第2章信息检索原理

第第2章 信息检索基本原理 2.12.1信息检索的基本概念信息检索的基本概念2.2 2.2 数字信息检索工具数字信息检索工具 2.3 2.3 计算机计算机信息检索技术信息检索技术2.4 2.4 信息检索的基本步骤信息检索的基本步骤2.1 信息检索概述2.1.1 2.1.1 信息检索的含义与实质信息检索的含义与实质2.1.2 2.1.2 信息检索的类型和特点信息检索的类型和特点2.1.1 信息检索的含义与实质 信息检索是指从任何方式组成的信信息检索是指从任何方式组成的信息集合中，查找特定用户在特定时间息集合中，查找特定用户在特定时间和条件下所需信息的方法与过程。因和条件下所需信息的方法与过程。因此，完整的信息检索应包括以下两个此，完整的信息检索应包括以下两个方面：方面：.信息的标引和存储过程信息的标引和存储过程 .信息的检索过程信息的检索过程 2.1.1 信息检索的含义与实质广义地讲，信息检索包含信息储存和信息广义地讲，信息检索包含信息储存和信息查找两个过程。查找两个过程。狭义地讲，信息检索仅仅指信息查找的过狭义地讲，信息检索仅仅指信息查找的过程，即解决特定的信息需求和满足信息用程，即解决特定的信息需求和满足信息用户的需要。户的需要。信息检索是指从一定结构的信息储存集合信息检索是指从一定结构的信息储存集合中，查找出用户所需的特定信息的方法与中，查找出用户所需的特定信息的方法与过程。过程。其实质将描述特定用户所需信息的其实质将描述特定用户所需信息的提问特征提问特征，与信息存储的，与信息存储的检索标识检索标识进进行异同的比较，从中找出与提问特征行异同的比较，从中找出与提问特征一致或基本一致的信息。一致或基本一致的信息。示例示例高性能聚芳硫醚（PAS）树脂的合成 本课题涉及的提问特征有两个主要的概面 第一概面 聚芳硫醚 涉及的主题词或关键词有：1.聚芳硫醚 2.聚苯硫醚 3.聚芳硫醚砜 4.聚苯硫醚砜 5.聚芳硫醚酮 6.聚苯硫醚酮 7.聚芳硫醚酰胺 8.聚苯硫醚酰胺 等 第二概面 合成 涉及的主题词或关键词有：9.合成 10.制备 11.生产等 提问特征是指从欲检索课题中选择提问特征是指从欲检索课题中选择出能代表信息需求的概面以及涉及到出能代表信息需求的概面以及涉及到的主题词或关键词等。的主题词或关键词等。结论结论:利用信息的检索系统利用信息的检索系统,查找特查找特指相关信息的过程。指相关信息的过程。一些基本概念一些基本概念字段：字段是文献著录的基本单元，反映文献外部特征和内容特征的每一个项目，如题名字段、著者字段、刊名字段、文摘字段、主题词字段、关键词字段等。一些基本概念一些基本概念元数据：是一种在电子环境中使用的著录数据。与传统文献中的著录款目性质相同，不同之处在于传统文献的著录是相对完整的、静止的信息内容进行处理。元数据著录的对象，不仅包括图书、期刊、磁带、录像带、缩微品、论文、科技报告，还包括各种形式的网络信息资源等。著录的数据既书目信息、文摘、索引、综述等，也包括文档名、URL等信息源数据。一些基本概念一些基本概念记录：是对某一实体属性进行描述的信息单元。每个信息单元由诸如著者、标题、出版日期等若干个数据元组成。在书目数据库中，被描述的实体是某一特定的文献，这类记录通常被称作文献记录。数字信息检索类型数字信息检索类型文献信息检索数据信息检索事实信息检索。数字信息检索类型数字信息检索类型（1）文献信息检索文献信息检索（Document Information Retrieval）是将存储于数据库中关于某一主题文献的线索查找出来的检索。它通常通过目录、索引、文摘等二次文献信息为工具，以原始文献的出处为检索目的，可以向用户提供有关原文献的信息。文献信息检索是利用检索工具查出相关文献的过程。检索系统不直接解答用户提出的问题，而是提供与之相关的文献名称及出处，供用户筛选使用。数字信息检索类型数字信息检索类型（2）数据信息检索数据信息检索（Data Information Retrieval）是将经过选择、整理、鉴定的数值数据存入数据库中，根据需要查出可回答某一问题的数据的检索。数据信息检索的对象是数值性数据，即具有数量性质并以数值形式表示的量化信息。这些数值型数据各种各样，包括物理性能数据、化学物质数据、环境监测数据、各种统计数据、自然资源数据、经济和社会数据等。数据检索不仅能查出数据，而且能提供一定的运算、推导能力。用户可通过使用经过选择、整理、鉴定的数值数据库检索获得一些量化信息，从而为定量分析提供依据。数字信息检索类型数字信息检索类型（3）事实信息检索事实信息检索(Fact Information Retrieval)是将存储于数据库中的关于某一事件发生的时间、地点、经过等信息查找出来的检索。它既包含数值数据的检索、运算、推导，也包括事实、概念等的检索、比较、逻辑判断。事实信息检索的对象是已经存在的各种事实的有关资料，它是数值信息和系统数据信息的混合。一般先从系统中检索出所需信息后，再加以逻辑推理才能给出结论。例如MIS数据库中包含大量公司管理中有关人员、工资、销售统计预测、产品规模等信息，这类信息主要是用于管理决策的。事实信息检索比数值数据信息检索复杂。数字信息检索基本原理数字信息检索基本原理数字信息检索基本原理是将用户的检索提问词与数据库文献记录中的标引词进行比对，当提问词与标引词匹配一致时，即为命中，检索成功。由此可见，能否准确地检索出用户所需的信息，关键在于能否准确地选择检索词。这里所谓的“准确”，是指用户所选用的检索词必须与数据库中标引文献记录所用的标引词相一致。检索语言就是为沟通文献标引与文献检索而编制的人工语言，也是连接信息存储和检索两个过程中标引人员与检索人员双方思路的渠道，是用于文献标引和检索提问的约定语言。数字信息检索基本原理数字信息检索基本原理 信息检索语言、文献特征、信息检索途径对应关系。著者（个人著者、团体著者）著者途径表述文献外表特征的语言 文献号（专利号、报告号、标准号等）序号途径其它（日期、地名、引文数等）其它途径 信息检索语言 分类号分类途径表述文献内容特征的语言 主题词（关键词、标题词、单元词、叙词）主题途径其它（分子式、杂原子等）其它途径数字信息检索基本原理数字信息检索基本原理分类检索语言：用分类号来表达各种概念，以学科体系为基础，将各种概念按学科性质进行分类和系统排列。中图法 数字信息检索基本原理数字信息检索基本原理主题语言所使用的语词统称为主题词，主题词来自自然语言，多半经过规范化处理，形成主题词表，作为标引与检索的依据。关键词语言是直接选用文献中的自然语言作基本词汇，并将那些能够揭示文献题名或主要意旨的关键性自然语词作为关键词进行标引的一种检索语言。所谓关键词是指那些出现在文献的标题（篇名、章节名）以至摘要、正文中，对表征文献主题内容具有实质意义的语词，亦即对揭示和描述文献主题内容来说是重要的、带关键性的（可作为检索“入口”的）那些词语。2.1.2 信息检索的类型和特点.书目信息检索书目信息检索.全文信息检索全文信息检索.数据信息检索数据信息检索.事实信息检索事实信息检索 5.小结小结书目信息检索 以标题、作者、原文来源、摘要及收藏地点以标题、作者、原文来源、摘要及收藏地点为检索对象，是一种相关性检索。特点：检索结为检索对象，是一种相关性检索。特点：检索结果不直接解答课题用户提出的技术问题，只提供果不直接解答课题用户提出的技术问题，只提供与之相关的线索。一般以目录、索引、文摘数据与之相关的线索。一般以目录、索引、文摘数据库为检索工具。库为检索工具。例如：查找有关例如：查找有关“聚苯硫醚的合成与应聚苯硫醚的合成与应用用”方面的国内外信息有那些？的国内外信息有那些？检索工具：检索工具：中文科技期刊数据库、万方数据资源中文科技期刊数据库、万方数据资源系统、系统、EIEI、CA on CD CA on CD 等。等。全文信息检索 以论文或专利说明书的全文为检索对以论文或专利说明书的全文为检索对象，也属相关性检索的范畴。特点：是在象，也属相关性检索的范畴。特点：是在书目信息检索基础上更深层次的内容检索。书目信息检索基础上更深层次的内容检索。例如：例如：检索由王华东等撰写，发表在高分子材料科学与工程2003年第3期“高性能结构材料聚苯硫醚砜”一文一文 检索工具：检索工具：中文科技期刊数据库等中文科技期刊数据库等 数据信息检索以具有数量性质并以数值形式表示的数据以具有数量性质并以数值形式表示的数据为检索对象，是一种确定性检索。检索的为检索对象，是一种确定性检索。检索的结果是经过测试和评价过的各种数据，可结果是经过测试和评价过的各种数据，可用于比较分析和定量分析。它一般以数据用于比较分析和定量分析。它一般以数据大全、手册、年鉴等为检索工具。大全、手册、年鉴等为检索工具。例如：例如：2003年申请中国发明专利和获得年申请中国发明专利和获得授权发明专利最多的国家有哪些？授权发明专利最多的国家有哪些？检索工具：中国统计年鉴检索工具：中国统计年鉴事实信息检索 以事项为检索对象，检索结果是以事项为检索对象，检索结果是有关某一事物的具体答案，也是一有关某一事物的具体答案，也是一种确定性检索。一般利用字词典、种确定性检索。一般利用字词典、年鉴、百科全书、手册等为检索工年鉴、百科全书、手册等为检索工具。具。示例：问题：世界上是谁在问题：世界上是谁在什么年代什么年代、用什用什么方法么方法首先合成了首先合成了聚苯硫醚聚苯硫醚？检索工具：检索工具：工程塑料手册（材料卷）工程塑料手册（材料卷）小结：小结：书目信息和全文信息检索是利用各种目录、题录、文摘和全文数据库获取有关信息的线索或全文。将向同学们推荐实现书目和全文信息检索数据库有：将向同学们推荐实现书目和全文信息检索数据库有：国内数据库中文期刊数据库:中国期刊全文数据库万方数据库:中国专利数据库：中国国家知识产权局专利数据库：国外数据库Ei village 2 ISI Web of Science Cambridge Scientific Abstracts ProQuest Digital Dissertations Elsevier Science 美国专利文献数据库:patents.uspto.gov加拿大专利数据库:http:/patents1.ic.gc.ca/欧洲专利数据库:http:/ 信息检索方法 2.2.1 2.2.1 信息需求分析信息需求分析 2.2.2 2.2.2 制定检索策略制定检索策略 2.2.3 2.2.3 实施检索策略实施检索策略2.2.1 信息需求分析信息需求是人们在客观或主观上就信息需求是人们在客观或主观上就课题所需信息的要求，是人们检索课题所需信息的要求，是人们检索信息的基本出发点，也是评价检索信息的基本出发点，也是评价检索效果的依据。它主要包括两个方效果的依据。它主要包括两个方面面 ：1.1.明确检索的目的和要求明确检索的目的和要求 2.2.对主题进行分析对主题进行分析示例示例 课题名称：难降解制药废水处理课题名称：难降解制药废水处理 一、检索目的和要求：目的：科技立项 要求：国内有无 1.难降解制药废水处理的研究报道;2.已采用的技术有哪些?二、主题分析二、主题分析第一概面：制药第二概面：废水处理生物法、电化学法、化学氧化、溶剂萃取、光催化等第三概面：难降解卤代烃类、酚类、醇类、芳香族等 .3 信息检索技术及其应用信息检索技术是指利用现代信息检索信息检索技术是指利用现代信息检索系统，如联机数据库、光盘数据库和系统，如联机数据库、光盘数据库和网络数据库检索有关信息而采用的相网络数据库检索有关信息而采用的相关技术，常用的有布尔、词位、截词关技术，常用的有布尔、词位、截词和限制技术。和限制技术。2.3.1 布尔检索常用的有：常用的有：（1 1）逻辑与逻辑与（2 2）逻辑或逻辑或（3 3）逻辑非逻辑非逻辑与1.1.含义：是一种具有概念交叉或概念限含义：是一种具有概念交叉或概念限定关系的组配。定关系的组配。2.2.算符：算符：“*”或或“AND”AND”或或“并且并且”等。等。3.3.特点：增强专指度，提高查准率。特点：增强专指度，提高查准率。4.4.举例：聚甲醛举例：聚甲醛 AND AND 增韧，表示两增韧，表示两个概念应同时包含在一条记录中。个概念应同时包含在一条记录中。逻辑或1.含义：是一种具有概念相同、概念相关或含义：是一种具有概念相同、概念相关或概念并列关系的组配。概念并列关系的组配。2.2.算符：算符：“+”+”或或“OR”OR”或或“或者或者”等。等。3.3.特点：扩大检索范围，提高查全率。特点：扩大检索范围，提高查全率。4.4.举例：举例：废水废水 OR OR 污水污水 ，表示这两个相，表示这两个相关概念分别在一条记录中出现或同时在一关概念分别在一条记录中出现或同时在一条记录中出现。条记录中出现。逻辑非1.1.含义含义：是一种具有概念排除关系的组是一种具有概念排除关系的组配。配。2.算符：算符：“-”-”或或“NOT”NOT”或或“不不包含包含”等。等。3.3.特点：提高查准率，影响查全率。特点：提高查准率，影响查全率。4.4.举例：举例：制药废水制药废水 NOT NOT 放射废水，放射废水，表示检索出的记录中要排除含有表示检索出的记录中要排除含有“放放射废水射废水”的记录。的记录。2.3.2 词位检索1.1.含义：具有限定检索词词间位置关系的组配功含义：具有限定检索词词间位置关系的组配功能，可弥补布尔逻辑组配只是定性规定检索词的能，可弥补布尔逻辑组配只是定性规定检索词的范围，范围，2.2.算符：算符：(W)(W)与与(nWnW)用于用于Dialog Dialog 联机和光盘系联机和光盘系统统 ，相邻两词词序不能颠倒，相邻两词词序不能颠倒;SAMESAME用于用于ISI Web of Science 系统中，相邻两相邻两词在同一句子中，词序任意。词在同一句子中，词序任意。3.3.特点：达到提高检准率的效果。特点：达到提高检准率的效果。4.4.举例举例:gas(w)chromatograph:gas(w)chromatograph；air SAME pollution air SAME pollution2.3.3 截词检索1.1.含义含义:是指在检索词的合适位置进行截断，是指在检索词的合适位置进行截断，然后使用截词符进行处理，可节省输入的然后使用截词符进行处理，可节省输入的字符，又可达到较高的查全率。较常用的字符，又可达到较高的查全率。较常用的是后截词和中截词。按所截断的字符数分，是后截词和中截词。按所截断的字符数分，有无限截词和有限截词两种有无限截词和有限截词两种。2.2.算符算符:？、？、*、$等。等。3.特点:预防漏检提高查全率预防漏检提高查全率4.举例:building?、building?、building*、building$2.3.4 限制检索限制检索1.含义：使用截词检索，仅简化了布尔检索中的逻辑或功能，并没有改善布尔检索的性质。使用词位检索，只能限制检索词之间的相对位置，不能完全确定检索词在数据库中出现的字段位置，需要使用限制检索缩小查找的范围。常用的限制检索有：字段、文献类型、语种以及年代等限制。2.字段限制常用的符号符号:标题（TI）、文摘（AB）、作者（AU）、刊名（JN）等。3.特点:限制查找的范围，满足课题对查全、查准的要求。4.举例2.3.5信息检索方法及技术应用实例信息检索方法及技术应用实例检索课题：高层建筑结构优化设计1.信息需求分析 （1）明确检索目的与要求 1）检索目的：硕士学位论文开题查新 2)检索要求：国内外关于高层建筑结构优化设计方面的相关信息 3)确定检索类型：属书目及全文信息检索（2）主题分析 第一概面：高层建筑 第二概面：结构设计 第三概面：优化设计2.制定检索策略制定检索策略 (1)选择检索词 根据主题分析确定的主题范围，选择检索词如下：高层建筑 tall building*高层建筑 high rise building*高层建筑 highrise building*结构设计 structural design 优化设计 optimization2.编写检索提问式编写检索提问式检索式1 高层建筑 and 结构设计 检索式2 高层建筑 and 结构设计 and 优化 检索式3(tall building*or high rise building*or highrise building*)and structural design检索式4 building*and(tall or high rise or highrise )and structural design检索式5 building*and(tall or high rise or highrise )and structural design and optimization检索式6 building*and(tall or high rise or highrise )and structural design and optimization/ab检索式7 building*and(tall or high rise or highrise )and structural design and optimization/ti谢谢大家！