计算机信息检索

第一章互联网信息资源

1、网络上的信息内容：

①政府信息（最有价值，权威性，可靠性、低廉）；

②科研信息：

③救育信息（各大学所女立的网站及相关信息）。互联网已经发展成为一种市要的教育手段、学习环

境。

④媒体信息；网络媒体受众广泛、关注度高、交互性强、价格低廉

⑤商务信息：（各种采购、招标、推广与服务信息）

⑥休闲娱乐信息；（最成功）

2、互联网的信息资源：

（1）特点：广泛性，多样性，共享性，新颍性，互动性，经济性：

（2）局限性：分散，无序，多变，信息质量难以控制，信息安全难以保障。

3、互联网上信息资源的种类：（网络传输协议划分）

⑴、Web信息资源：

Web是WorldWideWeb（WWW,3W）的缩写,“全球信息网”“万维网”。它把各种类型的信息（如文本、声音、

动画、录像）和服务无缝链接，提供了丰富多彩的图形界面，直观方便。

①超文本传输协议HUB：

是浏览器与此b服务器之间相互通信、传输、响应用户请求的协议。Web服务器根据客户提出的HTTP

请求，为用户提供信息浏览、数据查询、安全验证等方面的服务；

②超文本标记语言HTML：一种专门编程语言，具体规定和描述了文件显示的具体格式。

③通用资源定位程序URL：又称网络资源的统一定位格式或统一资源定位器

④主页HomePage：主页是浏览器访问某个Web服务器上的信息时第一个链接到的文档。

⑤链接Link：是腌b网页的元素，是指向其他信息资源的指针，把Web页捆绑在一起。

⑥浏览器：指Web服务客户端的浏览程序，是显示网页服务器或档案系统内的文件，并让用户与这些

文件互动的一种软件。

（2）、Telnet（互联网远程登录服务）资源的功能：

通过在远程计算机上登录，使用户正在使用的计算机暂时成为它所登录的某•远程主机的仿真远程终端，

进而实时访问、共享、使用到远程计算机系统中对用户开放的相应资源。

Telnet曾经是一个强有力的互联网资源共享工具，通过Telnet方式提供的信息资源主要有：政府部门、

研究机构对外开放的数据库，某些商业性联机检索系统，•些大学和研究机构开发的电子布告栏系统BBS,

还有许多大中型图书馆的在线公共检索目录。

(3)、通过FTP获取文件的一般步骤：

①登录：

②浏览目录，找到所需文件；

③设置文件传输参数，选择文件的传输模式;如：Ascii模式一用于传输文本文件；二进制模式一用于

传输非文本文件；

④下载所需文件。

互联网使用的专门用来传输文件的协议，完成从一个系统到另一个系统完整的文件拷贝，即在互联网计

算机之间传输文件。

(4)、用户组信息资源：网上各种各样的用户新闻组、邮件群曾经是互联网上很流行的信息交流形式，

包括：新闻组、电子邮件群、专题讨论组、兴趣组、论坛。虽名称各异，但实质上都是由一组对某一特定

主题事物有共同兴趣的网络用户组成的邮件群组或电子论坛，是一种有组织的电子邮件系统，用户在其间

通过电子邮件进行一对多的交流。

特点：直接交互、全球互联、主题鲜明。

尽管由于近年来随着互联网的发展、宽带的普及，出现了更多快速、便捷的实时交流方式，如RSS、

Blog、Twittoi•等，使用户组的风头逐渐削弱.但在科研和教学方面，用户组还是一种值得重视的、中宫的，

自由的、最具开放性的资源。

4、互联网信息资源的评价

(1)、评价的标准：

目的、范围、内容(准确性、权威性、新颖性、特征性、可靠性、链接、图形和多媒体设计、信息的

展示与设计、可操作性【用户友好性，检索性能，交互性】)、费用、评论

(2)、网络信息资源质量的评价方法：

①定性评价：按照一定的评价标准对被评站点的各方面特征、质量做出主观评判，一般有问卷调查、

专家评议等方式：

②定量评价：利用数量分析方法，对相关数据进行调查采集、统冲分析，进而做出较系统、客观的评

判。

(3)、网络信息资源的一般评价方法:

①从URL中得到信息；

②查看网站描述和版权说明；

③从链接中获得信息；

④参考他人的评价。

第2章互联网信息检索概论

1、百联网信息检索的类型：

①“顺链而行”的浏览；

②基于目录型检索工具的互联网信息检查：

③基于索引型检索工具的互联网信息检索。

2、目录型网络检索工具也被称为网络资源目录或网络主题指南，它是一种基于人工的检索工具，由人工发

现、抓取、辨别互联网信息，依靠编目、标引人员的知识，按照图书分类、学科分类或其他分类依据的体

系，建立主题树分层目录，将采集、筛选后的信息分门别类地放入各大类或子类下面，用户通过逐级浏览

这些目录来查寻自己所需要的内容。

3、互联网信息检索的特点：

①无限的检索范围，动态的检索对象：

②丰富的检索内容，新兴的检索领域：

③强大的检索_L具，低廉的检索费用。

4、信息组织：就是把数据按照一定的结构、顺序、排列方式组织起来，或者说是按照信息查询的需要，对

数据根据其特征进行组织；信息组织的目的是服务于信息查询。

5、信息查询：就是通过搜索、定位以及取得数据的过程，也就是说从大量数据集合中获取用户需要的相关

信息，信息查询的效果和成败极大地依赖于信息组织的水平。

6、建立索引：为了快速响应检索，在组织信息时就必须建立索引。索引是一种将关键词词目映射到相应文

档的数据结构。

7、自动分类方法又可分为：

①归类一自动归类：是分析网页的内容特征，并与实现拟定的种类类别中的特征描述进行比较，然后

将对象归入为特征最接近的一类，并赋予相应的分类号；

②聚类一自动聚类：则是从待分类网页中提出特征，然后将提出的特征进行比较，再根据一定的原则

或需要，将具有相同或相近特征的对象定义为一类，这个类目未必是事先拟定好的。

8、元数据：描述数据的数据。编制目录的目的在于描述数据的内容或特色，进而达成辅助信息检索的目的。

而元数据就是用来揭示各类型电子文件的内容和其他特征的有力工具，其典型的作业环境是互联网。

9、较为普遍的查询算法模型包括：

①布尔检索模型：是最简单的模型，也是其他检索模型的基础。用户根据所检索关键词在检索结果中的逻

辑关系递交检索，检索模块根据布尔逻辑的基本运算法来给出检索结果。

优点：模型原理简单容易理解，容易在计算机上实现，检索速度快；

缺点：最终给出的检索结果没有相关性排序，不够精确，不能反映不同的索引项对一个文档的重要程

度的差异。

②扩展布尔模型：对布尔模型的改进，

优点：将非此即彼的相关判断方式改为计算相似度，避免了“一刀切”的情况：

缺点：最终给出的检索结果没有相关性排序，不够精确，不能反映不同的索引项对一个文档的重要程

度差异。

③向量空间检索模型：它的基本思想是，文档和检索提问都可以用向量表示，引用线性代数理论，检索过

程就是计算文档向量与枪索提问向量之间的相似度，可以根据相似度值的不同，对检索结果进行排序；还

可以根据检索结果，做进一步的相关检索。

优点：使用简单，并且在模型中有许多可调整的计算方式：

缺点：欠缺理论的支持与验证。

④概率模型，

优点：有严格的数学理诒基础，采用了相关反馈原理克服不确定性推理的缺点，

缺点：参数估计的难度比较大，文件和检索的表达也比较困难。

10、互联网检索工具的性能评价：

（1）收录范围

（2）检索功能（核心指标i：

①检索方式，单一还是多样：

②检索技术是否先进、多样：

③检索限定，对所查信息是否有选择与限定的自由。

（3）检索效率（检全率和检准率）

（4）检索结果的处理和展示

（5）用户界面设计。

11、检全率：对于一项检索，实际检出的文件数目与所有应该被检出的文件数目的比率。

12、检准率：对于•项检索，实际检出的文件之中有多少比率是真正应该被检出的文件。

13、较高的检准率可以节省用户从检出的所有文档中过滤掉无关信息的时间。

第3章互联网检索工具（一）•一搜索引擎

i.搜索引擎：是一种能够通过互联网接受用户的杳询指令，帮助用户讯速地从网上查找所需要的信息，并

向用户提供符合其查询要求的搜索结果列表及相关信息的检索系统。

2、Archie：是第一个互联网信息检索工具

3、从搜索技术层面上分析，搜索引擎的发展大致经历了以下3个阶段：

①第一代搜索引擎是以文档分类导航为特征，是基于文档内容的搜索引擎，代表：Yahoo。

②第二代搜索引擎产生于20世纪90年代中期，以关健词匹配为特征，并基于超链接分析技术，从而

实现网页的自动抓取、排序等。代表：Guv^le

③第三代搜索引擎是一种智能化的搜索引擎，可以实现自然语言的无障碍搜索。

4、搜索引擎的一般工作流程是：首先对互联网上的网页进行搜集，其次对搜集来的网页进行预处理，建立

网页索引库，实时响应用户的查询请求，并对查找到的结果按某种规则进行排序后返回给用户。

5、搜索引擎的重要功能是对互联网上的文本信息提供全文检索。分步骤叙述搜索引擎的工作原理。

①抓取一从互联网上抓取网页：搜索引擎的信息搜集基本上是自动的.

②索引-建立索引数据：此过程即为搜索引擎对搜集到的网页信息进行系统整埋的过程。

③搜索、排序一在索引数据库中搜索排序：用户输入关键词进行检索后，由搜索系统程序从网页索引

数据库中找到符合该关键词的所有相关网页。依据已经计算好的所有网页针对该关键词的相关度，按

照其数值高低进行排序。

④显示一对搜索结果进行处理排序：搜索引擎定期对网页进行重新访问，更新数据库信息，同叶根据

网页文字和链接关系的改变重新进行排序。

6、搜索引擎的关键技术有哪些：

（1）信息收集和存储，

（2）信息预处理技术：

①关键词提取技术；

②坨圾信息消除技术

③链接分析技术

④网页重要性计算术：

（3）信息索引技术：

①顺排文档检索

②倒排文档索引

③后缀数组索引

7、搜索引擎技术的发展趋势：

①自然语言检索技术

②目录导航检索与关键词检索相结合

③智能化和个性化检索技术

④多媒体检索技术

⑤3G移动搜索

⑥交叉语言检索技术

8、网络检索工具的分类：

（1）按检索对象划分：

①Web资源检索工具；

②非Web资源检索工具；

（2）按检索机制划分：

①目录型Yahoo;

②索引型Google;

③混合型；

（3）按检索领域划分：

①综合型网络检索工具；

②专业型网络检索工具；

@特殊型网络检索工具；

（4）按集成检索工具数量划分：

①独立型网络检索工具；

②集合型网络检索工具；

（5）按运行环境划分：

①互联网搜索工具;

②网站内搜索工具；

③桌面搜索工具；

9、搜索引擎的主要类型：

①通用搜索引擎

②垂直搜索引擎

③元搜索引擎

10,Bing,是微软公司于2009年5月发布的一款用以取代LiveSearch搜索弓|擎

11、AckJeeves因采用“自然语言搜索”而一举成名。

12.Lycos是第•个在搜索结果中使用了网页自动摘要，曾以远性过其他搜索引擎的数据量著称。

13、国内通用搜索引擎：搜狗、百度。

14、垂直搜索：是针对某一特定领域、某一特定人群或某一特定需求提供的信息搜索和有一定价值的相关

信息服务，

特点:就是专、精、深，且具有行业色彩。

关键技术：“主题爬虫”技术和Web信息提取技术。

15、“主题爬虫”技术：与通用搜索引擎不同，是根据一定的网页分析算法过漉与主题无关的链接，保留主

题相关的链接并将其放入待抓取的网页URL,并重复上述过程，直到达到系统的某•条件时才停止。

16、垂直搜索引擎的特征：

(1)信息采集，采用主动采集与被动采集相结合的方式，

(2)信息加工：对网页信息进行了结构化信息提取加工，通用搜索引擎进行检索的最小单位为网页，而

垂直搜索引擎的最小单位是结构化的数据：

(3)信息检索：不仅能够对网页信息的结构化信息进行检索，还能提供结构化叮非结构化相结合的方式

进行检索。

17、垂直搜索引擎常用工具介绍：

①酷讯：是国内的第一个全旅游搜索引掌：

②智联招聃网：

③搜房网；

④优酷网：视频分享网筛。

18、元搜索引擎：又称集合式搜索引擎、并行搜索引擎之搜索引擎。它是将多个搜索引擎集成在一起，并

提供一个统一的检索界面。

19、元搜索引擎工作原理：将多个搜索引擎进行集合，通过统一的检索界面接受用户的检索提问，用户只

需递交•次检索请求，元搜索引擎就可根据知识库中的信息，将用户的检索请求转换为多个搜索引擎所能

识别的格式，自动地分发、提交给多个独立的搜索引擎，同时进吁多个数据库的检索，最后元搜索引擎再

把从各个搜索引擎返回的检索结果收集起来，进行比较分析，合并冗余、去除重复信息，交以一定的格式

返回给用户。

20、元搜索引擎与普通搜索引擎的区别:

①可以将一次提问提交多个数据库；

②没有自己独立的数据库；

③结果是基于独立搜索引擎的结果的二次加工；

④标明结果记录的来源搜索引擎及相关度。

21、元搜索引擎的优点：

①信息覆盖面大，检索效率高：

②检索工具扩展性能强；

③服务多样化；

④无需考虑网页索引数据库的建立和维护。

22、元搜索引擎的缺点：

①检索结果全面性和可靠性差；

②不能灵活控制结果的输出।

③检索结果排序不够理想：

④信息搜索覆盖面存在局限性：

⑤检索式处理较复杂。

第4章互联网检索工具（二）--目录型网络检索工具

1、互联网黄页是目录型

目录型检索工具的特点：

①面向用户的易用性：

②提供准确性较高的信息内容；

③提供导航作用良好的检索体系结构；

④以明确的主题和对象为中心设置确定类目:

⑤有兼容性强的多元类目。

2、目录型网络检索工具的分类法：

①主题分类法，其特征是一个主题充当一个类目，像主题词表一样按字顺排列，而不是以逻辑排列：

②学科分类法，一般是以知识分类为基础，按照学科性质及从属、层次关系来组织网络资源：

③图书分类法，

④分面组配法，其原理是首先确定几个分类标准，再确定每个分类标准中的若干特征值，即类目，每

一分面的类目与其他分面的类目分别组配，形成许多组配类目，达到细分的目的。

3、目录型网络检索工具的类理：

①网络资源目录，即以整个互联网资源为检索对象，将一些重要、优质的网络资源组织成分类目录，

提供给用户查询检索：

②学科信息门户.是经过人工处理、专家排选、定期检查处理的学科信息导航系统，其主要功能是：

提供学科信息浏览检索和有效资源的链接。

③搜索工具门户，以信息检索工具、查询网站为检索对象，专门为人们了解、选择适用的信息查询工

具提供推荐、引导服务［如haol23）。

4、目录型网络检索工具的使月方法：

①采用广度优先查询法；

②注意了解各个检索工具的收录特点，选择适当的工具：

③掌握各目录检索工具的分类体系：

④关注热门主题和常用目录：

⑤关注开放H录型检索工具。

5、目录型检索工具主要适用于：

①用户进行较笼统的主题浏览和检索；

②当用户尚未形成很精确的检索概念时.，采用主题指南作为检索起点非常有效。

国外：Yahoo.Galaxy；国内：搜狗网址导航、新浪分类目录

7、BLBLLINK是一个覆盖了所有学术领域的互联网资源目录。

8、目录型网络检索工具与搜索引擎的区别：

①目录结构人工选择：

②学术性强；

③分类浏览直观，适合新手:

④适合目的不明确的检索；

⑤查准率较高：

⑥数据库的规模相对较小，检索到的信息数量有限。

第5章多媒体信息检索

i.图像搜索：是通过搜索图像的文木表示或者视觉特征，为用户提供互联网上相关图像资料检索服务的专

业搜索引擎系统，是搜索引擎的一种类型。

图像特征包括基于文本的特征（关健词、注释等）和视觉特征（如颜色、纹理、形状等工

2、基于文本的图像搜索：借助网络图像的文本上下文环境，可以在一定程度上为图像分析、标引提供依据。

可以用来帮助图像分析、标引的Web文档内容包括以下几方面：

①图像文件名及网址：

②图像替代文字：

③图像周围的文字：

④图像所在页面的标题：

⑤图像的超链接；

⑥图像所在网页彼此间的链接

3、基于内容的图像搜索：对图像的媒体视觉特征、内容语义，如图像的颜色、形状、纹理和空间布局等可

视化内容进行分析和检索的图像检索技术，简称CIHK技术。

可以用来处理图像的主要特征包括以下几点：

①颜色，是在基于内容图像检索中最广泛使用的可视化特征；

②纹理，是图像的重要特征之一，它代表了物体的视觉模式，包含了物体表面的组织结构以及与周围

环境之间的关系：

③形状，是刻画物体最本质的特征，也足最难描述的图像特征之一，主要难在对图像中感兴趣目标的

分割。

4、谷歌图像：

①概况，世界上最好用的图像搜索工具：

②检索功能：一般检索和高级检索两种模式；

③结果显示，检索结果以缩略图的方式显示；

④评价，无愧于“最佳图像搜索引擎”的称号，它提供给用户最精准的搜索。

5、Flickr,被认为是分众分类法的典范，也是第一个使用标签云网站。

6、百度图片，号称是世界上最大的中文图片搜索引擎。

7、基于内容的图像搜索引擎。查询模式有以下3利1：

①按例查询：用户提供一个瓷询图片，在数据库中搜索相似图片；

②按绘查询：用户在类似的画板的接口上面进行简单的绘画，以此为标准进行查询：

③按描述查询:指定一定的条件来进行查询。

8、QBIC：基于内容图像检索系统，商业化

9,ALLmusic,基于文本的音频搜索引擎

10、OPERABASE是•个专门用来查找歌剧信息的网站

11、目前视频检索的方法主要有以下三种：

①基于关键帧的检索：使用目标特征的说明：

②基于运动的检索：基于镜头和视频对象的时间特征：

③基于故事单元的浏览检索：采用分层结构和集束分类技术。

第6章学术信息的网上检索与获取

1、世界各地图书馆在开发、建设数据图书馆系统的进程中，已将传统的图书馆目录发展为“联机图书馆公

共可检索目录”（OPAC）,即一个基于网络的开放式书目检索系统,

2、互联网WorIdeal是OCLC系统提供的一个在线联合目录数据库，是世界上最庞大、最完整、收录图书馆

最多的联合目录。

3、方正Apabi数字图书馆是北京大学方正公司开发的数字图书系统。

4、古腾堡计划，是互联网上最早的免费电子图书生产者，现在它几乎平均每一天都生产一部电/书，

5、IEEE/1EE,简称IEL,是一套由IEEE和［EE出版的全文数据库，是当今世界信息量最大的电子、工程类

信息源之一。

6.HighWire是全球最大的提供免费全文学术文献的出版商。

7、中国学术会议在线，进行会议检索。

8、学位论文：指高等院校或学术研究机构的学生为获得某种学位而撰写的科学论文，包括学士论文、硕士

论文、博士论文等。

9、标准：指按规定程序制订，经公认权威机构或主管机关批准的•整套在特定领域内必须执行的规格、规

则、技术要求等规范性文献。

10、中国标准服务网，提供对标准信息的免费查询。

11、国际组织：亦称国际团体或国际机构，是具有国际性行为特征的组织，是3个或3个以上国家（或其

他国际法主体）为实现共同的政治经济目的，依据其缔结的条约或其他正式法律文件建立的有一定规章制

度的常设性机构。

12、会议文献是在各种学术会议上所发表的论文、报告、讲演等的统称。其主要特点是时效性强，反映新

成果较快，质量较高，专业性较突出，往往代表着某一学科或专业领域的最新研究水平。

13、图书箱馆藏目录检索途径主要有：

①题名检索，包括书名、从书名、并列书名、刊名：

②责任者检索，包括著者、编者•、译者、团体著者（包括会议）名称：

③分类检索，从图书所属学科、领域分类的角度，按分类号进行检索：

④主题/关键词检索，以表征图书内容主题的主题词或关键词进行检索：

⑤号码检索，包括国际标准书号ISBN,国际标准刊号ISSN,中国书号或期刊号：

⑥出版社名称检索。

第7章参考信息网上检索

1、参考信息：即指人名、地名、机构、时间、统计数据等一类数据、事实信息，是人们在工作研究和日常

生活中经常要查考、引用的信息。

2、百科全书是人类一切门类知识或杲一门类知识的慨述性者述，集各种类型_L具之大成，被称为“_L具书

之王”。

3、维基百科：是一个语言、内容开放的网络百科全书计划。

4、传记资料：记录历史人物或当代著名人物的生平资料等相关信息，这些信息一般包括生卒年、学历、职

务、经历、家庭、政治背景、学术观点、团体、著述、评价、通信方式等。

5、网上白页：是专用于查找个人信息的特殊工具，这些个人信息包括电话号码、EMail地址、邮政编码、

通讯住址。

6、IAF：为用户提供极为优质的黄白页检索服务，是目前世界上最好的黄白页信息咨询工具之一。

7、地理信息查询：与人民的生活密切相关，用户可以根据自身的查询需求选择适当的地理信息参考源。

8、地名工具书是地理信息的核心，可以用来查找古今中外的地名及所代表的地理、历史、人文等简况。

9、SkyAuction是•个非常沅行的拍卖网站。

10、年鉴：是指“每年出版的统计数据和事实的汇编，兼有现期性和回溯性内容。其包含的地区和学科领

域一般比较广泛，也可能限于某•特定国家或特定的领域二

11、Infoplease是一个集百科全书、字典、地图集合和年鉴与一体的网站。

12、机构名录又称名录、指南、便览、行名录，是用来查找机构团体相关信息的一类检索工具。不同丁・黄

页。

13、词典：是根据一定的编撰目的汇集词语（或词语的某些成分），并加以描述、说明，通常按字顺排列，

供人们查找词语信息的工具书。

14、黄页信息：将定位地点周边商业划分为娱乐、教育、餐饮等15大类，用户可以根据需要分类检索周边

商业设施。

第8章互联网信息检索策略、技巧与提高

信息需求的5W1H（whatwhovherewhenwhyhow）

1、关键词的选取步骤：

①抽取基础关键词，排除常用词：

②考虑基础关键词的同义词：

③考虑上位词（外延更广）和下位词（内涵更窄）；

④考虑相关词：

⑤总结审视

2、常见的布尔逻辑操作符：

①AND操作符：

②OR操作符；

③“”引号操作符；

④NEAR操作符BEFORE和AFTER操作符：

⑤ANDNOR操作符；

⑥通配符（*和?）:

⑦括号操作符

3、引号操作符：对应英文关键词即为词组检索方式，词组检索强制检索结果必须与词组的形式完全一致（顺

序和间隔都不变），不允许拆分关键词，这样对检索结果限制得更严，检准率也更高。

4、截词检索：分为前截词检索，后裁词检索，中间截词检索、前后截同检索。

同时，各截断部分还可以分为精确截断（即被截字符串的字符数1是确定的，通常用通配符“？”表示,

“？”的个数即是被截字符串的字符数）和模糊截断（即被截字符串的字符数目是不确定，通常用通配符

表示，被截字符串的字符数可以为零，亦可以是具有检索意义的任何字符个数，

5、检索策略，包括如何选择检索工具，如何根据检索结果调整检索表达式，以及对信息资源、对检索工具

的深入思考等。

完善周密的检索策略可以帮助检索者解决那些看起来很困难的问题，而一个不成熟的检索策略很可能导致

在一个简单的检索上面浪费大量的时间甚至造成检索失败。

实施检索策略的步骤：

①判断目标信息可能存在的地方；

②了解互联网信息检索的特殊性：

③了解可用的检索工具；

④仔细分析自己的信息需求并选择合适的工具：

⑤根据检索结果调整检索策略

6、目前，通用的互联网检索二具大致分为：搜索引擎、元搜索引擎、网络资源目录和专门数据库。

7、进阶检索技巧：

①猜测URL；

②右截断网址：

③利用网页快照：

④注意多义词，

⑤避免拼写错误；

⑥利用浏览器的“查找”功能；

⑦利用检索工具的特殊切能；

⑧使用辅助关犍词：

⑨顺藤摸瓜；

⑩使用自然语言检索：注意单词的大小写：垂直检索：字段检索：善丁利用错误信息。

8、通用字段检索语法意义P290

anchor:txt查询网页中包含特定字或词组的超链接

applet:class限定查询含特定Javaapplet的网页

domin:domainname限定查询特定领域名称的网页

Host:name