现代信息检索教程第二章(中文专业10春)

现代信息检索教程第二章(中文专业10春)第二章信息检索的基本方法和基本技术第一节信息检索的原理、类型和方式第二节信息检索语言与工具第三节信息检索的方法和途径第四节计算机信息检索思考题一、信息检索的原理通过对大量的、分散无序的文献信息进行搜集、加工、组织、存储，建立各种各样的检索系统，并通过一定的方法和手段使存储与检索这两个过程所采用的特征标识（特征标识是指从自然语言中精选出来的并加以规范化处理的一套特殊符号或代码）达到一致，以便有效地获得和利用信息源。

第一节信息检索的原理、类型和方式返回目录广义的信息检索包括信息的存储和检索两个过程。信息的存储:将搜集到的一次信息，经过著录其特征（如题名、著者、主题词、分类号等）而形成款目，并将这些款目组织起来成为二次信息的过程。信息的检索:针对已存储好的二次信息库进行的，是存储的逆过程。返回目录一次信息信息特征检索语言信息特征标识信息检索工具检索结果分析标引输入输出信息需求检索提问分析检索提问标识标引检索存储过程检索过程信息检索原理：返回目录检索原理实例操作分析存储过程：11/gdn/admin/admin_login.asp检索过程

11/gdn/可见，在检索过程中检索语言的选择尤为重要！二、信息检索类型1.按照使用不同的工具和手段划分手工检索:简称“手检”，是指人们通过手工的方式来存储和检索信息。计算机检索：简称“机检”，是指人们在计算机检索网络或终端上，使用特定的检索指令、检索词和检索策略，从计算机检索系统的数据库中检索出所需要的信息的过程。返回目录2.按照信息检索内容划分文献信息检索：利用目录、文摘或索引等二次信息查找有关信息以及这些信息的出处和收藏单位等。数据信息检索：利用参考工具书、数据库等检索工具检索包含在文献中的某一数据、参数、公式或化学分子式。事实信息检索：利用百科全书、数据库等检索工具从存储事实的信息系统中查找出特定事实的过程。返回目录例如：利用“图书馆的检索机”检索“某一书刊的馆藏地”，属于文献检索。利用“百科全书”检索“第一届奥运会举办的时间和地点”，属于事实检索。利用“广西教育年鉴”检索“广西2006年大学毕业生的人数”，属于数据检索。三、信息检索方式1.直接检索直接检索：从浏览、阅读文献中(主要指一次文献)获取所需要的信息过程。2.间接检索间接检索：以检索工具(主要是二次文献和部分三次文献)为导向，进而查找原始文献以获得所需信息的过程。返回目录一、信息检索语言1.信息检索语言及其作用⑴检索语言的概念检索语言：应文献信息的加工、存储和检索的共同需要而编制的专门语言，是表达一系列概括文献信息内容和检索课题内容的概念及其相互关系的一种概念标识系统。概而言之，描述文献信息特征和表达检索提问的人工语言！

第二节信息检索语言与工具返回目录⑵检索语言的作用检索语言是沟通信息存储与信息检索两个过程的桥梁。在信息存储过程中，用它来描述信息的内容和外部特征，从而形成检索标识；在检索过程中，用它来描述检索提问，从而形成提问标识；当提问标识与检索标识完全匹配或部分匹配时，结果即为命中文献。返回目录检索语言分类检索语言主题检索语言古代分类法现代分类法人大法科图法中图法四部分类法中图法通用复分表关键词和叙词（《汉语主题词表》）代码检索语言四库全书总目检索语言的种类2.检索语言的类型经史子集2.检索语言的类型⑴按照标识的性质与原理划分①分类语言分类语言：以数字、字母(即分类号)或字母与数字结合作为基本字符，采用字符直接连接并以圆点（或其他符号）作为分隔符的书写法，以基本类目作为基本词汇，以类目的从属关系来表达复杂概念的一类检索语言。

返回目录●解释概念：也称分类法和分类表。是根据文献信息的内容、形式、体裁和读者用途等，在一定的哲学思想指导下，根据科学学科之间的逻辑归属关系，采用层次型或树杈型结构，列举人类所有的知识类别，并对每一知识分别标以相对固定的类码，从而形成的类表。●特点----从总到分、从一般到具体、层层划分、逐级展开，具有某种符号代码体系的知识体系。●优点----检索到某学科或专业的所有文献，有较高的查全率。●缺点----相对于当前研究状况的跨学科或专业的检索十分困难。我国广泛应用的分类法：《中国图书馆分类法》（简称《中图法》）《中国科学院图书馆图书分类法》（简称《科图法》）《中国人民大学图书馆图书分类法》（简称《人大法》）国外应用最多的分类法：《国际十进分类法》《杜威十进分类法》《美国国会图书馆图书分类法》返回目录●介绍《中国图书馆分类法》（简称《中图法》）《中图法》是1971年由北京图书馆倡议，全国36个单位组成的编写组集体编制的，于1975年正式出版，1980年、1990年、1997年先后修订三次。《中图法》是我国当代具有代表性的图书分类法，被推荐为我国标准图书分类法．广泛使用于图书馆和情报部门。《中图法》是为实现全国图书资料统一分类而编制的，是一部大型的综合性的图书分类法。《中国图书馆分类法》的基本构成：五大基本部类二十二个基本大类（一级类目)一级以下设有：

二级类目、三级类目、四级类目、

五级类目（共53811个类目）。中图法5个基本部类马克思主义、列宁主义、毛泽东思想哲学综合性图书社会科学自然科学基本部类

中图法22个基本大类（一级类目）A、马克思主义、列宁主义、毛泽东思想B、哲学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I、文学基本大类

中图法22个基本大类（一级类目）J、艺术K、历史、地理N、自然科学总论O、数学科学和化学P、天文学Q、生物科学R、医药、卫生S、农业科学基本大类

I文学(一级类目)I0文学理论I1世界文学I2中国文学I3/7各国文学二级类目I2中国文学（二级类目）

I21作品集

I22诗歌、韵文

I23戏剧文学

I24小说三级类目I24小说（三级类目）

I242古代至近代作品（--1919年）

I246现代作品（1919——1949年）

I247当代作品（1949年——）四级类目I247当代作品（1949——）（四级类目）I247.4章回小说I247.5新体长篇、中篇小说I247.7新体短篇小说I247.8故事、微型小说五

级

类

目小结：

可见，为了反映学科之间属分关系，《中图法》的类号每增加一位字母或数字代表增加一级分类，体现了学科之间的逻辑归属关系。我们学院图书馆的图书就是根据《中图法》分类的，每本图书均有一个索书号，索书号是由分类号和作者号构成。例如：书名：《三国演义》

I242.43/L939-3统称索书号分类号作者号●熟悉《中图法》中与本专业相关的分类号的作用因为运用分类号检索可以检索到某学科或某专业的所有文献，有较高的查全率。所以，熟悉《中图法》中与本专业相关的分类号：能较快确定检索目标的入口，提高查准率！想了解《中图法》的具体内容，可上我们学院图书馆主页的超星数字图书馆检索《中国图书馆分类法》获得。②主题语言主题语言：以自然语言的字符为字符，以名词术语为基本词汇，用一组名词术语作为检索标识的一类检索语言。标题词：指从自然语言中选取并经过规范化处理，表示事物概念的词、词组或短语。元词：又称单元词，是指从文献中抽取出来的，能表达文献主题的最基本、不能再分的单元词语。叙词：从文献内容中抽出来，能概括表达文献内容基本概念的并经过规范化的名词或术语。关键词：是自然语言，直接取自文献的题名、文摘等，或者取自全文。返回目录③代码语言代码语言：指对事物的某方面特征，用某种代码系统来表示和排列事物概念，从而提供检索的检索语言。返回目录(2)按照表达文献的特征划分①表达文献外部特征的检索语言表达文献外部特征的检索语言：指文献的题名、责任者、文献编号等。②表达文献内容特征的检索语言表达文献内容特征按其结构原理可划分为分类语言、主题语言和代码语言三大类型。返回目录

文献的外部特征

文献的内部特征注意：文献的外部特征与文献是一一对应关系，即一组外表特征只对应一篇唯一的文献，而文献的内部特征与文献却是一种模糊的对应关系！因此，利用外表特征只能检出很少的文献，利用内容特征一次能检出一批文献。检索语言题名（书名、刊名、篇名等）题名索引责任者（著者、译者、编者等）著者索引文献编号（ISBN、ISSN、专利号、标准编号）分类途径分类索引主题途径主题索引代码途径分子式索引、环系索引二、信息检索工具1.检索工具的含义检索工具：指用以报导、存储和查找文献线索的工具。它是附有检索标识的某一范围文献条目的集合，是二次文献。返回目录2.检索工具的类型⑴按检索手段划分①手工检索工具：亦称传统检索工具，它是由人直接参与查找文献的检索工具。②机器检索工具：借助于某些机器设备(主要是电子计算机和数据库)查找文献和信息的检索系统。返回目录⑵按载体形式划分①书刊型检索工具：以图书、刊物形式出版的常用检索工具。②卡片型检索工具：将文献的主题、分类、著者和文献题名等检索标识著录在卡片上，并将这些卡片按一定的方法排列成逻辑有序的传统检索工具。③机读型检索工具：以光、电、磁等作为存储和传递的介质，以计算机为主要手段进行信息检索的工具。④缩微型检索工具：缩微型检索工具又称COM式的检索工具，它是指计算机输出缩微品目录。返回目录⑶按照著录格式的不同划分。①目录型检索工具：记录具体出版单位、收藏单位及其他外表特征的工具。（如《玉林师院图书馆书目检索系统》）②题录型检索工具：以单篇文献为基本著录单位来描述文献外表特征（如文献题名、著者姓名、文献出处等），无内容摘要，是快速报道文献信息的一类检索工具。（如《全国报刊索引》）注意：目录著录的对象是单位出版物，题录的著录对象是单篇文献！返回目录③文摘型检索工具：将大量分散的文献，选择重要的部分，以简炼的形式做成摘要，并按一定的方法组织排列起来的检索工具。（如《高校文科学报文摘》）④索引型检索工具：根据一定的需要，把特定范围内的某些重要文献中的有关款目或知识单元，如书名、刊名、人名、地名、语词等，按照一定的方法编排，并指明出处，为用户提供文献线索的一种检索工具。返回目录一、信息检索方法1.直接法直接法：指直接利用检索工具（系统）检索文献信息的方法。顺查法：指按照时间的顺序，由远及近地利用检索系统进行文献信息检索的方法。倒查法：由近及远，从新到旧，逆着时间的顺序利用检索工具进行文献信息检索的方法。抽查法：指针对项目的特点，选择有关该项目的文献信息最可能出现或最多出现的时间段，利用检索工具进行重点检索的方法。第三节信息检索的方法和途径返回目录2.追溯法追溯法：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，进行逐一地追溯查找“引文”的一种最简便的扩大情报来源的方法。它还可以从查到的“引文”中再追溯查找“引文”，像滚雪球一样，依据文献间的引用关系，获得越来越多的内容相关文献。返回目录3.综合法综合法：又称为循环法，它是把上述两种方法加以综合运用的方法。综合法既要利用检索工具进行常规检索，又要利用文献后所附参考文献进行追溯检索，分期分段地交替使用这两种方法。综合法兼有常用法和追溯法的优点，可以查得较为全面而准确的文献，是实际中采用较多的方法。返回目录二、信息检索途径●概念：信息检索途径是指数据库中哪些字段和数据元素可作为检索入口。例如，在《图书馆书目检索系统中》检索途径的入口点为“检索类型”返回目录●类型：由于不同的检索途径,从不同的角度揭示文献信息的内涵，所以检索途径类型划分如下：1.分类途径分类途径：依照规定的分类表（如《中图法》），按文献学科属性查找文献的途径。例如在《图书馆数目检索系统》中选择的“检索类型”为“分类号”，那么检索途径为“分类途径”。优缺点：利用这种途径便于查找某一学科或某一专业的文献。但是随着科学多元化的发展，对于交叉学科文献的检索困难较大。2.主题途径主题途径：指通过文献信息的内容主题进行检索的途径，它依据的是各种主题索引或关键词索引，检索者只要根据项目确定检索词（主题词或关键词），便可以实施检索。例如在《图书馆数目检索系统》中选择的“检索类型”为“主题词”，那么“检索途径”为“主题途径”。优缺点：能满足特性检索要求，专指性强；能适应新兴学科及多学科文献检索．只要根据新学科的出现、发展及多学科的需要，随时增加主题词，就能快速检出所需文献。但是主题词选择必须准确，否则无法进行查找；由于主题词的规范性．输入的主题词必须完全正确．查找主题词表较费时间。为了迎合大众需要，有些数据库的检索类型的“关键词”选项也属于“主题途径”。这种关键词是不加规范或略加规范的自然语言，又叫自由词。因此，用户可根据自己的需要，选择熟悉的词语进行检索，不用特意记忆或事先查找词汇，比较方便。其缺点是容易漏检，因而使用这种途径进行检索时，必须同时考虑多个同义词、近义词，以减少漏检。3.著者途径著者途径：指根据已知文献著者（指责任者、译者、编者、撰者等）来查找文献的途径。例如在《图书馆数目检索系统》中选择的“检索类型”为“责任者”，那么选择途径为“著者途径”。4.其他途径其他途径：包括利用检索工具的各种专用索引来检索的途径。专用索引的种类很多，常见的有各种号码索引（如专利号、入藏号、报告号等），专用符号代码索引（如元素符号、分子式、结构式等），专用名词术语索引（如地名、机构名、商品名、生物属名等）。返回目录5.题名途径（补充）题名途径，是利用检索入口点的“题名”项进行检索的一种检索途径。从检索者角度来理解，“题名途径”是根据文献书名、刊名或者篇名来检索的一种检索途径。《图书馆书目检索系统中》的检索入口点的检索类型默认为“题名”。●对于无法确定检索所用的检索词是否是规范化的主题词还是不规范的关键词，可采取如下办法：1、将检索者自拟的检索课题的标题中的主要概念（也叫核心概念）抽取出来，调整位置，反复试查。例如研究课题为“数字艺术在影视作品中的展现”的主要概念是“数字艺术”、“影视作品”2、将拟定的标题进行切分、提取和扩展⑴、概念的切分主要指的是词语的切分，这种切分的一般方法是去掉课题表述中的虚词和泛指的词语，然后按照概念单元分成不能拆分的词语。如“数字艺术在影视作品中的展现”可以分成“数字”、“艺术”、“影视作品”。利用中知网的期刊网（或者维普）检索看看效果如何。⑵、提取主要检索词，少用辅助检索词，不用禁用词主要检索词指与课题所研究的对象、方法有关的特指性事物名词。如“数字艺术”、“影视作品”;辅助检索词指泛指性名词，它们只在检索结果过多需要限制时候使用。如“展现”;禁用词指介词、连词等虚词。如“关”“在”“的”等。分析提取“关于中国唐诗的韵律研究”的主要检索词：“唐诗”和“韵律”.⑶、概念的扩展

①同义词扩展如“脚踏车、单车和自行车”，“internet与因特网”，“汉语与中文”，“画画与绘画”等②反义词扩展如“安全与危险”，“廉洁与腐败”、“奖励与惩罚”等概念扩展——又分为“上位概念扩展”、“下位概念扩展”与“隐含概念扩展”⑶、概念的扩展③“上位概念扩展”主要用于分析检索对象的学科属性，如“唐诗与古诗”，“剪纸与民间艺术”等；“下位概念扩展”又称概念分析的树形展开法，例如，

民间艺术：剪纸、中国结、剪刻、木偶、魔术、皮影戏“隐含概念扩展”主要指那些隐含在课题标题中与课题相关的概念，例如“外资管理”中的“管理”隐含“法规”等具体的管理方法。对于多数课题，同时使用显见的概念和隐含概念，可以提高检索的查全率。例如：检索课题

“广告语言修辞艺术研究”分析并提取概念词：广告；广告词、广告语、广告语言；修辞，修辞艺术，修辞格。检索课题“中学语文课课改探索”分析并提取概念词：中学，初中，高中；语文课；教学，课改，教改。注意：分析并提取主题概念是进行检索的第一步，输入到检索框去的检索词就是从这些主题概念入手！

补充内容：检索策略一、检索策略定义检索策略是为达到检索目标而制定的具体检索方案或对策。在实际检索过程中，仅需一个检索词就能满足检索要求的情况并不很多。通常要使用多个检索词构成检索策略，以满足由多概念组配而成的较为复杂课题的要求。

因此，检索策略，又称提问式，就是对多个检索词之间的相互关系和检索顺序作出的某种安排.

在计算机检索中，构成检索策略就是运用计算机信息检索系统可以接受的方法，包括布尔逻辑算符、优先算符、位置算符、截词算符等方法，表达课题检索要求的过程。（将在第四节“计算机检索”中详细分析）

三、信息检索程序返回目录一、计算机信息检索基本知识1.检索原理计算机信息检索：指人们在计算机或网络终端上使用特定的检索指令、检索词和检索策略，从计算机检索系统的数据库中检索出所需的信息，然后再由终端设备显示、打印的过程。计算机信息检索广义上讲包括信息的存储和检索两个方面。第四节计算机信息检索返回目录计算机信息存储过程：将收集到的原始文献进行主题概念分析，根据一定的检索语言抽取出主题词、分类号以及文献的其他特征进行标识或者写出文献的内容摘要。然后再把这些经过处理的数据按一定格式输入计算机存储起来，形成机读数据库，存储在存储介质（如磁带、磁盘或光盘）上，完成信息的加工存储过程。返回目录计算机信息检索过程：指用户对检索课题加以分析，明确检索范围，弄清主题概念，然后用系统检索语言来表示主题概念，形成检索标识及检索策略，输入到计算机进行检索。计算机按照用户的要求将检索策略转换成一系列提问，在专用程序的控制下进行高速逻辑运算，选出符合要求的信息输出。返回目录2.检索系统的组成计算机通信网络检索终端设备数据库计算机信息检索系统返回目录3.数据库的类型与构成⑴数据库的类型按照数据库所含信息的内容可以划分为以下几种类型:①文献书目数据库（二次文献数据库），如“图书馆书目检索系统”②信息指南数据库（事实数据库），如“天涯在线书库—人物传记”③数值型数据库（各种调查数据或统计数据），如，“CNKI数字搜索”④全文数据库，如“CNKI数据库”⑤多媒体数据库，如“超星名师讲坛”返回目录⑵数据库的构成①文档：是书目数据库和文献检索系统中数据组成的基本形式，是由若干个逻辑记录构成的信息集合。②记录：是数据库文档的基本单元，是对某一实体属性进行描述的结果。③字段（重点掌握，参看课本表2-1）：是构成记录的最小信息单元。○表现文献内容特征的字段有哪些？表现文献外表特征的字段有哪些？○中国期刊全文数据库的字段中哪些是表现文献的内容特征的？哪些是表现外表特征的？返回目录4.检索类型⑴联机检索：是由一台主机带多个终端的信息检索类型。⑵光盘检索：指利用计算机设备对只读式光盘数据库（CD－ROM）进行检索。⑶网络检索：指利用计算机设备和国际互联网（Internet）检索网上各服务器站点的信息类型。返回目录二、计算机信息检索基本技术1.布尔检索⑴逻辑“与”：用AND或“*”“并且”表示，是用于概念之间相交关系运算。意思是：检索同时含有A和B的记录，它是表示概念交叉和限定关系的一种组配。运算结果是阴影部分。这种组配可以缩小检索范围，有利于提高查准率。返回目录ABA=中国，B=文学；AandB=中国并且文学；检索“中国”和“文学”的交集记录。⑵逻辑“或”：用OR或“+”表示，是用于概念之间相并关系运算。意思是：检索或者含有A,或者含有B,或者同时含有A和B的记录。运算结果是阴影部分。这种组配可以扩大检索范围，防止漏检，提高查全率。返回目录ABA=儿歌，B=童谣；AORB=儿歌或者童谣；检索“儿歌”和“童谣”的并列集合记录。⑶逻辑“非”：用NOT或“-”“不包含”表示，是用于从某一检索范围中排除不需要的概念。它是表示概念删除关系的一种组配。运算结果是阴影部分。这种组配可以缩小检索范围，使检索结果更准确。返回目录ABA=专利，B=德国；ANOTB=专利不包含德国；检索“专利”中不包含“德国”的记录。需要指出的是，由于布尔逻辑运算符的优先级别不同，三者当中：逻辑非的优先级最高，逻辑与的优先级次之，逻辑或的优先级别最低。因此必要时可在提问式中添加括号，以改变运算的优先级。请比较：

计算机or自动化and图书馆

（计算机or自动化）and图书馆

因此利用三个逻辑运算符加括号，可以将检索词组配成较为复杂的逻辑提问式。布尔逻辑检索是一种被广泛应用的计算机检索方法。2.位置检索⑴邻近位置算符（W）或（）—With：表示算符两侧的检索词相邻，且两者之间允许只有一个空格或标点符号，不允许有任何字母或词，顺序不能颠倒。如：经济（）数学→经济数学,Aircraft()design→Aircraftdesign,Computer()aided()design→Computeraideddesign⑵邻词位置算符（nW）—nWords：表示在此算符两侧的检索词之间最多允许间隔n个词(实词或虚词)，且两者的相对位置不能颠倒。返回目录如：laser(1w)printer→laserprinter和lasercolorprinter⑶（N）—Near：表示该算符两侧的检索词相邻，但两者的相对位置可以颠倒。如：computer（N）network→computernetwork、networkcomputer⑷（nN）—nNear：表示此算符两侧的检索词之间允许间隔最多n个词，且两者的顺序可以颠倒。如：computer（2N）system→computercodesystem，computeraideddesignsystem，systemusingmoderncomputer

返回目录注意：（N）与（nN）算符的区别。（N）是near的缩写，表示其连接的两个检索词必须相邻，词序不限，两词间不允许插词，但允许有一空格或标点符号。（nN）表示两词间允许插入最多n个词,词序不限.如：internet（N）accessing；命中记录中出现的匹配词可能有：internetaccessing，accessinginternet。而：internet（1N）accessing；命中记录中除上例的外，还会可能有：accessingtheinternet，internet/intranetaccessing等。⑸（S）—Subfield：表示其两侧的检索词必须是在文献记录的同一子字段中，而不限定它们在该子字段中的相对次序和相对位置的距离。如：computer（）control（S）system→Thispaperisconcernedwithanapplicationofthecomputercontroltechniqueinaintelligentsystemfortestinginnerwallsofpipes.

⑹字段位置算符（F）—Field：表示其两侧的检索词必须是在文献记录的同一字段中，如标题词字段、叙词字段、文摘字段等，而它们在该字段中的相对次序和相对位置的距离不限。如：water（）pollution（F）control→在同一字段中同时含有waterpollution和control返回目录⑺（L）—Link：表示其两侧的检索词之间有主从关系，前者为主，后者为副。可用来连接主、副标题词。它们出现在记录的规范词字段。命中记录的规范词字段如：television（L）highdefinition→可能出现的匹配词是：TELEVISION-Highdefinition⑻（C）—Citation：表示算符两侧的检索词可以不分字段、不按顺序，只要检索词出现在一篇文献记录即算命中。如：computer（c）design等同于computer

anddesign3.截词检索截词检索：就是用截断的词的一个局部进行的检索。按截断的位置来分，截词可有后截断、前截断、中截断三种类型。按截词的长度可分为有限截断和无限截断。常用的截词符有?、$、*等。返回目录⑴、后截断——保持检索词前方的一致性。后方截断，也称前方一致。它是将截词符号置于检索词干的右方，用以表示其右方可以有有限个字符或无限个字符的变化。因此，后方截断又分为有限截断和无限截断两种情况。例如：system??可以同时检索出含有system和systems的文献。这样就可以避免因检索词的单复数变化而造成的漏检。⑵、前截断——保持检索词后方的一致性。如：computer如果要把含有这些词的文献microcomputer记录全部检索出来，可输入：minicomputer?computer⑶、中截断——检索词中有一部分不一致。如：organisationwomanorganizationwomen

如果要把含有这些词的文献记录全部检索出来，可输入：

organi?ation

wom?n4.字段限定检索字段限定检索：指限定检索词在数据库记录中的一个或几个字段范围内查找的一种检索方法。字段检索可分为两类：后缀式（Suffix）和前缀式（Pref