信息检索重点

信息的基本概述一信息：1.信息的特征（5个普遍性与客观性、依存性与传递性、可知性与共享型、可扩充性与可压缩性、时效性与滞后性）2.数据信息、知识、文献、情报、智慧DIKW模型看截图3.信息检索的概念与本质（匹配过程）本质：是用户的信息需求和信息集合的匹配过程，进而满足用的信息需求的过程二信息资源（定义信息资源是人类在认识世界和改造世界过程中产生、整理、记录的有用信息的集合）1.信息资源的类型按时间的产生顺序先导信息资源、即时信息资源、滞后信息资源按传播形式口头信息资源、文献信息资源、实物信息资源按载体形式书写型、印刷型、缩微型、视听型、数字型按出版形式（十大科技情报源）图书、期刊、会议文献、学位论文、专利文献、科技报告、标准文献、技术档案、产品资料、政府出版物按加工深度（零次一次，二次）一次文献知识的首次固化期刊论文、标准、报告、文献等：是依据作者本人的科研成果而撰写的首次记录科研成果的原始文献二次文献检索工具题录，目录，书录，文摘，索引：是对分散的无组织的一次文献进行加工整理、压缩、提炼、简化、整理的产物三次文献直接提供答案百科全书，词典，手册：对大量一次文献经过综合、分析、提炼撰写而成零次文献实验数据，观察记录，手稿等：是形成一次文献之前的信息、知识、情报、即未公开记录或未公开与社会的最原始的文献，或没有正式的发表的文字材料信息资源的特点能够重复使用、具有整合性、具有流动性、共享性、实效性、动态性、不可分性、支配性信息资源的作用可以减少物质与能量的作用，从而极大提高社会劳动生产率，有利于实现国民经济的可持续发展。

信息资源已经成为了当今社会的核心资源。

信息资源的开发利用，可有效降低社会的运营成本三信息社会（概述与内容包括哪三类资源）信息素养的三个层次：基础性、自我满足性、自我实现性信息素养（IL）（定义美国图书馆协会：具有信息素养的人能够知道什么时候需要信息，能够有效的识别、获取、评价、和利用所需要的信息）信息素养的内涵：信息意识对信息的敏感程度，有效发现信息需求，是人们产生信息需求，形成信息动机和兴趣的动力和源泉信息知识信息的基本知识（相关理论、知识与方法），信息技术和知识（信息技术原理）等信息能力获取、理解、处理、表达、评价、利用、创新等信息法律与道德（又称信息伦理）了解利用信息所涉及的经济、法律和社会问题，合理、合法地获取和利用信息第二章信息检索绪论一信息检索概述信息检索概念广义：存储和查询将信息按一定的方式组织和存储，并根据信息用户需求查找所需信息的过程侠义：查询从信息集合中查询信息用户所需信息的过程（仅指从已经存贮的具有检索功能的信息集合中查询出所需要的信息的过程）信息检索原理信息需求与信息集合：匹配检索者将检索提问式与存储与检索系统的文献标引词进行匹配对比，取得一致性即为最符合要求的结果信息检索类型信息检索内容对象数据、事实、文献信息检索组织方式全文、超文本、超媒体信息检索的手段手工与计算机信息检索步骤6个分析课题明确需求、选择检索工具或数据库、确定检索方法、确定检索途径、查找文献检索、获取原始文献。

信息检索模型布尔逻辑模型只有0和1 要么有要么就没有优点：形式简洁，结构简单不足：判断文献要么相关，要么不相关，无法描述与查询条件部分匹配的情况，可能导致检出的文献过度或过少向量空间模型余弦值(cos ) 考虑索引词在文档中的词频和权重、TF-TDF 一个词的重要程度跟他在文章中出现的次数成正比，跟她在语料库出现的次数成反比优点：标引词加改进了检索效果；其部分匹配策略运行检出与查询条件接近的文献；余弦公式根据文献与查询之间的相似度对文献进行排序不足：标引词被认为在彼此之间相互独立概率模型优点：从理论上来讲，文献根据他们相关的概率按递减的顺序排列缺点：需要最初把文献分成相关的集合和不相关的集合二信息检索系统结构物理结构硬件资源、软件数据库（结构字段（最小的存储单元）...记录（很多个字段组成的）...文档.（）..数据库、顺排文档、倒排文档（按文献的内外部特征等检索标识））顺排和倒排的区别：顺排是以完整的记录作为处理和检索单元倒排文档是以记录中的字段作为处理和检索单元逻辑结构系统所包括的功能或子系统及相互关系信息存储子系统标引子系统信息查询子系统三信息检索语言外部特征内容特征分类语言：国内：中图法（5、22）国外：DDC 杜威实际分类法主题语言：标题词、单元词、叙词、关键词四信息检索系统的评价（信息检索系统含义：具有信息存储和信息查询功能的一类信息服务设施类型：按照信息存储与检索的设备划分书本式、卡片式、穿孔式、缩微式、计算机化系统、网络检索系统按照检索功能划分：文献检索、数据库管理、自动问答、管理信息、决策支持）效率：时间开销、空间开销、响应速度效果：查准率、查全率、误检率、漏检率其他指标第三章信息检索方法与技术1.基本方法布尔逻辑运算and or not（not 作用可以缩小检索范围，提高查准率）优先级or>and>not>()截词符*？前中后前后截断字段如：la(language),ab(abstract)精确检索“”、‘’如：“xy”表示不可分开位置检索次序位置不变with 、nWith次序位置不限near 、nNear其他检索：扩展检索（概念对主题词或副主题词的下位词一起检索；作用扩大检索范围，提高查准率）加权检索（概念定量检索从量的方面对检索词之间的组配关系加以限制和表示；作用：缩小检索范围，提高查准率）二次检索将本次检索与上次检索进行逻辑“与”运算（缩小检索范围，提高查准率）2.主要技术全文、多媒体、超文本、智能检索、可视化、跨语言、文本聚类3.改进措施扩大当检索结果为0或检索结果太少时，就需要扩大检索范围在检索词选择方面可以使用布尔逻辑“或”连接表达某一概念的近义词，同义词或相关词减少使用布尔逻辑and，取消某些限制，使用分类号进行族性检索使用截词检索利用某些检索工具提供的“自动扩检”功能使用原搜索引擎使用信息资源整合平台检索来自于不同提供方的各种数据库缩小检索结果太多或检索不相关使用逻辑与连接更多关键词使用逻辑非把不相关的关键词排除使用位置限制检索使用字段限制检索使用短语检索进行精确检索限制查询范围利用检索工具的进阶检索功能第四章搜索引擎1.搜索引擎概述概念（是一种WEB上的软件系统，是一定策略在WEB上搜集和发现信息，并将其处理和组织后，为用户提供WEB信息查询服务）搜索引擎的系统结构：1）检索器：针对具体搜索引擎所配置的专业检索程序包2）用户接入3）索引器4）索引数据库看截图工作原理：匹配：用户需求与网络信息资源基本分类信息采集方式人工、机器人看ppt信息内容组织关键词、目录式信息资源范围综合性、专业性信息搜索功能独立性、元搜索引擎（区别，前者有独立数据库，，后者只发送命令）2.常用综合性搜索引擎国内百度国外必应谷歌3常用学术性搜索引擎国内百度、读秀国外谷歌学术（思谋学术），必应学术第五章国内重要信息检索系统（常用中文数据库）重点;电子资源概念是一种数字化的文献，以数据库形式存在服务方式、（专线方式、本地镜像方式、Internet方式）浏览与检索常见问题中文全文数据库的各自优缺点清华同方、维普、万方优点：提供·1全文字段的检索，有助于文献的查全都可以进行简单检索、二次检索、高级检索等，检索策略可以保存，编辑免去了检索书目数据库后还得费力去获取全文的麻烦缺点：计算机内必须安装全文浏览器通用的格式较少，主要是pdf,html格式常用的中文全文数据库1.中文全文数据库知网：普通检索、高级检索、出版物检索、专业检索、文献可视化分析、文献题录导出功能维普、万方2.中文全文检索系统国家图书馆（NLC）中国高等教育文献保障系统（CALIS）国家科技图书文献中心(NSTL)中国人民大学复印报刊资料第六章国外重要信息检索系统（常见外文数据库）外文全文数据库ProQuest（每年更新硕博士论文）外文题录型数据库:web of science(内容：SCI SSCI A&HCI.功能：布尔、截词、字段、位置、二次、文献题导出、文献分析基本检索、高级检索、其他检索)、医学数据库：PubMed 、图书情报专业文摘型数据库LISA 、LISTA其他数据库researchgate 、谷歌学术DOI:sci-hub第七章专利信息检索重难点：专利、商标、学位、会议论文检索1专利信息数据库国内知网、万方等国外德温特政府网站国内国家知识产权局、国家科技图书文献中心国外世界知识产权组织、美国专利商标局、欧洲专利局、日本特许厅搜索引擎国内Soopat 、知创大为innojoy国外Google3.商标数据库legal force政府网站国内中国知网产权局、中国商标局国外：全球品牌数据库、美国专利商标局4.学位及会议论文国内大陆：数据库知网、万方、中国科学院学位论文数据库政府网站CALIS 中国高等教育文献保障系统NSTL 国家科技图书文献中心NLC 国家图书馆港台：香港香港大学论文在线、香港科技大学电子学位论文数据库、博硕论文收藏台湾eThesys分布式学位论文共建共享计划、中国电子学位论文服务、台湾地区博硕论文资讯网国外ProQuest、NDLTD 网络化的博硕士论文数字图书馆第八章多媒体信息检索1.基本内涵概念CBR:对包括图像、音频、视频等在内的多媒体信息进行特征元数据提取、建立索引库，同时根据用户检索需求。

将用户的信息需求表达与多媒体索引库进行相似度或距离的匹配运算，查询和返回用户所需信息，通过与用户之间的反馈，不断优化、调整显示结果的过程流程特征提取、元数据描述、索引数据库、相似度匹配、查询与反馈、优化与调整原理（了解）2.类型基于文本的多媒体信息检索概念：用文本信息来描述图像、声音、视频等语义信息，将对对媒体信息的检索转换成为基于文本的信息检索类型：手工或自动：OCR技术，语音视频技术、信息抽取技术基于内容的多媒体信息检索概念：是指对媒体对象的听、视觉特征及其中所蕴涵的内容和语义特征进行检索，并希望能够借助于模式识别、语音识别、图像理解等相关领域的研究成果，对多媒体数据的听、视觉、语义进行自动（或半自动）的分析、表达和组织类型：基于内容的图像信息检索颜色特征、纹理特征、形状特征、空间关系和组合特征基于内容的音频信息检索语音、音乐基于内容的视频检索基于帧、基于视频语义、基于运动特征第九章开放存取1.概念广义侠义2.实现途径OA期刊与OA知识库前者基于现象层面的描述性研究，后者基于用户层面的解释性研究预印本网站：国内中国科技论文在线、NSTL、中科院国外ArXiv、生物医药类bioxiv biomedical pubmed、瑞典DOAJ机构库：国内武大、南京大学、中科院、人大、大连理工等国外麻省理工等3.意义/影响/作用：科研人员图书馆、科研机构专利文献：主要指实行专利制度的国家及国际专利组织在审理、审批、注册专利过程中产生的官方文件及出版物的总称缺点：专利文献查全资料太困难专利太多，阅读量大同族专利，重复阅读语言问题公司名称不统一专利难读商标：用来区别一个经营者的品牌或服务和其他经营者的商品或服务的标记元数据：描述数据的数据对数据及信息资源的描述信息或从信息资源中抽取出来的用于说明其特征、内容的结构化的数据，用于组织、描述、检索、保存、管理信息和知识资源使信息的描述和分类可以实现格式化，从而为机器处理创造了可能。