信息检索原理

,*,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,2,章 信息检索基本原理,2.1,信息检索的基本概念,2.2,数字信息检索工具,2.3,计算机,信息检索技术,2.4,信息检索,的基本步骤,2.,1,信息检索概述,2.1.1,信息检索的含义与实质,2.1.2,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。因此，完整的信息检索应包括以下两个方面：,.,信息的标引和存储过程,.,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查找两个过程。,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户的需要。,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过程。,其实质,将描述特定用户所需信息的,提问特征,，与信息存储的,检索标识,进行异同的比较，从中找出与提问特征一致或基本一致的信息。,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。,结论,:,利用信息的检索系统,查找特指相关信息的过程。,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,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,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,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,（,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,（,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,（,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,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,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,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,.,全文信息检索,.,数据信息检索,.,事实信息检索,5.,小结,书目信息检索,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、文摘数据库为检索工具。,例如：查找有关“,聚苯硫醚的合成与应用,”,方面,的国内外信息有那些？,检索工具：,中文科技期刊数据库、万方数据资源系统、,EI,、,CA on CD,等。,全文信息检索,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：是在书目信息检索基础上更深层次的内容检索。,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,检索工具：,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。,例如：,2003,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？,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、年鉴、百科全书、手册等为检索工具。,示例：,问题：世界上是谁在,什么年代,、,用什么方法,首先合成了,聚苯硫醚,？,检索工具：,工程塑料手册（材料卷）,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：,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:/,/,日本专利数据库:,www.jpo.go.jp,数据和事实检索是利用各种参考工具书获取有关的确定性数据或事实信息。,例如：各种百科全书、年鉴、手册等。,2.,2,信息检索方法,2.2.1,信息需求分析,2.2.2,制定检索策略,2.2.3,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，也是评价检索效果的依据。它主要包括两个方面,：,1.,明确检索的目的和要求,2.,对主题进行分析,示例,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,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关技术，常用的有布尔、词位、截词和限制技术。,2.3.1,布尔检索,常用的有：,（,1,）,逻辑与,（,2,）,逻辑或,（,3,）,逻辑非,逻辑与,1.,含义：是一种具有概念交叉或概念限定关系的组配。,2.,算符：“,*”,或“,AND”,或“并且”等。,3.,特点：增强专指度，提高查准率。,4.,举例：聚甲醛,AND,增韧，表示两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、概念相关或概念并列关系的组配。,2.,算符：“,+”,或“,OR”,或“或者”等。,3.,特点：扩大检索范围，提高查全率。,4.,举例：废水,OR,污水，表示这两个相关概念分别在一条记录中出现或同时在一条记录中出现。,逻辑非,1.,含义,：,是一种具有概念排除关系的组配。,2.,算符：“,-”,或“,NOT”,或“不包含”等。,3.,特点：提高查准率，影响查全率。,4.,举例：制药废水,NOT,放射废水，表示检索出的记录中要排除含有“放射废水”的记录。,2.3.2,词位检索,1.,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范围，,2.,算符：,(W),与,(,nW,),用于,Dialog,联机和光盘系统，相邻两词词序不能颠倒,;,SAME,用于,ISI Web of Science,系统中，,相邻两词在同一句子中，词序任意。,3.,特点：达到提高检准率的效果。,4.,举例,:gas(w)chromatograph,；,air SAME pollution,2.3.3,截词检索,1.,含义,:,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，有无限截词和有限截词两种,。,2.,算符,:,？、*、,$,等。,3.,特点,:,预防漏检提高查全率,4.,举例,:,building?,、,building?,、,building*,、,building$,2.3.4,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