中文信息计算机检索

1、什么是检索词： 检索词是检索人员在查找文献的过程中，根据需要给出的字、词、短语或字符，以用于查找检索系统中含有它们的记录。,1. 检索技术：,检索词的分类,检索词分为受控词和非受控词 受控词主要是规范化的词语 非受控词是指非规范化的自然语言词汇，又称自由词。,受控词：,受控词是事先规范化的检索语言，取自主题词表、分类表等。,“主题词”一般是经过规范化的名词术语。主题词一般反映在主题词表中，如汉语主题词表、机械工程主题词表、农业科学叙词表等。 主题词表是把主题词按照一定方式组织的集中性词汇表。主题词还要能显示概念之间的关系，作为存储、标引、查检文献的依据。,分类检索语言以学科体系为基础，将文献按

2、学科性质进行分类和系统排列，并用分类号进行编排组织成一个完整的体系。分类语言的特点是集中体现学科的系统性，反映事物的从属、派生关系。,分类语言一般体现在分类表中。 我国图书情报界当前分类图书资料,进行图书排架和组织分类目录广泛采用中国图书分类法。西方国家使用较多的是国际十进分类法（简称UDC）、杜威分类法（简称DDC）,受控词的检索效率高，一旦选定宽度适当的概念，系统就能检出这一概念的全部内容，而且，由于标引人员已事先解决了自然语言中的同义、近义关系，使检索相对容易。 但由于其先组性质，受控词不能及时反映新事物的发展，概念数量有限，结构复杂，不易为非专业人员掌握。,非受控词：,非受控词包括自然

3、语言和关键词 自然语言即由用户给出的一些字、词、短语等,非受控词：,关键词是从文献的篇名和正文中抽取的起关键作用的词。关键词的选择比较自由，不受命名规则的约束，宁简勿繁。 有的关键词和规范化的主题词一致，有的则不然。,非受控词具有可任意选词、专指性强、不需要熟悉词表、能使用新产生的名词术语及时检索与新概念有关的文献，但主要缺点是不能提供概念的等级结构，不能检索宽泛概念，解决同义词、近义词、相关词的结合或连接问题。,受控词和非受控词的作用是互补的，数据库的词表与要查询的主题概念并非存在一一对应的关系，很多概念得不到反映，因此，当检索结果不满意时，要分析检索词，根据具体情况决定增减或替换检索词。,

4、受控词和非受控词的互补,海绵的制造工艺 检索式:海绵 AND (制造 OR 工艺) 结果为零篇 对海绵的理解与泡沫塑料、泡沫橡胶类物质等同。 海绵实际上是海洋中的多孔类动物,(泡沫塑料 OR 泡沫橡胶) AND (制造 OR 工艺) 检索结果为186篇,2. 检索技术,布尔逻辑检索：,利用布尔逻辑算符将检索词或代码进行逻辑组配以表达检索需求的检索方法。,布尔逻辑检索,布尔逻辑算符有三种： 逻辑与（逻辑乘） 逻辑或（逻辑和） 逻辑非（逻辑差）,逻辑与（逻辑乘）是用“and”或“*”连接检索概念， A and B（或A*B）表示两个概念的交叉，即记录中必须同时含有A和B，用“逻辑与”来检索是对检索

5、需求增加限定因素，可以缩小检索范围。 用逻辑与组构的检索词越多，检索范围越小，专指度越强，有助于提高查准率。,布尔逻辑检索,逻辑或（逻辑和） 逻辑或（逻辑和）是用“or”或“+”连接检索概念，A or B（或A+B）表示两个概念的并列，即记录中凡单独含有检索项A或检索项B，或者同时含有A、B两者均为命中记录，如下图。 用逻辑或来检索可扩大检索范围，提高查全率。,布尔逻辑检索,逻辑非（逻辑差） 逻辑非（逻辑差）是用“not”或“”连接检索概念，A not B（或AB）表示两个概念的排除，即凡含有检索项A并且不含检索项B的记录为命中记录，如下图。用逻辑非来检索，可以缩小检索范围，提高检索的专指度。

6、但这种检索也有缺点，即取消部分，往往会把切题的文献丢掉，因此运用逻辑非运算时要慎重。,检索技术,常用算符: 1. 逻辑算符 (boolean operator),逻辑与 and *,solar and energy,逻辑或 or + solar or energy,逻辑非 not - solar not energy,2.位置算符（proximation operator） (w)及(nW) 与，with 如：building(w)construction 可检出：building construction building-construction等,building(1W)construc

7、tion 还可检出: building and construction building under construction 等,(N)及(nN) 邻近， near 如information(1N)retrieval 可检出: information retrieval retriveal of information等,3.截词检索,所谓截词检索，是指在检索词的某个局部截断，利用某些检索词的词干或不完整词形加上截词符进行检索，其目的是查找某一词干的不同变化形式，做到一“词”多用，防止漏检，从而达到较高的查全率。,截词方式有前截断、后截断、前后截断和中间截断4种。 一般用“？”和“*”表示

8、截词符，不同系统，含义有所不同。,3.截词检索(truncation),如：control?、 control*其后可加字符数不限,中截断：,如： ioni?ation 可检出： ionization ionisation 如： fib?board 可检出： fiberboard fibreboard,4.文献检索策略与检索步骤,检索策略： 所谓检索策略，就是在分析课题内容具有哪些概念单元的基础上，确定检索系统、检索途径和检索词，并科学安排各检索词之间的位置关系和逻辑关系以及查找步骤等。检索策略考虑得是否周全，直接影响文献的查全率和查准率。,组织检索策略的步骤：,明确课题需求、选择数据库 主题

9、概念分析、选择检索词及检索途径 编制检索式 检索效果评价和调整检索策略 获取原文,分析课题需求，选择数据库,分析课题检索的目的 开始某一项科学研究需要对课题进行全面的文献普查 ，选择年限较长，收录较广的相关专业的二次文献数据库，在全面回溯检索的基础上，选出相关的文献，再获取一次文献。 为解决某个技术难题，查找关键性的技术资料对这样的课题，可选择工程和技术类数据库或专利数据库。,分析课题检索的目的 为贸易与技术引进、合资谈判，了解国外市场、产品与公司的行情。查找科学成果数据库以了解技术的先进性，查找市场、产品、公司等商情数据库以了解对手的情况。 为申报专利或鉴定成果，查找参考依据 ，以选择国内外

10、专利数据库为主。 为撰写论文查找相关文献等 ，以期刊论文、学位论文等学术研究性的数据库为主。,明确课题所涉及的学科范围和专业面 根据数据库的主题收录范围进行选择。 对文献的新颖性程度的要求 选择数据更新周期短、速度快的数据库。 用户对检索的查全与查准要求 为满足查全要求，就要普查多种数据库，为快速满足查准要求，应选择主题范围最专指的数据库。,主题概念分析、选择检索词,对要检索的课题进行主题概念的分析，并用一定的概念词来表达这些主题内容，同时明确概念与概念之间的逻辑关系,主题概念分析、选择检索词,概念的表达要确切。抓住课题的实质性内容，分析出课题中有几个概念组面。 找出核心的概念组面，排除掉无关

11、概念组面，包括意义不大的概念和重复概念。 找出隐含的重要概念。如“智力测试”，隐含着“能力测试”、“态度测试”、“创造力测试”等概念。 明确概念组面之间的交叉关系，即明确是逻辑“与”、逻辑“或”还是逻辑“非”的关系。,举例,检索有关城市社区文化与发展的文献 1. 城市（urban or city or town or metropolitan) 2. 社区 (community ） 3. 文化 (culture ) 4. 发展（ development ）,天然植物茶叶中提取茶多酚作为食品防腐剂,茶多酚 食品 防腐,检索点的选择：,检索点的选择主要有： 主题、分类、作者、 名称、号码等。,编制

12、检索式,拟定合适的检索式（检索式是上述各步骤和各种检索技术的综合体现，是检索策略的表达形式。） 注意概念组配的逻辑关系不要搞错，正确使用布尔逻辑AND,OR,NOT算符。 英文检索词的不同表达方式尽量使用截词技术 正确使用各种位置算符。 注意后缀与前缀代码的限定使用。 注意逻辑算符与位置算符的先后处理次序，注意括号的使用。,检索有关城市社区文化与发展的文献 检索式： 中文：城市 and 社区 and (文化 or 发展) 英文：（urban or city or town or metropolitan) and community and (culture or development),检

13、索方案的调整：,检索式往往需要经过多次判断、多次修改。 在检索中，常常会出现文献过少甚至为零，或文献过多的情况。文献过多或过少，均可通过增加检索项，运用布尔逻辑的组配，以增加或缩小检索范围，达到减少或增加命中文献的目的。,调整检索策略,缩小检索范围 将检索词限定在篇名或主题词字段中。 增加概念，加入AND算符。 用时间期限或其它辅助字段来限定。 用NOT算符排除无关概念。 将AND改为更精确狭隘的位置算符。,调整检索策略,扩大检索范围 增加同义词、相关词，加入OR算符。 减少AND或NOT的使用次数。 将狭隘的位置算符改成宽泛的位置关系。 在文摘或全文字段中检索。 必须注意缩小检索范围会降低查

14、全率，扩大检索范围则会降低查准率。,检索效果评价,查全率:是指检索出的相关文献量占系统中所有相关文献总量的百分比，用来反映检索的全面性。 查准率:是指检索出的相关文献量占所有检出文献总量的百分比，用来反映检索的准确性。 查全率P=a/(a+c)100% 查准率R=a/(a+b)100%,检索效果评价,查全率的互补数就是漏检率。 查准率的互补数就是误检率。 查全率和查准率也是互补的关系。在一个特定的检索系统中，当查全率不断提高的同时，查准率就会降低，而当查准率提高的同时，查全率又会降低。但当查全率和查准率都很低的时候，两者可以通过检索策略的改善同时得到提高。,中文专业数据库的使用,中国期刊网全文

15、数据库 维普中文期刊全文数据库 万方数据库（有100多个数据库可供选择） 中国资讯行高校财经数据库 全国报刊索引数据库,中国期刊网专题全文数据库,浏览全文需下载CAJ全文浏览器，该浏览器在中国期刊网全文数据库主页上“下载全文浏览器”处下载，下载后需进行解压缩安装。（在下载CAJ全文浏览器前，计算机中应安装有WinZip解压缩软件）。,万方数据资源系统,中国科技信息研究所和万方数据集团公司共同建立的，是以科技信息为主的网络信息服务系统，数据几乎包括了各种文献信息。,中国学位论文全文数据库,该库由国家法定学位论文收藏机构中国科技信息研究所提供，并委托万方数据加工建库，收录了自1980年以来我国理、

16、工、农、医、人文社科等各个领域的博士、博士后及硕士研究生论文，其中文摘已达82余万篇，论文全文已达70余万篇，并年增全文15万篇，非常适合各所大学及科研机构研究使用,中国数字化期刊群,作为国家“九五”重点科技攻关项目，目前集纳了理、工、农、医、哲学、人文、社会科学、经济管理与教科文艺等8大类100多个类目的近6000种各学科领域核心期刊，实现全文上网，论文引文关联检索和指标统计。从2001年开始，数字化期刊已经囊括我国所有科技统计源期刊和重要社科类核心期刊，成为中国网上期刊的第一大门户。,中国学术会议论文全文数据库,该库是国内最具权威性的学术会议论文全文数据库，收录了1998-今的国家一级学会

17、在国内组织召开的全国性学术会议近7000个，数据范围覆盖自然科学、工程技术、农林、医学等27个大类，所收论文累计50万篇。是掌握国内学术会议动态必不可少的权威资源。,标准数据库,标准是在一定地域或行业内统一的技术要求。本库收录了国内外的大量标准，包括中国国家发布的全部标准、某些行业的行业标准以及电气和电子工程师技术标准；收录了国际标准数据库、美英德等的国家标准，以及国际电工标准；还收录了某些国家的行业标准，如美国保险商实验所数据库、美国专业协会标准数据库、美国材料实验协会数据库、日本工业标准数据库等。,中国法律法规全文库,该库包括自1949年建国以来全国人大及其常委会颁布的法律、条例及其他法律

18、性文件；国务院制定的各项行政法规，各地地方性法规和地方政府规章等内容。,中国专利全文数据库,收录从1985年至今授理的全部发明专利、实用新型专利、外观设计专利数据信息，包含专利公开(公告)日、公开(公告)号、主分类号、分类号、申请(专利)号、申请日、优先权等数据项。,科技成果类,是国家科技部指定的新技术、新成果查新数据库。其收录范围包括新技术、新产品、新工艺、新材料、新设计，涉及自然科学各个学科领域。该库已成为我国最具权威的技术成果宝库。,维普中文科技期刊数据库,该数据库是由科技部西南信息中心下属的重庆维普资讯有限公司制作。 国内最早(1989年)开始建设，信息量最大的期刊题录和全文数据库。包括自然科学、工程技术、农业科学、医药卫生、经济管理、教育科学和图书情报等学科领域。 收录12000余种期刊的题录和全文数据。,中国资讯行高校财经数据库,INFOBANK于1995年在香港成立，是一家专门收集、处理及传播中国商业、经济信息的香港高科技企业。,中国资讯行高校财经数据库,INFOBANK高校财经数据库系统包括12个大型专业数据库： 中国经济新闻库 中国统计数据库 中国商业报告库 中国上市公司文献库 等等,中文文献计算机检索实