第2章計算機檢索基礎(chǔ)及Internet信息檢索

第2章計算機檢索基礎(chǔ)及Internet信息檢索內(nèi)容安排（一）掌握：數(shù)字資源的種類和特點；計算機檢索的技術(shù)與方法；搜索引擎的分類及使用。（二）理解：數(shù)字資源及數(shù)字圖書館的發(fā)展；搜索引擎的工作原理及使用技巧。（三）了解：數(shù)字圖書館的發(fā)展；數(shù)據(jù)庫的概念；計算機檢索的主要類型與方式方法；主要搜索引擎的異同。3.1.1數(shù)字資源相關(guān)概念3.1.2數(shù)據(jù)庫的基本概念3.1.3計算機檢索的技術(shù)與方法3.1計算機檢索基礎(chǔ)3.1.1數(shù)字資源相關(guān)概念定義特點類型一、數(shù)字資源的定義以數(shù)字化的形式把文字、圖像、聲音、動畫等多種形式的信息儲存在光磁等非紙質(zhì)載體上，并通過網(wǎng)絡(luò)通信和終端方式再現(xiàn)的信息資源。(1)多種信息形式：文字、圖像、聲音、動畫等；(2)以電子數(shù)據(jù)的方式存放；(3)載體為光磁等非印刷介質(zhì)；(4)通過網(wǎng)絡(luò)通信、計算機或終端等方式再現(xiàn)出來。二、數(shù)字資源的特點數(shù)字圖書館的興起數(shù)字圖書館是指以數(shù)字資源為主體館藏的圖書館?，F(xiàn)有的實體圖書館在逐漸地朝數(shù)字化方向發(fā)展。實體館藏與虛擬館藏共存：讀者不僅需要了解圖書館的實體館藏，也要了解和學(xué)會使用虛擬館藏。虛擬館藏：圖書館訂購的或從網(wǎng)上收集和組織的，通過網(wǎng)絡(luò)遠程或局域網(wǎng)方式訪問的數(shù)字資源。按信息獲取的方式可分為：萬維網(wǎng)（WWW）信息資源，F(xiàn)TP信息資源(FileTransferProtocol)，Telnet信息資源，USENET/Newsgroup信息資源，LISTSERV/Mailinglist信息資源等。按對應(yīng)的非網(wǎng)絡(luò)信息資源分：聯(lián)機館藏目錄（OPAC），電子期刊，電子圖書，電子報紙，參考工具書，數(shù)據(jù)庫。三、數(shù)字資源的類型按信息資源傳播范圍分：光盤局域網(wǎng)信息，傳統(tǒng)的聯(lián)機網(wǎng)絡(luò)信息，Internet網(wǎng)絡(luò)信息資源。按數(shù)據(jù)庫類型分：(1)書目、索引、文摘二次文獻數(shù)據(jù)庫，(2)查閱知識條目的三次文獻數(shù)據(jù)庫，(3)期刊文獻型數(shù)據(jù)庫，(4)其他文獻型數(shù)據(jù)庫。按發(fā)布機構(gòu)可分：(1)企業(yè)站點信息資源，(2)學(xué)校、科研院所站點信息資源，(3)信息服務(wù)機構(gòu)站點信息資源，(4)行業(yè)機構(gòu)站點信息資源3.1.2數(shù)據(jù)庫的基本概念定義類型文檔結(jié)構(gòu)字段與記錄、文檔與數(shù)據(jù)庫一、數(shù)據(jù)庫的定義數(shù)據(jù)庫是可以共享的某些具有共同存取方式的相關(guān)數(shù)據(jù)，以一定的組織方式的集合。通俗地說，數(shù)據(jù)庫是以某一特定方式組織和存放數(shù)據(jù)的倉庫。三要素：相關(guān)數(shù)據(jù)、共同存取方式和一定的組織方式、共享。二、數(shù)據(jù)庫的類型從檢索角度，以數(shù)據(jù)庫所含信息記錄的內(nèi)容結(jié)構(gòu)為標(biāo)準，分為：1.

文獻參考數(shù)據(jù)庫（簡稱文獻數(shù)據(jù)庫，ReferenceDatabase）。著名的文獻數(shù)據(jù)庫有CASearch,MEDLINE,INSPEC,SCI,EI,BIOSISPREVIEWS2.

源數(shù)據(jù)庫（也稱非文獻型數(shù)據(jù)庫，SourceDatabase）(1)

數(shù)值數(shù)據(jù)庫：數(shù)據(jù)庫的記錄含有大量的原始調(diào)查數(shù)據(jù)和統(tǒng)計數(shù)據(jù)。(2)

文字與數(shù)值數(shù)據(jù)庫：同時包括文獻與數(shù)值的數(shù)據(jù)庫。(3)

特性數(shù)據(jù)庫：通過網(wǎng)上免費數(shù)據(jù)庫也可查到大量化合物的物性數(shù)據(jù)及光譜數(shù)據(jù)。(4)

全文數(shù)據(jù)庫三、數(shù)據(jù)庫的文檔結(jié)構(gòu)1.

順排文檔（linearfile）：是按記錄的編號順序排列的文檔。為主文檔。2.

倒排文檔（invertedfile）：是將數(shù)據(jù)庫中具有某些特征的字段值和具有該字段值的記錄號按順序排列構(gòu)成的文檔。也稱為索引文檔四、字段與記錄、文檔、數(shù)據(jù)庫1.記錄（Record）：數(shù)據(jù)庫的主要部分由一系列的記錄所組成，每個記錄對應(yīng)于一篇原始一次文獻。2.字段（Fields）：每條記錄由不同的數(shù)據(jù)項目組成。我們將記錄中的數(shù)據(jù)項目稱為字段。3.文檔（File）：是記錄及其索引等的集合，是傳統(tǒng)的檢索工具在計算機檢索中的同義物。如CA及其有關(guān)索引就相當(dāng)于機檢系統(tǒng)（如Dialog）中的一種文檔（如399文檔，即CASearch）4.數(shù)據(jù)庫（Database）：是文檔的集合。最小的數(shù)據(jù)庫可由一個文檔組成，所以有時文檔和數(shù)據(jù)庫同義。字段字段標(biāo)識符：一般由兩個字母組成，如TI,AB,AU,PY,LA等。每個字段都是一條檢索該記錄的途徑。子字段（Subfield）：如文摘中的每一個句子可為一子字段。

基本檢索字段：各種數(shù)據(jù)庫提供的字段檢索默認值；反映與文獻內(nèi)容特征有關(guān)的信息。如主題詞，關(guān)鍵詞，文獻標(biāo)題，文摘等字段。在DIALOG系統(tǒng)中用DE，ID，TI，AB表示。?SCOMPUTER?SCOMPUTER/TI（后綴限定）輔助檢索字段：根據(jù)文獻的外部特征抽取的檢索字段。常用的輔助索引字段有：作者字段（AU）、期刊名稱字段（JN）、出版年字段（PY）、文獻類型字段（DT）、語種字段（LA），作者所在機構(gòu)名稱字段（CS）等。輔助檢索字段常用前綴限定，如：SAU=WANG，JPSPY=20013.1.3計算機檢索的技術(shù)與方法檢索原理檢索技術(shù)檢索類型與方法一、檢索原理計算機信息檢索：用戶利用計算機設(shè)備和通訊網(wǎng)絡(luò)，與計算機信息檢索系統(tǒng)相連接，運用系統(tǒng)特定的指令和檢索方法，組織檢索策略，從儲存了大量記錄的數(shù)據(jù)庫中檢索出所需信息的過程。把檢索提問轉(zhuǎn)化為布爾邏輯表達式，其表達式由三項組成：1.檢索指令2.檢索項（主題詞、分類號、作者等）3.邏輯運算符（AND、OR、NOT）二、檢索技術(shù)1.分類導(dǎo)航檢索2.布爾邏輯檢索3.截詞檢索4.字段限制檢索5.全文檢索1.分類導(dǎo)航檢索（SubjectDirectory）通過文獻的主題類目，引導(dǎo)用戶從主題等級分類的途徑來瀏覽數(shù)據(jù)庫記錄。2.布爾邏輯檢索技術(shù)(Boolean)邏輯運算符（AND、OR、NOT）邏輯算符的優(yōu)先順序為NOT，AND，OR，也可以根據(jù)需要，用括號規(guī)定或改變執(zhí)行順序。邏輯“與”（AND）邏輯“與”組配是具有概念交叉關(guān)系和限定關(guān)系的一種組配。通常用AND或“*”作為算符表示?？s小檢索結(jié)果如“AANDB”，即表示被檢索的文獻記錄中必須同時含有A和B兩個概念才算命中。邏輯“或”（OR）邏輯“或”是并列概念關(guān)系的一種組配，通常用運算符為“OR”或“+”表示.擴大檢索結(jié)果如“AORB”，則表示在一篇文獻記錄中只要含有A和B中的任何一個即算命中。邏輯“非”（NOT）邏輯“非”組配是指不包含某種概念關(guān)系的一種組配。它可以從原檢索范圍中排除一部分文獻記錄，邏輯“非”的運算通常用“NOT”或“-”作為運算符?？梢钥s小檢索范圍如“ANOTB”則表示從含有A的文獻中去掉其中也含有B的文獻記錄。3.截詞檢索技術(shù)(truncation)就是將檢索詞在合適的地方截斷，用截出的片斷進行檢索。截詞符號通常用*或？（用于英文中）主要針對近義詞、同一詞根、單復(fù)數(shù)等詞匯的變化按所截取的位置分為：前截詞、中間截詞和后截詞三種，最常用的是后截詞

截詞符“*”、“?”1.無限截詞（前方一致）：不指明具體截去的字符數(shù)如：comput*或comput?comput*Compute,computer,computing,computerize

2.有限截詞：指有具體截去的字符數(shù)如：comput??（截2個字符）computer??<=1Computer,computerscomput??<=2compute,computercomput???<=3compute,computer,computingalumin??m<=2aluminum,aluminium3.中間屏蔽wom?n如：woman,women4.字段限定檢索技術(shù)(fieldlimit)為了提高檢索的查準率，縮小檢索的范圍，將檢索詞限定在特定的字段中進行檢索。對檢索詞范圍(時間、國別、語種、信息類型等)進行約束或壓縮限定字段通常包括：題名、作者、機構(gòu)、關(guān)鍵詞/主題詞、分類號/分類名、出版社、出處（期刊刊名、卷期信息）和文摘分：限制字段和不限制字段1.限制字段前綴限制：AU=Johnson，A.R.PY=2003后綴限制：information/TIlibrary/DE2.不限制字段如：EIVillage2中,不限制字段則在以下字段中檢索：Ei主題詞、標(biāo)題、作者、自由詞、作者單位、出版物名稱、文摘、出版者。5.全文檢索技術(shù)數(shù)據(jù)庫記錄中的每個詞都可以作為檢索入口，以原始記錄中詞與詞之間特定位置關(guān)系為檢索對象的運算，它不依賴主題詞表而直接使用原文中的自由詞進行檢索，它是通過位置算符來確定詞與詞之間的特定的位置關(guān)系的。位置算符也叫全文查找邏輯算符。位置算符檢索多個單元詞之間位置邏輯的比較，即在檢索詞之間使用位置算符（或稱鄰近算符）來規(guī)定算符兩邊的詞出現(xiàn)在文獻中的位置?？芍付▋稍~之間至多可相隔幾個詞（即在比較時，對文獻中出現(xiàn)的這兩個檢索詞之間所插入的位置算符所規(guī)定之內(nèi)的其他詞可忽略不計），兩詞出現(xiàn)的先后次序可以指定位為可對換或不能對換等。如在DIALOG系統(tǒng)，用檢索詞computer(1w)crime進行檢索，可命中文中出現(xiàn)computercrime或computer-relatedcrime等詞組的文獻記錄。常用的位置算符有：With,Near,Field,Subfield,Link,NOT等。如：（W），（1W），（nW）Computer(w)aided(w)designElectric(1w)vehicle——electricrailvehicle常見的另外表達形式：WnPRE/nN，1N，nNinformation(n)search——informationsearch；searchinformation常見的另外表達形式：NnW/nNOTW，NOTN，NOTF，NOTS，NOT

L三、檢索類型與方法1.主要類型2.檢索方法1.主要類型聯(lián)機檢索光盤檢索INTERNET網(wǎng)絡(luò)檢索聯(lián)機檢索指用戶利用計算機終端設(shè)備,通過通信線路(網(wǎng)絡(luò)),從大型商業(yè)數(shù)據(jù)庫中檢索出所需信息的過程。具有檢索范圍廣、速度快、檢索功能強等特點。光盤檢索應(yīng)用計算機及激光技術(shù)在光盤上存取信息的方式，提供廉價方便的信息檢索途徑。分單機方式與光盤網(wǎng)絡(luò)方式。INTERNET網(wǎng)絡(luò)檢索通過各種INTERNET網(wǎng)絡(luò)搜索引擎等進行信息檢索的過程。2.檢索方法計算機計算機檢索的方式從設(shè)計系統(tǒng)的用戶界面與操作方式上可分為三種：命令檢索,菜單檢索,超文本檢索。命令檢索（COMMANDSEARCH）使用一些特殊的操作命令（包括指令和檢索式）來實施檢索。菜單檢索（MENUSEARCH）將各種檢索指令轉(zhuǎn)化成菜單選項，系統(tǒng)的功能和檢索指令通過菜單和子菜單的選項來實現(xiàn)。超文本檢索（HYPERTEXTSEARCH）超文本的內(nèi)容排列式非線性的，它按信息單元及其關(guān)系建立起知識結(jié)構(gòu)網(wǎng)絡(luò)，用鼠標(biāo)點擊相關(guān)的知識單元，檢索便可追蹤下去。禁用詞areforofthewithanasFromonthiswouldandbyinThatto等等。3.2搜索引擎（SearchEngine)3.2.1搜索引擎概況3.2.2常用著名搜索引擎舉要3.2.3webDirectory（網(wǎng)絡(luò)目錄）3.2.1搜索引擎概況在Internet的信息檢索發(fā)展過程中，先后產(chǎn)生了如Archie，Gopher，WAIS檢索工具和基于WWW方式的SearchEngine(搜索引擎)。一、定義搜索引擎是指通過網(wǎng)絡(luò)機器人(網(wǎng)絡(luò)信息挖掘系統(tǒng))在網(wǎng)際某一空間、某一領(lǐng)域中尋找和發(fā)現(xiàn)有用或相關(guān)的信息，并在此基礎(chǔ)上建立檢索數(shù)據(jù)庫并不斷更新，通過簡單友好的界面提供給用戶查詢的工具。具有三大功能：在因特網(wǎng)上漫游收集信息(人工的、自動的兩種)；對收集到的信息標(biāo)引并建立或更新數(shù)據(jù)庫；提供多種檢索服務(wù)，接待用戶的訪問。二、分類(1)根據(jù)搜索引擎的數(shù)據(jù)檢索機制．分為關(guān)鍵詞檢索型(AltaVista)、分類檢索型(Yahoo!)。(2)根據(jù)搜索引擎的數(shù)據(jù)內(nèi)容，分為綜合型(AltaVista、Yahoo!)、專題型(555—1212，MapBlast，WebSEEK，Archie，DejaNews)。(3)根據(jù)搜索引擎檢索的數(shù)據(jù)庫，可分為獨立搜索引擎(SingleSearchEngine)(A1taVista，Yahoo!)、元搜索引擎(MetaSearchEngine)(MetaCrawler)。三、工作原理搜索引擎并不真正搜索互聯(lián)網(wǎng)，它搜索的實際上是相關(guān)的網(wǎng)頁索引數(shù)據(jù)庫。真正意義上的搜索引擎，首先通過網(wǎng)絡(luò)自動索引程序收集信息，建立網(wǎng)頁索引數(shù)據(jù)庫，當(dāng)用戶提交搜索關(guān)鍵詞后，所有在頁面內(nèi)容或HTML代碼中包含了該關(guān)鍵詞的網(wǎng)頁都將作為搜索結(jié)果被搜索出來。再經(jīng)過搜索引擎網(wǎng)站自身的算法進行排序后，這些結(jié)果將按照與搜索關(guān)鍵詞的相關(guān)度高低，依次排列，返回給用戶。分為四個步驟:1.信息的采集存儲2.索引數(shù)據(jù)庫的建立3.檢索界面的建立4.檢索結(jié)果的相關(guān)性處理四、搜索技巧1.選擇正確的搜索引擎2.學(xué)會使用減號“-”3.使用組合搜索4.使用自然語言搜索5.注意單詞拼寫和錯別字6.注意布爾算符的使用7.不要使用過于常見的關(guān)鍵詞3.2.2常用著名搜索引擎舉要最有名的學(xué)術(shù)搜索引擎有：Scirus等;較有影響的英文搜索引擎有：Google，Yahoo!，A1taVista等;較有影響力的中文引擎有百度、天網(wǎng)等。一、Scirus學(xué)術(shù)搜索

http://Scirus網(wǎng)頁來源網(wǎng)頁來源于：大學(xué)網(wǎng)站科學(xué)家主頁會議信息專利信息公司主頁產(chǎn)品信息美國專利局等,共有6900萬個網(wǎng)頁；Scirus期刊來源包括：140萬

篇ScienceDirect(SDOS)全文；20萬篇IDEAL(美國理想工業(yè)公司)

全文；190萬篇份Beilstein(世界上最全的有

機和無機化學(xué)數(shù)值與事實庫)摘要；1200萬篇MEDLINE(醫(yī)學(xué)文獻資料庫)摘要；17萬種預(yù)印本；370篇BioMed全文；80萬篇來自美國專利局的專利。特定字符限定檢索

關(guān)鍵詞前加“+，-”號和“”（1）+：檢索結(jié)果里包含該關(guān)鍵詞；（2）-：檢索結(jié)果里不包含該關(guān)鍵詞；（3）“”：表示將幾個關(guān)鍵詞定義為一個詞組。

查詢選項

（1）Allofthewords；（2）Anyofthewords；（3）Exactphrase。

支持布爾邏輯：AND，OR，ANDNOT字段限制檢索au—Author；ti——Title；jo——Journaltitle；ke——Keywords；url——URL；dom——Domainname；af——Authoraffiliation。

字段限制方法一是在所需限制的字段名稱后加“：”，一是選用“高級檢索”界面，下拉字段選擇框，選中所需限制的字段。二、Google

()基本搜索鍵入檢索詞并回車鍵(或者點擊搜索”按鈕)即可；要求“一字不差”。如：“貴賓飯店”和“貴賓酒店”會出現(xiàn)不同的結(jié)果；關(guān)鍵詞之間自動添加“AND”，縮小搜索范圍只需輸入更多的關(guān)鍵詞；“縮小搜索”加減號“-”或“在結(jié)果中搜索”；不使用“AND”、“OR”，不用“詞干法”，“通配符”*；Google搜索不區(qū)分英文字母大小寫。高級搜索竅門用“”雙引號，進行準確查詢，“-”、“\”、“+”、“=”、“,”“‘”可作短語連接符。忽略“http”和“com”，以及數(shù)字和單字。能用“+”“-”。某些詞后面添加冒號，如：link:特殊功能:圖像搜索,信息挖掘,手氣不錯,網(wǎng)頁快照,類似網(wǎng)頁,按鏈接搜索,指定網(wǎng)域,語句搜索等。site:使用空格縮小范圍詞組使用雙引號“”link:“安徽師范大學(xué)”的鏈接三、百度

擁有目前世界上最大的中文信息庫，總量達到6000萬頁以上，并以每天超過20萬頁的速度增長眾多中文網(wǎng)站上可以看到“poweredbybaidu”標(biāo)志收集范圍涵蓋了中國、新加坡等華語國家和地區(qū)以及北美、歐洲的中文站點。中文信息的理解具特色(專業(yè)術(shù)語，通俗用法，中外文檢索詞混用)檢索特點百度搜索引擎檢索方式多，支持普通檢索、高級檢索和二次檢索。目前提供中文（簡/繁體）網(wǎng)頁搜索服務(wù)，默認以關(guān)鍵詞精確匹配方式搜索，使用+（AND），-（NOT），|（OR），“site”和“l(fā)ink”等搜索語法和特殊搜索命令。另：在關(guān)鍵詞之間插入“空格”、“+”或“&”亦表示“且”。提供關(guān)鍵詞分類搜索，即將常用關(guān)鍵詞進行組合分類，方便用戶直接查找有關(guān)資料。四、天網(wǎng)中英文搜索引擎http：//于1997年10月29日正式在CERNET上向廣大Internet用戶提供Web信息導(dǎo)航服務(wù)。由于是教育網(wǎng)內(nèi)的搜索引擎，對校園網(wǎng)的用戶來說，比用其他搜索引擎速度要快。基本搜索提供WWW網(wǎng)頁搜索和FTP檢索，有簡單查詢和復(fù)雜查詢。WWW網(wǎng)頁的簡單查詢：輸入關(guān)鍵詞，按下“搜索WWW網(wǎng)頁”按鈕；復(fù)雜查詢：邏輯與（“＆”），邏輯非（“-”），邏輯或（“|”），空格等同與“＆”。FTP搜索：支持截詞算“*”號、“？”號、空格(與)，過濾文件大小、文件日期，限定文件類型、搜索的站點范圍。搜索結(jié)果顯示FTP搜索結(jié)果顯示:圖標(biāo)(表示“圖像”、“聲音”、“視頻”、“壓縮”、“文檔”、“程序”、“目錄”、“源代碼”等），文件名，文件的創(chuàng)建時間和文件的大小，文件名下方是該文件所在的目錄WWW搜索結(jié)果顯示：標(biāo)題、網(wǎng)址、文件大小、更新時間與摘要信息。FTP搜索文獻檢索五、AltaVista

http：//www．a(chǎn)ltavista．com關(guān)鍵詞型搜索引擎的典型代表，是Internet上資源采集范圍最廣、功能最強大和最受用戶歡迎的檢索工具之一。它有詳細和全面的網(wǎng)絡(luò)資源全文索引，索引的內(nèi)容包括標(biāo)題、文摘、關(guān)鍵詞、META標(biāo)記、圖像、鏈接、URL(統(tǒng)一資源定位地址)，所以檢索人口較多。檢索提供簡單檢索和高級檢索，并有檢索修改方法以修正檢索詞和檢索策略。輸入幾個檢索詞時，視為OR；用雙引號括起則為詞組檢索。支持截詞檢索*，可用“+”、“-”；可限制檢索字段，即你所需要檢索的詞必須出現(xiàn)在你指定的網(wǎng)頁部分3.2.3webDirectory（網(wǎng)絡(luò)目錄）網(wǎng)絡(luò)目錄（WebDirectory）——因特網(wǎng)上的目錄型檢索工具，又稱分類站點目錄、專題目錄或主題指南、站點導(dǎo)航系統(tǒng)等。最著名的網(wǎng)絡(luò)目錄:雅虎Galaxy搜狐3.3其他免費資源檢索FTPTelnet、BBS信息資源USENET/NewsgroupLISTSERV/Mailinglist3.3.1FTPFTP(FileTransferProtocol)是TCP/IP協(xié)議的一種，是用于Internet上的控制文件的雙向傳輸?shù)膮f(xié)議，也是使用最廣泛的一種服務(wù)。允許人們通過協(xié)議利用FTP客戶端程序連接到因特網(wǎng)的一個遠程主機（FTP服務(wù)器）上讀取所需文件并下載到自己的計算機上。登陸方式：匿名和特許登陸兩種。組織方式：/bin目錄,/etc目錄,/pub目錄,Incoming目錄,/lib或/usr/lib目錄獲取方法：使用FTP搜索引擎搜索FTP站點；利用專用FTP軟件中“站點管理器”。利用FTP信息資源的主要方法（1）FTP內(nèi)部命令（2）利用Web瀏覽器訪問FTP。（3）利用專用FTP軟件（WS-Ftp、Cute-Ftp，Bp-Ftp）,不用記UNIX命令。訪問FTP站點。登陸方法（1）匿名登陸（Anonymous為用戶名，E-mail為口令）（2）向FTP站點管理員申請帳號登陸。FTP搜索引擎FTP搜索引擎的功能：搜集匿名FTP服務(wù)器提供的目錄列表以及向用戶提供文件信息的查詢服務(wù)。相對WWW搜索引擎，F(xiàn)TP搜索引擎專門針對各種文件，因此查找軟件、圖像、電影和音樂等類文件時，使用FTP搜索引擎更加便捷。

3.3.2Telnet、BBS信息資源(1)Telnet(2)BBS(1)Telnet允許用戶將自己的計算機作為某一個因特網(wǎng)主機的遠程終端與該主機相連，從而使用該主機上的硬件、軟件和信息資源。各類圖書館的公共目錄系統(tǒng)、信息服務(wù)機構(gòu)的綜合信息系統(tǒng)、商業(yè)化數(shù)據(jù)庫系統(tǒng)大都可供遠程登陸。也有特許和公開兩種登陸方式。(2)