信息存储与检索.ppt

1、,第 2 章 信息存储与检索基础,2.1 信息存储与检索原理 2.1.1 社会发展与信息需求 1. 从学术研究到社会生活全方位信息需求 2. 从文本资料到声音与活动画面的信息需求 3.从完备信息趋向对及时信息的需要 4. 从注重信息载体物理性质到注重信息本身 5. 从馆藏需求到国际互联网络共享 6. 从传统的手工信息检索到 Internet 引擎查询,随着人类最伟大的科技成果 Internet 的发展，人们更加清楚地认识到“信息检索是现代人最珍贵的权利”，“在一个民主的社会里，如果没有我们关心的公众检索的保证，信息富裕与信息贫穷之间的裂口将会越来越大。”，因此“信息存储与检索”的原理与方法必将

2、成为解决当代信息需求的社会公益事业。,2.1.2信息存储与检索原理 为了促进信息资源的充分交流和有效利用，使用户在信息集合中快速、精确、全面地获得特定需要的信息资源，必须首先要对广泛、大量、分散、无序的信息进行搜集、记录、组织、存储，以建成各种检索系统(如手工检索工具、计算机检索的数据库与搜索引擎)。 用户则根据检索课题的需要，将需求转变为系统所能识别的检索式，再与检索系统中表征信息资源特征的标识进行逐一的相符性匹配与比较，两者完全一致或部分一致时，即为命中信息，可按用户要求从检索系统中输出。,从信息通信的角度看，情报检索(Information Retrieval)是一种时间性通信形式，是“

3、发生在当代人之间或当代人与前人和后人之间思想、文化与科学信息的交流，它是实现情报传递的重要环节，它本身就意味着人类的通讯”。 “知识检索”则是随着知识经济的发展而逐渐趋于成熟的学术概念。知识检索较好地体现了知识作为社会经济的核心与基础所具有的特殊意义，表现了人们对知识的需要与追求，显示了知识作为社会发展的第一推动力的社会环境。,无论文献检索，还是情报检索，抑或信息检索和知识检索，都是采用一定的策略从组织好的信息集合或存取系统中查询所需知识的过程，即查询语言和系统标识语言所进行的“相符性比较”与“匹配运算”。,从信息需求与查询结果看，信息检索通常包括 4 种类型： 一是关于文献的检索，即检索结果

4、是关于某主题知识的文献线索或文献全文，它回答诸如“关于激光技术都有哪些研究文献的问题”。 二是关于某事实或事项的知识检索，回答诸如“激光技术的概念，特征及类型”等问题。 三是关于数值或数据的情报检索。 四是关于图像信息的信息检索，回答诸如激光技术的图像说明与描述。,信息检索一般是通过信息存取系统(亦称检索工具)来实现的，任何一种存取系统都包括有信息存储子系统和信息检索子系统，它们是同一事物中两个相互对立的方面。,信息存储部分是揭示信息特征、整序信息、建设系统的过程。 检索子系统的主要功能是根据信息用户的需求，利用一定的设备与技术查询特定信息的过程。 信息存储是基础，信息检索是目的。,2.1.3

5、 信息检索相关学科 1.作为一门学科的信息检索 现代信息检索是以计算机科学与技术、网络技术、光盘技术、通信技术等现代信息技术在信息存储与检索中的应用为基础，全面探讨适应现代信息处理的信息描述、信息存储、信息检索和信息提供之理论、技术与方法的应用性学科。 从本质上讲，现代信息检索也是一门以信息管理科学、计算机科学与技术等新兴学科为依托的应用性学科。,2. 信息检索的相关学科 信息检索是一门交叉学科，其相关学科涉及到信息管理科学、计算机科学、数学、系统论和语言学等多个领域。 计算机科学是现代信息检索的核心。 数学是现代信息检索理论与方法十分重要的基础。 系统论是信息检索系统建设与应用的基本规则与手

6、段。 信息检索是以实践为基础的跨学科研究的结果，它也是一门以普遍存在的社会信息现象为研究对象，在揭示其基本规律的基础上，围绕用户需求及信息查询原理与技术，研究信息资源系统建设、信息记录、存储与检索策略制定以及检索技术实现的一门新兴学科。,2.1.4 信息检索研究 (1) 信息检索理论与技术研究 (2) 信息存取系统研究 (3) 数据库标准与建设研究 (4) 信息存取的语言处理 (5) 现代信息检索工具比较研究 (6) 检索策略研究,2.2 信息存取发展与类型,2.2.1 信息存取发展 1. 早期书目检索工具的编制 2. 科技检索刊物体系的形成,3.计算机检索的发展 以计算机技术为主的现代信息技

7、术的发展是计算机信息检索进步的基础。从 20 世纪 50 年代初期第一台计算机问世至今的半个世纪，计算机信息检索走过了辉煌的 4 个发展阶段：单机批处理时期(50 年代初至 60 年代中期)；联机检索试用时期(60 年代中期至 70 年代中期)；联机服务市场化与光盘检索的兴起(70 年代中期至 80 年代中期)；全球信息检索多媒体联网时期(80 年代中期至今)。,我国计算机信息检索的进步大抵经过了以下几个过程： （1）引进开发国外磁带、开展定题服务 (SDI) (2) 开发国际联机检索终端 (3) 自建数据库 (4) 微型计算机和国际联机网信息存取的 发展,2.2.2 信息存储与检索类型 广义

8、的信息检索包括信息存储与查询两个部分，信息的存储即是对信息的本质特征与形式特征进行记录和描述的过程，信息的查询则首先要将信息提问转换成信息系统可以接受的检索式，然后将检索提问与系统标识进行比较与匹配。,狭义的信息检索有许多类型，从不同角度可划分如下： 1. 按检索活动的执行主体划分 (1) 手工检索(Manual Retrieval) (2) 计算机检索(Computer-based Retrieval),2. 按查询信息的特征划分 (1) 书目检索(Bibliographic Retrieval) (2) 数据检索(Data Retrieval) (3) 事实检索(Fact Retrieva

9、l) (4) 全文检索(Full Text Retrieval) (5) 图像检索(Image Retrieval) (6) 多媒体信息检索(Multimedia Data Retrieval),3. 按检索系统的工作方式划分 (1) 脱机检索(Off-line Retrieval) (2) 联机检索(On-line Retrieval) (3）光盘检索(CD-ROM Retrieval) (4) 国际互联网络检索(Internet Retrieval),4. 依检索策略划分 (1) 布尔逻辑检索(Logical Operator Retrieval) (2) 截词检索(Truncation

10、Retrieval) (3) 位置逻辑检索(Proximate Operator Retrieval) (4) 限定检索(Range Retrieval) (5) 加权检索(Weighting Retrieval),5. 依照系统载体划分 (1) 印刷型文本系统检索(Printed Text Retrieval) (2) 缩微磁带检索(Microfilm Retrieval) (3) 光盘系统检索(CD-ROM Retrieval) (4) 计算机存取系统查询(Computer-based Retrieval),6. 按检索工具类型划分 （1）目录与题录检索(Catalog and Title

11、 Searching) （2）文摘检索(Abstract Searching) (3) 索引检索(Index Searching) (4) 字典型检索(Dictionary Searching) (5) 交互式检索(Alternately Searching),2.3 索引的结构与类型,索引(Index)是检索信息资源“地址”或“出处”的标识系统。索引的基本功能是指示知识点在正文或文献款目中的位置。,2.3.1 索引款目结构 索引款目是有关信息资源所涉及的主题、事物及其他特征的信息单元，并指向其地址的一条记录。索引款目一般由索引标题词、说明语和地址参照项组成，而简单的索引款目往往只有索引标题词

12、和地址参照项两部分内容。 1. 索引标题词 亦称标目、索引键、索引标题等。,2. 说明语 也称为上下文或修饰语，通常位于索引标题词的右边或下面，是用来说明、解释、限定索引标题词含义的辅助项目。,3. 地址参考项 位于索引标题词和说明语之后，指明的是索引标题词所在的页码或在检索系统中的文献顺序号、分类号或文献号等，即索引标题词的出处。索引参考项有时用于引导用户使用正式索引标题词，如例 2、例 3所示：,2.3.2 主要索引类型 依据索引标题词的性质划分 依据索引标题词的排序方式划分 按照检索方式划分 按照索引所包括的对象划分,(1) 题名索引(Title Index) ，是将信息资源的题名特征(

13、书名、刊名、篇名)选作为索引标题词所编制的索引系统。 (2) 人名索引(People Name Index) ，是以文献上署名的著者、译者、编撰者、注释者以及文献中所论述的人物名称作为索引标题词所编制的一种索引系统 。,(3) 文献序号索引(Document Number Index) 是根据信息资源的外表特征文献排序号所编制的索引。 标准号索引款目以标准号为索引标题词并标有其文献地址。,国际标准书号(ISBN)由 4 个部分的 10 个数码组成，第 1 部分是地域编号(指地区、国家和语言特征)，如“0”代表美国、英国等英语使用国，“2”代表法国，“3”代表德国，“4”代表日本，我国的组号为“

14、7”。第二段是出版社号，由国家标准号中心负责分配，其位数视申请出版社图书出版量的多少而定。第三段为书名序号，由出版社负责管理分配。第四段为校验号，是由计算机确认的稽核号。如 ISBN 7-5426-1547-5；ISBN 0-262-19433-3 等。中国标准书号由ISBN 号加上图书分类号和种次号所组成，其分类号字母与种次号之间用圆点“.”隔开，如 A.125。,中国标准书号的印刷与存储格式如下：,(4) 引文索引(Citation Index) 把一系列具有引用与被引用关系的科学文献以多向线性的方式联系起来，提供一个以引证关系为依据来检索文献的新途径。 美国费城科学情报研究所(Insti

15、tute for Scientific Information)于 20 世纪 60年代起，按年代编辑出版的科学引文索引(SCI，Science Citation Index)，以及 70 年代中期开始编撰的社会科学引文索引(SSCI，Social Science CitationIndex)是世界上最有影响的引文索引。两种索引均属于跨学科的综合性索引。,(5) 分类索引(Classification Index) 这是一种以文献内容的学科范畴的分类标识(又称分类号)为依据编制而成的索引系统。 国内检索系统的分类索引大多采用中国图书馆图书分类法的类目体系。国际专利分类系统已逐步取代各国自编分类

16、表而成为世界范围内统一的专利分类体系。,(6) 主题索引(Subject Index) 是将表征文献主题内容的主题词作为索引标题词，其后注明地址(或页码)编制而成的索引系统。,（7）关键词索引 又称键词索引，抽词标引法，属于广义的主题索引。是从文献题名、文摘、原文或网站、网页、网址甚至网页正文中抽取对于表述信息资源的主题内容具有关键意义的名词或名词性词组，作为索引标题词，其后注明出处所组成的索引。, 题内关键词索引 (Keyword in Context Index)，又称上下文关键词索引，其特点是将选作索引标题词的关键词放在索引款目的中间位置，上下文作为说明语放在关键词的两边，索引标题词的地

17、址参考位于右端。款目例证转引自“余向春等.科技文献检索简明直观教材”，如下：,题外关键词索引(Keyword out of Context Index)，是针对 KWIC 索引易读性差进行改进而产生的索引系统。其具体做法是将作为索引标题词的关键词抽出列于文献题名的首位或提行，其后是文献题名，并在题名中将索引标题词所在位置采用“*”或“+”代替。,双重键词索引(Double-KWIC Index)，是 KWIC 和 KWOC 两种关键词索引性能的综合。其特点是在编制形式上采用题外关键词索引与上下文关键词索引的组合形式。先依次抽出上下文中的键词排于左上方，再将排在下方的部分，按关键词进行轮排，这就

18、形成了一个款目具有两个索引标题词的状况(一个关键词在左上方，一个在右下方)。在轮排的过程中，用*或其他符号代替所抽出的关键词 。,例 如 ， 文 献 Computer-Based Knowledge Organization and Knowledge Retrieval 的双重键词索引款目形式为：,轮排关键词索引(Permuted Keyword Index)，又称标字索引，即将文献题目中的每个关键词或词组轮流作为索引标题词排在款目之首，题目中的其他词语根据其相互之间的语义关系进行轮排，以便用户研读与理解。这类索引亦可提供多种检索途径。 例如，文献 Resources for Informa

19、tion about Distance Education and Its Providers(关于远程教育提供机构的信息资源)，除开题目中的 for, about, and, Its几个非关键词，其他均为关键词，所构成的轮排索引款目如下：,Resources for Information about Distance Education and Its Providers 67883 Information, Resources, about Distance Education and Its Providers, for 67883 Distance Education and Its

20、 Providers, Resources for Information, about 67883 Providers, Resources for Information about Distance Education and Its 67883, 单纯关键词索引(Keyword Index)，所谓单纯关键词索引即简单关键词索引。其特点是在索引款目中不包含非关键词，单纯地由若干个关键词构成，其后注明文献地址。各关键词之间没有明确的语法关系。例如，文献“病理学家和畸形学家用以评定毒物危害的计算机技术(设文献代号为 00286)”即可形成 4 条单纯关键词索引款目：,挂接主题索引(Artic

21、ulated Subject Index)，又称为题外关键词索引，是由英国谢菲尔德大学的林奇(Lynch)和阿米塔奇(Armitage)设计出的一种便于计算机操作的印刷形态索引，其索引数据均由标引员根据文献的主题范围编写而成，每一条索引款目则是由若干名词词组与介词构成的一个描述性短语。这是计算机采用自然语言编制索引的一种范例。其形式是从索引款目中抽取一个词作为索引标题词，剩余部分则作为说明语。例如，一条文献代号为 00436 的经过加工的名词短语为:“Organization of Knowledge in the age for Information Economy”，可从中抽出 4 个索

22、引标题词：,组配索引(Coordinate Index) 组配索引是根据叙词(Descriptor)及单元词(Uniterm)的后组式原理建立起来的索引系统。 例如“化学纤维工业”这个复杂主题可以分解为“化学”、“纤维”、“工业”三个概念单元，其三者之间的逻辑关系可用图 2.3 表示。 其中 A 代表化学，B 代表纤维，C 代表工业。 所谓后组式即描述文献主题的检索式是在查找文献时根据检索提问的组成要素，按照一定的规则组合而成的。在信息检索领域，后组式索引不仅可以按照任何概念单元特征自由组配检索标识，提供多种检索途径，而且特别适合计算机进行概念单元检索。,图 2.3 组配索引逻辑关系示意图,以组配方式编制的索引工具有单元词字面组配