《信息知识与描述》PPT课件.ppt

第四章信息的组织与描述,第一节信息组织的基本原理,一.信息组织的概念与内容二.信息组织的类型与特征三.信息组织的原则,第二节信息的描述与揭示,一.元数据二.文献信息的著录与标引三.网络信息资源描述的相关标准四.通用标记语言及相关标准,第三节信息组织的技术与方法,一.文献型信息组织方法二.网络信息组织的技术与方法,第四节信息组织的发展方向知识组织,一.知识组织的含义与特征二.知识转化与表示三.知识组织的技术与方法,一.信息组织的概念与内容,1.信息组织的概念信息组织也称信息整序，是利用一定的规则、方法和技术对信息的外部特征和内容特征进行揭示和描述，并按给定的参数和序列公式排列，使信息从无序集合转换为有序集合的过程。,信息的外部特征是指信息的物理载体直接反映的信息对象，构成信息的外在的、形式的特征，如信息载体的物理形态、题名、作者、出版或发表日期、流通或传播的标记等方面的特征。,信息的内容特征就是信息包含的内容，它可以由关键词、主题词或者其他知识单元表达。,信息组织的基本对象就是信息的外部特征和内容特征。,2.信息组织的内容,（1）.信息选择：从采集到的、处于无序状态的信息流中甄别出有用的信息，剔除无用的信息，是信息组织过程的第一步。,（2）.信息分析：按照一定的逻辑关系从语法、语义和语用上对选择过的信息内、外特征进行细化、挖掘、加工整理并归类的信息活动。,（3）.信息描述与揭示：也称为信息资源描述，根据信息组织和检索的需要，对信息资源的主题内容、形式特征、物质形态等进行分析、选择、记录的活动。,（4）.信息存贮：将经过加工整理序化后的信息按照一定的格式和顺序存贮在特定的载体中的一种信息活动。,二.信息组织的类型与特征,（1）按信息表现形式划分文字信息组织图像信息组织声音信息组织视频信息组织,1.信息组织的类型,（2）按信息的加工程度划分一次信息组织二次信息组织三次信息组织,（3）按信息的传播载体划分文献信息源非文献信息源在这里，非文献信息源特指网络环境下没有以传统文献载体形式出现的信息源，如程序代码、网页、超文本等。为了学习的方便，我们统称为网络信息源。,网络信息的特点：类型众多；信息发布自由，内容庞杂，质量不一；信息数量急剧上涨，且分布极不均衡，信息处理与利用能力相对下降；网络信息具有多媒体和超级链接性以及交互性；网络信息存在安全隐患；网络信息的使用与提供信息站点的软硬件和服务有关。,2.信息组织的特征,（1）信息组织的渗透性：信息组织的渗透性指信息组织存在于各种信息揭示、存贮和检索活动之中。,（2）信息组织的依附性：信息组织的依附性指信息组织无法独立存在，它要以信息的识别、揭示等活动为前提。,（3）信息组织的增效性：信息组织的增效性指信息组织可以增加信息传播、检索、利用的效率，是其他信息加工活动和利用信息的保障。,三.信息组织的原则,1.客观性原则,信息组织中进行描述和揭示的基本依据就是信息本身（theitemobtained），因此，我们描述和揭示信息的外在特征和内容特征必须客观而准确，要根据信息本身所反映的各种特征加以科学地反映和序化，形成相应的信息组织的成果。,2.系统性原则,系统性原则要求在信息组织中把握好这四个关系：（1）宏观信息组织与微观信息组织的关系（2）信息组织部门与其他部门的关系（3）信息组织工作各个环节之间的关系（4）不同信息处理方法之间的关系,3.目的性原则,信息组织具有鲜明的目的性，必须围绕用户的信息需求开展工作，注意信息机构的目标市场的需求状态及其变化特征，满足成本收益对称的原则。,4.现代化原则,信息组织现代化原则包括思想观念现代化和技术手段现代化两个方面。信息组织的思想观念现代化集中体现在信息组织的标准化上，即信息组织工作的一致性、信息组织方法的规范性、信息组织系统的兼容性和信息组织成果的通用性。,一.元数据,1.元数据的概念：元数据（metadata）是关于数据的数据（dataaboutdata），是专门用来描述数据的特征和属性，描述和组织信息资源，发现信息资源的语言和工具。,2.元数据的描述对象：早期：元数据主要指网络资源的描述数据后来：逐步扩大到各种以电子形式存在的信息资源的描述数据。现在：元数据适用于各种类型信息资源的描述记录。,3.元数据的基本功能,（1）识别。确认并对要进行组织的信息资源进行个别化描述，使用户能识别被组织的资源对象。,（2）定位。提供信息资源位置的信息，以便用户访问时使用。,（3）检索。通过在描述数据中提供检索点，便于用户对资源的检索和利用。,（4）选择。通过记录信息资源的特征，诸如主题、作者、类型、物理形式、层次和日期等，供用户对信息资源的使用价值进行判断，决定是否使用该资源。,二.文献信息的著录与标引,1.文献信息的著录,（1）著录的基本概念：,著录：是指在编制文献目录时，对文献内容和形式特征进行分析、选择和记录的过程。,款目：著录的结果是款目，它是反映文献内容和形式特征的著录项目的组合。,目录：将一批款目按照一定的次序编排而成的一种文献报道和检索工具。,（2）著录的标准化：在国家或国际范围内，对文献著录的原则、内容、格式等做出具有一定约束力的规范。,国际：1971年，国际图书馆协会联合会（IFLA），单行著作国际标准书目著录ISBD（M）；1976年，出版了国际标准数目著录总则ISBD（G）。,中国：1983年7月，正式发表了全国文献著录标准系列中的文献著录总则（GB3792.183），其后，先后出版了各个分则。,2.文献信息的标引,（1）标引的基本概念：信息标引:指分析信息的内容属性（特征）及相关外表属性，并用特定语言表达分析出的属性或特征，从而赋予信息检索标识的过程。,标引语言：表达信息主题概念和检索需求主题概念的简明性、单义性和关联性的概念标识系统。,信息标引包括主题分析和转换标识两个环节。,主题分析：在了解和确定信息的内容属性以及帮助揭示内容的某些外表属性之后，将这些属性概括为主题并用自然语言表述，同时分析主题概念之间或主题概念因素之间的结构关系。,转换标识：用专门的主题概念或概念因素，构成一定形式的检索标识。,（2）标引的两种主要类型：,分类标引：采用分类语言的标引。分类语言用分类号表达主题概念，依据知识分类将主题概念组织、排列成类目体系，主要以类目体系的自身结构显示概念之间的关系。,主题标引：采用主题语言的标引。主题语言是一种由受控的自然语言语词直接表达主题概念，按语词字顺排列主题，主要用参照显示概念之间关系的标引语言。,三.网络信息资源描述的相关标准,20世纪80、90年代诞生的大量规范：文本编码倡议（TextEncodedInitiative，简称TEI）都柏林核心集（DublinCore，简称DC）政府信息定位服务（GovernmentInformationLocatorService，简称GILS）多媒体内容描述接口(MultimediaContentDescriptionInterface，简称MPEG-7),1.MachineReadableCatalogue:MARC标准,起源：美国国会图书馆，1965年提出了“标准机器可读目录记录款式的建议”，即MARC。1967年MARC诞生。,特点:共有001999个字段，其中999字段为用户自定义字段；字段内容著录详尽，字段下又设子字段以及重复字段字段作用强化，可检索的字段多每条MARC记录可分为头标区、目次区和数据区。,（1）USMARC（美国国会图书馆机读目录通信格式）在1995年，美国NDLP启动，对USMARC做了一些修改:增加了“电子资源地址与存取”字段即856字段。（2）UNIMARC（国际机读目录通信格式）（3）CNMARC（中国机读目录格式）,2.DublinCore(都柏林核心集),（1）起源于1995年在美国俄亥俄州都柏林市召开的元数据讲习班。目前，已得到广泛的承认和应用，成为国际RFC2413和美国Z39.85标准。（http:/dublincore.org),（2）作用：为描述网络资源提供了一种规范。,（3）15个核心元素,DC元数据有15个核心内容元素（element）。这15个元素组成了都柏林核心元数据元素集（DublinCoreElementSet）。,元素名称说明Title标题资源标题Subject主题资源内容的主题Description主题关于资源的简要描述Type资源类别资源的内容类别Source来源产生该资源的其他资源Relation关联关系与其他资源的关系Coverage覆盖范围资源地理、时间或管理的范围,元素名称说明Creator创作者资源内容的主要创作者Contributor其他贡献者对资源做出其他贡献的对象Publisher出版者资源的提供、发表、出版者Rights权限资源所属或管理的权限信息Date日期资源生命周期中的特定日期Format资源格式资源的格式Language语言资源所使用的语言Identifier标识符对资源进行标识的识别信息,（4）DC的主要优点：,简单易懂：15个元素通俗易懂运用灵活：它即可以用于规范的资源描述，也可以用于非专业领域国际通用：目前已有10多种不同语言的版本可扩展性：不仅有15个核心标记元素，子元素和扩展元素，还可以与其他元数据连接使用,3.其他元数据规范,（1）政府信息资源元数据GILS(GovernmentInformationLocatorService，政府信息定位服务）（2）描述音像信息的MPEG7，MultimediaContentDescriptionInterface，多媒体内容描述接口。（3）描述图像信息的MOA2（TheMakingOfAmerica）,四.通用标记语言及相关标准1.通用置标语言标准SGML（StandardGeneralizedMarkupLanguage),（1）起源：20世纪60年代，IBM开始研究通用标记语言GML来描述文件及其格式。,（2）发展：1978年，美国国家标准局将GML规范为SGML标准；1986年，国际标准化组织将SGML定位国际标准SGMLISO8879：1986。,（2）特点：SGML是一种元语言，是用来描述置标语言的语言，适用于电子文档交换、管理核发布；SGML从结构和内容两个层次来描述文档，其核心是文档类型定义DTD（DocumentTypeDefinition）SGML可以定义各种各样的置标语言，定义一种置标语言的方法就是根据SGML的规则制定DTD文档，DTD文档规定了这类文档可能出现的置标及其组合规则。,2.超文本置标语言HTMLHypertextMarkupLanguage,（1）实质：是经过简化的SGML的DTD的具体应用。,（2）功能：出版在线的文档，包括标题、文本、表格等通过超级链接检索在线的信息为获取远程服务而设计表单在文档中直接包含电子表格、视频剪辑、声音剪辑以及其他一些应用,（3）缺陷：可扩展性差，HTML是符合SGML语法的一种固定格式的超文本标记语言，格式固定，难以扩展；交互性差，HTML难以实现用户与系统之间的交互；语义性差，HTML没有考虑语义性，难以实现智能化的信息检索和用户的个性化服务。,3.可扩展置标语言XMLeXtensibleMarkupLanguage,（1）产生：是有W3C于1998年发布的一种标准，现由http:/www.w3.org维护和管理。是SGML的一个子集，可以自定义DTD，结合了SGML的强大功能和HTML的易用性，以一种开放的自定义、自描述的方式定义了数据结构，在描述数据内容的同时突出对结构的描述。,（2）包含的内容体系：,XML语法XSL可扩展样式语言，eXtensibleStyleLanguageXLL可扩展链接语言，eXtensibleLinkLanguageXML用户代理，XMLUserAgentXMLHTTP,（3）XML的应用：,根据不同行业和语义，XML可以派生出许多行业的置标规范和协议。电子商务领域的ebXML数学领域的MathXMLXML文档例子：,（4）XML的特点：,XML文档是纯文本。任何文本编辑器或是可视化开发工具都可创建和编辑XML文档；基于内容的数据标识；可格式化。有了XSL以后，数据与它的显示是分离的，可为同一数据指定不同的样式表进行输出；具有很强的超级链接性。可以定义双向链接、多目标链接、扩展链接和两个文档之间的链接；易于处理。XML对格式的定义更为严格，并具有层次结构，处理更容易。,（5）XML、SGML、HTML之间是什么关系?,HTML是SGML的一个实例，它的DTD作为标准被固定下来，因此，HTML不能作为定义其它置标语言的元语言。XML是SGML的一个子集，严格地讲，XML也还是SGML。与HTML不同的是，XML有DTD，因而也可以象SGML那样，作为元语言，来定义其它文件系统，或称其它置标语言。如果把置标语言分为元置标语言和实例置标语言的话，SGML和XML都是元置标语言，而HTML和由XML派生的XHTML都是实例置标语言。,一.文献型信息组织方法,外部特征,引用法索引法目录法等,按已知文献的某些特征要素来查找文献,内容特征,主题法分类法文摘法等,对未知信息的查找，有明确的选择意义,1.分类组织法,（1）文献分类的概念（2）文献分类包括分类和归类两个方面,根据文献所反映的内容性质、形式载体和用户用途，分门别类地系统组织文献的一种方法。按文献分类方法编制的目录称为分类目录。,分类：建立文献分类体系。归类：运用文献分类体系来类分文献信息。,（3）分类组织法的特点,从事物的某一方面出发，按表达事物概念的层累制号码排列，同一学科内容的资料都集中在一起，可以体现学科的系统性，反映事物的从属派生关系，便于按学科体系进行族性检索；按分类号组织分类目录，简单方便。,（4）分类组织法的缺点,以人工语言（数字、代码、字母等）作为标志符号，不直观，难记忆；分类体系固定，增补新类目不及时；组配方式机械，较难满足用户的多元检索要求。,2.主题组织法,（1）主题组织法的概念,也称为词汇控制组织法，是以语言为基础，用表达概念的词或词组来揭示文献内容的一种方法。这种方法直接用语词来作为表达主题概念的标识，并用字顺排列标识和参照系统等方法来间接表达各种概念之间的相互关系。,（2）标题法,概念：是用规范化了的语词来标引文献主题，并按字顺排列标识的方法。（语词的规范化是指某一语言在语音、词汇、语法各方面的标准化。）基本原理：按主题（事物）集中文献；用经过规范化的语词直接标引文献主题；用字顺序列直接提供主题检索途径。,优点:.因为标题之间的顺序关系是预先组配号的，先组配式的标题在标引和检索时直接使用，不易混乱；.标题法以事物为中心来集中与该事物有关的文献，适合从主题出发进行检索，易于查全某一事物的文献；.直观、易掌握，检索速度快，对新事物、细小问题容易反映出来，补充修改也容易。,缺点：.很难查全一门学科或具有某一属性事物的文献.使用不灵活，不能满足多途径检索.很难反映学科的发展变化，以及学科之间的关系,（3）叙词法,叙词的概念：就是一些以概念为基础的、经过规范化的、具有组配性能、显示词间语义关系和动态性的词或词组。,叙词的特点：直观性，叙词法直接以规范化了的自然语言作为标识符号；专指性，直接从文献论述和研究的具体对象和问题出发进行选词，并采用叙词组配来描述主题，所以无论文献主题如何专深，主题的学科性质如何相互交叉渗透，都可根据需要直接选作叙词或通过组配来表达；,适应性强，对不断出现的新事物、新学科和新研究课题，叙词法都能随时加以增删和修改；迅速准确，对叙词主要采用字顺排列方式，因此查找方便准确、迅速；后组式，叙词法主要采用后组式概念组配的方法，具有较大的灵活性；多途径检索，对同一主题的文献，可以从多种途径检索得到；,网络结构，叙词语义关系的结构主要体现于叙词表种的叙词字顺索引的参照系统、叙词范畴分类系统、叙词等级系统等几个方面。这种网络结构的编制和建立，揭示了事物及其概念在各个学科领域、各个方面的内在联系，加强了叙词法的学科体系性和族性检索作用。,3.引用组织法,利用文献的引用和被引用的规律来组织信息的方法就引用组织法。美国，科学引文索引（ScienceCitationIndex，简称SCI）是美国信息专家加菲尔德按照薛泼德引文法的原理编制而成的。,二.网络信息组织的技术与方法,网络信息的组织与传统文献信息组织相比的特点：,组织的对象从各种类型的数据发展到更加丰富多彩的信息、信息链甚至知识；组织的范围从文献内、外特征深入到信息单元、知识单元；组织的结果从静态的文本格式发展到动态的多模式的链接；组织的形式从数据结构发展到知识表示。即要求信息组织的透明化、易用性；组织的技术从手工单一发展到半自动化、自动化、智能化，即要求组织的标准化、兼容化。,1.文件方式,优点：（1）简单方便；（2）是存贮非结构化信息的天然单元。缺点：（1）难以平衡网络负载与文件数量的关系；（2）不能充分地显示结构化信息之间的结构关系；（3）文件本身可看做信息单元，需要作为对象来管理。,2.数据库方式,数据库组织方式：是将所有已获得的网络信息资源以固定的记录格式存贮，用户通过关键词及其组配查询，就可以找到所需要的信息线索（即相关站点链接），并通过信息线索直接链接到相应的网络信息资源。,检索结果,结构化查询,检索结果,输入检索式,客户端,服务器,数据库,优点：,（1）利用数据模型对信息进行了规范化处理，优化了数据的查询，提供一整套数据控制和操作的方法，利用信息项之间的联系进行信息的重组和查询，提高数据操作的灵活性；（2）数据的管理与应用程序完全分离，大大降低了网络传输的负载；（3）为多媒体信息、半结构化信息以及非结构化信息的组织提供良方。,缺点：,（1）不能提供数据信息之间的知识关联；数据库组织方法是基于语用的组织，有严格的数据模型，单个数据项缺乏行为能力，所以难以显示信息单元的知识内容之间的语义关联。（2）对用户和服务器端都提出了较高的要求。,3.主题树方式,主题树组织方式：将信息资源按照某种事先确定的概念体系结构，分门别类地逐层加以组织，用户通过浏览的方式逐层加以选择，层层遍历，并通过信息线索直接找到相应的网络信息资源。,优点：,（1）简单易用，屏蔽了网络链接技术和资源获取技术对用户的复杂性，提供了一种基于树型的浏览方式、简单易用的信息检索和利用界面；（2）信息检索按照一定的范畴分类体系，逐次查看，对用户而言，目的性强，查准率较高；（3）采用树型目录结构组织信息资源，具有良好的可扩充性和较严密的系统性。,缺点：,（1）必须事先建立一套完整的范畴体系，用户对使用的范畴体系有一定的了解，增加用户的智力负担；（2）要保证主题树的结构清晰性和资源可用性，主题范畴体系的结构就不能过于复杂，每一类目下的信息检索条目不宜过多，这就降低了该方式所能容纳的信息资源的数量。,4.超媒体方式,超媒体技术：是超文本技术与多媒体技术的结合，它将文字、图像、声音、视频等多媒体信息以超文本的方式组织起来，用户通过高度超级链接的网络结构在各种信息库中航行，从而找到所需要的信息。,线性文本,多媒体,超文本,超媒体,加大表现力,加大表现力,引入网络结构,引入网络结构,优点：,（1）是网络信息组织未来的发展方向，是符合人们跳跃性思维习惯的非线性组织方式，具有良好的包容性和可扩充性；（2）超越媒体类型对信息组织与检索的限制，实现了链接浏览的搜寻方式；（3）避免了检索语言的复杂性。,缺点：,（1）采用浏览的方式搜寻信息，当超媒体网络过于庞大时，很难迅速而准确地的定位；（2）很难保存浏览过程中的所有记录，难以避免“迷航”现象。,一.知识组织的含义与特征,王知津等：狭义的知识组织是指文献的分类、标引、编目、文摘、索引等一系列整序；广义的知识组织是针对知识的两要素进行的，是知识因子（结点）的有序化和知识关联（结点间的关系）的网络化。蒋永福等：知识组织是指为促进或实现主观知识客观化和客观知识主观化而对知识客体所进行的诸如整理、加工、引导、揭示、控制等一系列组织化过程及其方法。,布鲁克斯：对文献中所含内容进行分析，找出人们创造与思考的相互影响及联系的结点，像地图一样把它们标记胡来，展示知识的有机结构，为人们直接提供创造时所需要的知识。S.塞恩等：构造知识基本单元联系及影响的图。,知识组织的概念：,知识组织时揭示知识单元（包括显性知识单元和隐性知识单元），挖掘知识关联的过程或行为，最为快捷地为用户提供有效的知识或信息。,知识组织的特征：,自动化集成化智能化,二.知识的转化与表示,1.显性知识的定义、特点,（1）显性知识(ExplicitKnowledge)的定义：是指可以通过语言方式传播的知识。比如：专利、科学发明等，它们存在于书本、计算机数据库等介质中。在OECD（经济合作与发展组织）对知识的四个划分中，关于知道是什么和知道为什么的知识属于显性知识。（2）显性知识的特点：是可以表达的,有物质载体的、可确知的。,2.隐性知识的定义、特点,（1）隐性知识也称为“隐含经验类知识”(TacitKnowledge),往往是个人或组织经过长期积累而拥有的知识,通常不易用语言表达,也难以传播。例如：厨师的高超技艺，艺术家的艺术水平。隐性知识对应OECD分类中关于知道怎样做和知道是谁的知识。（2）隐性知识的特点：不易被认识到、不易衡量其价值、不易被其他人所理解和掌握。,3.显性知识与隐性知识的转化,（1）从隐性知识到隐性知识称为群化，或社会化（Socialization）。（2）从隐性知识到显性知识成为外化（Externalization）。（3）从显性知识到显性知识成为融合（Combination）。（4）从显性知识到隐性知识成为内化（Internalization）。,隐性知识,显性知识,隐性知识,显性知识,群化,外化,内化,融合,小结,群化（社会化Socialization),群化是一个经验分享的过程，直接从别人那里获得隐性知识，进而再创造出隐性知识。比如：学徒和师傅一起劳作学习技艺。,案例：,松下电器设在大阪的公司开发了一种家庭自动烤面包机，主要问题是如何使生面团的揉制机械化，这个工艺基本属于隐性知识，掌握在面包大师手中。但是，单纯地分析面包大师与机器揉制的生面团，并没有什么突出发现。于是，该项目负责人寻找当地最好的面包师并自愿当学徒。经过多日观察，她终于发现面包师不仅把生面团的面伸开，而且还要拧转，这就是制造美味可口面包的秘密。她通过观察、模仿和实践，使一流面包师的隐性知识群化。,外化（Externalization),外化是一个把隐性知识有机地结合到显性知识中的过程。是一个典型的知识创造过程。隐性知识通过隐喻、类比、概念等方式变成显性知识，也是知识管理中最大限度地利用知识的过程。,案例：佳能公司从啤酒易拉罐的材料中得到灵感发明了一种低成本生产铝制墨盒的技术，诞生了一次性使用的墨粉鼓。,融合(Combination),融合是将概念系统化到一个知识体系的过程，是将不同的显性知识融合起来，进行筛选、补充、分析、组合等工序产生新知识的过程。,案例：克卡夫通用食品公司通过从零售商的销售点系统传来的数据，发现产品的销售情况，从中开创出新的“销售方法”。,内化(Internalization),内化是一个将显性知识隐性化的过程，通过群化、外化和融合获得的经验，以思维模式和技术诀窍共享等形式内化为个人隐性知识。,案例：通用电气公司的呼叫中心将140万个可能的问题和答案编入程序，输入计算机系统。该系统的在线诊断使每一个电话接线员在2秒内能够快速咨询并检索解答；万一找不到答案，有12位至少有4年工作经验的专家现场找出解决办法，并将其存入数据库。,小结：显性知识和隐性知识的相互转化形成了一个不断上升的知识螺旋，促进了知识的不断积累和发展。知识的转化、传递和创造是一个动态的、递进的过程，当个人的隐性知识完成一次知识螺旋运动并转化为新的隐性知识时，就开始了新一轮的知识螺旋。,4.知识的表示,（1）.隐性知识的表示方法,逻辑表示法,产生式规则表示法,语义网络表示法,框架表示法面向对象表示法,（2）.显性知识的表示方法显性知识表示的主要任务是把文献中的知识单元和知识关联用一定方式表示出来。对文献知识的表示，目前普遍采用分类标引法和主题标引法。,三.知识组织的技术与方法,1.分类法和主题法是显性知识组织的基本工具。2.数据仓库和知识挖掘是隐性知识组织的基本工具。,（1）数据仓库技术：数据仓库是面向主题的、集成的、稳定的、不同时间的数据集合，用以支持经营管理中的决策制定过程。,（2）知识挖掘技术：联机分析处理（OLAP）知识发现（KDD）数据挖掘（DM）,置标语言,置标语言，实际上是一种为了计算机处理而设计的置标语言，其中所用到的标记，往往使用代表一定含义的文字或数字表示。通常的做法是，根据需要，先定义一套助意的标记，然后将这套标记添加到书面语言中去，使书面语言变成置标语言。,例如，我们为了让计算机了解，一段书面语言中，那一部分是标题，那一部分是作者名，那一部分是正文，我们定义如下一套标记：、；、；、那么我们就可以将上段书面语言文档改写成置标语言文档：什么是置标语言？我们为了让计算机了解,