文检课第一章20150428

参考书1于双城等，科技信息检索与利用，北京：清华大学出版社，20122于光等，信息检索，哈尔滨：电子工业出版社，20103徐庆宁等，信息检索与利用，上海：华东理工大学出版社，20044符绍宏等，因特网信息资源检索与利用，北京：清华大学出版社，2000成绩评定方法1上课考勤占30%2检索实习作业70%第一页，共109页。

教学大纲1、计算机信息检索基础知识（2个学时）2、国外两大文摘数据库的检索与利用（2个学时）3、引文索引及其检索方法（2个学时）4、特种文献资源的检索与利用（2个学时）5、专利文献信息资源（2个学时）6、外文全文数据库的检索与利用（1个学时）第二页，共109页。

学习文献检索课的目的信息检索既是一门科学，又是一门技巧，在某种程度上也是一门艺术。1、拓宽获取与利用信息的途径。2、可以获取学术动态，寻找未知问题的答案。

3、写论文、做课题能积极主动有意识地利用信息。4、培养从主要记忆信息到主要应用信息和创新信息的能力。以最少的时间、精力获取自己需要的信息第三页，共109页。学习文献检索课的目的Whereisit？第四页，共109页。获取信息的总路线第五页，共109页。计算机信息检索技术计算机信息检索的常用方法与步骤我馆引进资源总体介绍网络搜索引擎的利用

计算机信息检索基础知识第六页，共109页。科技文献的定义记录有科技信息知识的纸张、胶片、磁带、磁盘、光盘以及一些网络资源，称为科技文献。

计算机信息检索技术第七页，共109页。文献的类型

按文献的出版形式划分（1）科技图书（6）科技报告（2）科技期刊（7）政府出版物（3）会议文献（8）标准文献（4）专利文献（9）科技档案（5）学位论文（10）产品样本第八页，共109页。文献的类型按文献的出版形式划分（1）科技图书

是对已发表的科研成果，生产技术和经验总结性的概括和论述。是存储和传播科学文化知识的主要载体。阅读型：教科书(Textbook)、专著(Monograph)、文集(Anthology)等

工具性：

词典、百科全书及手册等著录格式：（版权页）书名、作者、内容、出版社、出版时间、价格、页次、ISBN号特点：带有总结性、成熟定性（内容详实）传授知识，而不是报道最新信息（发表滞后）

第九页，共109页。（2）科技期刊（journal,periodic）

采用统一名称的周期性出版刊物。

特点：名称固定有连续的卷、年月顺序号数量大，内容丰富;出版周期短，报道速度快;

在科学家和专家们所利用的全部科技信息中，由期刊提供的占70%左右。期刊是获取信息的最重要来源。

著录格式：刊名、卷、期、年、月、页次、ISSN号

ISSN1005-1805Vol26No2;V26n2;26（2）

第十页，共109页。EI数据库举例：第十一页，共109页。（3）会议文献是科技人员在各级学术会议上，交流科技新成果、新进展及发展趋势的讨论记录。特点：内容新颖、传递及时、针对性强著录格式：会议名称、会议地址、会期、主办单位。conference（大会）、meeting（小型会议）、symposium（讨论会）、proceeding（会议录）、paper（单篇论文）、transaction（汇报）等。

IEEE(TheInstituteofElectricalandElectronicEngineers)最大的电子、工程类的专业技术学会，宗旨，召开各种学术会议，主持编辑多种出版物，期刊几百种，标准：1000多个，会议1000多个最大的电子、工程类信息源例如：图书馆收藏地点一区五楼网上万方和CNKI有专门的会议论文数据库第十二页，共109页。EI中会议文献举例：第十三页，共109页。（4）科技报告是科研成果的总结或各阶段进展情况的实际记录。有科研项目的研究方案、实验记录、实验数据、图表等。

特点：独立成册；内容新颖；内容详实专深；保密性；著录格式：报告名称、年代、顺序号。美国政府四大报告:PB报告AD报告NASA报告DOE报告（NTIS、NTRL）PB报告(美国商务出版局)PB+年代+顺序号民用工程、科学技术、城市规划、环保、生物医学等AD报告（美国军事国防部）AD+A(B、C….)+顺序号A非密公开B非密限制C绝密机密导弹、火箭、遥感、雷达、高能燃料等

NASA报告（美国宇航局）N+年代+顺序号空间动力学、飞行器及结构材料、试验设备、飞行器制导、航天与宇宙飞行DOE报告（美国能源部）DE+年代+顺序号

涉及核能、原子能、核安全、风能、电能和能源管理系统的报告。

第十四页，共109页。（5）专利文献

是一切与专利制度有关的专利文件的统称。如专利说明书和专利请求书。专利文献反映了当前最新的技术成果。

专利文献识别：国别代码+专利号中国专利：CN97223700.3美国专利：US6691162第十五页，共109页。（6）学位论文作者为获取某种学位而撰写的论文称之为学位论文。可分为学士、硕士、博士三种形式。著录格式：学校名称、授予学位学校、导师姓名、地址时间、页次特点：硕士、博士论文具有较高的参考价值一般偏重于理论，附有大量的参考文献，借此可以看出有关专题的发展，一般不出版发行，而是保存在授予单位的图书馆里。万方中学位论文全文库和CNKI中优秀博硕论文全文库PQDT国外博硕论文全文库第十六页，共109页。（7）标准文献是对工农业产品及工程建设的质量、规格及其检验方法等所做的技术上的规定。可划分为：ISO（国际标准）、国家标准、机构和企业标准著录格式：标准代号、种次号和公布年代（8）政府出版物（略）是各国政府部门及其设立的专门机构所发表、出版的文件。（9）科技档案（略）是科研生产活动中形成的有具体事物对象的技术文件、图纸、图表、照片和原始记录等的总称。（10）产品资料（略）是厂商为推销产品而印发或放在网站上介绍产品情况的文献，包括产品样本、产品说明书、产品目录、厂商介绍等。第十七页，共109页。文献的类型

按文献的加工程度划分零次文献：口头信息、未公开发表的文字资料（手稿、书信、笔记、博客等）；时效性强；大量而无序一次文献：期刊论文、专利文献、科技报告、会议录等；研究人员最终索取的文献类型二次文献：检索工具；如EI、SCI、ISTP等三次文献：选用大量有关的文献，经过综合、分析、研究而编写出来的文献。如：综述、评论、评述、进展、动态等；研究人员最终需要的文献类型

计算机信息检索技术第十八页，共109页。哈尔滨工业大学文摘数据库第十九页，共109页。哈尔滨工业大学全文数据库第二十页，共109页。信息检索的基本概念广义的信息检索指将信息按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的信息的过程和技术。狭义的信息检索指用户找出有关信息的过程。

计算机信息检索技术第二十一页，共109页。计算机信息检索技术

信息检索语言

是信息组织与信息检索时所用的语言，也称文献检索语言、情报语言等。第二十二页，共109页。计算机信息检索技术（一）分类检索语言是按学科范畴和体系来划分事物而构成的一种检索语言，集中体现学科的系统性，反映事物的从属、派生关系，由上至下，从总体到局部层层划分、展开，是一种等级体系。用分类号表达概念广泛用于图书资料的是图书分类法中国图书分类法中国科学院图书分类法杜威十进制分类法国际十进制分类法第二十三页，共109页。计算机信息检索技术中国图书馆分类法类目简表5个基本部类22个基本大类马列、毛泽东思想A马列、毛泽东思想哲学B哲学、宗教社会科学C社会科学总论；D政治、法律；E军事；F经济G文化、科学、教育、体育；H语言、文字；I文学；J艺术；K历史、地理自然科学N自然科学总论；O数理科学和化学；P天文学、地球科学；Q生物科学；R医学、卫生；S农业科学T工业技术；U交通运输；V航空、航天；X环境科学、劳动保护科学（安全科学）综合性图书Z综合性图书第二十四页，共109页。计算机信息检索技术（一）分类检索语言

TV水利工程ＴＫ能源与动力工程TB一般工业技术TB3工程材料学第二十五页，共109页。（二）主题法检索语言是利用词语来表达信息资源中论述的主题概念。用来表达信息内容的词语称为主题词。主题词：通过文献内容的分析，从中找出那些具有实质意义的，能够表达事物特征的，并经过规范化处理的词或词组。主题词表是对主题词进行规范化处理的依据，也是文献处理者和检索者共同参照的依据。计算机信息检索技术第二十六页，共109页。关键词、主题词的比较计算机信息检索技术关键词Keyword主题词Subject未经规范化的名词例如：脚踏车、单车土豆、洋芋规范化的名词例如：自行车马铃薯必须是直接从文献或标题中抽出的词汇可以是文献中的词汇，也可以不是第二十七页，共109页。外文文献调研是开题前必须做的工作：从文中选词检索易漏检或误检由于作者的用词习惯不同，会发生如下情况：一个概念会有多种表示——导致漏检检索时需要收集同义词，费时麻烦且易漏检一个词可以表示多个概念——导致误检cell细胞、电池cellwnti检出的文献中有solarcell,tumorcells等除了用文中词汇检索外：还有无更好的办法？

第二十八页，共109页。Ei的解决方案：对文献进行主题标引采用规范化词组对文献进行主题标引做到标引词与概念一一对应标引词源于词表，故EI的标引词也称受控词如“计算机层析”这一概念在文中可以有如下表示：CT,computettomography,computedtomography,computerizedtomography,computerisedtomography,computer-aidedtomograpyEI主题标引时，统一表示为“ComputerizedTomography”

第二十九页，共109页。Ei同时采用受控词和非受控词进行主题标引

采用受控词标引—提高主题检索效率标引词取自叙词表相应字段

EIcontrolledterm，CVEImainheading，MH

非受控词标引字段—解决词表更新滞后的问题标引词直接取自文中词，如关键词及摘要相应字段uncontrolledterm,FL第三十页，共109页。信息检索技术信息检索技术是指利用现代信息检索系统，如联机数据库、光盘数据库和网络数据库检索有关信息而采用的相关技术，主要信息检索技术有：布尔逻辑检索、截词检索、位置检索、字段限定检索。计算机信息检索技术第三十一页，共109页。1.布尔逻辑检索布尔逻辑检索算符有以下三种：

（1）逻辑与AND（2）逻辑或OR（3）逻辑非NOT计算机信息检索技术（*）（+）（）第三十二页，共109页。计算机信息检索技术1）逻辑与AND（*）逻辑与AND（*）：这是一种用于交叉概念或限定关系的组配，可以缩小检索范围，提高查准率。【例】查找“高强度低合金钢”方面的文献，可以将概念分解为：“highstrength”、“lowalloy”和“steel”三个基本概念。如用A、B、C三个圆分别代表“steel”、“highstrength”和“lowalloy”，则三圆交叉的斜线部分才是三个检索词同时存在的文献记录。第三十三页，共109页。计算机信息检索技术2）逻辑或OR（+）逻辑或OR（+）：这是一种用于并列概念的组配，可以扩大检索范围，避免漏检，提高了查全率。【例】查找有关“太阳能”方面的文献，不能确定主题词用“sun”或“solar”，则采用“或”组配。如用A、B两圆分别代表“sun”或“solar”，则斜线部分为其中任何一个词或两个词同时存在的文献记录。

第三十四页，共109页。计算机信息检索技术3）逻辑非NOT（–）逻辑非NOT（–）：用于从原来的检索范围中排除不需要的概念或影响检索结果的概念。用逻辑非，能够缩小命中文献范围，提高查准率。【例】查找“不包括核能的能源”的文献，用A、B两圆分别代表“energy”、“nuclear”，斜线部分从energy中排除了nuclear的文献。第三十五页，共109页。布尔逻辑运算的优先执行顺序：Not>And>Or括号可以改变其执行顺序三个逻辑运算符和括号的运用可以将检索词组配成比较复杂的逻辑提问式，以满足复杂的信息检索的需要.例如：A*(B+C)第三十六页，共109页。2.截词检索是将检索词在被认为合适的地方用截词符进行截断的方法。截词符用？或*表示，前者通常表示有限截断，后者表示无限截断。第三十七页，共109页。1）后截断例如输入computer*computers,computered,computerize,…输入computer??computer,computers,computered注意：使用后截断有可能检索出无关词汇，尤其是在使用无限后截断时，所选词干不能太短，否则将造成大量误检，或发生溢出，导致检索失败。第三十八页，共109页。2）前截断例如输入*computermicrocomputer,minicomputer,computer第三十九页，共109页。3）中间截断例如analy?eanalyze,analysewom?nwoman,women它将截词符号置于一个检索词的中间。它对于解决英、美不同拼法、不规则的单、复数变化等很有用。第四十页，共109页。4）前后截断例如

*Computer??minicomputers它是将前截断和后截断结合使用。第四十一页，共109页。计算机信息检索技术3．位置检索位置检索又称邻近检索，用位置算符表示检索词之间的位置邻近关系。在某种情况下，若不限制词的位置关系则会造成误检，影响查准率。比如：检索“生物防治”文献，若用检索式“biological*control”检索，则会将“抑制生物”（controlbiological）的文献也检索出来，因此，大部分检索系统设定了位置算符以确定词之间的位置关系。常用的位置算符有以下几种：(W)算符、(nW)算符、(N)算符、(nN)算符、(S)算符、(F)算符。第四十二页，共109页。计算机信息检索技术1）(W)算符W是With的缩写，(W)表示其两侧的检索词必须按前后顺序出现在记录中，在两词之间不能插入其他词，只可能有空格或一个标点符号。(W)算符严密性较强，它基本等价于词组检索，可以简写为()。例如，online()information()retrieval第四十三页，共109页。计算机信息检索技术2）(nW)算符W是Words的缩写，n为自然数。(nW)表示其两侧的检索词之间允许最多插入n个词，但它们之间的位置不能颠倒。如laser(1W)printer可检出“laserprinter”、“lasercolourprinter”和“laserandprinter”第四十四页，共109页。计算机信息检索技术3）(N)算符N是near的缩写，(N)表示其两侧的检索词必须彼此相邻，并且这两个检索词的次序任意。如factory(N)automation可检出factoryautomation和automationfactory的信息。4）(nN)算符表示在其两侧的检索词之间允许最多插入n个单词，且两词词序可以改变。如information(1N)retrieval可检出informationretrieval或retrievalofinformation的信息第四十五页，共109页。计算机信息检索技术5）(S)算符S是subfield的缩写，(S)表示其两侧的检索词必须出现在同一子字段，即一个句子或短语中，词序不限,并且夹在其间的词量不限。例如，computer(S)application只要computer和application在一个句子或短语中即为命中文献。第四十六页，共109页。计算机信息检索技术6）(F)算符F是field的缩写，(F)表示其两侧的检索词必须出现在同一个字段中，如篇名字段、叙词字段、文摘字段等，词序不限，并且夹在其间的词量不限。例如，Pollution(F)control表示一篇标题为ControlandManagementofIndustrialPollution的文献记录为命中文献。第四十七页，共109页。计算机信息检索技术4．字段限定检索字段限定检索是利用检索字段符来限定检索字段，即指定检索词在记录中出现的字段。检索字段符分为两类，即后缀方式和前缀方式。前者对应于基本索引，反映文献的主题内容；后者对应于辅助索引，反映文献的外部特征。第四十八页，共109页。计算机信息检索技术4．字段限定检索1）后缀方式后缀方式在检索词后加上指定检索字段的后缀字段代码，反映文献的主题内容。常用的代码有/TI（篇名）、/AB（文摘）、/DE（叙词）。例如，information()retrieval/TI表示仅在TI字段中检索information()retrieval。第四十九页，共109页。计算机信息检索技术4．字段限定检索2）前缀方式前缀方式是在检索词之前加上指定检索字段的前缀字段代码，反映文献的外部特征。常用的代码有AU=(作者)、ISBN=(ISBN号)、CC=(分类号或类目名称)、CD=(会议日期)、CS=(机构名称)、DT=(文献类型)、JN=(刊名)、PY=(出版年)等。第五十页，共109页。第五十一页，共109页。计算机信息检索技术2）前缀方式例如，AU=Liu,MingzhuANDCS=(HarbinInstituteofTechnology)表示查找哈尔滨工业大学的刘明珠老师发表的文献。

第五十二页，共109页。计算机信息检索的

常用方法与步骤1、信息检索方法基于数据库的常用检索方法：计算机检索方法没有固定模式，主要归纳为以下几种：

（1）基本检索(快速检索、简单检索)：是一种最简单的检索方法，多数数据库只提供一个检索框且只能输一词或一个词组检索，但也有的数据库可对两词或多词进行逻辑组配检索。第五十三页，共109页。计算机信息检索的

常用方法与步骤基于数据库的常用检索方法：（2）高级检索：用户可通过点选检索系统给定的检索字段对多词进行逻辑组配。高级检索提供的检索框也较多，一般一个检索框只能输一词或一个词组，检索框经常控制在2-5个。第五十四页，共109页。计算机信息检索的

常用方法与步骤基于数据库的常用检索方法：（3）专业检索：一般只有一个大检索框，要求用户自己输词、字段、检索算符进行组配检索。要求用户有熟练的检索技术。（4）分类检索：一般按分类表进行限定检索，或按学科进行一级一级浏览。（5）二次检索：是在以上单项检索的基础上，进一步选用新词进行缩小范围的检索。第五十五页，共109页。第五十六页，共109页。计算机信息检索的

常用方法与步骤

2、信息检索步骤第五十七页，共109页。图书馆引进全部电子资源的总体介绍

哈尔滨工业大学购置的电子资源已经覆盖了我校所有的学科范围。这些电子资源包含了国内外的二次文献数据库、中外文全文电子期刊库、学位论文数据库以及事实型数据库。图书馆一年新增的数字化电子资源总量已经超过了印刷型文献的信息总量，具有使用权的数字资源总量处于国内高校的前列截止2013年12月31日，哈工大图书馆数据库总数量为167个。其中：外文文摘数据库10个，外文全文数据库44个，文献评价工具2个，中文数据库78个，数据库附赠的免费电子资源33个。第五十八页，共109页。第五十九页，共109页。哈尔滨工业大学文摘数据库第六十页，共109页。哈尔滨工业大学全文数据库第六十一页，共109页。外文数据库一般由3种机构出版（1）大、中型专业出版公司如世界著名的Elsevier（爱思唯尔）出版公司、JohnWiley&Sons出版公司、Springer出版公司、剑桥大学出版社等（2）专业学协会如美国航空航天学会（AIAA）、美国电子电器工程师学会（IEEE）、英国皇家物理学会（IOP）等。（3）专门从事数据库制作和销售的数据库商如EBSCO公司、ProQuest公司等；自己没有出版物，但他们买出版公司的产品，然后建立检索平台供读者检索，例如iGroup公司建立了Scitation平台，在上面可以看到AIP（美国物理学会）、ASME（美国机械工程师协会）等几十个专业学协会的电子期刊。第六十二页，共109页。第六十三页，共109页。第六十四页，共109页。学术资源发现简单检索第六十五页，共109页。高级检索第六十六页，共109页。"liquidbearing"第六十七页，共109页。第六十八页，共109页。扩展馆藏之外的检索结果第六十九页，共109页。第七十页，共109页。第七十一页，共109页。检索结果处理第七十二页，共109页。第七十三页，共109页。第七十四页，共109页。输入检索词第七十五页，共109页。第七十六页，共109页。第七十七页，共109页。第七十八页，共109页。第七十九页，共109页。网络搜索引擎的利用1.网络信息资源的特点数据量大、传播广泛检索方便、成本低廉内容丰富、形式多样分散无序、缺乏管理分布不均、质量不一第八十页，共109页。网络信息资源2、搜索引擎检索和利用1）搜索引擎的产生是为了解决从海量信息中搜索所需信息的需求而出现的工具。搜索引擎就是指互联网上专门提供查询服务的网站。这些网站通过复杂的网络搜索系统，将互联网上大量网站页面收集到一起，而能够对用户提出的各种查询作出响应，提供给用户所需要的信息。第八十一页，共109页。搜索引擎检索式的构成常用限定代码网站：site文档：filetype标题：intitle链接：link检索词+限定代码常用检索符号《检索词》“检索词”检索词*逻辑算符and,or,not第八十二页，共109页。a）使用关键词的技巧每个关键词之间用逗号连接，会搜索到与其中任何一个关键词相关的网站和网页，这样可以使搜索范围扩大，有效避免漏检。另外，要尽量选用专指词、特定概念或专业术语作为关键词，避免使用普通词和太泛的词，如计算机、网络等词，太多太泛被称为检索“禁用词”。网络信息资源第八十三页，共109页。网络信息资源b）减号“”的运用“”的作用是为了去除包含特定的关键词但与检索目标无关的搜索结果，提高搜索结果相关性。若在搜索结果中有很多不相关的结果，则可用“”减掉不相关结果的关键词第八十四页，共109页。网络信息资源例，检索“手机”，输入“手机电视剧”来进行搜索，查询的结果里就不会有手机电视剧的信息。需要注意的是，前一个关键词和减号之间必须有空格，否则，减号会被当成连字符处理，而失去减号语法功能。减号和后一个关键词之间，有无空格均可。第八十五页，共109页。第八十六页，共109页。网络信息资源c）利用双引号“”进行精确匹配搜索使用双引号进行精确匹配检索，能缩小检索结果范围，提高查准率，得到的信息结果最少最精确。如，输入“哈尔滨工业大学”，可以得到与输入词完全匹配的结果，否则，搜索引擎就会将“哈尔滨”或“大学”等词分别检索出来。第八十七页，共109页。网络信息资源d）停用词的应用停用词（StopWords）主要常见于英文搜索引擎中，指的是使用过于频繁的单词，如who、I、what、it、and、how、的、地等。搜索引擎不支持停用词的检索。如果在搜索的检索词中必须使用停用词，可以用加号“+”来解决。如搜索影片名称“WhoamI”时，其中“Who”和“I”是停用词，用“+”号强制对其进行搜索，此时的搜索条件即+Who+am+I或将全部检索词用“”引起来，进行精确匹配搜索。第八十八页，共109页。网络信息资源3）常用的搜索引擎常用的中文搜索引擎a）百度（）百度是全球最大的中文搜索引擎。2000年1月1日，百度公司创始人李彦宏、徐勇以120万美元投资创建了百度公司。同年10月，百度搜索引擎正式发布。百度采用基于内容和基于超链接分析相结合的方法进行相关度评价，能够客观分析网页所包含的信息，从而最大限度地保证了检索结果相关性。第八十九页，共109页。网络信息资源百度的网页搜索特色功能包括以下方面。（1）百度快照。每个未被禁止搜索的网页，在百度上都会自动生成临时缓存页面，称为“百度快照”。当网站服务器暂时出现故障或网络传输堵塞时，可以通过“百度快照”快速浏览页面文本内容。因为百度快照只临时缓存网页的文本内容，所以那些图片、音乐等非文本信息，仍是存储于原网页。第九十页，共109页。网络信息资源第九十一页，共109页。网络信息资源百度的网页搜索特色功能包括以下方面。（2）专业文档搜索。很多有价值的资料，在互联网上并非是普通的网页，而是以Word、PowerPoint、PDF等格式存在。百度支持对Office文档（包括Word、Excel、PowerPoint）、AdobePDF文档进行的全文搜索。要搜索这类文档，在普通的检索词后，加一个“filetype:”文档类型限定，“filetype:”后可以跟以下文件格式：DOC、XLS、PPT、PDF、RTF、ALL。第九十二页，共109页。网络信息资源第九十三页，共109页。网络信息资源b）搜狗（）。搜狗是搜狐公司于2004年8月3日推出的全球首个第三代互动式中文搜索引擎。2007年1月1日正式推出的全面升级的搜狗网页搜索3.0版本凭借自主研发的服务器集群并行抓取技术，成为全球首个中文网页收录量达到100亿的搜索引擎，以每天5亿网页的速度