信息检索技能培训50

信息检索技能培训1目录信息检索原理1234信息检索语言信息检索工具信息检索技术21信息检索原理3第1节信息检索原理基本概念信息检索就是用户将信息需求转变为检索系统所能识别的检索标识，与信息检索系统中存储的信息特征进行逐一比对，两者完全一致或基本一致时，即为检索命中信息，可按用户要求从检索系统中输出。其检索结果既可能是用户需要的最终信息(一次信息)，也可能是用户需要的信息线索(二次信息)，用户可据此线索进一步进行判断、筛选，以获取所需要的最终信息。4第1节信息检索原理信息检索的一般过程一次信息信息特征检索课题检索提问存储过程检索过程分析信息特征标识（检索项）检索提问标识（检索词）分析检索语言转换转换标引表述归入检索检索工具和系统输出检索结果5第1节信息检索原理文献信息存储过程将大量分散的文献信息搜集起来，根据其内容特征或外表特征进行标引，形成表征这些文献信息的特征标识，并存储在一定的载体上，成为有查询功能的检索工具。标引对文献内容特征和外部特征进行分析形成概念标识，再依据一定的标准或规则（检索语言：如分类号、主题词、关键词及著者选用规则等）将其用相应的标识充分、准确地表达出来。文献信息检索过程用户根据自己的信息需求，提出检索提问，然后使用有关的标引语言（也称检索语言）将拟定的检索提问规范成检索标识，用于检索的过程。概念解释6第1节信息检索原理举例例如：有三篇文献篇名如下：文献1：AModelofmultimediainformationretrieval文献2：TheInformationretrievalinchemistryWWWserver文献3：ERICresources在对信息存储的过程中，对这三篇文献内容分别进行了分析，并使用检索语言对其进行标引，标引结果为：文献1：篇名(title)：AModelofmultimediainformationretrieval

主题(subject)：informationretrieval,multimediacomputerapplications文献2：篇名(title)：TheInformationretrievalinchemistryWWWserver

主题(subject)：chemistry,educationalmaterials文献3：篇名(title)：ERICresources

主题(subject)：educationalmaterials标引后，这三篇文献分别被存储进数据库。在信息检索过程中：如果用户输入“informationretrieval”一词，并将检索范围限定在篇名中，则文献1与文献2符合用户要求，成为检索结果。如果用户输入“informationretrieval”一词，并将检索范围限定在主题中，则只有文献1符合用户要求，成为检索结果。如果用户输入“educationalmaterials”一词，并将检索范围限定在主题中，则文献2和文献3符合用户要求，成为检索结果。在上述例子中，“informationretrieval”、“educationalmaterials”都是检索语言，篇名和主题则是检索语言的标识，检索系统就是通过他们将用户需求与信息内容进行运算匹配，最终找到检索结果的。

由这个例子可以看出，检索语言的主要作用就是对文献的外部特征和内容进行多层次描述，提供多种检索途径，以方便用户从不同角度检索查找。72信息检索语言8第2节信息检索语言检索语言的概念检索语言是信息存储与检索共同遵循的规则，只有检索提问标识与文献特征标识一致时，相关的文献才能被检索出来。检索语言是描述文献特征、用于标引和检索的人工语言，是沟通标引与检索的桥梁。9第2节信息检索语言检索语言分类检索语言类型描述内容特征语言描述外表特征语言主题语言分类语言代码语言题名责任者机构名称其他非受控语言受控语言关键词语言标题词语言单元词语言叙词语言体系分类法组配分类法中图法DDCUDC冒号分类法分子式索引、结构式索引等书名、刊名、专利名称等编者著、申请人、发明人等出版社、责任者所在机构等自然语言人工语言10第2节信息检索语言3.2.1分类语言分类语言是一种用分类号表达文献中的各种概念，并以学科性质为主对各种概念加以分类和系统排列的文献信息语言。分类检索语言中使用较多的是体系分类法，其主要特点是按学科、专业集中文献，并从知识分类角度揭示各类文献在内容上的区别和联系，提供从学科分类检索文献信息的途径。体系分类法具有按学科或专业集中系统地向人们揭示文献资料内容的功能，这对于希望系统掌握和利用某一专业范围的文献而言，无疑是有效的。11第2节信息检索语言中国图书馆分类法（中图法）国家推荐统一使用的分类法，分5大部类22大类，类号采用汉语拼音字母与阿拉伯数字的混合号码，用一个字母代表一个大类，以字母的顺序反映大类的序列，在字母后用数字表示大类下类目的划分，数字的设置尽可能代表类的级位，并基本上遵从层累制的原则。杜威十进分类法（DDC）1876年由杜威编制出版。是世界上最著名、流行最广、影响最大的文献分类法之一。因其用阿拉伯数字十进制号码作标记符号而著称。国际十进制分类法（UDC）又称通用十进制分类法，是以DDC为基础编制而成，广泛应用于科学论文的分类，许多国家出版的期刊论文和特种技术资料都标有UDC类号。常见体系分类法12第2节信息检索语言中图法举例F——经济（大类）F2——经济计划与管理（二级类）F25——物资经济（三级类）F250——物资经济理论（四级类）F251.1——物资管理（五级类）……按体系分类法检索的长处是，能满足从学科或专业角度广泛地进行课题检索的要求，达到较高的查全率。查准率的高低与类目的粗细多少有关，类目越细，专指度越高，查准率也越高。但类表的篇幅是有限的，类目不可能设计得很细。因此，分类法只是一种“族性检索”，而非“特性检索”。13第2节信息检索语言3.2.2主题语言主题是一组具有共性事物的总称，用以表达文献所论述和研究的具体对象与问题，即文献的中心内容，表达主题概念的词汇就是主题词。以主题词作为文献内容标识和检索依据的语言就是主题语言，它以自然语言的字符为字符，用一组名词术语作为检索标识。14第2节信息检索语言1243以规范化的自然语义作为标识，来表达文献涉及的主题概念，表达主题的词语称为标题词。以关键词作为文献内容标识和检索依据的一种主题语言。关键词是指从文献内容中抽出来的关键的、未经规范化处理的自由词汇。从文献内容中抽选出来的最基本的词汇，将代表最一般、最基本的、不可再分割的概念的词作为单独标引文献的单位。从自然语言中优选出来并经过规范化处理的名词术语。采用表示单元概念的规范化词语的组配，对文献内容主题进行描述。叙词语言标题词语言单元词语言关键词语言主题语言主要包含四种：15第2节信息检索语言3.2.3代码语言代码语言是指对事物的某方面特征，用某种代码系统来标识和排列事物概念，从而提供检索的检索语言。代码多种多样，通常用数字、字母或用它们结合的形式或以分段的方式来标识其各部分的含义。例如，科技报告有报告号，专利有专利号、入藏号，论文有DOI号，作者有ORCID号等。16第2节信息检索语言DOIDOI全称为DigitalObjectIdentifier，是指数字对象标识符，可以理解为数字资源唯一的“身份证号码”，可以用DOI标识文献、视频、报告或书籍等数字资源。目前，大部分学术文献（主要为2000年之后的文献）都有专属的DOI，只要知道了一篇文献的DOI，就能够查询到该文献的作者、标题、期刊、官方链接等信息。DOI具有唯一性、持久性、兼容性、互操作性、动态更新的特点。/ORCIDORCID全称为OpenResearchandContributorID，是开放学术出版物及学术产出的作者（即科研工作者）标识符。ORCID是一套免费的、全球唯一、永久性的16位身份识别码,是研究者的学术身份证。ORCID是一个非盈利的组织，个人可以免费注册。/173信息检索工具18第3节信息检索工具3.3.1检索工具检索工具：是人们用来报道、存储和查找各类信息的工具。传统检索工具是指目录、索引、文摘等二次文献，现在的检索工具不仅包括传统的二次文献，还包括基于Internet的网络信息检索系统（如数据库）、网上工具书、搜索引擎等。其中网络数据库和搜索引擎是目前最主要的检索工具。19第3节信息检索工具3.3.2数据库数据库，是指由计算机处理的一定数量同类信息的有序集合，既是信息源，又是检索对象。数据库的分类：（1）按收录文献类型，数据库可分为：图书数据库、期刊数据库、会议论文数据库、学位论文数据库、报纸数据库、专利数据库、标准数据库等。（2）按收录的内容，数据库可划分为：书目数据库、文摘索引数据库、全文数据库、数值数据库、事实数据库、多媒体数据库等。（3）按收录的学科范围，数据库可划分为：专业性数据库和综性合数据库。20第3节信息检索工具分类特点举例书目数据库存储的是二次文献，包括文献的外表特征、题录、文摘和主题词，检索结果是所需文献的线索而非原文《四库全书总目提要》、WorldCat文摘索引数据库以单篇文献为单位，著录一次文献的题名、作者、来源和内容摘要。其收集范围广、语种多、文献类型多，便于全面掌握某一专题或研究领域文献状况及最新研究成果。SciFinder（美国化学文摘）全文数据库存储的是原始资料的全文，全文检索可以直接获取原始资料，而不是书目检索时的线索，提高了用户的检索效率CNKI学术期刊全文数据库、ScienceDirect期刊全文数据库数值数据库主要收录各类统计、测量以及科学实（试）验中产生的数据，如人口统计、发病率、死亡率、动物的生理参数、药物的理化参数等物竞化学品数据库、希施玛CSMAR数据库、中国经济社会大数据研究平台（中国知网CNKI）事实数据库又称为指南数据库，收录有关人物、机构、事物、过程、现象等方面事实性的描述信息词典、百科全书、手册、年鉴、图表、指南、名录等多媒体数据库图像、视频等多媒体JoVE实验视频期刊数据库、新东方多媒体数据库、皮影数字博物馆按收录的内容划分数据库类型21第3节信息检索工具3.3.3检索系统检索系统：检索系统和数据库是两个不同的概念，数据库是信息的集合体，是一种信息管理的方式。检索系统是一种软件，用于检索数据库。检索系统一般提供三种检索方式：1.浏览式、超文本式、超媒体式检索2.菜单式检索：一般有基本检索、高级检索功能，有些检索系统还提供专业检索。3.命令式检索：如Dialog联机检索22浏览式检索系统（以ABI/INFORMCollection为例）23菜单式检索系统（以中国知网为例）简单检索/基本检索高级检索24专业检索菜单式检索系统（以中国知网为例）25命令式检索系统（以Dialog联机检索为例）264信息检索技术27第4节

信息检索技术何谓信息检索？信息检索（InformationRetrieval）是指信息按一定的方式组织起来，并根据信息用户的需要找出有关的信息的过程和技术。何谓信息检索技术？由于信息资源具有高度的组织结构。因此，要想做到快速、准确地检索需要一些特殊的技术。通过学习和掌握这些技术与技巧，你就能在浩瀚的信息海洋中，轻而易举的获取你的“目标”，从而让你的科研或学习过程变得更加便捷与高效。28第4节

信息检索技术3.4.1布尔逻辑检索3.4.3位置检索3.4.5检索策略3.4.2截词检索3.4.4字段检索3.4.6检索结果评价信息检索技术主要包含以下内容：29第4节信息检索技术3.4.1布尔逻辑检索布尔逻辑算符：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。逻辑关系检索式命中检索结果逻辑“与”AANDB或A*BA和B都出现的记录逻辑“或”AORB或A+BA和B有一个或两个都出现的记录逻辑“非”ANOTB或A-B只有A出现而不出现B的记录AB30第4节信息检索技术逻辑“与”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(各数据库有时表达不同），其含义是检出的记录中同时含有“AND”前后两个检索词。例如：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。

例如：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。

例如：学生*互联网ABAANDB31第4节信息检索技术逻辑“或”（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。

例如：查找“肿瘤”的检索式为：

cancer（癌）ORtumor（瘤）ORcarcinoma（癌）在检索中，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：例如：InternetORWebORonlineORdigitalORwired

有的中文数据库在使用OR时需用“+”来代替：

互联网+网络+在线逻辑“或”ABAORB32第4节信息检索技术逻辑“非”（NOT）用于连接排除关系的检索词，即排除不需要的和影响检索结果的概念。用NOT连接检索词A和检索词B，检索式为：ANOTB(或A-B)

表示检索含有检索词A而不含检索词B的信息，即将包含检索词B的信息集合排除掉。例如：要查找除中国之外的“经济学”的文献，其检索式为：

Economics（经济学）notChina（中国）需要注意的是，有的中文数据库在使用NOT时需用“-”来代替,就象下面的例子。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。

例如：计算机-软件

上述检索式用于查找只出现计算机而不出现软件的文献。逻辑“非”ABANOTB33第4节信息检索技术3.4.2截词检索截词算符：用一个符号来代替单词的一部分或某个字母。截词符一般常用于英文检索。截词检索的作用是减少检索词的输入而保证相关检索概念的涵盖，同时也方便解决语言文字拼写方面的差异（如美式英语和英式英语），避免漏检。这样可以扩大检索范围，提高查全率，节省检索时间。截词符用于检索词（干）进行扩展。在不同的检索系统中，截词符有不同的表示方法，通常许多数据库用*或者?来表示。34第4节信息检索技术按截断的位置来分共有三种：后截断、中间截断、前截断。三种截断中文数据库截词一般只能用在词尾，英文数据库则3种方式都可以后截断

后截断即前方一致检索，是最常用的检索技术。将截词符放在一个词干的后边，以表示其后可有无限或有限个字符。A.后截断无限截词

不说明具体截去字符的数量。截词符是在一个词尾加一个*号，表示在其后可添加任意多个字符，这些字符都被作为检索词进行检索。无限截词通常用*来表示

把截词符放在字根的最后。如：behav*系统将找出“behave，behaviour，behavioural”等

B.后截断有限截词

说明具体截去字符的数量，截词符是在一个词尾加有限个?号，n个?表示其后可添加的字符数少于等于n个。

如：smok??；系统将对smoke，smoky，smoked，smoker，smokes等进行检索中间截断中间截断是把截词符号放在一个检索词的中间。一般中间截断只允许有限截断。中间截词符也称通配符，是在一词中间用若干个?号，表示可插入若干个字符。

中间截断主要用于英式和美式单词的不同拼写方式，以及有些词出现单复数不同。

如：organi?ation；系统将对organisation和organization进行检索。如:wom?n；系统将找出"woman","women“;前截断前截断就是把截词符放在字根的左边。如：*Computer,系统在检索时将找出Microcomputer，mini-computer等35第4节信息检索技术3.4.3位置检索位置算符：表示其连接的两个检索词之间的位置关系（AB）不同位置算符的比较：两个词（AB）由不同的位置算符连接组成不同的检索式，其检索结果不同。

位置检索：是指在检索词之间使用位置算符，来规定两边的检索词出现在记录中的位置，用以检索出含有检索词且检索词之间的位置也符合特定要求的记录。36第4节信息检索技术位置算符使用方法(W)与(nW)算符(W)：是with的缩写。(W)表示其连接的两个检索词必须按序出现，中间不允许插词，只能有一空格或标点、符号。如：high(W)class命中的记录中出现的匹配词可能有：highclass或high-class。

(nW)：与(W)类似，只是它允许插词，插词量小于或等于n个。如：silicon(2W)sensor；命中的记录中出现的匹配词除上例的外，还可能会有：siliconangularratesensor，silicon-basedchemicalsensor等等。(N)与(nN)算符(N)：N是near的缩写。(N)表示其连接的两个检索词的词序可变，但两词间不允许插词。如：internet(N)accessing命中的记录中出现的匹配词可能有：internetaccessing或accessinginternet。

(nN)：(nN)中的n表示允许插词量少于或等于n个。

如：internet(1N)accessing

命中记录中除上例的外，还会可能有：

accessingtheinternet，internet/intranetaccessing等。37第4节信息检索技术3.4.4字段检索字段检索：是指将检索词限定在某给或某些字段中，用以检索某个或某些字段含有该检索词的记录。限定检索字段通常有两种方式：（1）通过下拉菜单选择字段。如“题名”、“摘要”、“Title”、“Abstract”等。（2）输入检索字段符限定检索字段。各个检索系统的字段符各不相同。如知网中，AU是作者字段，KY是关键词字段。下拉菜单检索字段符38第4节信息检索技术选择的字段不同，得到的检索结果也会不同。选择“全文”字段，得到的结果数量最多，但相关度最低；选择“题名”和“关键词”字段，得到的检索结果的数量最少，但相关度最高；选择“文摘”字段，得到的检索结果则介于两者之间。常用检索字段英文说明题名TI文献标题主题SU题名、关键词、摘要摘要AB论文摘要作者AU作者姓名单位CS作者单位来源SO发表论文的期刊名称（学位授予单位、会议录名称）关键词Keyword用于表达主题内容的单词或词组期刊JN期刊名称全文FullText整篇文献常用检索字段39第4节信息检索技术检索示例：布尔逻辑检索：交并补截词检索运用位置算符near和截词符*提高心理学全文库PsychologyDatabase的检准率和检全率示例信息素养赛题解析：CNKI中的布尔检索40第4节信息检索技术3.4.5检索策略执行一个课题的检索是按过程、分步来完成的，检索步骤的科学安排称为检索策略（searchstrategy），它是为实现检索目标而制定的全盘计划或方案。41第4节信息检索技术3.4.5检索策略检索的基本流程课题分析选择信息源确定检索词制定检索式提交计算机完成满意调整检索式不满意结果显示42第4节信息检索技术3.4.5检索策略——课题分析检索课题分析，即主题分析，明确课题所包含的概念成份及其相互关系。这是检索策略制定的根本出发点，也是影响检索效率高低或成败的关键。

要明确以下问题：◎分析课题的主要内容及其所涉及的学科范围。◎所需文献的类型、语种、年代及文献量的范围。◎对查新、查准、查全的指标要求，及其侧重。43第4节信息检索技术3.4.5检索策略——选择信息源选择信息源即选择数据库（或搜索引擎），要做到全面、准确地选择信息资源，主要从以下几个方面进行分析：1检索目的（课题申报、开题报告、学术论文、科技查新、课程论文、商业需求及其它需求类型等）2确定课题学科、专业、关键点3确定所需信息的时间范围4明确所需信息类型；图书、期刊、会议论文还是专利、标准5确定与检索主题相关的学科范围的信息源6确定目标信息源的形式（全文、索引还是文摘）7确定所需信息源的语种（中文或外文）44第4节信息检索技术3.4.5检索策略——确定检索词在检索过程中，最基本也是最有效的检索技巧，就是选取合适的检索词。正确选取检索词是成功实施检索的一个基本环节。检索词选取原则：准确性：选取最合适、最专指意义的专业名词，一般选取各学科在国际上通用的、国内外文献中出现过的术语，不能概念过宽或过窄。全面性：选取的检索词能覆盖信息需求主题内容的词汇，需要找出课题涉及的隐性主题概念，注意检索词的缩写词、词形变化及英美不同拼法。规范性：选取的检索词要与检索系统的要求一致。如，冠词、介词、连词、感叹词、代词等不可用作检索词；某些不能表示所属学科专用概念的名词（如，理论、报告、试验、学习、方法、问题、途径、目的、发展等）不应作为检索词。简练性：目前搜索引擎和数据库不能很好地处理自然语言。因此，提交搜索请求时，最好把自己的想法提炼成简单、且与希望命中的信息内容主题关联的检索词。45第4节信息检索技术3.4.5检索策略——确定检索词检索词选取的方法：主题分析法。将检索主题分为数个概念，并确定反映主题实质内容的主要概念，去掉无检索意义的次要概念，然后归纳可代表每个概念的检索词，同时寻找检索词的同义词与上下位词，最后将不同概念的检索词以布尔逻辑加以联结。上位词指概念外延更广的主题词，如，水是海水的上位词；下位词指概念内涵更窄的主题词，如幼儿教育、初等教育是教育的下位词。切分法。将信息需求语句分割为一个一个的词。如，“电动汽车的研究现状及发展趋势”可切分为“电动汽车”、“研究现状”和“发展趋势”。通过主题分析法和切分法得到的关键词，需要通过删除、替换、聚类、补充、限定等方法进一步规范。试查相关数据库进行初步检索，借鉴相关文献的用词。中国知网、万方数据、ProQuest等很多数据库检索结果中都提供相关检索词作为参考。也有数据库提供检索词的扩展词、同义词、修正与提示功能。试查相关数据库，可以顺藤摸瓜地扩展、变更检索词。46第4节信息检索技术3.4.5检索策略——制定检索式检索式是检索策略的具体体现，它用检索算符将检索词组合起来，并正确表达检索词之间的逻辑关系和位置关系。检索式的好坏决定了检索质量。编写检索式时最重要的是注意检索途径与检索词的正确匹配。例如，选择的检索途径为关键词时，输入的检索词就必须是关键词。如果一个词不能完整地表达检索需求，要进一步添加关键词，用算符连接它们，而不能用一个句子来代替。例如，使用“法律的渊源”这样的词组能在一些数据库实现检索，但是检索量少，严格来说不算是检索式。

检索词可以是一个单元词、表达单一的概念；如：Computer；也可以