连接的两两个检索索词之间间有主副副关系，，前者为为主，后后者为副副，可用用来连接接主、副副标题词词。它们们出现在在记录的的规范词词字段。。如：television(L)highdefinition命中记录录的规范范词字段段（de）中出现现的匹配配词是：：TELEVISION-Highdefinition。（4）(S)算符(S)：S是Subfield的缩写。。(S)表示其连连接的两两个检索索词必须须出现在在同一子子字段中中。子字字段是指指字段中中的一部部分，如如一个句句子、一一个词组组、短语语。字段段不限，，词序不不限。如：silicon(S)sensor命中记录录出现的的匹配情情况如：：Avacuummagneticsensor（VMS）usingasiliconfieldemittertipwasfabricatedanddemonstrated.（5）(F)算符(F)：F是Field的缩写写。(F)表示其其连接接的两两个检检索词词必须须出现现在同同一一字段段中，，字段段不限限，词词序不不限。。如：pollution(F)control可检出出：controlandmanagementofindustrialpollution不同算算符的的比较较：两个词词由不不同的的算符符连接接组成成不同同的检检索式式，其其检索索结果果显然然不同同。比比如同同样两两个词词用关关系较较紧的的算符符其检检索索结果果的记记录一一定比比用关关系较较松的的算符符检出出的记记录数数少。。以以下用用electron和device两词为为例，，在EiCompendex数据库库检索索，其其结果果如下下表所所示。。位置算符按按照限限制程程度的的大小小排序序为：：(W)、(nW)最强，，(N)、(nN)次之，，(S)再次之之，(F)最弱。2.检索策策略执行一一个课课题的的检索索是有有过程程、分分步来来完成成的，，检索索步骤骤的科科学安安排称称为检检索策策略（（searchstrategy），它是是为实现检检索目标而而制定的全全盘计划或或方案。信息检索的的基本流程程分析检索要要求选择数据库确定检索词词构成检索式式提交计算机机结果显示完成满意修改检索式式不满意检索课题的的分析，即即主题分析析，明确课课题所包含含的概念成成份及其相相互关系。。这是检索索策略制定定的根本出出发点，也也是影响检检索效率高高低或成败败的关键。。要明确以下下问题：◎分析课题的的主要内容容及其所涉涉及的学科科范围。◎所需文献的的类型、语语种、年代代及文献量量的范围。。◎对查查新新、、查查准准、、查查全全的的指指标标要要求求，，及及其其侧侧重重。。2.1检索索课课题题分分析析2.2选择择相相关关信信息息资资源源通过过检检索索需需求求的的目目的的的的分分析析，，有有针针对对性性的的选选择择相相关关信信息息源源，，主主要要确确定定以以下下几几个个方方面面：：（1）是否否要要对对所所有有与与检检索索课课题题相相关关的的资资源源进进行行检检索索，，如如果果是是，，则则不不但但要要考考虑虑检检索索一一次次文文献献和和二二次次文文献献的的数数据据库库，，而而且且对对于于网网上上其其它它资资源源；；如如搜搜索索引引擎擎、、学学科科导导航航专专题题BBS等也也要要进进行行查查询询。。（2）究竟竟要要选选择择哪哪些些信信息息源源；；如如查查找找生生物物学学方方面面的的信信息息，，则可能会涉及及医学方面的的信息资源，，所以要考虑虑跨学科的问问题。（3）选择哪些语种种的信息源：：是中文还是是西文？还是是两者兼顾。。（4）信息源覆盖的的年限是否符符合要求。大大多数数字信信息资源覆盖盖的年限都是是近20年的内容，如如果课题需要要更早的资料料，就要考虑虑手工检索的的问题；还有有些数据库由由于更新速度度的原因，无无法提供最新新的信息，也也是要考虑的的因素，考虑虑用其它相关关资源来予以以补充。（5）信息源的特点点及针对性如如何：要了解解自己已选信信息资源的查查询特点，是是否与自己的的信息需求相相吻合。例如如要查询某个个机构或公司司的网页，使使用搜索引擎擎是最好的；；查询新闻时时事，可登录录到一些新闻闻网站；查找找学位论文，，就一定要使使用学位论文文数据库或直直接登录到大大学的网站上上查询或申请请提供相关的的服务。2.3检索字段和和限制制符（1）检索索字段段数据库库可供供检索索字段段有二二种，，一种种是反反映内内容的的主题题字段段，如如：题题名、、叙词词、标标识识词和和文摘摘等。。字段段检索索时，，使用用后缀缀符如如：如：/TI表示Title（篇名名）/AB表示Abstract（文摘摘）/DE表示Descriptor（叙词词，规规范词词）例例如如：electron/ti表示electron一词须须出现现在篇篇名字字段；；electron/ti,ab表示electron一词须须出现现在篇篇名或或文摘摘字段段。后缀代代码（（suffixcode），对应基本索索引（basicindex），反映文文献的主题题内容，将将字段代码码放在检索索词之后，，并用“/”号连接。另一种则是是反映形式式特征的检检索字段，，如：作者者、文献类类型、语种种、出版时时间等。前缀代码（prefixcode），往往是用于于表达文献献外部特征征的字段，，即一些辅辅助性检索索字段，将将字段代码码放在检索索词之前，，用＝号连连接。如如：AN=EIP98124488325（AN：AbstractNumber)文摘号AU=LIU,LITIAN（AU：Author）作者BN=0-8155-0963-4（BN：ISBN）国际标准书书号CD=19880520（CD：ConferenceDate）会议召开日日期AU=Salton?ANDPY=199?表示查找Salton所写的，并并且是1990年后发表的的所有文献献。（2）限制符在一些检索索系统中，，提供一类类表示文献献类型、文文种、出版版时间等的的限制符号号，放在检检索式的右右边，起到到约束检索索结果的效效果。限限制制符的使用用和字段检检索一样，，也要遵循循所选检索索系统和数数据库的规规定。如如在DIALOG系统中：/ENG---要求在英语语出版物中中检索/NONENG---要求在非英英语出版物物中检索/1998：2000----要求在1998--2000年的出版物物中检索Chess/PAT---表示检索结结果只要chess这一主题的的专利文献献。2.4）检索式的的制定检索式是检索策略略的具体体现，它用检索算算符将检索索词组合起起来，并正确表达达检索词之之间的逻辑辑关系和位位置关系。。检索式的好好坏决定了了检索质量量。检索词可以是一个个单元词、、表达单一一的概念；；如：Computer;也可以是一一个或多个个词组，表表达多个概概念。例如：ComputerMemoryTest等等。检索索词可由用用户提出，，也可在数数据库的受受控词表（（主题词、、分类表等等）中选择择。在人工工检索语言言和自然检检索语言并并用的数据据库中，最最好先浏览览一下主题题词表、叙叙词表和分分类表，两两者并用，，从而保证证查全查准准。检索式在检检索中可一一次完成，，也可分多多步完成。。对一个个课题，检检索式的表表达可能有有多种形式式，有各种种选择、组组配和描述述、限定等等方式，这这些关系通通过算符来来体现。例如检索课课题为：计计算机内存存管理机制制分析其检索式为为：(Memorymanagement)ANDmechanismAND（analysisORanalyze）在这个检索索式中，包包含了4个概念，这这4个概念用单单元词或词词组表示，，将这4个概念用布布尔逻辑算算符AND和OR以及括号（）连接起来，，即构成一一个检索式。检索式可以表达复复杂的检索索提问，将将各个检索索点、不同同属性值、、不同的关关系统统组组织在一个个检索式中中，完成检检索任务。。拟好检索式式后,就要选择检检索途径或或检索字段段。不同的数据据库其检索索式的表达达略有不同同，如要求求在题名里里检索：ArtificialneuralnetworksANDforecastingEI数据库中的的检索式为为：(((Artificialneuralnetworks)WNTI)AND((forecasting)WNTI))SCI数据库中的的检索式为为：TI=(Artificialneuralnetworks)ANDTI=(forecasting)故在检索前前应有所了了解。以免免影响检索索质量和检检索效果。。在EI数据库的检检索结果中中的检索式式检索式例如：用Google高级搜索在在网页标题题中查找有有关“全球球”和“金金融危机””的网页的的检索式：：检索式2.5检索策略的调整检索策略输输入检索系系统后，系系统响应的的检索结果果有时不一一定能满足足课题的要要求。例如如：如果检出的的篇数过多多，而且不不相关文献献所占比例例很大，或或检出的文文献太少，，有时甚至至为零，这这时就需要要调整检索索策略。所谓调整检检索策略就就是根据反反馈的检索索结果,反复对检索索式教学调调整,直至得到满满意的结果果。★放宽检索条条件，增加加检索结果果：如果遇到系系统输出篇篇数过少的的原因有：：①检索词拼写写错误②检索词过于于冷僻具体体或遗漏了了重要的同同义词或隐隐含概念③位置算符符、字段算算符和逻辑辑与（AND）算符使用用过多④④没有使用用截词算符符对检索数数量较少少的结果果，可以以继续扩扩检，提提高查全全率。调整检索索策略的的方法有有：①在检索索词方面面，检查查检索词词的拼写写，扩展展检索概概念，增增加使用用同义词词和近义义词；②②在策策略调整整方面，，减少位位置算符符、字段段算符和和逻辑与与（AND）算符，，在适当当的地方方增加使使用截词词算符。。③取消或放放宽一些些检索限限定，例例如将检检索年限限放宽一一些，将将“题名名”检索索改为““文摘””或“全全文”检检索，还可将将下位词词改为上上位词等等。例如：要求在《INSPEC》数据库中中检索““TITLE”（题名））字段中中同时包包含networkpayment（网络支支付）和和security（安全））的文献献；检索索年代范范围为：：2010—2011年检索结果果：1条扩大检索索条件由于检索索结果太太少，所所以应扩扩大检索索条件，，将上述述例子中中的检索索字段由由“题名名”更改改为““Abstract”（文摘））；检索年代代范围扩大为：：2005—2011年年检索结果果：188条（由此可可见，经经过调整整检索策策略后，，

检索索结果从从1条增加为为188条，大大大的改善善了检索索结果)★缩窄检索索条件：：针对系统统输出不不相关文文献篇数数过多的的情况，，应分析析是否可可能是如如下原因因造成的的：①①检索索词方面面，是否否选用了了多义性性的检索索词，截截词是否否截得过过短②②策略调调整方面面是否在在使用逻逻辑与（（AND）的场合使用用了逻辑或（（OR)对检索数量过过多的检索结结果，考虑进进行缩检，提提高查准率，，具体方法与与上述“扩检检”相反。①减少同义词词或同族相关关词，增加限限制概念，用用逻辑与（AND）将它们连接接起来；②使用字段限限制和适当的的位置算符；；③使用逻辑非非（NOT）算符排除无无关的概念以以及减少检索年限限等措施。检索实例（检索式及检检索策略的调调整）①用户要求在《EIcompendexWeb》（美国工程索索引）数据库中检索索“射频识识别技术在现现代图书馆的的应用”的期刊文献。检索年代范围围为：2005—2008年；检索字段：文文摘②在检索出来的的期刊文献中中，有无收录录来自香港中中文大学作者的文文献，有几几篇？检索课题分分析：①要求检索索的数据库库：《EIcompendexWeb》②检索的关键键词：射频识别技技术(RFIDORRadioFrequencyidentification使用同义词词);图书馆（library）;③检索字段：：文摘（Abstract）④检索时间间范围：2005——2008文献类型：：期刊⑤检索式：：(RFIDORRadioFrequencyidentification)andlibrary进入EI数据库主页页检索结果有无收录作作者为香港港中文大学学的文献（ChineseUniversityofhongkong）2.6检索结果的的输出检索结果的的输出有多多种，通常数据据库输出的的方式如下下：◎输出方式包包括显示、、复制、打打印、下载载、E-mail等。◎输出形式包包括目录、、题录、文文摘、全文文或自定义义形式。◎输出范围可可以是全部部检索结果果，或部分分检索结果果。3.1检索结果的的评价检索完成后后，要对检检索结果进进行审核;分析评价检检索结果是否否理想，以以及计算机机信息检索索系统的效效能如何，最常用的的指标有查查全率和查查准率。查全率:即检出的相相关文献数数与系统内内的相关文文献总数之比，又称称检全率、、命中率。。可由下式式表示：查全率=（检出相关关文献数/文献库内相相关文献总总数×100%3.检索结果评评价和原文文获取查准率：是指检出出的相关文文献数与检检出的文献献总数之比比。又称检准率、、相关率查准率=（检出相关关文献数/检出的文献献总数）×100%影响查全率率和查准率率的重要因因素：一般而言，，检索工具具标引的深深度越大，，查全率越越高。查准率主要取取决于检索索语言的专专指性和拟拟定的检索索策略。若检索策略略定的较宽宽，参与组组配的检索索词较少，，主题词的概念比用用户的信息息需求广泛泛，则查准准率降低，，查全率增高，两者者通常呈互互逆相关关关系。3.2原文文获获取取由于于二二次次文文献献检检索索系系统统的的大大量量涌涌现现与与应应用用，，特特别别是是其其数数据据库的的检检索索利利用用，，对对其其所所揭揭示示的的一一次次文文献献需需求求的的压压力力大大大大增增加。。如如何何发发现现并并能能快快速速的的获获取取到到原原文文，，当当前前有有以以下下几几种种途途径：：1.1馆际际互互借借与与全全文文传传递递随着着信信息息社社会会的的不不断断发发展展，，世世界界上上没没有有任任何何一一个个图图书书馆馆或或文献献信信息息中中心心的的文文献献收收藏藏能能满满足足所所有有读读者者的的需需求求的的。。因因此此，用用户户如如想想在在一一个个图图书书馆馆或或文文献献信信息息中中心心得得到到所所有有的的全全文文文献献是是不不可可能能的的，，所所以以，，馆馆际际合合作作、、文文献献信信息息资资源源共共享享的的要求求日日益益迫迫切切，，馆馆际际互互借借与与文文献献传传递递就就是是资资源源共共享享的的很很好好方式式。。馆际际互互借借是是指指图图书书馆馆与与图图书书馆馆之之间间的的书书、、刊刊等等文文献献信信息息资资源的的共共享享合合作作。。它它是是图图书书馆馆和和文文献献信信息息中中心心开开放放服服务务、、提提高服服务务质质量量的的一一项项主主要要措措施施。。国国内内外外图图书书馆馆之之间间的的馆馆际际互互借，，为为全全球球文文献献信信息息资资源源共共享享提提供供了了有有力力的的条条件件。。文献献传传递递（DocumentDelivery,DD）,是利利用用各各种种通通信信手段段，，从从各各种种文文献献信信息息服服务务中中心心获获取取文文献献资资料料的的一一种种模模式式。电电子子邮邮件件、、传传真真等等都都能能够够实实现现文文献献传传递递服服务务。。1.2联机检检索中中心提提供全全文信信息检检索国际联联机检检索系系统一一般功功能强强大，，可直直接为为用户户提供供期刊刊、会议录录、标标准和和专利利等原原文获获取服服务。。例如如：DIALOG国际联联机检索系系统利利用互互联网网可向向用户户提供供网上上电子子订单单的传传递，，再由由有关关文献献服务中中心直直接想想用户户传递递原文文，传传递方方式可可由用用户根根据价价格、、传递递速度度、类型型等因因素来来决定定。但但这种种方法法由于于成本本较高高，使使用该该服务务的读读者不不多。有有些服服务中中心除除了支支持用用户的的联机机数据据库检检索外外，还还提供供成员员馆的的联合目目录或或各馆馆的独独立目目录OPAC。例如如：美美国俄俄亥俄俄学院院图书书馆中中心（OCLC），目目的在在于开开发计计算机机系统统使该该州的的学术术机构构降低低成本本分享资源源。目目前它它为世世界上上84个国家家和地地区的的45,402个各式式各样样类型型的图书书馆服服务。。俄亥俄俄州80多个大大学组组成的的OHIO-LINK,在显示示各馆馆馆藏藏目录录的同同时，，用户可在在检索索终端端发出出馆际际互借借的请请求。。一旦旦这个个指令令被执执行，，用户户在2—3天内就就可得得到所所要的的文献献资料料。这