第8周-因特網(wǎng)信息資源檢索的方法和工具

課時第8周第1-2課時2006年9月日課題：因特網(wǎng)高級檢索及搜索引擎―、教學(xué)目的：1、掌握提高關(guān)鍵詞檢索效率的幾種方法；2、了解搜索引擎的定義、基本工作原理及系統(tǒng)結(jié)構(gòu)；3、了解搜索引擎的類型。4、掌握搜索引擎的評價方法。二、教學(xué)重點：1、提高關(guān)鍵詞檢索效率的幾種方法：布爾檢索、截詞檢索、限制檢索、模糊檢索、二次檢索；2、搜索引擎的基本工作原理及系統(tǒng)結(jié)構(gòu)；3、搜索引擎的評價方法。三、教學(xué)難點：1、布爾檢索、截詞檢索、二次檢索；2、搜索引擎的基本工作原理。四、教學(xué)方法：以投影儀輔助講解為主，利用多媒體計算機、投影儀和黑板進行穿插教學(xué)五、教學(xué)用具：黑板、多媒體計算機、投影儀、CAI課件六、教學(xué)過程：1課程準(zhǔn)備課前檢查教學(xué)儀器，準(zhǔn)備課件。2引入正課前面的課程我們學(xué)習(xí)了如何利用百度、谷歌等通用的搜索引擎進行了簡單的關(guān)鍵詞查詢檢索，今天我們將前面內(nèi)容的基礎(chǔ)上進一步學(xué)習(xí)它的高級檢索部分和了解搜索引擎的工作原理以及評價方法。大家認(rèn)真思考如何檢索以下兩個課題，帶著問題邊思考邊學(xué)習(xí)新內(nèi)容：1、查找有關(guān)《數(shù)據(jù)結(jié)構(gòu)》的視頻教程或者習(xí)題集。2、查找除清華大學(xué)外的所有《數(shù)據(jù)結(jié)構(gòu)》課程的習(xí)題集。3提高關(guān)鍵詞檢索的效率方法布爾檢索截詞檢索限制檢索模糊檢索二次檢索詳細(xì)表：

布爾邏輯算符含義舉例AandB（或A*B）在檢索時在冋一篇文獻記錄中必須同時包含A、B兩個檢索項“moonandlunar"或“moon*lunar"AorB（或A+B）在檢索時規(guī)定杳找的記錄中包含A、B兩個檢索項或者任一檢索項“womenorwoman"或“women+woman"AnotB（或A-B）在檢索時規(guī)定杳找的記錄中只能包含A而不能包含B檢索項“eclipse?notsolar"或“eclipse?-solar"截詞方式示例功能說明無限截詞Biolog?詞干后以一個“？”結(jié)束，表示查找含有以biolog為詞干的所有檢索詞的所有記錄，如biology、biologic、biologist等，“？”代表無限多個字符。有限截詞Biolog??詞干后的兩個問號之間沒有空格，表示詞干后至多跟問號數(shù)相同的字符數(shù)，示例表示詞干后最多只能跟兩個字符，因此只能檢出含有biology、biologic的文獻，不包含biologist。Cat??兩個問號之間空一格，表示截斷一個字符。示例表示檢索出含有cat、cats的文獻，常用于單復(fù)數(shù)名詞的檢索中間截詞Practi?e以問號代表詞中間的字符變化，一個問號代表一個字符，示例表示檢索出含有practice、practise的文獻。4搜索引擎(searchengine)的定義它是一個利用被稱為robot(spider、WEBCrawler等)的程序自動訪問WEB站點，提取站點上的網(wǎng)頁和網(wǎng)頁上的信息，并根據(jù)網(wǎng)頁中的鏈接進一步提取其他網(wǎng)頁活轉(zhuǎn)移到其他站點上。Robot搜集的網(wǎng)頁被加入到搜索引擎的數(shù)據(jù)庫中，供用戶檢索使用。然后在用戶錄入關(guān)鍵詞后進行檢索，檢索結(jié)果中一并附以摘要。5搜索引擎的工作原理與系統(tǒng)結(jié)構(gòu)搜索引擎一方面需要從WWW信息資源中采集信息，另一方面需要構(gòu)建與主題搜索相關(guān)的索引數(shù)據(jù)庫，依托Internet接受用戶的查詢請求，在其后臺建立的索引數(shù)據(jù)庫中進行用戶需求和數(shù)據(jù)庫記錄的匹配運算，然后向用戶提供所需信息所在的網(wǎng)址列表。（2）—般來說，搜索引擎由信息采集子系統(tǒng)、索引子系統(tǒng)、檢索子系統(tǒng)3個部分組成。6兩種重要的網(wǎng)絡(luò)檢索工具（1）網(wǎng)絡(luò)資源目錄由人工發(fā)現(xiàn)、抓取、辨別網(wǎng)上信息，依靠編目、標(biāo)引人員的知識，按照圖書分類、學(xué)科分類或其他分類依據(jù)，建立主題樹分層目錄。將采集、篩選后的信息放在各大門類或子類目錄下。（2）搜索引擎搜索器——抓取搜索引擎數(shù)據(jù)庫一一文檔表示的結(jié)果組織為索引數(shù)據(jù)庫。索引器——文檔分析、建立索引。檢索引擎——檢索式的分析處理和匹配運算。用戶接口一一負(fù)責(zé)用戶表達(dá)式的輸入和檢索結(jié)果的反饋。1、網(wǎng)頁抓取搜索器（robot機器人）一搜集因特網(wǎng)信息一起始于URL（流行、鏈接站點多）的集合一抓取單個網(wǎng)頁并取得價值信息一建檔分析，建立索引數(shù)據(jù)庫一跳轉(zhuǎn)另一個網(wǎng)頁，重復(fù)摘抄工作。實際因素：很多網(wǎng)頁沒有被鏈接到；網(wǎng)頁數(shù)量龐大一商業(yè)利益一選擇性搜索2、文檔分析過濾文獻信息，得到最優(yōu)索引記錄。分析過程：將詞匯從文檔格式標(biāo)簽中分離，由所在標(biāo)簽開始，嵌套層次向上，直到根元素標(biāo)簽一＞分詞一＞豐富詞庫一＞詞組匹配。3、文檔（file）也稱文件，在邏輯上是由大量性質(zhì)相同的記錄組成的集合，它是書目數(shù)據(jù)庫和信息檢索系統(tǒng)中數(shù)據(jù)組織的基本形式，包括順排文檔和倒排文檔。順排文檔：數(shù)據(jù)庫的全部記錄按照記錄號的大小排列而成的信息集合。倒排文檔：按數(shù)據(jù)庫中記錄的檢索標(biāo)識（主題、著者等）的某種順序排列起來的文檔。記錄號主題詞1計算機、軟件、安全2軟件、網(wǎng)絡(luò)3網(wǎng)絡(luò)、安全、軟件順排文檔的記錄排列示意圖

主題詞記錄號安全1.3計算機1軟件1、2、3網(wǎng)絡(luò)2、3亠、一t=t—*二R71倒排文檔的記錄排列示意圖7搜索引擎的類型（1）按檢索機制劃分按檢索機制可以將搜索引擎劃分為關(guān)鍵詞型、目錄型和混合型搜索引擎。（2）按收錄內(nèi)容劃分按收錄內(nèi)容的范圍可將搜索引擎劃分為綜合型、專業(yè)型和專用型搜索引擎。（3）按信息資源的媒體類型劃分按所收信息資源的媒體類型可以將搜索引擎劃分為文本型和多媒體型搜索引擎。（4）按包含搜索引擎的數(shù)量劃分按照包含搜索引擎的數(shù)量可將搜索引擎劃分為單一型和集合型搜索引擎（元搜索引擎）。8搜索引擎系統(tǒng)結(jié)構(gòu)集合型搜索引擎的系統(tǒng)結(jié)構(gòu)9搜索引擎評價體系（1）數(shù)據(jù)庫性能指標(biāo)定性指標(biāo)（2）檢索功能指標(biāo)定性指標(biāo)（3）用戶界面——定性指標(biāo)（4）檢索效率——定性與定量綜合指標(biāo)（5）檢索結(jié)果顯示一一定性指標(biāo)搜索引擎綜合評價指標(biāo)體丟數(shù)據(jù)庫性能檢索功能檢索效率檢索結(jié)果覆蓋范田更新頻齡素引方法標(biāo)引深甘標(biāo)引文件類型千數(shù)據(jù)庫性能檢索功能檢索效率檢索結(jié)果覆蓋范田更新頻齡素引方法標(biāo)引深甘標(biāo)引文件類型千檢索技術(shù)檢索方式檢索途徑相對查全率相對查淮率結(jié)果錯誤率智能技耒響應(yīng)時間檢索便捷檢索幫助結(jié)果排序搜索引擎評價體系七、課程小結(jié)：本次課主要