《信息检索导论》PPT课件
13
抽象性。信息本身是看不见摸不着的，我们所能够看得见 摸得着的只是信息载体（包括语言、文字、图画、符号、 纸张、磁带和光盘等）而非信息内容。
依附性。任何信息都必须以某种物质的特定的运动形式表 现出来，即信息必须依附于一定的物质载体上，用文字、 语言、图像、符号等把信息记录下来，并寄载在纸张、磁 带、胶卷和光盘等介质上，通过声波、光波、电波等物质 载体进行传递。信息的依附性是抽象性的延伸，是信息具 有可传递性、可转换性、可贮存性和可处理性的基础，是 信息能够实际利用的前提；正是因为有了这些载体，信息 才能变为一种广泛的资源和财富。
9
信息·哲学概念
在对信息进行哲学探讨时，信息与物质、能量、运动、 反映、意识等概念息息相关。信息是一切事物运动状态 和方式的表象或表征。 这里，“事物”泛指一切可能的研究对象，可以是外部
世界 的物质客体，也可以是主观世界的精神现象；“运动”
泛指 一切意义上的变化；“运动状态”是指事物运动在空间
上所 展现的性状和态势，是事物的静态特征；“运动方式”
11
普遍性。信息是物质的普遍属性，是物质运动的状态和方式。 信息的物质性以及物质的普遍性决定了信息的普遍存在性。
无限性。物质的更替和人事的代谢无穷无尽，信息因此是无 限的；即使在有限的时空中，由于物质的多样性和物质运动 的连续性，信息也是无限的。信息无限性的重要表现是信息 的多样性和衍生性：就多样性而言，它一方面表现为信息的 内容范围无所不包的多样性，另一方面表现为同一信息的表 述、表达方式的多样性。就衍生性而言，信息的信息仍然是 信息；观察的结果是信息，关于观察结果的表述是信息，关 于观察结果的描述作为文献的内容也是信息，而关于该文献 的目录索引还是信息，……信息的信息，可以形成无穷无尽的 衍生链带。
信息与数据、知识和智能的关系
8
信息·科学概念
科学概念根植于理性的理论框架中，并与 不定性、概率、熵、有序化、变异度等 概念密切相关。
L. V. R. Hartley：信息是选择的自由度（1928）； C. E. Shannon：信息是用来减少随机不定性的东西（1948）； N. Wiener：信息是指人们适应外部世界，并使这种适应为外部世
信息社会的基本特征 1、信息数量的激增 2、信息职业的扩大 3、信息资源的显化 4、信息应用的泛化 5、信息意识的强化
3
信息素养
4
信息
信息的概念 信息的基本特征 信息的基本类型
5
1、信息· 日常生活概念
在日常生活中，信息与符号、数据、消息、事 实、新闻、情报、知识等概念混用，核心义项是 消息。李中（924～975）在《碧云集》之《暮春 怀故人》一诗中最早提出了“信息”一词。 “梦断美人沉信息，目穿长路倚楼台。” 符号是指人类感官接受外界刺激后，大脑中产生 的刺激的组合；数据是各种事实、数字和字符等 符号的集合；信息是指语法特征上相互关联的数 据对象的集合；知识是有语法、语义关联的信息 结构；而智能则是知识精华的集合。
知识（Knowledge）是有意义的信息，表现在信息和信息 之间的关系。譬如天空有乌云和下雨两个信息之间，如果 建立一种联系，则产生了知识。
智慧（Wisdom）是知识与判断的综合，是利用知识采取 正确行动的体现——在了解多方面的知识后，能够预见一 些事情的发生并采取正确的行动。例如大家都觉得国庆长 假去杭州旅游的车票非常紧张（知识），但你已经非常有 预见性地购买了车票，领先一步，这就是智慧的体现。
界所感知的过程中，同外部世界交换的东西的名称（1948）； L. Brillouin：信息就是负熵，是系统组织结构和有序程度的度量
（1951）； W. R. Ashby：信息是集合的变异度（1956）。 一般说来，设随机事件X(x1, x2, …, xn)，每个事件（状态）发生的概
率为P(p1, p2, …, pn )，那么这一随机事件提供的信息量为I(xi)=﹣ ㏒Pi，而整个信源的信息熵为H(X)=﹣∑Pi㏒Pi。
6
信息与数据、知识和智能的关系
智能 知识 信息 数据
7
数据（Data）是有关事物现象的记录，是未经加工的事实、 没有指定背景和意义的数字、图像或声音等。如19491001， 我们只知道这是一个数字，对于这个数字来说，它就是数 字，不表示别的什么含义。
信息（Information）是经过组织的、有序的数据，表达了 数据和数据之间的联系。也就是说，对数据进行分析，找 出其中的关系，赋予数据以某种意义和关联，就形成了信 息。如19491001可以看作日期，这样就成了信息。它可能 是某人的生日，也可以是国庆日，等等。
12
客观性。信息的客观性源于客观存在的物质运动的 特征。信息不是虚无飘渺的东西，也不是可以随意 想象和“创造”的事物，它是现实世界各种事物运 动的状态和方式，有非常具体和真实的品格。各类 信息的表达、存贮、传递、转换和利用等都必须以 客观存在的物质载体为依托。
相对性。由于认识能力、认识目的及其所储备的先 验信息各不相同，各个认识主体从同一事物中获取 的信息及信息量（实得语法信息量、实得语义信息 量和实得语用量）并不相同。假定事物X的实在信 息的既它量实然们I得各的(X信 个 实)是息 观 得常量 察 信数者 息I(，X的量；在先当R这i)验然就样信也为的息就：条量各I(件X有I；o下(X差R，；i)异=第RI(i。)Xi各个)-I不o观(X相察；同者Ri，)R。i
则是 指事物运动在时间上所呈现的过程和规律，是事物的动 态特征。“表象”说明信息并不是事物本身；而“表达”
则是 认识论上的主体所感知并能够表示的、与人类生活有关 的东西，这是上述本体论意义上的信息引入认识主体这 10
信息的基本特征和属性
普遍性与无限性 客观性与相对性 抽象性与依附性 动态性与异步性 传递性与共享性
第一章 信息检索导论
1.1 信息素养与信息检索 1.2 信息检索的概念和类型 1.3 信息检索的研究对象与研究方法 1.4 信息检索的发展历史 1.5 信息检索需求 1.6 小结
1
1.1 、信息检索教学的主要意义 三、信息检索教学的基本内容
2
一、信息、信息社会与信息素养
抽象性。信息本身是看不见摸不着的，我们所能够看得见 摸得着的只是信息载体（包括语言、文字、图画、符号、 纸张、磁带和光盘等）而非信息内容。
依附性。任何信息都必须以某种物质的特定的运动形式表 现出来，即信息必须依附于一定的物质载体上，用文字、 语言、图像、符号等把信息记录下来，并寄载在纸张、磁 带、胶卷和光盘等介质上，通过声波、光波、电波等物质 载体进行传递。信息的依附性是抽象性的延伸，是信息具 有可传递性、可转换性、可贮存性和可处理性的基础，是 信息能够实际利用的前提；正是因为有了这些载体，信息 才能变为一种广泛的资源和财富。
9
信息·哲学概念
在对信息进行哲学探讨时，信息与物质、能量、运动、 反映、意识等概念息息相关。信息是一切事物运动状态 和方式的表象或表征。 这里，“事物”泛指一切可能的研究对象，可以是外部
世界 的物质客体，也可以是主观世界的精神现象；“运动”
泛指 一切意义上的变化；“运动状态”是指事物运动在空间
上所 展现的性状和态势，是事物的静态特征；“运动方式”
11
普遍性。信息是物质的普遍属性，是物质运动的状态和方式。 信息的物质性以及物质的普遍性决定了信息的普遍存在性。
无限性。物质的更替和人事的代谢无穷无尽，信息因此是无 限的；即使在有限的时空中，由于物质的多样性和物质运动 的连续性，信息也是无限的。信息无限性的重要表现是信息 的多样性和衍生性：就多样性而言，它一方面表现为信息的 内容范围无所不包的多样性，另一方面表现为同一信息的表 述、表达方式的多样性。就衍生性而言，信息的信息仍然是 信息；观察的结果是信息，关于观察结果的表述是信息，关 于观察结果的描述作为文献的内容也是信息，而关于该文献 的目录索引还是信息，……信息的信息，可以形成无穷无尽的 衍生链带。
信息与数据、知识和智能的关系
8
信息·科学概念
科学概念根植于理性的理论框架中，并与 不定性、概率、熵、有序化、变异度等 概念密切相关。
L. V. R. Hartley：信息是选择的自由度（1928）； C. E. Shannon：信息是用来减少随机不定性的东西（1948）； N. Wiener：信息是指人们适应外部世界，并使这种适应为外部世
信息社会的基本特征 1、信息数量的激增 2、信息职业的扩大 3、信息资源的显化 4、信息应用的泛化 5、信息意识的强化
3
信息素养
4
信息
信息的概念 信息的基本特征 信息的基本类型
5
1、信息· 日常生活概念
在日常生活中，信息与符号、数据、消息、事 实、新闻、情报、知识等概念混用，核心义项是 消息。李中（924～975）在《碧云集》之《暮春 怀故人》一诗中最早提出了“信息”一词。 “梦断美人沉信息，目穿长路倚楼台。” 符号是指人类感官接受外界刺激后，大脑中产生 的刺激的组合；数据是各种事实、数字和字符等 符号的集合；信息是指语法特征上相互关联的数 据对象的集合；知识是有语法、语义关联的信息 结构；而智能则是知识精华的集合。
知识（Knowledge）是有意义的信息，表现在信息和信息 之间的关系。譬如天空有乌云和下雨两个信息之间，如果 建立一种联系，则产生了知识。
智慧（Wisdom）是知识与判断的综合，是利用知识采取 正确行动的体现——在了解多方面的知识后，能够预见一 些事情的发生并采取正确的行动。例如大家都觉得国庆长 假去杭州旅游的车票非常紧张（知识），但你已经非常有 预见性地购买了车票，领先一步，这就是智慧的体现。
界所感知的过程中，同外部世界交换的东西的名称（1948）； L. Brillouin：信息就是负熵，是系统组织结构和有序程度的度量
（1951）； W. R. Ashby：信息是集合的变异度（1956）。 一般说来，设随机事件X(x1, x2, …, xn)，每个事件（状态）发生的概
率为P(p1, p2, …, pn )，那么这一随机事件提供的信息量为I(xi)=﹣ ㏒Pi，而整个信源的信息熵为H(X)=﹣∑Pi㏒Pi。
6
信息与数据、知识和智能的关系
智能 知识 信息 数据
7
数据（Data）是有关事物现象的记录，是未经加工的事实、 没有指定背景和意义的数字、图像或声音等。如19491001， 我们只知道这是一个数字，对于这个数字来说，它就是数 字，不表示别的什么含义。
信息（Information）是经过组织的、有序的数据，表达了 数据和数据之间的联系。也就是说，对数据进行分析，找 出其中的关系，赋予数据以某种意义和关联，就形成了信 息。如19491001可以看作日期，这样就成了信息。它可能 是某人的生日，也可以是国庆日，等等。
12
客观性。信息的客观性源于客观存在的物质运动的 特征。信息不是虚无飘渺的东西，也不是可以随意 想象和“创造”的事物，它是现实世界各种事物运 动的状态和方式，有非常具体和真实的品格。各类 信息的表达、存贮、传递、转换和利用等都必须以 客观存在的物质载体为依托。
相对性。由于认识能力、认识目的及其所储备的先 验信息各不相同，各个认识主体从同一事物中获取 的信息及信息量（实得语法信息量、实得语义信息 量和实得语用量）并不相同。假定事物X的实在信 息的既它量实然们I得各的(X信 个 实)是息 观 得常量 察 信数者 息I(，X的量；在先当R这i)验然就样信也为的息就：条量各I(件X有I；o下(X差R，；i)异=第RI(i。)Xi各个)-I不o观(X相察；同者Ri，)R。i
则是 指事物运动在时间上所呈现的过程和规律，是事物的动 态特征。“表象”说明信息并不是事物本身；而“表达”
则是 认识论上的主体所感知并能够表示的、与人类生活有关 的东西，这是上述本体论意义上的信息引入认识主体这 10
信息的基本特征和属性
普遍性与无限性 客观性与相对性 抽象性与依附性 动态性与异步性 传递性与共享性
第一章 信息检索导论
1.1 信息素养与信息检索 1.2 信息检索的概念和类型 1.3 信息检索的研究对象与研究方法 1.4 信息检索的发展历史 1.5 信息检索需求 1.6 小结
1
1.1 、信息检索教学的主要意义 三、信息检索教学的基本内容
2
一、信息、信息社会与信息素养
合集下载
第一讲 信息检索 PPT课件
第一节 信息 知识 情报 文献
2.知识 知识是人类认识的成果或结晶，是系
统化信息的集合. 知识的属性:
意识性 信息性 实践性 规律性 继承性 渗透性
第一节 信息 知识 情报 文献
3.文献 知识借助于一定的语言形式或物化为某
种劳动产品的形式，就成为可以交流的 文献。 文献的三要素:知识、载体、纪录方式。 文献的属性：知识信息性、客观物质性、 人工纪录性、动态发展性等。 文字形式的文献变成数据形式即称之 为电子文献。
信息的重要性（二）
从知识层面上理解
知识经济建立在知识 材料、 消耗 不可 不可 利用与创新的基础上， 能源 性 共享 再生 知识创新需要大量的
信息做原料。
信息与材料、能源 被称为当今社会的三 大资源
信息
非消 耗性
可共 享
可再 生
二、信息意识和信息素质
信息意识：是人们对各种信息的自觉 心理反应。
第一节 信息 知识 情报 文献
4.情报 在英汉词典中,“information”可译
为“信息”,也可译为“情报”. 情报:人们在一定的时间内为了一定
的目的而传递的有使用价值的知识. 情报的属性：知识性、传递性、效用性。 情报交流：直接交流和间接交流
第一节 信息 知识 情报 文献
信息的重要性 从情报的层面上理解 1.信息决定战争的胜负 2.信息决定企业的兴衰 3.信息是领导决策的依据。
二、文献的出版类型
按出版类型文献划分以下十大类：
（1）图书 （2）期刊（3）会议文献 （4）科技报告 （5）专利文献 （6）学位论文（7）标准文献 （8）政府出版物（9）产品资料 （10）技术档案
二、文献的出版类型
1.科技图书（Sci-Tech book） 阅读类:科普读物、专著、文集等 工具类:百科全书、年鉴、手册、词典等。
《信息检索课程介绍》课件
第七章：课程总结与展望
• 课程回顾 • 学习体会 • 未来学习方向
《信息检索课程介绍》 PPT课件
欢迎大家来到《信息检索课程介绍》PPT课件。本课程将带领您深入了解信 息检索的基础知识和技术，并探讨其应用和未来发展。
第一章：课程简介ห้องสมุดไป่ตู้
• 课程概述 • 授课教师介绍 • 课程目标
第二章：基础知识篇
• 信息检索概述 • 相关技术介绍 • 信息需求分析
第三章：索引与检索篇
• 文本预处理技术 • 倒排索引原理及实现 • 布尔检索模型 • 向量空间模型
第四章：评价指标篇
• 检索结果评价 • 信息检索系统评价 • 检索结果可视化
第五章：应用案例分析篇
• 搜索引擎概述及分类 • 搜索引擎技术分析 • 搜索引擎应用案例分析
第六章：未来展望篇
• 科技发展及对信息检索的影响 • 信息检索未来发展方向
信息检索 ppt 第1章 绪论
信息需求集合
当人们为完成某一任务时，经常觉得缺少的某些知识，即信 息需求。
匹配与选择
需要一种匹配机制。 匹配机制的主要功能：能够把信息需求集合与信息资源集合 依据某种相似性标准进行比较与判断，选择出符合用户需要 的信息。
第 1章 概
1.1 1.2 1.3 1.4 1.5 1.6
述Hale Waihona Puke 信息、知识、文献 信息的特征及类型 信息检索概念和原理 信息检索类型 信息检索的主要研究问题 信息检索的发展历史
信息检索类型
按检索内容不同
文献检索
以文摘、题录、全文 为检索对象。
数据检索
以数据为检索对象
事实检索
以事实、概念、思想、 知识等非数值信息为 检索对象
文献检索
以文献（包括文摘、题录或全文）为检索对象的 一类信息查询活动。是一种相关性检索，不直接回答 用户所提的问题本身，只是提供有关的文献供参考。 典型的文献检索
二次文献
(书目文献、索引、文摘）
是以一次文献为依据加工整理而形成的信息，是对一次信息的浓缩 或有序化产物。如：目录、文摘、索引等。 特点：为查找一次文献提供线索，具有系统性、工具性特点。
三次文献
对零次文献、一次文献、二次文献进行分析研究，加工提炼和概括 综合而形成的信息。如：综述、述评、进展报告、学科年度总结等。 特点：信息量大、综合性强、系统性好。
查找某出版社2008年出版图书的信息； 查找某公司在全球哪些地区设立了分公司、分公司地址、员工 数、主要负责人等。
数据检索
是指查找用户所需特定数据的检索。可以利用专门的数据 库进行检索。例如： 我国第五次人口普查中全国汉民族的人数。
狭义的信息检索仅指信息的查找，是指从信息集
信息检索课件
02
信息检索基础
布尔模型
基于逻辑运算符的模型，将查询词与文档进行简单的匹配，常用 符号包括 AND、OR、NOT。
聚类分析
将相似的文档聚集成一类，根据文档之间的相似度 进行分类，有助于缩小检索范围。
决策树模型
基于决策树的分类模型，通过训练样本建立一棵决策树，用 于预测新样本的类别。
03
信息检索相关技术
语义理解能力不足
传统的信息检索技术主要基于关键词匹配，无法很好地理解用户的真 实意图，这在很大程度上影响了检索结果的准确性和相关性。
语义网的发展
语义网的概念和应用
语义网是一种基于XML技术的互联网应用，它可以将互联网 上的文档统一转化为计算机可读的格式，从而使得计算机能 够更好地理解文档内容，提高信息检索的准确性。
F1得分
• F1得分：是查准率和查全率的调和平 2 (查准率 查全率) / (查准率 + 查全率)。
平均倒数排名（MRR）
• MRR：是一种衡量排序效果的指标，将所有相关文档按照 排序位置的倒数平均值进行加权，再求和得到。公式为： MRR = 1 / (1/第一相关文档 + 1/第二相关文档 + ... + 1/ 第N个相关文档)。
文本预处理
01
02
03
文本清洗
去除文本中的标点符号、 停用词、拼写错误等冗余 信息，提高文本的可读性 和信息含量。
分词技术
将文本切分成词汇单元， 便于后续的词频统计和语 义分析。
词性标注
对词汇进行语法标注，有 助于理解词汇在句子中的 角色和语义。
倒排索引
基本原理
倒排索引是一种基于词汇 表的索引结构，每个词汇 对应一个包含该词汇的文 档列表。
《信息检索导论》课件
总结和展望
总结
信息检索是现代信息领域中最为重要的研究领域之 一，它可以帮助人们准确、高效地获取所需信息。
展望
信息检索领域仍然存在着很多值得研究和探索的问 题，如如何充分利用新技术和新数据，提高信息检 索的精度和效率。
检索结果中真正相关的结果占所有结果的比例。
MAP
平均精度指标，表示所有相关结果的平均排名。
信息检索的技术及应用
搜索引擎
应用最为广泛的信息检索技术， 例如Google、Bing等。
问答系统
利用信息检索、自然语言处理等 技术，实现智能问答。
情感分析
利用信息检索和自然语言处理技 术，分析用户对产品、服务等的 情感倾向。
利用向量空间模型、语言模型等方式将
信息的匹配
4
文本信息表示成数学模型。
将检索的查询与数据集中的文本信息进
行匹配，返回最相关的结果。
5
信息的展示与反馈
将检索结果呈现给用户，同时提供反馈 机制，优化检索结果。
信息检索的评价指标
召回率
全部相关结果中被检索到的结果数。
F1值
综合考虑召回率和准确率的结果。
准确率
信息检索的挑战与发展
1 数据量爆炸
随着互联网的高速发展，数据量呈指数级增长，如何应对数据规模的挑战成为信息检索 研究的重点。
2 多语言处理
全球范围内的信息检索需要支持多种语言的处理，而不同语言的语法和语义差异性带来 了技术上的困难。
3 个性化需求
用户对信息检索的需求越来越个性化，如何满足用户的个性化需求成为信息检索领域的 发展方向。
《信息检索导论》课件
本课程将带领您了解信息检索的各个方面，从基本概念到技术应用，从评价 指标到挑战发展，全方位展开信息检索的知识体系。
《信息检索导论》PPT课件
出正确的决策。
编辑课件ppt
22
1.1 信息素养与信息检索
一、信息、信息社会与信息素养 二、信息检索教学的主要意义 三、信息检索教学的基本内容
编辑课件ppt
23
三、信息检索课程的基本内容
1、信息检索的基本知识：文献、情报、知识、信息的概念；不同文献 类型的特点；专业文献概况及主要收藏单位；情报与 Information Literacy对科学活动及个人知识增殖的作用；文献检索的意义和作用。
⑴ 信息共享实现的条件在于信息对于物质依附性的相对性，即同一信息 可以采用多种相同的或不同的物质载体及其运动形式构成。
⑵ 信息共享的基础在于信息存在的普遍性和信息价值的非对称性。信息 产品的使用价值是一个点集或面，其价值和使用价值具有非对称性； 而物质产品的使用价值在同一时刻仅为一个点，且遵循等值交换原则。
有害信息：指对社会发展和信息用户有消极和阻碍作 用的不真实或庸俗、媚俗的信息，主要有虚假信息和 色情信息等。
编辑课件ppt
21
二、信息检索教学的主要意义
1、一个平台：培养信息意识， 提高自学能力和独立研究能力。
1992年国家教委高教司在《文献检索课教学基本要求》 的通知中指出：“文献检索课是培养学生掌握利用图书 文献/情报检索，不断提高自学能力和科研能力的一门 科学方法课。”
17
1 以认识主体为依据对信息进行的划分
客观信息，是指对事物不加判断的如实 和公正的报道，即关于认识对象的信息。
主观信息，一般是依据事实和分析，阐 明个人对论题的观点和见解，是经过思 维主体加工的信息。
编辑课件ppt
18
2 以信息的生成领域对信息进行的划分
自然信息，非生命物质的自然信息，是无机界事物 属性及事物之间内在联系的表征。自然信息是融合 式的、特殊的、弥漫的。
lecture8-evaluation 信息检索导论 王斌 PPT 课件 第8章
15
现代信息检索
评价任务的例子
两个系统，一批查询，对每个查询每个系统 分别得到一些结果。目标：哪个系统好？ 系统&查询 系统1，查询1 系统1，查询2 系统2，查询1 系统2，查询2 1 d3 d1 d6 d1 2 d6 d4 d7 d2 3 d8 d7 d3 d4 4 … d10 d11 d9 d13
19
现代信息检索
评价指标分类
对单个查询进行评估的指标
在单个查询上检索系统的得分
对多个查询进行评估的指标
在多个查询上检索系统的得分
20
现代信息检索
回到例子
系统&查询
系统1，查询1 系统1，查询2 系统2，查询1 系统2，查询2
1
2
3
4
d10 d11 d9 √ d13
…
d3 √ d6 √ d8 d1 d4 d7 d6 √ d7 d2 d1 d2 d4
29
现代信息检索
关于正确率和召回率的讨论(2)
虽然Precision和Recall都很重要，但是不同的应 用、不用的用户可能会对两者的要求不一样。 因此，实际应用中应该考虑这点。
垃圾邮件过滤：宁愿漏掉一些垃圾邮件，但是尽量 少将正常邮件判定成垃圾邮件。 有些用户希望返回的结果全一点，他有时间挑选； 有些用户希望返回结果准一点，他不需要结果很全 就能完成任务。
23
现代信息检索
四种关系的矩阵表示
真正相关文档 RR+NR 真正不相关文档 系统判定相关 RR+RN (检索出)
RR
RN
Ret = RR+RN Precision
系统判定不相关 (未检索出)
NR
NN
信息检索 ppt课件
学科不断分化，新学科不断涌现，产生了大量有特定研究对象的分支学科、边缘学科、交叉学科、综合性学科。据统计 ，目前全世界每年出版各种文献量为l2000万册，平均每天出版文献约32万件。
1950-2006年中文图书出版概况
140000 120000 100000
80000 60000 40000 20000
3、文种繁多,内容交叉重复
全球的科技期刊出版采用70余种语言出版。 由于研究和出版的重复,形成了大量的重复文献,如: 会议论文重复率达40 % ,专利文献重复率高达60%
4、文献分布既集中又分散
集中: 某一学科的文献通常有80%都集中在该学科15%的期 刊中,这些期刊称为“核心期刊”,其中的文献代表了该学科的 最高水平、最新成果,具有权威性。
狭义的信息指文献资源或数据资源，包括各媒体中的片 段、文章、图书、情报、观念等。
特 点： 1.不同的事物所存在的状态和运动方式，就会表现出不同的信息；
2.信息不是实体，必须借助某种介质才能表现或传播。
二、知识（knowledge）
是人类在认识和改造客观世界实践中获得的对事物本质 的认识和经验的综合。
信息经过选择、综合、研究、分析等加工过程后可以成为
情报；
知识是系统化、理论化的信息。
五、文献与信息素养
信息素养（Information literacy）指具有检索、分析、 评价和利用各种信息源以解决信息需求及制定明智决 策的能力，是对个人信息行为能力、独立学习能力以 及批判性思维能力等概括性描述。
分散: 随着科学技术发展, 学科分支越来越细,专业文献分散。
学科不断分化，新学科不断涌现，产生了大量有特定研究对象的分支学科、边缘学科、交叉学科
5、新陈代谢频繁,文献老化加快
1950-2006年中文图书出版概况
140000 120000 100000
80000 60000 40000 20000
3、文种繁多,内容交叉重复
全球的科技期刊出版采用70余种语言出版。 由于研究和出版的重复,形成了大量的重复文献,如: 会议论文重复率达40 % ,专利文献重复率高达60%
4、文献分布既集中又分散
集中: 某一学科的文献通常有80%都集中在该学科15%的期 刊中,这些期刊称为“核心期刊”,其中的文献代表了该学科的 最高水平、最新成果,具有权威性。
狭义的信息指文献资源或数据资源，包括各媒体中的片 段、文章、图书、情报、观念等。
特 点： 1.不同的事物所存在的状态和运动方式，就会表现出不同的信息；
2.信息不是实体，必须借助某种介质才能表现或传播。
二、知识（knowledge）
是人类在认识和改造客观世界实践中获得的对事物本质 的认识和经验的综合。
信息经过选择、综合、研究、分析等加工过程后可以成为
情报；
知识是系统化、理论化的信息。
五、文献与信息素养
信息素养（Information literacy）指具有检索、分析、 评价和利用各种信息源以解决信息需求及制定明智决 策的能力，是对个人信息行为能力、独立学习能力以 及批判性思维能力等概括性描述。
分散: 随着科学技术发展, 学科分支越来越细,专业文献分散。
学科不断分化，新学科不断涌现，产生了大量有特定研究对象的分支学科、边缘学科、交叉学科
5、新陈代谢频繁,文献老化加快
lecture4-indexconstruction 信息检索导论 王斌 PPT 课件 第4章
19
现代信息检索
Reuters RCV1语料库的统计信息
N L M 文档数目 每篇文档的词条数目 词项数目(= 词类数目) 每个词条的字节数 (含空格和标点) 每个词条的字节数 (不含空格和标点) 每个词项的字节数 无位置信息索引中的倒排记录数目 800,000 200 400,000 6 4.5 7.5 100,000,000
6
现代信息检索
基于B-树的词典查找
7
现代信息检索
基于轮排索引的通配查询处理
查询: 对 X, 查找 X$ 对X*, 查找 X*$ 对*X, 查找 X$* 对*X*, 查找 X* 对 X*Y, 查找 Y$X*
8
现代信息检索
基于k-gram索引的通配查询处理
比轮排索引空间开销要小 枚举一个词项中所有连读的k个字符构成的k-gram 。 2-gram称为二元组(bigram) 例子: from April is the cruelest month we get the bigrams: $a ap pr ri il l$ $i is s$ $t th he e$ $c cr ru ue el le es st t$ $m mo on nt h$ 同前面一样，$ 是一个特殊字符 构建一个倒排索引，此时词典部分是所有的2-gram，倒 排记录表部分是包含某个2-gram的所有词项 相当于对词项再构建一个倒排索引(二级索引)
将输入的文档集分片(split) (对应于BSBI/SPIMI算法中的块) 每个数据片都是一个文档子集
39
现代信息检索
分析器（Parser）
主节点将一个数据片分配给一台空闲的分析器 分析器一次读一篇文档然后输出 (term,docID)-对 分析器将这些对又分成j 个词项分区 每个分区按照词项首字母进行划分
信息检索.ppt
文献与情报：
不是所有文献都能成为情报，所有情报也不都能记载在文献 中。
二、信息资源的类型和特征
一次:新颖性、创新性 记录型
二次：浓缩性、有序性 实物型
三次：综合性
智力型
公开 非公开 半公开
零次
按照信息资源加 从信息资B源管理
工程度划分
和开发角度划分
按信息传递的 范围划分
万国坤舆图
——利玛窦，明万历三十年1602年
（一）文献型信息资源
1．刻写型文 献信息资源
2．印刷型文 献信息资源
3．缩微型文 4．视听型文 献信息资源 献信息资源
• 3．缩微型文献信息资源
• 期刊的种类： 政论性期刊、学术性期刊、工艺技术性期刊、文学艺术期刊、通俗性 期刊、检索性期刊、资料性期刊、报道性期刊
• 特种文献资料：似书非书，似刊非刊。
特点：
①内容广泛新颖，类型复杂多样，涉及科学技术、生产生活各个领域； ②现实性强，情报价值高，从不同领域及时反映当前科学技术的创造发
——《论语、子罕》
• 现代知识社会：
“知识是对事实或思想的一套有系统的阐述提出合理的判 断或经验性的结果，它通过某种交流手段，以某种系统的 方式传播给其他人。”
——美国学者丹尼尔，20世纪70年代
内涵： 关于事实与思想的陈述； 这些陈述能提出合理判断或实证结果； 它们可通过传媒传递给他人
明、进展动态、研究水平及发展趋势 ③出版发行无规律，有的有一定的保密性，收集比较困难。
特种文献资料主要包括以下几种类型：
• 科技报告、政府出版物、会议文献、学位论文 、专利文献 、标准文 献 、产品资料
• 其他零散资料
不是所有文献都能成为情报，所有情报也不都能记载在文献 中。
二、信息资源的类型和特征
一次:新颖性、创新性 记录型
二次：浓缩性、有序性 实物型
三次：综合性
智力型
公开 非公开 半公开
零次
按照信息资源加 从信息资B源管理
工程度划分
和开发角度划分
按信息传递的 范围划分
万国坤舆图
——利玛窦，明万历三十年1602年
（一）文献型信息资源
1．刻写型文 献信息资源
2．印刷型文 献信息资源
3．缩微型文 4．视听型文 献信息资源 献信息资源
• 3．缩微型文献信息资源
• 期刊的种类： 政论性期刊、学术性期刊、工艺技术性期刊、文学艺术期刊、通俗性 期刊、检索性期刊、资料性期刊、报道性期刊
• 特种文献资料：似书非书，似刊非刊。
特点：
①内容广泛新颖，类型复杂多样，涉及科学技术、生产生活各个领域； ②现实性强，情报价值高，从不同领域及时反映当前科学技术的创造发
——《论语、子罕》
• 现代知识社会：
“知识是对事实或思想的一套有系统的阐述提出合理的判 断或经验性的结果，它通过某种交流手段，以某种系统的 方式传播给其他人。”
——美国学者丹尼尔，20世纪70年代
内涵： 关于事实与思想的陈述； 这些陈述能提出合理判断或实证结果； 它们可通过传媒传递给他人
明、进展动态、研究水平及发展趋势 ③出版发行无规律，有的有一定的保密性，收集比较困难。
特种文献资料主要包括以下几种类型：
• 科技报告、政府出版物、会议文献、学位论文 、专利文献 、标准文 献 、产品资料
• 其他零散资料