信息处理与检索1

1、信息处理与检索,主讲：姜姗,一、导论,信息处理与检索课程简介：,学 分：2 课程类别：限/专 总 学 时：36（理论18+实验18） 本课程为针对广大高校学生开设的一门信息素质教育课，其操作性强、实用性强。帮助学生提高信息处理（主要是网络信息处理）与检索的能力，以及如何利用网络完成对信息的查找、判断、归纳、整理等相关方面的能力。提高学生在计算机的操作和网络应用等方面的综合素质。,信息处理与检索课程培养目标,1.掌握基本的网络应用方法，如万维网、FTP、BBS、博客、微博的使用。 2.掌握基本的网络搜索方法及搜索引擎的使用方法等，能够进行信息的快速查找。 3.掌握网络信息的下载方法，包括图片、音

2、频、视频、等多媒体资源的下载。 4.掌握期刊数据库检索系统的使用方法，如CNKI、万方等。 5.掌握数字图书馆的使用及下载方法。 6.掌握信息归纳与整理的方法，学习学术论文写作方法。,信息处理与检索课程考核方法：,考核方式：考查 考核方法： 出勤情况20%+实验报告20%+实验作业20% +课程设计30%+教师评价10%,第一讲 信息资源检索导论,主讲：姜姗,信息,信息的由来： 汉语中的“信息”最早出现的三国志中“正数欲来，信息甚大”的记载。 “信息” 在中国古代泛指音信、消息，偶见于中文古代诗词与文学作品。,信息的代表性定义： 1948年，信息论创始人CE香农在研究广义通信系统理论时把信息定

3、义为信源的不定度。 1950年，控制论创始人N维纳认为，信息是人们在适应客观世界的过程中，与客观世界进行交换的内容名称。 1964年，R卡纳普提出语义信息，认为信息不仅与所用的语法和语句结构有关，而且与信宿对于所用符号的主观感知有关，所以语义信息体现为主观信息。 20世界80年代，哲学家们曾提出广义信息概念，认为信息是对客观世界直接或间接的反映，把信息作为与物质并列的范畴纳入哲学体系。,英国韦氏词典：信息是用来通信的事实，在观察中得到数据、新闻和知识。 英国牛津词典：信息就是谈论的事情、新闻和知识。 日本广辞苑：信息就是谈论的事情和知识。 信息的定义有类比解释、控制论和信息论解释、通信论解释等

4、六大门类100多种。,20世纪90年代后一些关于信息的经典定义： （1）信息是人们根据一定目的和需要，把从自然现象和社会现象中搜集的原始材料进行加工、处理，找出其中关系而形成的对象实体。 （2）信息（Information）是有一定含义的、经过加工处理的、对决策有价值的数据，即信息 = 数据 + 处理。 （3）信息是人们对数据进行系统组织、整理和分析，使其产生相关性，但没有与特定用户行动相关联的实体对象，信息可以被数字化。,信息的定义,信息是客观存在的一切事物通过物质载体所发出的消息、情报、指令、数据和信号中所有包含的一切可传递和交换的内容。,信息的价值,信息的价值在于它的知识性。 知识：是人

5、的大脑通过思维重新组合的系统化了的信息，人们对事物运动现象和规律的认识。是升华为理性认识的信息，是信息中最有价值的部分。 情报：为了解决某一特定问题所需要的有针对性的知识，是有特定传递对象。,信息,知识,情报,关于事物特征的描述，是事物相区别的特征。,经过思维加工处理和提炼 升华的信息。,为了解决某一特定问题所需要的有针对性的知识,信息、知识、情报的载体称文献,信息、知识、情报的关系,信息的特征,客观性 普遍性 时效性 依存性 共享性 可传递性和可干扰性 可加工性,信息的分类,按信息的来源分类： 自然信息、社会信息 按信息记录的内容分类： 经济信息、管理信息、科技信息、文教信息、政务信息、军事

6、信息。 按照信息的加工深度分类： 零次信息、一次信息、二次信息、三次信息,信息资源（Information Resources）,IR 的概念 目前，关于信息资源的概念尚未达到共识，但基本观点大体可以分为两类： 狭义理解：信息资源是指人类社会经济活动中经过加工处理有序化并大量积累起来的有用信息的集合。 广义理解：信息资源是人类社会信息活动中积累起来的信息及其信息生产者和信息技术等信息活动要素的集合。,IR 的特点 信息资源的核心是信息，故其特点与信息的特点有相似之处。 IR 的分类,按开发程度,潜在信息资源,现实信息资源,体载信息资源,文献信息资源,文献：是记录所有信息的一切载体。 “夏礼吾能

7、言之，杞不足徵也；殷礼吾能言之，宋不足徵也。文献不足故也，足，则吾能徵之也矣。”孔子论语八佾篇（献犹贤也。此二国之君文章贤才不足故也郑玄注）,文献信息资源：以文字、图形、符号、声频、视频等方式记录在各种载体上的知识和信息资源。,文献信息资源的存在形式,文献信息资源的分类,印刷型文献（纸质文献） 利用纸张为存储介质，以手写、印刷为记录手段而产生的文献。包括油印、铅印、胶印、复印等印刷品及手稿。,优点：阅读方便，利于流通 缺点：笨重、体积大，不易保存，不利于资源共享,缩微文献 以感光材料为存储介质，利用缩微照相技术使文献缩微化的文献。,优点：存储信息密度高，体积小，易保存，便于实现自动化检索在感光

8、材料上，并借助于专用阅读器使用的文献。,音像文献（视听资料） 以磁性或感光材料为存储介质，利用特定的设备及技术，直接记录声音、图像信息的文献。,优点：形象、直观,电子文献（计算机阅读型文献） 以电子数据的方式将图、文、声、像等信息存储在磁光介质上，通过网络通信、计算机或类似设备再现的信息资源。,优点：存储密度高，存取速度快，原有记录可以改变更新，可以提供多维、有序化的可操作功能，便于检索。,零次文献,一次文献,二次文献,三次文献,手稿、信件、 私人笔记、 会议记录、 实验数据、 原始单据、 原始录音 ,专著、 会议录、 学术论文、 专利说明、 科技报告、 期刊论文 ,目录、题录 文摘、索引 ,

9、综述、述评、 年鉴、指南、 手册、词典、 进展报告、 百科全书、 参考工具书、 各种教科书 ,三次文献,一次文献,三种文献间的关系,一次文献是基础，是检索利用的对象； 二次文献是检索一次文献的工具，故又称之为检索工具； 三次文献是一次文献内容的高度浓缩，也是我们利用的一种重要情报源。,专著、教科书、 丛书、工具书,期刊、报纸、 年度出版物、 其他连续出版物,学位论文、 研究报告、 专利、标准、 产品样本、 会议录、档案、 政府出版物,图书：不少于49页（不包括封面和扉页）并构成一个书目单元的文献。,国际标准书号（ISBN）,ISBN 由10位数字组成。这10位数字由组号、出版者号、书名号、校验

10、号四部分组成，其间用“ - ”相连。,例如：ISBN 7-508-42386-0,ISBN的校验方法,将ISBN1-9位数字顺序乘以10-2这9个数字，将这些乘积之和再加上校验号，假如能被11整除，则这个ISBN号是正确的。 如：ISBN 7-113-07191-0,国际标准化组织（ISO）2005年发布了新版的国际标准图书编号标准（ISBN）。规定新的13位数的国际标准图书编号的执行日期为2007年1月1日。 变为13位数的ISBN就是在10位数的ISBN前面加上3位EAN（欧洲商品编号）的图书产品代码978。这样，上面的ISBN编号就变成了五部分，如978-0-901690-54-6。校验

11、号的重新计算，也将根据对前面的12位数而不是9位数的计算而得出。13位数的系统与10位数的系统是完全兼容的。,国际标准连续出版物编号（ISSN）,ISSN是根据国际标准ISO3297制定的连续出版物国际标准编码，其目的是使世界上每一种不同题名、不同版本的连续出版物都有一个国际性的唯一代码标识。 该编号是以ISSN为前缀，由8位数字组成。8位数字分为前后两段各4位，中间用连接号相连。 格式： ISSN XXXX-XXXX 其中前7位数字为顺序号，最后一位是校验位，当校验号为10时,用罗马数字“X”表示。通常印在期刊的封面或版权页上。,ISSN的校验方法,举例：ISSN 1726-3018,国内统

12、一连续出版物号 （CN）,由字母“ CN ”和 6 位数字及分类号组成。 CN为中国的国名代码，前2位数字为地区代码，后4位数字为地区连续出版物的序号（其中报纸的顺序号从0001至0999；期刊的序号从1000至5999），分类号与刊号用“”隔开。 我国的报纸暂无分类号，期刊的分类法按中国图书馆分类法的基本大类划分。,举例：河南日报CN 41-0001,41 河南省地区代号 0001 报纸顺序号,举例：读者CN 621118Z,62 甘肃省地区代号 1118 期刊顺序号 Z 分类号,邮发代号,国家邮政部门编定的代表某一种邮发报刊的专用号码 。 由两部分号码组成，中间用“-”连接。 前一部分代表

13、出版地所属的省（直辖市、自治区），报纸用单号，杂志用双号；后一部分号码代表报刊的发行号码。,举例：河南日报邮发代号：35-1,35 河南省邮发报刊代号 1 发行号码,举例：电脑知识与技术学术交流 邮发代号：26-188,26 甘肃省邮发报刊代号 188 发行号码,第二讲 网络信息资源,1.Internet概述,在英语中“Inter”的含义是“交互的”，“net”是指“网络”。简单而言，Internet是指一个由计算机构成的交互网络。,Internet的起源 Internet最早来源于美国国防部高级研究计划局DARPA（Defense advanced Research Projects Age

14、ncy）的前身ARPA建立的ARPAnet，该网于1969年投入使用。 1972年，ARPAnet在首届计算机后台通信国际会议上首次与公众见面，并验证了分组交换技术的可行性，由此，ARPAnet成为现代计算机网络诞生的标志。,Internet发展时间表,Internet在中国的发展 1987年至1993年是Internet在中国的起步阶段。 “中国的互联网不是八台大轿抬出来的，而是从羊肠小道走出来的。”胡启恒 1987年9月14日，北京计算机应用技术研究所发出了中国第一封电子邮件：“Across the Great Wall we can reach every corner in the w

15、orld. ”（越过长城，走向世界），揭开了中国人使用互联网的序幕。 1993年至1996年，四大Internet主干网的相继建设，开启了铺设中国信息高速公路的历程。,中国科技网 （CSTNet） 科学院 1994年4月科技 中国公用计算机互联网 （CHINANet） 邮电部 1995年5月商业 中国教育与科研计算机网 （CERNet） 教育部 1995年11月 教育 中国金桥信息网 （CHINAGBN） 电子部 1995年11月 商业,Internet基础概念,WWW（万维网） 一种基于HTTP协议的网络信息资源，是建立在超文本、超媒体技术基础上，集文字、图形、图像、声音为一体，以直观的图形

16、界面展现和提供信息的网络信息资源。是Internet信息资源的主流。,TCP/IP协议,协议：协议简单的说就是“规则”，即规定技术规格或通信手段等的“约定。 TCP/IP协议：是一种网络通信协议的简称，TCP是传输控制协议（保证数据传递正确），IP网际协议（负责数据传递）TCP/IP协议规范了网络上的所有通信设备，尤其是主机间数据交换的格式及传递方式。,IP地址：IP协议要求参加Internet的网结点（主机）要有一个统一规定格式的（唯一的）地址，这个地址称为符合IP协议的地址，简称IP地址。 IP地址的组成：它由32位二进制数组成，为便于书写，每八位二进制分成一组，共4组，用“.”隔开，每组

17、以十进制数表示。 河南中医学院的地址为： 2 郑州大学的地址为： ,域名,一般可分为三个部分 主机名称：按照主机所提供的服务种类命名。 提供WWW服务的主机，主机名称WWW 提供FTP服务的主机，其主机名称为 FTP。 机构名称及类别：例 机构名称通常指公司、政府机构的英文名称或简称。类别则指机构的性质 地理名称：服务器主机的所在地。例如中国是cn，美国是us，日本是jp等(P36) ,2.网络信息资源的概述,网络信息资源又称电子信息资源，因特网信息资源等，它是以电子化、数字化的形式存储在网络节点中的，借助于计算机网络进行传播和利用的信息产品和信息

18、系统的的集合体。,网络信息资源特点,1) 信息源丰富 Internet 是个开放的信息传播平台，任何机构、任何人都可以将自己拥有的且愿意让他人共享的信息上网。在这个庞大的信息供应源中，起主导作用的主要有：公共图书馆、网络信息服务商、传统媒体、传统联机服务商、高等院校、科研机构、各类商业公司等。,2) 信息内容多样性,网络是信息的载体，信息是网络的灵魂。没有信息，网络就没有使用价值。Internet是信息的海洋，信息内容几乎无所不包。 有科学技术领域的各种业信息，也有与大众日常生活息息相关的信息； 有严肃主题信息，也有体育、娱乐、旅游、消遣和奇闻趣事； 有历史档案信息，也有显示现实世界的信息；

19、有知识性和教育性的信息，也有消息和新闻的传媒信息； 有学术、教育、产业和文化方面的信息，也有经济、金融和商业信息。,3) 信息表现形式多样化,Internet 是一个集声音、图像、文字、照片、图形、动画、电影、音乐为一体的包罗万象的综合性信息系统。你可以伴着优雅的音乐，循着链路随意在网上漫游，看看精美的网页、阅读精彩的文件，使学习成为一种浪漫、愉快的旅程。 4) 信息时效性 利用Internet 信息制作技术，能很快地将信息传播到世界各地。由于几乎在事件发生的同一时间内，就能将信息快速制作、上网，因此，网上信息的更新周期短、内容新颖。,5) 信息交互性 Internet 是交互性的，不仅可以从

20、中获取信息，也可以向网上发布信息。Internet 提供讨论、交流的渠道。在Internet 上可以找到提供各种信息的人：科学家、工程技术专家、医生、律师、教育家、明星以及具备各种专长和爱好人们；也可以找到一些专题讨论小组，通过交流、咨询获得专家和其他用户的帮助，同时也可发表个人的见解。 6) 信息关联性 Internet 的信息组织是基于超文本的，因此，有关联的信息之间通过链接形成一个相互联系的信息渠道，人们可以由此及彼、由远而近、顺藤摸瓜、找到想要的信息。,7) 信息的开放性 由于Internet 是一个全球性分布的结构，大量信息分别存储在世界各地的服务器与主机上，随着时间的推移和知识的更

21、新，在不断补充新的信息同时也不断淘汰旧的信息，以保证其信息的整体数量和使用价值及网络灵活性。 8) 免费信息资源丰富 Internet 大部分是免费的，只要你有时间、有一定的检索经验，肯定可以从网上找到大量的你所需要的免费信息。,9) 信息组织的局部有序性与整体无序性 各搜索引擎和站点目录都收集大量Internet 的站点，并按照专业和文献信息类型分类，实现了信息组织的局部有序化。但是，由于Internet 急剧膨胀，仍有大量信息被淹没在信息的海洋里，这种无序性必将影响信息检索的系统性、完整性和准确性。,网络信息资源的类型,一、按照采用的网络传输协议划分，电子信息可分为Web信息资源、 FTP

22、资源、 Telnet资源等 1.Web信息资源 WWW（World Wide Wed）也称Web或万维网，它是一个基于超文本方式的信息检索查询工具。 WWW在Internet环境中实现分布式超文本检索体系，它制定了超文本标记语言HMTL和超文本传输协议HTTP。 HTTP是客户浏览器和WWW服务器间相互通信的协议。,2.FTP资源,FTP(File Transfer Protocol) 即“文件传输协议”。 是Internet上使用的文件传输协议，完成在联网计算机之间进行文件传输。即文件从一台机器传送到另一台（上载或下载）: 通常FTP用户是需要注册的， 但也有匿名的（Anonymous）。,

23、Software,Program,README,ftp:/ Username: anonymous Password: ,FTP & Anonymous FTP,Anonymous FTP Server ,3.Telnet资源,Telnet（远程登录协议） 为资源共享，一台机器可以使用本机命令，通过IP网络，到达另一台机器 ，该过程称为登录； 一旦一台机器登录到某台机器上，它就成为了那台机器的的“终端”，与那台机器本身的终端享有同样的待遇，在它的权限范围内，共享那台机器的资源。 主要存在方式：一些政府部门和研究机构对外开放数据库，Dialog、OCLC。,Telnet Server,Usern

24、ame: Password:,Internet,Telnet,河南中医学院,加州大学,用户按照给定的访问权限访问远程计算机的软硬件资源，数据库，或其它信息服务。,使用步骤： 1.链接和登录 如：在“运行”窗口中键入以下命令： telnet:/ ,4.Usenet Newsgroup资源,新闻组是建立在TCP/IP协议上，与万维网WWW服务并列的一种互联网服务。世界上最大的新闻组服务是USENET新闻组。它是由众多支持USENET新闻组协议的服务器构成。新闻邮件只要发送到其中的任何一台服务器，就能在两三天内转遍全球的大多数USENET新闻组服务器。 新闻组是个人向新闻服务器所张贴邮件的集合。任何人都可以向新闻组张贴邮件。新闻组不需要成员资格或加入费用。,Internet 服务提供商必须为您提供与一个或多个新闻服务器的链接，以便在新闻组阅读器中使用新闻组。在新闻组阅读器中为每台需要的服务器设置完帐户后，您就可以在该新闻服务器上的新闻组中随意阅读和张贴邮件了。 找到喜爱的新闻组时，您可以“预订”它，这样它会显示在新闻组阅读器的文件夹列表中。通过预订您可以方