信息检索技术 (4)

1、第三节信息检索技术the information retrieval technology，1 .搜索运算符2。搜索策略3。搜索评估，第iii节信息搜索技术，使用一个关键字搜索可能会更容易，但是通常使用两个或多个关键字搜索标题。下面介绍了有效地组合多个搜索概念的方法和技术。数据库非常有组织，需要一些特殊技术才能有效搜索。要用多个词表达搜索意图，输入搜索词必须能够通过数据库理解。例如：互联网对青少年的影响，1 .搜索运算符，首先列出相关搜索词：网络，青少年，影响。要注意，普通名词比形容词、介词、代词更适合作为搜索的主语。某些无意义的功能词在搜索中称为停用词(stopword)，停用词在搜索中通常

2、被忽略。接下来，internet和青少年和影响中常用的连接词是and、or和not，下一篇指定使用布尔逻辑运算符(用于规定连接词的使用、1.1布尔逻辑运算符和搜索词之间的逻辑关系的运算符)检索搜索词或代码的逻辑组。这是计算机信息检索系统中最常用的搜索方法之一，布尔搜索。布尔逻辑运算符通常为(1)逻辑“或”:(or)或“”；(2)逻辑“和”:(and)或“*”；(3)逻辑“非”逻辑and有时会替换为 * ，这意味着检出的记录包含 and 前后搜索项。例如，如果要查找有关“纳米”和“材料”的文献，搜索标准为nano and materialsnano * materials，如果要查找在搜索概念中

3、包含多个内容的文章，则可以在搜索结果中使用“and”连接关键字，以指示该关键字必须同时出现在记录中的某处。使用and可缩小搜索范围。例如，如果students and internet输入上述搜索词，则不会同时搜索students和internet的文章。不会搜索只包含一个单词的文章。因此，and在连接徐璐其他概念的搜索词时很有用。您可以在一个搜索表达式中多次使用and。 students and internet and assignments的某些中文数据库使用“*”而不是and，如下例所示：当然，并非所有中文数据库都支持这种使用。可以查看和验证帮助文件。例如：您还可以在搜索时使用学生*

4、internet、(2)逻辑或“:or”或“”将关键字链接为逻辑或“or”。搜索词(a or b)可以搜索同时出现a或b或a和b的文献。or最适合搜索一个概念的同义词。使用or可以扩大搜索范围。例如，internet或web使用上述搜索词来使用网络的同义词。你会找到有关网络或网络的文献，或同时出现网络和网络的文献。您也可以在一个搜索中多次使用or。例如，使用or时，internet或web或联机或数字或wired(wired)中的某些中文数据库将替换为“”。internet网络联机or用于将并行关系、相同的概念或相似的搜索词(如同义词、相关单词等)分组。使用or运算符的基本作用是扩大搜索范围，

5、增加命中的文档量，从而提高搜索回收率。例如，查找“肿瘤”的搜索表达式意味着排除cancer or tumor or carcinoma(肿瘤)，(3)不是逻辑：“not”或“-”，not表示在搜索结果中排除一个例如，在： computer not software中输入上述搜索词将查找有关computer的文章，但此文档不应包含软件相关内容。使用not时，请注意某些中文数据库将替换为“-”，如下例所示：当然，不是所有中文数据库都支持这种用法。可以查看和验证帮助文件。例如，计算机-软件上面的搜索词用于查找仅出现计算机而不是计算机软件的文献，用于连接排除关系的搜索词，即不需要的搜索词和影响搜索结果

6、的概念。将搜索词a和搜索词b作为not连接进行搜索。a not b(或ab)搜索不包含搜索词b的信息，排除包含搜索词b的信息集合。例如，寻找“动物乙型肝炎病毒”的文献有：“hepatitis b virus(乙型肝炎病毒)not human(非人类)”，“图(a)图(b)图(c)，1.2截图()截止字符仅用于英语搜索。截止搜索减少了搜索词的输入，确保了相关搜索概念的适用范围，同时方便了解决美国英语和英国英语等语言文字拼写上的差异。这将扩大搜索范围，提高搜索速度，并节省搜索时间。请看以下实例：输入wom？n woman可检出，women输入comput*计算机可检出，computus、compu

7、ting、com putative、computator等，comput*er，扩展搜索词。不同的搜索系统有不同的表达方法，通常是“？使用或 * 。截止方法：根据切除位置，有三种类型：后剪裁、中间剪裁、前剪裁；在“限制切削”(limited truncation)、“无限制切削”(unlimited truncation)中，除以切削字符数。通常更多地使用后者切割(无限和有限切割)和中间切割(仅允许有限切割)。(1)截断后截断，即前面一致的搜索，是最常用的搜索技术。将剪切字符放在单词后面，表示后面可以有无限或有限的字符。它不说明修剪无限长的截断后特定截断字元的数目。剪切字符是否添加到后缀中？一

8、个数字，表示可以添加任意数量的使用搜索项搜索的字符。无限切削一般使用吗？或*表示将切割文字放置在布线的末端。例如：behav？系统中查找“behave、behaviour、behavioural”等。下一个切除有限切除表示特定切除字符的数量。截止字符是一个词尾加有限字符吗？编号，n个？编号表示可以添加的下一个字符数不超过n个。例如：smok？-嗯？在系统中搜索smoke、smoky、smoked、smoker、smoker、smokes等。最多可以添加一个字符？-嗯？的格式表示。例如：smok？-嗯？仅搜索smoke，smoky。(2)中间切断中间切断是在一个搜索词中间放置切断符号。一般中间切

9、割仅允许有限的切割。中间剪切器，也称为通配符，在单词中间使用多少个？表示可以插入多个字符的数字。中间截断主要用于英式和美式单词拼写徐璐不同，某些单词在某个元音位置出现单复数的情况下。示例：organi？ation搜索organisation和organization。像：wom这样的？n系统会找到woman，women。中文数据库图片一般只能在词尾使用，英文数据库可以用3种方式使用。(3)前向剪裁前剪切？或*表示将切割文字放置在布线的左侧。例如：*computer，在系统中搜索时索引单词microcomputer算命中的1.3位置运算符，位置运算符：两个相连搜索单词之间的位置关系(1) (w)

10、和(nw)运算符w是with的缩写。(w)表示连接的两个搜索单词必须按顺序出现，中间不允许插入单词，只能有一个空格或标点，一个符号。例如：high(w)class命中记录中出现的匹配词可以是high class或high-class。(nw):与(w)类似，不同之处在于它允许插值单词小于或等于n。silicon (2w) sensor等：命中记录中出现的匹配项可能是silicon angular rate sensor、silicon-based chemical sensor等，以及上述示例。(2)(n)和(nn)运算符(n): n是near的缩写。(n)表示两个相关搜索单词的排序是可变的，

11、但不允许在两个单词之间插入单词。(nn): (nn)，其中n表示允许的字数不超过n个。除上述示例外，internet(1n)accesseing命中记录还可能包括accessing the internet/intranet accessing等。(3)(l)运算符(l): l是limit的缩写。(l)表示两个关联搜索词之间存在子代关系。可用于连接第一、第二、第一、第二个子代单词。显示在记录的规格单词字段中。例如：television(l)high definition点击记录的规范单词字段中出现的匹配单词是television-high definition。(4)(s)运算符(s): s是

12、subfield的缩写。(s)表示连接的两个搜索单词必须出现在同一子字段中。子字段表示字段的一部分：一个文章、一个球体、球体等。字段不受限制，单词顺序不受限制。例如：silicon(s)sensor点击记录位于a vacum magnetic sensor(vms)using a silicon field emitter tip was fabricationd and demonstrated .(5) (f)运算符(f): f是field的缩写。(f)表示已连接的两个搜索单词必须出现在同一字段中，且字段没有限制。例如，pollution(f)control可以检出：control and

13、 management of industrial pollution徐璐其他运算符比较：两个词由徐璐的其他运算符连接组成，搜索结果明显不同。例如，使用两个相同单词更硬的运算符检索结果的记录必须比使用较宽松的运算符检出的记录数少。以下是electron和device这两个术语的示例，在ei compendex数据库中进行了搜索，结果如下表所示：位置运算符是(w)、(nw)最强、(n)、(nn)升序、(s)再次和(f)最弱。2 .对一个主题执行搜索的科学数组搜索策略(search strategy)，称为过程、阶段和搜索阶段，是实现搜索目标的整体计划或方案。信息搜索的基本过程，搜索要求分析，选择

14、数据库，确定搜索词，配置搜索表达式，提交计算机，显示结果，完成，满意，修改搜索表达式，对，不满意，搜索任务进行分析，即主题分析，了解主题中包含的概念元素及其相互关系。这是制定搜索政策的根本出发点，也是影响搜索效率高低或成败的关键。必须明确以下问题。分析主题的主要内容和相关学科的范围。所需文献的类型、语言、年代和文献量的范围。新的发现、检查、总体指标要求及其重点。2.1搜索主题分析、2.2相关信息资源选择、搜索要求分析、目标选择相关信息源，主要决定以下方面：(1)是否搜索与搜索主题相关的所有资源，如果是，不仅要考虑文献和辅助文献的数据库搜索，还要考虑其他在线资源的搜索。搜索引擎，主题导航主题bb

15、s等也要查询。(2)应该选择什么信息来源？(？如果要寻找生物学的信息，可能涉及医学的信息资源，所以要考虑跨学科的问题。(3)选择什么语言信息源作为汉语或西方语言？(？还是两者都考虑。(4)信息源应用期限是否符合要求。大部分数字信息资源保留了近20年，如果主题需要更快的信息，则必须考虑手动搜索问题。有些数据库由于更新速度而不能提供最新信息，有些数据库还需要考虑补充其他相关资源。(5)信息源的特性和目的：要确定自己选择的信息资源的查询特性是否符合自己的信息要求。搜索引擎最好用于查看组织或公司的网页。询问新闻时事，可以登录一些新闻网站。要找到学位论文，必须使用学位论文数据库或直接登录大学网站查询或申

16、请相关服务。2.3搜索字段和调控器(1)搜索字段数据库可以搜索反映标题、描述符、识别符、摘要等内容的两种类型的字段。搜索字段时使用后缀字符。例如：/ti表示“文章名称”/“摘要”/“de”，表示“描述符，规范”。例如：electronn/ti表示“electronn/ti”一词应出现在文章名称部分。electrical/ty，ab表示“electrical”一词必须出现在文章名称或摘要字段中。与反映文档主题内容的主索引相对应的后缀代码(suffix代码)，将字段代码放在搜索单词后面，并用“/”号连接。还有反映格式特征(如作者、文档类型、语言、发行时间等)的搜索字段。前缀码(prefix code)，通常用于表示文献外部特征的字段，即在某些辅助搜索字段中，将字段码放在搜索单词前面，然后用数字连接。示例：an=eip 98124488325(an:abstract number)摘要编号au=liu，litian (au: author)作者bn=0-8155-and py=199？意味着寻找萨顿写的文章，是1990年以后发表的所有文献。(2)限制者在某些搜索系统中，将表示文档类型、文种、出版时间等的某种限制字符放置在搜