2信息检索原理与技术
合集下载
第二章 信息检索原理及技术
• ②词族表 computer applications ．administrative data processing ．．distributive data processing ．computerized signal processing ．．computerized pattern recognition ．．computerized picture processing ．．．computer-generated holography
3、检索途径 、
• 检索途径又称检索入口，指信息用户在检索时，把所需信息的某 种特征标识转换为检索标识，以此为入口进行检索
信息内部特征 检索途径 题名途径 著者途径 机构途径 代码/序号途径 信息源类型途径 其它途径 分类途径 主题途径 关键词途径
信息外部特征
信息检索途径及其选择
内容特征检索途径
作用： 、保证不同标引人员表征文献信息的一致性。 作用：1)、保证不同标引人员表征文献信息的一致性。 2)、使内容相同及相关的文献集中化。 、使内容相同及相关的文献集中化。 3)、保证检索提问与文献信息标引的一致性。 、保证检索提问与文献信息标引的一致性。 4)、保证检索者按不同需求检索文献信息时， 、保证检索者按不同需求检索文献信息时， 都能获得最高的查全率和查准率。 都能获得最高的查全率和查准率。
※
纯自然语言
指完全使用自然语言，即对一条完整的信息中任何词汇都可以进行检索。 指完全使用自然语言，即对一条完整的信息中任何词汇都可以进行检索。 它采用全文匹配法检索，主要运用于计算机全文数据库和网络信息检索中。 它采用全文匹配法检索，主要运用于计算机全文数据库和网络信息检索中。 使用纯自然语言中检索中最大的问题是误检率极高。 使用纯自然语言中检索中最大的问题是误检率极高。
2信息检索原理与技术
（2）关键词语言：关键词是从文题、文摘或
正文中抽出，具有实质意义，能够代表文献 内容主题的名词术语。关键词可直接用于文 献标引。 （3）主题词语言：主题词是表达一定概念主 题的规范化的名词术语。主题标引须有专门 的主题词表。
第二节、检索途径
检索点（access point）是检索的出发点，以 前常用“检索途径”（approach)这一术语。 每件文献均有内部的（信息内容）特征及其相关 的外部特征，在检索系统中检索点是标目的总称。
主题词表的字顺表用标识符号将非主题词
指引到其主题词，如：义务教育 用 普及教 育。
对于无法利用字顺表确定检索用主题词时，可采
取如下办法： A 将检索者自拟的标题倒置，再试查。 B 利用拟定概念词的同义词试查。 C 利用拟订概念词的上位词试查。 D 利用词表范畴表，由上向下逐级试查。 （2）调整检索范围 A 利用字顺表的相关参照提示，扩大检索范围。 B 利用范畴表（词表分类表）调整检索范围。
信息检索原理与技术
第一节、检索的基本原理
信息检索基本原理的核心是用户信息需求与 文献信息集合的比较和选择, 是两者匹配 (match)的过程。 一方面是用户的信息需求, 一方面是组织有序的 文献信息集合，检索就是从用户特定的信息需求 出发，对特定的信息集合采用一定的方法、技术 手段，根据一定的线索与规则从中找出(search, locate, hit) 相关的信息。 匹配有其匹配标准，这里涉及到两者一致性、 相关度等问题，按一定的标准筛选出符合要求的 信息。
其中文学类类目展开情况如下：
I I2 I24 I247 I247.4 I247.5 I247.7 I247.8 I25 I313
文学 中国文学 小说 建国后作品 章回小说 新体长篇、中篇小说 新体短篇小说 故事、微型小说 报告文学 日本文学
第二章 信息检索的原理与方法
主题语言是采用规范化或不规范化的自然语 言作为文献资料内容的标识符号。这种检索标 识表达概念比较直接,便于检索,同时不受体系的 约束,增删灵活。 主题语言根据文献中研究对象的主题集中文 献,把同一主题的文献用字顺集中,同一学科的文 献可能分散到不 同的主题词标题下。 主题语言可以直接采用新的事物名称为主题 反映边缘学科、交叉学科和新技术等,同时对具 有复合主题文献的表达比较直观。
检索途径
文献代码 途径
按文献固 有的号码顺 序进行检索 的途径。如， 标准号索引、 报告号索引、 专利号索引、 专利对照索 引、合同号 索引等。
检索途径
检索途径
分类途径
按照文献信息所属学科体系来检索文献的 一条途径，是文献检索的主要途径之一。常用 的检索工具有分类目录和分类索引以及各数据 中的分类导航等等。。 我国的图书馆普遍采用《中图法》，了解 《中图法》的分类体系、掌握本专业领域文献 资料的分类号是使用分类途径检索文献的关键。
数据、事实检索
《中国大百科全书》：中国第一部大型综 合型百科全书，15年编撰完成，共74卷。 世界最著名的百科全书（百科全书A、B、 C）:
《新不列颠百科全书》EB
《美国百科全书》 EA
《科利尔百科全书》EC
数据、事实检索
年鉴：
almanac一般为综合性年鉴，yearbook为
专科年鉴，但实际上彼此并无严格区别。年 鉴是一种按年编纂出版的参考工具书，它汇 集了一年之内的新闻、事件、数据和统计资 料，按类编排。
I I2 I24 I247 I247.4 I247.5 I247.7 I247.8 I25
文学 中国文学 小说 建国后作品 章回小说 新体长篇、中篇小说 新体短篇小说 故事、微型小说 报告文学
文献检索,信息检索(2)第二章 信息检索原理
数据库
检索提问
匹配过程
输出检索结果
二、信息检索的类型
按检索内容划分 1、文献检索
是以文献为检索对象的信息检索。
2、数据检索
是以数据为检索内容的信息检索，要求
从检索系统存储的大量原实检索
是以具体事项为检索内容的信息检索， 要求从检索系统存储的各种原始信息资源中查出专门的 事实材料。
三、检索工具的结构
（一）计算机检索工具结构 1、检索软件 （二）手工检索工具结构
1、使用说明（凡例）
2、目次表 3、正文 4、辅助索引 5、附录
2、数据库
（1）字段 （2）记录
（3）文档（顺排、倒排）
（4）帮助文件
工具书的类型
类型 概念 内容 举例 提供可资参考的知 根据特定的社会需要， 识 内 容 ， 如 数 据 、 字典、词典、百科 广泛汇释一定范围内 史实、观点、结论、 全书、类书、政书、 比较成熟的知识，按 定 义 、 公 式 、 分 子 年鉴、手册、名录、 一定的规则编排组织 式 、 人 物 简 介 等 数 表谱、图录等 的工具书。 据和事实信息。 又称线索性工具书 提供查找文献线索 书目、索引、文摘
分类途径 信息内部特征 检索途径 信息外部特征 主题途径 关键词途径 题名途径 著者途径 其它途径
一、根据信息内容特征的检索途径 二、根据信息外部特征的检索途径
第四节
检索工具
检索工具：是在不同学科范围内对 一、检索工具的功能 某阶段出版的有关文献进行收集、整理 二、检索工具的类型 或对新文献加以及时报道的二次文献。
一、检索算符 逻辑与
(一)布尔逻辑算符
布尔逻辑组配运算是采用布尔代数中的 逻辑“与”逻辑“或”、逻辑“非”等算符，
课件讲稿 第二章 信息检索原理与检索技术
第一次作业
• 1. 如何提高信息素质，谈谈你的的学习方 法或途径。 • 2. 浏览我校图书馆网站，说出图书馆都收 藏有哪些类型的文献资源（信息源）？ （列出3种以上） • 3．请用图示的方法说明布尔逻辑检索概念 之间的逻辑关系。 • 4. 信息检索步骤主要有哪些？ • 5. 列举自己感兴趣的3个课题，其中1个与 所学专业有关。
容词均不能做关键词。（禁用词表）
38
关键词法一般不编关键词表，而是相反， 编制“非关键词表”或称“禁用词表”，如： • a
• in • an • is
as
of at on be or
but
that by this for to
from
was had which have with
he
you her & his
27
• 以文献的内容特征为检索途径:
分类途径:课题的学科属性,学科分类体系 利用学科分类表、分类目录、分类索引 若课题所需信息范围较广，应选用分类途径，这样 可以比较准确地检索到与课题相关领域的资料。
主题途径:按主题内容进行检索的途径， 它冲破了按学科分类的束缚，使分散在各个学科领 域里的有关同一课题的信息集中于同一主题，当课 题所需信息范围窄而具体时，以主题途径检索为宜。
22
文献的著录
题名：书名、刊名、会议名 作者 号码：书号ISBN、ISSN、 标准号、专利号 出版：出版社、出版时间、地点 分类号 主题词
外部特征
内容特征
23
24
信息检索途径
•责任者途径 •题名途径 •代码途径
•引文途径
•出版情况（出版时间、出版社） •分类途径
•主题词途径
25
• 外部特征： 题名途径 著者途径 代码途径 • 内部特征： 分类途径 主题途径
• 1. 如何提高信息素质，谈谈你的的学习方 法或途径。 • 2. 浏览我校图书馆网站，说出图书馆都收 藏有哪些类型的文献资源（信息源）？ （列出3种以上） • 3．请用图示的方法说明布尔逻辑检索概念 之间的逻辑关系。 • 4. 信息检索步骤主要有哪些？ • 5. 列举自己感兴趣的3个课题，其中1个与 所学专业有关。
容词均不能做关键词。（禁用词表）
38
关键词法一般不编关键词表，而是相反， 编制“非关键词表”或称“禁用词表”，如： • a
• in • an • is
as
of at on be or
but
that by this for to
from
was had which have with
he
you her & his
27
• 以文献的内容特征为检索途径:
分类途径:课题的学科属性,学科分类体系 利用学科分类表、分类目录、分类索引 若课题所需信息范围较广，应选用分类途径，这样 可以比较准确地检索到与课题相关领域的资料。
主题途径:按主题内容进行检索的途径， 它冲破了按学科分类的束缚，使分散在各个学科领 域里的有关同一课题的信息集中于同一主题，当课 题所需信息范围窄而具体时，以主题途径检索为宜。
22
文献的著录
题名：书名、刊名、会议名 作者 号码：书号ISBN、ISSN、 标准号、专利号 出版：出版社、出版时间、地点 分类号 主题词
外部特征
内容特征
23
24
信息检索途径
•责任者途径 •题名途径 •代码途径
•引文途径
•出版情况（出版时间、出版社） •分类途径
•主题词途径
25
• 外部特征： 题名途径 著者途径 代码途径 • 内部特征： 分类途径 主题途径
第二章 信息检索基本方法与基本技术
2. 主题检索语言
• 标题词：经规范化处理的词或词组，先组式
语言
• 叙 词（单元词）：经规范化处理的词或词
组，后组式语言，可自由灵活组配
• 关键词：未经规范化处理，直接从文献题名、
原文或文摘中选取的能反映原文主题内容的自 由词汇
二、检索工具
定义：检索工具是人们用来存储、报道和查找 文献的工具，它具有存储和检索的功能。
点击预约书刊可预约该书 预约图书：选定所需图书，输入证号、密码，执行预约 点击机读格式可查看该书的MARC信息
高级查询
• 在题名、著者、丛书名、主题词、出版社、 ISBN（书）、ISSN（刊）、索取号、起始年 代中填入自己确定的内容，其余的可以不填 写；选定语种（17种）和文献类型，然后进 行检索。 • 结果可检索到所需文献的题名、著者、出版 信息、索取号 • 查看选中图书的相关信息
图书馆信息查询系统
•书目查询 •读信者息 •新书通报：一个月内到馆的新书、馆藏 地，并可查看新书 •订购征询 •信息发布：预约到书列表、超期罚款、 超期催还、委托借阅到书列表
如何利用计算机进行检索
书刊查询
读者信息查询
图书馆主页的功能
信息发布功能:
图书馆最新服务动态、电子 资源试用等均及时在主页上发布。
一、信息检索原理
信息检索的原理（示意图）
存 储
特征化
表示
查 询
特征化
表示
信息 集合
选择与匹配
需求 集合
二、信息检索类型
手工检索 计算机检索 文献信息检索
• 信息检索(内容)
• 信息检索(工具手段)
数据信息检索
事实信息检索
第二节 信息检索语言与工具
一、信息检索语言
信息检索原理与技术.ppt
2.2.2 信息检索系统
信息检索系统是拥有一定的 存储、检索技术装备、存储 有各种信息，并能为用户检 索所需信息的服务工作系统。 目前常用的是手工检索系统 和计算机检索系统。
2019/4/24 17
2.2.3
信息检索语言
检索语言又称标引语言， 是系统存储和检索时共同使 用的一种约定语言，以达到 信息存储和检索的一致性， 提高检索效率。
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：乙二胺登记号？ 登记号： 107-15-3 [87-79-6] 检索工具：化工产品手册、搜索引擎.2.2 2.2.3
信息检索原理
信息检索效率 信息检索系统 信息检索语言
2019/4/24
15
2.2.1 信息检索效率
信息检索效率是评价一个检索系 统性能优劣的质量标准，它贯穿 于信息的存储和检索的全过程。 其评价指标主要是:
查全率 查准率
2019/4/24 16
2019/4/24 18
检索语言的类型
分类语言
主题语言
体系分类语言 组配分类语言 混合分类语言 标题词语言 关键词语言 叙词语言 单元词语言
19
2019/4/24
体系分类语言
体系分类语言是按学科逻辑分类的原 理，运用概念划分的方法，按知识门类 从总到分，从上到下，层层划分，逐级 展开组成分类表，并以分类表来标引、 存储信息和检索信息。特点是体现学科 的系统性，反映事物的平行、隶属和派 生关系，有利于从学科的角度进行族性 检索，达到较高的查全率。
TQ324 TQ325 TQ327 TQ328
信息检索原理与技术资料整理
信息检索原理与技术资料整理信息检索原理与技术资料整理华中师范大学信息检索原理与技术第一章信息检索概论1.1信息检索基础简述1.信息：事物发出的信号所包含的内容。
2.知识：知识是人类的主观世界对客观世界的概括和反映，是大量有组织的信息，是关于事实和思想的有组织的陈述，提供某种思考的判断和某种实验的结果。
3.知识的分类：①“知事”（know-what）：指关于事实方面的知识，也可理解为know-when、know-where，即在什么样的时间（know-when）、什么样的地点或条件下（know-where）能解决什么样的问题。
②“知因”（know-why）：指自然原理和规律方面的科学理论，知识的产生是在专门研究机构如实验室和大学完成的。
③“知道怎样做的知识”（know-how）：指做某些事情的技艺和能力，被称为技术情报和商业秘密，其典型是企业开发和保存于其内部的技术诀窍或专有技术。
④“谁以及是怎样创造知识的”（know-who）：侧重对创造思想、方法、手段、过程及特点等的了解。
4.文献：文献是记录有知识的一切载体，即知识信息必须通过文献载体进行存储和传递。
构成三要素：①构成文献内核的知识信息②负载知识信息的物质载体③记录知识信息的符号和技术特点：知识性（本质）、传递性、动态性。
分类标准：内容加工程度划分：①一次文献信息：指作者以自己的研究成果为基础创作和撰写的、未经过加工的原始文献。
②二次文献信息：指对一次信息加工整理而成的文献，如目录、文摘、索引等各种书目信息，它具有汇集性。
③三次文献信息：是对一次、二次信息综合、分析等深加工的产物，如评论、进展报告、评述、百科全书、年鉴、指南、期刊书目等。
载体形式划分：书写型、印刷型、缩微型、声像型、机读型五大类。
5.文献信息链：文献作为人类文化信息的承载物，从其产生、替代、反复被利用、再创造，直至产生新知识，是一个不断演进的运动过程。
6.信息、知识和文献三者之间的关系（重点）：信息>知识>文献信息、知识和文献的联系在于：信息作为物质的一种普遍属性，是生物以及具有自动控制系统的机器通过感觉器官和相应的设备与外界进行交换的一切内容。
计算机信息检索基本原理及检索技术
electromagnetic（电磁的） paramagnetic（顺磁的）
thermomagnetic（热磁的）
中截词检索
将截词符号置放在一个检索词的中间，而 不是左右两侧。仅允许有限截词，主要用于 英、美拼写不同的词on可检索出含有 organisation和 organization的记录。 Wom*n可检索出Woman、Women
【例】Gas(W)Chormatograph表示检索结果 为Gas Chormatograph和GasChormatograph形式的才为命中。
（nW）由（W）衍生而来，如果两词之间 使用“nW”，表示两词间可插入n个词，但 词序不能颠倒。
例如：Laser(1w)Printer表示检索结果中具 有“Laser Printer”、“Laser Colour Printer”和“Laser and Printer”形式的均为 命中记录。
非主题字段——
作 者 (Author) 、 作 者 工 作 单 位 (Author affiliation)、 连续出版物编号(ISSN)、文献 类型(Document)、语言（Language）、出版 者（Publisher）等
《工程索引》（EI）数据库检索系统中的 字段及字段代码
字段名称
字段代码
【例】检索式“Comput*”无限后截断检 索，可检出词汇有： Computing
Computer
Computerized
………………
前截词检索
将截词符号置放在一个字符串左方，以表 示其左边的有限个或无限个字符不影响该字 符串的检索。从检索性质上讲，前截词检索 是“后方一致检索”。
【例】对于检索式“*magnetic”来说，能 够检索出含有 magnetic
thermomagnetic（热磁的）
中截词检索
将截词符号置放在一个检索词的中间，而 不是左右两侧。仅允许有限截词，主要用于 英、美拼写不同的词on可检索出含有 organisation和 organization的记录。 Wom*n可检索出Woman、Women
【例】Gas(W)Chormatograph表示检索结果 为Gas Chormatograph和GasChormatograph形式的才为命中。
（nW）由（W）衍生而来，如果两词之间 使用“nW”，表示两词间可插入n个词，但 词序不能颠倒。
例如：Laser(1w)Printer表示检索结果中具 有“Laser Printer”、“Laser Colour Printer”和“Laser and Printer”形式的均为 命中记录。
非主题字段——
作 者 (Author) 、 作 者 工 作 单 位 (Author affiliation)、 连续出版物编号(ISSN)、文献 类型(Document)、语言（Language）、出版 者（Publisher）等
《工程索引》（EI）数据库检索系统中的 字段及字段代码
字段名称
字段代码
【例】检索式“Comput*”无限后截断检 索，可检出词汇有： Computing
Computer
Computerized
………………
前截词检索
将截词符号置放在一个字符串左方，以表 示其左边的有限个或无限个字符不影响该字 符串的检索。从检索性质上讲，前截词检索 是“后方一致检索”。
【例】对于检索式“*magnetic”来说，能 够检索出含有 magnetic
第2章信息检索原理与技术
2.4.4
限制检索
为了确定检索词在数据库记录中 出现的字段位置，可采用字段限制 查找的范围。常用的字段代码有标 题（TI）、文摘（AB）、作者 （AU）、 语种（LA）、刊名（JN） 等。 限制检索在光盘数据库中一般用 前、后缀表示，在网络数据库中一 般使用下拉菜单进行选择限制。
2.4.5信息检索方法及技术应用实例 检索课题：相变储能纤维的制备
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。
示例
2008年申请中国发明专利和 获得授权发明专利的国家有哪些？ 检索工具 中国统计年鉴
事实信息检索
信息检索语言
检索语言又称标引语言， 是系统存储和检索时共同 使用的一种约定语言，以 达到信息存储和检索的一 致性，提高检索效率。
检索语言的类型
分类语言
主题语言
体系分类语言 组配分类语言 混合分类语言 标题词语言 关键词语言 叙词语言 单元词语言
体系分类语言
体系分类语言是按学科逻辑分类的
原理，运用概念划分的方法，按知 识门类从总到分，从上到下，层层 划分，逐级展开组成分类表，并以 分类表来标引、存储信息和检索信 息。特点是体现学科的系统性，反 映事物的平行、隶属和派生关系， 有利于从学科的角度进行族性检索， 达到较高的查全率。
信息检索效率是评价一个检 索系统性能优劣的质量标准，它 贯穿于信息的存储和检索的全过 程。其评价指标主要是:
查全率 查准率
2.2.2 信息检索系统
信息检索系统是拥有一定 的存储、检索技术装备、存 储有各种信息，并能为用户 检索所需信息的服务工作系 统。目前常用的是手工检索 系统和计算机检索系统。