信息检索技术

,单击此处编辑母版标题样式,*,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,第三节 机检基础知识,计算机检索式（逻辑表达式）：,检索词+有关算符,1、布尔逻辑算符,2、截词算符,3、字段限定符,4、位置算符,1,一、布尔逻辑检索,在计算机文献检索中，用户的检索需求是通过,检索提问式,表达的，逻辑算符在检索提问式中起着逻辑组配作用，它们能把一些具有简单概念的检索词（或检索项）组配成为一个具有复杂概念的检索式，用以表达用户的检索需求。,布尔逻辑（组配）算符：系统中采用的逻辑组配算符是布尔代数中的逻辑运算符,AND/*（与）、OR/+（或）、NOT/（非）,。,布尔逻辑检索： 即运用,布尔逻辑算符,对,检索词,进行逻辑组配，表达两个概念之间的逻辑关系。,1.,AND,或,*,算符 实现逻辑“,与,”组配,检索时，命中信息同时含有两个概念，专指性强。,如：,logistics AND e-commerce,2,一、布尔逻辑检索,在计算机文献检索中，用户的检索需求是通过,检索提问式,表达的，逻辑算符在检索提问式中起着逻辑组配作用，它们能把一些具有简单概念的检索词（或检索项）组配成为一个具有复杂概念的检索式，用以表达用户的检索需求。,布尔逻辑（组配）算符：系统中采用的逻辑组配算符是布尔代数中的逻辑运算符,AND/*（与）、OR/+（或）、NOT/（非）,。,布尔逻辑检索： 即运用,布尔逻辑算符,对,检索词,进行逻辑组配，表达两个概念之间的逻辑关系。,1.,AND,或,*,算符 实现逻辑“,与,”组配,检索时，命中信息同时含有两个概念，专指性强。,如：,logistics AND e-commerce,3,一、布尔逻辑检索,在计算机文献检索中，用户的检索需求是通过,检索提问式,表达的，逻辑算符在检索提问式中起着逻辑组配作用，它们能把一些具有简单概念的检索词（或检索项）组配成为一个具有复杂概念的检索式，用以表达用户的检索需求。,布尔逻辑（组配）算符：系统中采用的逻辑组配算符是布尔代数中的逻辑运算符,AND/*（与）、OR/+（或）、NOT/（非）,。,布尔逻辑检索： 即运用,布尔逻辑算符,对,检索词,进行逻辑组配，表达两个概念之间的逻辑关系。,1.,AND,或,*,算符 实现逻辑“,与,”组配,检索时，命中信息同时含有两个概念，专指性强。,如：,logistics AND e-commerce,4,2.,OR,或,+,算符 实现逻辑“,或,”组配,3.,NOT,或 算符 实现逻辑“,非,”组配,检索时，命中信息包含所有关于逻辑,A,或逻辑,B,或同时有,A,和,B,的，检索范围比,AND,扩大。,如：,rapid transit OR light rail OR subways,railway OR railroad,命中信息包含逻辑,A,、不包含逻辑,B,或同时有,A,和,B,的，排除了不需要的检索词。,如：,fruit NOT apple,（TEST）,5,二、截词检索,(truncation) ,截词符,截词是指将检索词在适当的地方截断，截词检索是用截断词的一个局部进行的检索，凡是满足这个截词所有字符(串)的记录，系统都为命中。,截词检索在西文数据库中广泛使用。是在词干后可能变化的位置加上截词符号。检索词的单复数形式，同一词英、美不同拼法，词根相同的词都可用截词检索。这样既可减少检索词的输入量,又可扩大查找范围，提高查全率。,按 截 词 位 置 分： 有前截断、后截断、中截断；,按截词的字符数量分：有限制截断、无限截断。,*,表示截词的截断符号，各检索系统有不同的规定，没有统一标准。,6,1. 后截断,后截断是在检索词词干后面加截词符，表示不限制或限制词尾可变化的字符数，即查找词干相同的所有词。从检索性质上讲，后截断是前方一致检索。,非限制截断,：是在检索词词干后面加一个截词符，表示不限制词尾可变化的字符位数，即查找词干相同的所有词。,例:,comput?,表示允许其后可带有任何字符且数量不限，相当于查找,compute、 computed、 computes、 computing、 computer、 computers、computerize、computerized、computation、 computations、 computational、 computationally,等词。,*,不宜将词截得过短，否则容易造成误检。,限制截断,：是在检索词词干后面加若干个截词符，表示限制可变化的字符数,。,例：fib? 相当于查找 fiber,或 fibre (Ei Compendex Plus),librar? 相当于Libraries,librarian,library,educat? 相当于Educator,educated,7,2. 中截断,(通配符或屏蔽),是把截断符号置于一个检索词的中间，对词中间出现变化的字符数加以限定。一般中截断仅允许有限截断。,例：organi#ation, 可检索到包含organization和organisation的记录。,一个？代表零个或任意个字符。,例： colo?r ，可检索到包含 color、colour、colonizer、 colorimeter的记录。,一个? 和数字，其中的数字代表可替换的字符数。,例：colo?1r, 只能检索到包含colour的记录。,8,三、词位置检索,(positional operator) ,位置运算符,利用布尔逻辑算符对检索词进行逻辑组配时,未限定检索词之间的位置关系,会影响某些课题的查准率并容易造成误检。为了弥补其不足，一般检索系统都提供文中自由词检索功能，也称全文检索功能,(Full text searching)。,所谓全文检索是利用文献记录中任何有实义的关键词、词组或字符串作为检索词，词与词之间的位置关系可以用位置运算符来表达。位置运算符的使用，进一步强化了对概念的限制，比布尔逻辑运算符更能表达复杂的概念，并避免AND逻辑组配产生的词义含糊或误检。,为了提高检索的广度和准确度，常常需要对检索词之间的位置关系加以限定。,*,全文检索的运算方式，不同的检索系统有不同的规定，主要差别有两点：,规定的位置算符不同；,位置算符的职能和使用范围不同。,下面介绍几种数据库经常使用的位置运算符：,9,1.W - With,W 算符是With的缩写，表示在此算符两侧的检索词必须按输入时的前后顺序排列，不能颠倒。所连接的词之间除可以有一个空格、标点或连接号外不得夹有任何其他单词或字母。,例： intelligent (W) robot? (Ei Compendex Plus),Wn( 或nW) 表示在此算符两侧的检索词必须按输入时的前后顺序排列，不能颠倒。但允许在连接的两个词之间最多插入n个单元词。,例： intelligent w1 robot* (OCLC FirstSearch),2. N - Near,N算符是Near的缩写，表示此算符两侧的检索词必须紧密相连，所连接的词之间不允许插入任何其他单词或字母。但词序可以颠倒。,例： intelligent NEAR robot* ( Ei CPX Web), Nn (或nN)表示在两个检索词之间最多可插入n个单词,且两词的词序任意。,例： intelligent,N1 robot* (OCLC FirstSearch ),3. Adj - adjacency,邻接算符，表示在此算符两侧的检索词必须按所列词序排列，不能颠倒,两词之间不允许有其他的词或字母。相当于短语检索。,例：,intelligent,adj robot* (Elsevier Science SDOS),10,四、字段检索,(range searching),字段检索即指定检索词出现的字段，被指定的字段也称检索入口，检索时，系统只对指定字段进行匹配运算，提高了效率和查准率。西文数据库，字段检索常用代码来表示，如下表所示。,11,注意：,目前各个检索系统所设立的字段是各不相同的，即同一字段，也可能采用不同的字段代码表示。,如题名字段：,Ei CPX Web,中， 用,highway transport* within TI,来表示；,OCLC Firstsearch,中，用,TI: highway transport*,来表示。,在进行字段检索时，为了避免出现检索误差, 应先看一下该数据库的使用指南或说明。,例： Ei CPX Web 网络版数据库主要字段的字段代码如下：,CV Ei叙词表受控语言,TI,题名,AB 文摘,AU 著者姓名,AF 著者机构名称,ST 连续出版物名称,PN 出版时间,12,构造检索提问式示例,：,课题：数字化图书馆的文献检索服务,检索概念分析：,document retrieval,并列概念,document delivery,document delivery system,digital library,同义词 virtual library,electronic library,检索提问式：,(document W retrieval or document W delivery or document W delivery W system*) and (digital W librar* or electronic W librar* or virtual W librar*),record found : 11,(OCLC Firstsearch),13,造成误检或漏检的原因,1）课题分析不透；“学科归属”不清。,2）“语言”不通。,3）主题概念不是大了，就是小了。,4）“同义词库”不全,5）核心词太多,6）选择的检索工具专业性不够。E-journal or search engine?,14,1）课题分析不透；“学科归属”不清。,对课题的真正含义和学科归属不清楚，会造成最大的失误。,如查找有关“玻璃钢”制造工艺方面的资料，如果从字面含义着手，以为它属玻璃工业或金属材料的范畴，而事实上，玻璃钢既不属硅酸盐工业里的玻璃类，也不属金属材料里的钢铁制品，而是合成树脂与塑料工业里的增强、填充塑料制品。,如果没有认真分析课题的真正含义和学科归属，就匆匆着手检索，往往会欲速不达，或多走弯路，甚至导致失败。,15,2）“语言”不通。,基于计算机的文献检索的特点与其说是人机对话，不如说是标引人员与检索人员的对话，只有标引人员与检索人员所表达的“语言”一致，才能顺利实现文献检索。,往往检索工具使用的是标引语言，而检索者使用的多数是自由词，未经规范化，这样在表达方式上有差异，造成了检索障碍。如：,自由词：维生素 C (vitamin C)；标引词 :抗坏血酸 (ACID，ASCORBIC),自由词：艾滋病 (AIDS)； 标引词：ACQUIRED IMMUNODEFICIENCY SYNDROME（后天免疫缺陷综合症）；又如“沙示”（SARs), 禽流感（Bird flu).,16,3）主题概念不是大了，就是小了。,检索者不知道如何正确定位课题的主题概念，往往会不是大了，就是小了，初学者更容易把概念偏大。,主题概念的范畴太大造成大量没用的文献被误检，太小造成重要的的文献被漏检。,如“石油工业的废水处理”，若用“废水处理”作为主题概念，就会太大，在中国期刊网中有1400多篇，如果我们知道石油工业主要排放的是毒性较大的含酚废水，那么主题概念定位在“含酚废水处理”就比较恰当了，此时查出的文献大概有2030篇。,17,4）“同义词库”不全,往往同一件事情或事物，不同作者喜欢用不同的词来表达，这就造成了庞大的同义词库，如果偏偏你头脑中的“同义词库”不是那么全，造成漏见就不足为怪了。例：,艾滋病,艾滋病、爱滋病,碳纤维,碳纤维、炭纤维,聚四氟乙烯PTFE，polytetrafluoroethylene, Teflon,设备apparatus，equipment，device,汽车car，automobile，vehicle,18,5）核心词太多,对于由A、B、C、D、E多个主题组合的多主题概念课题，如果将所有主题混在一起同时组配，会造成“零结果”现象。,因为，只要A、B、C、D、E其中之一的检索结果为零，则经过布尔逻辑“和”的运算，检索结果=A*B*C*D*E =0 。,19,6)选择的检索工具专业性不够,E-journals:,中文：中国期刊网、万方数据库系统、维普。,英文：Elsevier,Search engine:,北大天网，百度，,GooGle, Yahoo! Openfind, .,20,THE ENDTHANKS A LOT,21,