信息檢索基本知識及技巧課件

1、信息檢索基本知識及技巧 The principles and skills on information retrieval主 講 人 ：施 亮Lecturer ：caesar, shi7/31/20221目錄 outline信息檢索的定義、分類及其作用二 檢索語言三 檢索的效率、手段和方法7/31/20222信息檢索的定義、分類及其作用1.1 信息檢索的定義 信息檢索(Information Retrieval)：,是指將信息按一定的方式組織和存儲起來，并根據(jù)信息用戶的需要找出有關(guān)的信息過程，所以它的全稱又叫“信息的存儲與檢索(Information Storage and Retrieva

2、l),這是廣義的信息檢索。 狹義的信息檢索則僅指該過程的后半部分，即從信息集合中找出所需要的信息的過程，相當(dāng)于人們通常所說的信息查尋(Information Search)。7/31/202231.2 信息檢索的手段（1）手工檢索 eg：美國工程索引（2）光盤檢索 eg：medline （3）網(wǎng)絡(luò)檢索 eg：springerlink7/31/202241.3 信息檢索的對象（1） 文獻(xiàn)檢索（Document Retrieval) ： 是以文獻(xiàn)（包括題錄、文摘和全文） 為檢索對象的檢索。可分為全文檢索 和書目檢索兩種。（2） 事實檢索 （Fact Retrieval) ：是以某一客觀事實為檢索對

3、象，查找某一事物 發(fā)生的時間、地點及過程的檢索。（3） 數(shù)據(jù)檢索（Data Retrieval) ：是以數(shù)值或數(shù)據(jù)（包括數(shù)據(jù)、圖表、公式等） 為對象的檢索。7/31/202251.4 信息檢索的作用（1） 信息檢索是獲取知識的捷徑 eg：princeton的學(xué)生 約翰菲利普 利用圖書館公開資料設(shè)計原子彈。 （2） 信息檢索是科學(xué)研究的向?qū)?eg：（美）阿波羅飛船的燃料箱的重復(fù)研究問題。 （3）信息檢索是終身教育的基礎(chǔ) unesco：可以防止知識老化，不斷更新知識7/31/20226二 信息檢索的要素 （1）前提信息意識/信息素養(yǎng) information literacy新聞閱讀：武漢的士起步價

4、調(diào)為兩公里16元 12月1日起執(zhí)行 看到標(biāo)題，能聯(lián)想到什么？ 從信息認(rèn)知、信息情感 和 信息行為 三個方面進(jìn)行分析！7/31/20227（2）基礎(chǔ)信息源A、信息的載體： 印刷型 縮微型 機讀型 聲像型7/31/20228B、信息的內(nèi)容和加工級次： 一次文獻(xiàn) 二次文獻(xiàn) 三次文獻(xiàn)7/31/20229C、信息的出版形式：圖書期刊會議資料學(xué)位論文專利標(biāo)準(zhǔn)報告百科全書、類書7/31/202210圖書的檢索途徑主要用到： 書名 作者 出版社 ISBN 關(guān)鍵詞 期刊的檢索途徑主要用到： 刊名 篇名 作者 關(guān)鍵詞 ISSN7/31/202211 會議論文的檢索途徑主要用到： 會議名稱 主辦單位 會議地點 關(guān)鍵

5、詞 作者 會議文章篇名 學(xué)位論文的檢索途徑主要用到： 作者 學(xué)位授予單位 導(dǎo)師姓名 關(guān)鍵詞 論文篇名7/31/202212 專利資料的檢索途徑主要用到： 關(guān)鍵詞 專利權(quán)人 發(fā)明人 國際專利分類號 公開號 標(biāo)準(zhǔn)資料的檢索途徑主要用到： 標(biāo)準(zhǔn)編號 標(biāo)準(zhǔn)名稱 發(fā)布單位 發(fā)布日期 關(guān)鍵詞7/31/202213 報告資料的檢索途徑主要用到： 報告號 關(guān)鍵詞 作者 報告單位 合同戶報告代碼 百科全書、類書資料的檢索途徑主要用到： 音 形 義7/31/202214（3）核心信息利用能力掌握各種信息源掌握檢索語言熟練使用檢索工具對檢索結(jié)果的評價，判斷7/31/202215附：期刊的指數(shù)計算（1）影響因素=該年

6、引用該刊前兩年文章的總次數(shù)當(dāng)年該刊所發(fā)表文章的總數(shù)即年指標(biāo)前兩年該刊所發(fā)表文章的總數(shù)=一特定年度對該刊當(dāng)年發(fā)表文章的引用次數(shù)影響因素是一種期刊中論文的平均被引率特定年度的影響因素用于測度一種期刊被利用的速度，也是測度期刊重要性的依據(jù)即年指標(biāo)7/31/202216自引率與被引率 自引率是指一種期刊中引用本刊的參考文獻(xiàn)對全部參考文獻(xiàn)之比；被自引率是一種期刊被本刊中文章引用的次數(shù)與該刊被引用的總次數(shù)之比。=自引率某刊自引的引文量該刊全部引文量被引率 =某刊自引的引文量某刊被引用的總次數(shù)7/31/202217二 檢索語言2.1 按表現(xiàn)形式劃分的檢索語言 外表特征語言 內(nèi)容特征語言7/31/202218

7、外表特征：就是文獻(xiàn)上記明的、顯而易見的特征。 外表特征語言（書目引文語言）題名（書名、篇名）著者姓名文獻(xiàn)序號（如：ISBN、ISSN、專利號、報告號等）書目引文出版事項文獻(xiàn)類型7/31/202219 內(nèi)容特征語言非句法語言句法語言等級制體系分類法標(biāo)題詞關(guān)鍵詞敘 詞單元詞加標(biāo)志的敘詞組面詞（如：組面分類法）短 語文獻(xiàn)全文的自然語言7/31/2022202. 2 按應(yīng)用功能劃分的檢索語言 分類語言 主題語言7/31/2022212.21 分類語言 是用分類號和相應(yīng)的分類款目名稱來表達(dá)信息內(nèi)容的主題概念，并按學(xué)科體系的邏輯次序?qū)⑿畔①Y源系統(tǒng)地加以劃分和組織的語言。 分類語言能反映事物的從屬派生關(guān)系,

8、便于按學(xué)科門類進(jìn)行族檢索。7/31/202222杜威十進(jìn)分類法 Dewey Decimal Classification ,DC/DDC美國M.杜威編制的綜合性等級列舉式分類法。分為詳、簡兩種版本,詳本于1876年問世,取名為圖書館圖書小冊子排架及編目適用的分類法和主題索引，1951年的第15版改名杜威十進(jìn)分類法000總論 100哲學(xué) 200宗教 300社會科學(xué) 400語言 500自然科學(xué)和數(shù)學(xué) 600技術(shù)(應(yīng)用科學(xué)) 700藝術(shù)、美術(shù)和裝飾藝術(shù) 800文學(xué) 900地理、歷史及輔助學(xué)科 第一層展開層630農(nóng)業(yè) 631農(nóng)業(yè)經(jīng)營 631.5作物栽培 7/31/202223通用十進(jìn)制圖書分類法 Un

9、iversal Decimal Classification UDC十進(jìn)制圖書分類法由兩位比利時書目專家（Paul Otlet、Henri la Fontaine）19世紀(jì)末在杜威十進(jìn)制圖書分類法的基礎(chǔ)上繼續(xù)研發(fā)的分類方法。此種分類方法由數(shù)字和特殊符號組成，把涉及各種知識體系及學(xué)科的書籍予以分類。介于數(shù)字和符號無語言障礙的特性，該分類法在世界各地的圖書館中被廣泛應(yīng)用。 總分類 0 總匯 1 哲學(xué)，心理學(xué) 2 宗教，神學(xué) 3 社會學(xué)，政治，經(jīng)濟，法律，教育，人類學(xué) 4 暫無（由圖書館具體添加） 5 自然學(xué)科，數(shù)學(xué) 6 實用學(xué)科，醫(yī)學(xué)，科技，企業(yè)經(jīng)濟學(xué)，計算機 7 藝術(shù)，手工藝品，音樂，競技，體育

10、 8 語言學(xué)，文學(xué) 9 地理，生物，歷史 7/31/202224附加 + ：并列符（例：178.1+33 酒精主義者 和 國民經(jīng)濟） ：關(guān)系符（例：178.1:33 酒精主義對國民經(jīng)濟的影響） / ：包含符（例：592/599 系統(tǒng)動物學(xué)，從592到599） = ：語言符（例：=71 拉丁語） (0.) ：書類符（例：(042)演講，講義） (.)：地域符（例：(234.3) 阿爾卑司） 7/31/202225美國國會圖書館圖書分類法 Library of Congress Classification 7/31/202226第一層7/31/202227末層7/31/202228中國圖書館圖書

11、分類法Chinese Library Classification， CLC 中國圖書館分類法，簡稱中圖法。包括“馬列主義、毛澤東思想，哲學(xué)，社會科學(xué)，自然科學(xué)， 綜合性圖書五大部類，22個基本大類，具體如下：7/31/202229中國科學(xué)院圖書館圖書分類法簡稱科圖法。1958年由中國科學(xué)院圖書館編寫，1974年、1979年、1994年分別進(jìn)行了修訂。分為25大類。中國科學(xué)院圖書館圖書分類法7/31/202230國際專利分類法 International Patent Classification , IPC 關(guān)于國際專利分類斯特拉斯堡協(xié)定與1975年10月7日生效，它為發(fā)明專利，包括出版的專

12、利申請書、發(fā)明證書說明書、實用新型說明書（一下簡稱為“專利文獻(xiàn)”）提供了一種共同的分類。 分類表示使各國專利文獻(xiàn)獲得統(tǒng)一分類的一種工具。它的基本目的是作為各專利局以及其他使用者在確定專利申請的新穎性、創(chuàng)造性（包括對技術(shù)先進(jìn)性和實用價值作出評價）而進(jìn)行的專利文獻(xiàn)檢索是的一種有效檢索工具。 7/31/2022317/31/2022327/31/2022337/31/2022347/31/2022357/31/2022367/31/2022377/31/2022387/31/2022397/31/2022407/31/2022417/31/2022427/31/202243技術(shù)主體的分析7/31/2

13、022442.22 主題語言 7/31/2022457/31/202246 INSPEC 敘詞表舉例： Locomotive NT diesel-electric locomotive BT vehicles TT vehicles RT rail traffic railways traction CC B8520-n C3360D FC b8520-n c3360De DI January 19731、下位敘詞2、上位敘詞3、族首詞4、相關(guān)詞5、INSPEC數(shù)據(jù)庫 使用的分類號6、輸入到INSPEC 數(shù)據(jù)庫使用的 分類號7、該敘詞的啟用日期英國電氣工程學(xué)會（Institute of Ele

14、ctric Engineering 簡稱 IEE）下設(shè)的國際物理和工程信息服務(wù)部（International Information Services for the Physics and Engineering Communities,簡稱 INSPEC ）7/31/202247三 檢索的效率、手段和方法3.1 檢索效率評價7/31/2022483.2 索引語言中改善查全率的措施（1）同義詞控制法 是指當(dāng)一個概念具有多個同義詞的時候，為了保證標(biāo)引與檢索的一致性，避免文獻(xiàn)的分散和漏檢，指引詞匯的使用者從其他的同義詞找到一個被專門選擇作為正式主題詞的詞的用法。 例如： 用符號 USE、SEE、

15、Y （用） 從正式詞引見非正式的詞，則用 USE FOR、D（代）7/31/202249（2）詞的關(guān)聯(lián)法索引詞的關(guān)聯(lián)，最普通的形式是等級上的關(guān)聯(lián)。例如：A、由專指詞到較泛指的詞，使用符號 BT （broader term）,或者 S (屬) B、由泛指詞到較專指的詞，使用符號 NT （narrower term）,或者 F (分) C、由指向近義的詞，使用符號 RT （related term）,或者 C (參)，或 see also (參見) 7/31/202250漢語主題詞表詞的關(guān)聯(lián)舉列 交流發(fā)電機F 同步發(fā)電機 異步發(fā)電機S 發(fā)電機 交流換向電機D 交流整離子電機S 交流電機Z 電機C

16、調(diào)速電動機 異步電動機7/31/202251（3）字形的控制法 即把具有同一詞根的字組合在一起。當(dāng)然這不是提供標(biāo)引的措施，而是提供檢索用的輔助手段。在計算機檢索中，是采用截詞實現(xiàn)的：例如： “反射”、“反射波”、“反射性”、“反射望遠(yuǎn)鏡” 等。 都有 reflect，用 reflect 進(jìn)行截詞檢索，就能檢索出與“反射”有關(guān)的 所有文獻(xiàn)。7/31/202252（4）聚類法 在對檢索詞進(jìn)行統(tǒng)計的基礎(chǔ)上，將有關(guān)的索引次進(jìn)行聚類，可以查出更多的文獻(xiàn)，從而改善查全性。例如：“枯萎” 是與 “莊稼”、“植物生長” 聯(lián)系在一起的，如果 “銹菌”也是常與 “植物生長”等詞聯(lián)系在一起的話，我們就可以推斷 “枯

17、萎” 與 “銹菌” 之 間存在某種聯(lián)系。7/31/2022533.3 索引語言中改善查準(zhǔn)率的措施組 配即兩個或兩個以上概念的組合，有兩種組配形式，先組和后組。 先組式是指概念之間的組合是在詞表編制階段就已經(jīng)定義好的，組配后的符合概念成為供標(biāo)引的完整索引詞。 心理聲學(xué)（是心理學(xué)與聲學(xué)的組配） 蒸發(fā)冷卻（是蒸發(fā)與冷卻的組配） 后組式是指在檢索階段把兩個或兩個以上的有關(guān)索引詞進(jìn)行組合。 “計算機” 與 “設(shè)計” 7/31/202254 先組式有助于提高索引詞的專指度，減少標(biāo)引到每個詞的文獻(xiàn)數(shù)量，減少和避免假組配，從而有利于查準(zhǔn)率。但是先組式的詞在數(shù)量上是有限的，不能適應(yīng)各種角度和深度的符合概念檢索。

18、 后組式便于各種角度和深度的檢索，有利于查準(zhǔn)率的提高，但是可能出現(xiàn)假組配，致使誤檢的增多。對于先組和后組式的評價7/31/2022553.4 計算機檢索語言（1）布爾邏輯檢索功能邏輯或（OR、+）檢索項 A、B 若用 “邏輯或” 組配，則邏輯式為 “A OR B”，或者 “A + B”AB表示被檢索的文獻(xiàn)只要包含有其中的一個檢索項，或者同時含有這兩個檢索項，那么它就會被命中。7/31/202256邏輯與（AND、*）檢索項 A、B 若用 “邏輯與” 組配，則邏輯式為 “A AND B”，或者 “A * B”AB表示被檢索的文獻(xiàn)必須同時含有兩個檢索項才能被命中7/31/202257A邏輯非（NOT、）檢索項 A、B 若用 “邏輯與” 組配，則邏輯式為 “A NOT B”，或者 “A B”B表示被檢索的文獻(xiàn)在含有A檢索項而不含有B檢索項是才能被命中。7/31/202258（2）截詞符截詞符可以避免逐詞輸入帶來的麻煩，還可以擴大查全率，截詞可以 截前、截后、中間截斷。例如：？S Comput ？結(jié)果為： computable computation compute computer？S con*t結(jié)果為： c