第二章數(shù)字信息收集方法

第二章數(shù)字信息收集方法一、信息收集途徑

1.1搜索引擎

1.2信息數(shù)據(jù)庫1.3開放獲取二、信息檢索技術(shù)2.1布爾邏輯檢索2.2字段檢索2.3加權(quán)檢索2.4引文檢索1.1搜索引擎搜索引擎分為普通搜索引擎學(xué)術(shù)搜索引擎檢索需求查找某概念的確切含義如：什么是“blog”查找某概念的背景知識如：誰最先發(fā)現(xiàn)青霉素查找某些事物的數(shù)值及量化指標(biāo)特征型知識一般通過事實(shí)型、數(shù)值型數(shù)據(jù)庫和搜索引擎獲得。1.搜索引擎(searchengine)是指根據(jù)一定的策略、運(yùn)用特定的計算機(jī)程序搜集互聯(lián)網(wǎng)上的信息，在對信息進(jìn)行組織和處理后，為用戶提供檢索服務(wù)的系統(tǒng)。搜索信息的機(jī)器普通搜索引擎按其工作方式主要可分為三種：全文搜索引擎（FullTextSearchEngine）：如百度、谷歌優(yōu)點(diǎn)：信息及時又多

缺點(diǎn)：根據(jù)各站的技術(shù)判定在此不評論

目錄索引類搜索引擎（SearchIndex/Directory）：如雅虎優(yōu)點(diǎn)：收錄網(wǎng)站質(zhì)量高全人工審核

缺點(diǎn)：死鏈接較多元搜索引擎（MetaSearchEngine）優(yōu)點(diǎn)：方便簡單快捷可以同時使用多個搜索引擎

缺點(diǎn)：沒有自己的數(shù)據(jù)庫.全文搜索引擎的工作原理在搜索引擎分類部分我們提到過全文搜索引擎從網(wǎng)站提取信息建立網(wǎng)頁數(shù)據(jù)庫的概念。搜索引擎的自動信息搜集功能分兩種。一種是定期搜索，即每隔一段時間（比如Google一般是28天），搜索引擎主動派出“蜘蛛”程序，對一定IP地址范圍內(nèi)的互聯(lián)網(wǎng)站進(jìn)行檢索，一旦發(fā)現(xiàn)新的網(wǎng)站，它會自動提取網(wǎng)站的信息和網(wǎng)址加入自己的數(shù)據(jù)庫。當(dāng)用戶以關(guān)鍵詞查找信息時，搜索引擎會在數(shù)據(jù)庫中進(jìn)行搜尋，如果找到與用戶要求內(nèi)容相符的網(wǎng)站，便采用特殊的算法——通常根據(jù)網(wǎng)頁中關(guān)鍵詞的匹配程度，出現(xiàn)的位置/頻次，鏈接質(zhì)量等——計算出各網(wǎng)頁的相關(guān)度及排名等級，然后根據(jù)關(guān)聯(lián)度高低，按順序?qū)⑦@些網(wǎng)頁鏈接返回給用戶。學(xué)術(shù)搜索引擎——與普通搜索引擎的區(qū)別

突出學(xué)術(shù)特點(diǎn)1.百度學(xué)術(shù)搜索

-保持學(xué)習(xí)的態(tài)度2014年6月上線時間

/

2.搜狗學(xué)術(shù)搜索

/

搜狗學(xué)術(shù)搜索頻道，提供權(quán)威學(xué)術(shù)內(nèi)容，滿足國內(nèi)各領(lǐng)域?qū)I(yè)研究用戶的學(xué)術(shù)搜索需求。在引入微軟必應(yīng)學(xué)術(shù)知識圖譜技術(shù)后，搜狗學(xué)術(shù)構(gòu)建以論文為核心的知識圖譜卡片，包含學(xué)術(shù)文獻(xiàn)、學(xué)術(shù)人物、學(xué)術(shù)期刊和學(xué)術(shù)會議等不同類型的內(nèi)容，并支持時間、作者、領(lǐng)域、期刊及會議多維度的篩選，以及引用下載等實(shí)用功能，幫助用戶可以便捷地查詢到全球英文學(xué)術(shù)資料。3.Google學(xué)術(shù)搜索

Google學(xué)術(shù)搜索是一項免費(fèi)服務(wù)可以幫助快速尋找學(xué)術(shù)資料，如專家評審文獻(xiàn)、論文、書籍、預(yù)印本、摘要以及技術(shù)報告。信息來源包括萬方數(shù)據(jù)資源系統(tǒng)，維普資訊，主要大學(xué)發(fā)表的學(xué)術(shù)期刊、公開的學(xué)術(shù)期刊、中國大學(xué)的論文以及網(wǎng)上可以搜索到的各類文章。4、

Scirus是目前互聯(lián)網(wǎng)上最全面、綜合性最強(qiáng)的科技文獻(xiàn)搜索引擎之一，由Elsevier科學(xué)出

版社開發(fā)，用于搜索期刊和專利，效果很不錯！Scirus覆蓋的學(xué)科范圍包括：農(nóng)業(yè)與生物

學(xué)，天文學(xué)，生物科學(xué)，化學(xué)與化工，計算機(jī)科學(xué)，地球與行星科學(xué)，經(jīng)濟(jì)、金融與管理

科學(xué)，工程、能源與技術(shù)，環(huán)境科學(xué)，語言學(xué)，法學(xué)，生命科學(xué)，材料科學(xué)，數(shù)學(xué)，醫(yī)學(xué)

，神經(jīng)系統(tǒng)科學(xué)，藥理學(xué)，物理學(xué)，心理學(xué)，社會與行為科學(xué)，社會學(xué)等。

5、/

BASE是德國比勒費(fèi)爾德(Bielefeld)大學(xué)圖書館開發(fā)的一個多學(xué)科的學(xué)術(shù)搜索引擎，提供對

全球異構(gòu)學(xué)術(shù)資源的集成檢索服務(wù)。它整合了德國比勒費(fèi)爾德大學(xué)圖書館的圖書館目錄和

大約160個開放資源（超過200萬個文檔）的數(shù)據(jù)。

6、http://www.vascoda.de/

Vascoda是一個交叉學(xué)科門戶網(wǎng)站的原型，它注重特定主題的聚合，集成了圖書館的收藏、

文獻(xiàn)數(shù)據(jù)庫和附加的學(xué)術(shù)內(nèi)容。

7、/

與google比較了一下發(fā)現(xiàn)，能搜索到一些google搜索不到的好東東。它界面簡潔，8、

Google在同一水平的搜索引擎。是A推出的，Webresult部分是基于Google的，

所以保證和Google在同一水平，另外增加了Amazon的在書本內(nèi)搜索的功能和個性化功能：主要是可以記錄你的搜索歷史。現(xiàn)在還是Beta，不過試用后感覺很好，向大家推薦一試，不過缺憾是現(xiàn)在書本內(nèi)搜索沒有中文內(nèi)容。

9、/

一個檢索免費(fèi)paper的好工具。進(jìn)入網(wǎng)頁以后，可以看到他有三個功能，driectoryweb

article，其中article對我們很有幫助，你可以嘗試輸入你要找的文章，會有很多發(fā)現(xiàn)的！

10、

現(xiàn)點(diǎn)擊后或跳轉(zhuǎn)到，在此搜索引擎里可以搜索到超過千萬種化

學(xué)品信息或相應(yīng)的供應(yīng)商，與Chemblink有點(diǎn)相似，但提供的化學(xué)品理化信息沒有Chemblink詳細(xì)，與其不同的是該搜索引擎可提供化學(xué)品結(jié)構(gòu)式搜索（主頁上有在線繪制化學(xué)結(jié)構(gòu)式的搜索框）。

11、

/

OJOSE(OnlineJournalSearchEngine，在線期刊搜索引擎)是一個強(qiáng)大的免費(fèi)科學(xué)搜索引擎，通過OJOSE，你能查找、下載或購買到近60個數(shù)據(jù)庫的資源。但是感覺操作比較復(fù)雜

12、/

一個關(guān)于計算機(jī)和信息科學(xué)的搜索引擎。

13、/

為了給讀者用戶提供一個方便快捷的查閱國外各類期刊文獻(xiàn)的綜合網(wǎng)絡(luò)平臺，中圖公司組

織開發(fā)了cnpLINKer（cnpiecLINKservice）在線數(shù)據(jù)庫檢索系統(tǒng)，并正式開通運(yùn)行。cn

pLINKer即“中圖鏈接服務(wù)”，目前主要提供約3600種國外期刊的目次和文摘的查詢檢索、電子全文鏈接及期刊國內(nèi)館藏查詢功能.并時時與國外出版社保持?jǐn)?shù)據(jù)內(nèi)容的一致性和最新性.

點(diǎn)評：只提供了外文檢索的功能，但是無法得到全文。個人認(rèn)為不是很理想。

學(xué)術(shù)搜索引擎

——突出學(xué)術(shù)特點(diǎn)1）百度學(xué)術(shù)搜索

-保持學(xué)習(xí)的態(tài)度2014年6月上線時間

/

百度學(xué)術(shù)搜索

與國內(nèi)外學(xué)術(shù)站點(diǎn)合作超過70萬家，如中文學(xué)術(shù)站點(diǎn)知網(wǎng)、萬方、維普，外文學(xué)術(shù)站點(diǎn)acm、IEEE、springer等，共計收錄中外文學(xué)術(shù)資源總量逾2億，中文超1.5億，外文超1億，這也是國內(nèi)首個擁有億級別索引量的互聯(lián)網(wǎng)學(xué)術(shù)平臺。1中英文文獻(xiàn)檢索的學(xué)術(shù)資源搜索平臺2涵蓋了各類學(xué)術(shù)期刊、學(xué)位、會議論文，3并通過時間篩選、標(biāo)題、關(guān)鍵字、摘要、作者、出版物、文獻(xiàn)類型、被引用次數(shù)等細(xì)化指標(biāo)提高檢索的精準(zhǔn)性。4.在各文獻(xiàn)網(wǎng)站中架設(shè)起了錯落有致的橋梁，使得用戶可以隨意穿梭，讓學(xué)術(shù)搜索“一鍵直達(dá)”。百度學(xué)術(shù)搜索

百度學(xué)術(shù)搜索

百度學(xué)術(shù)搜索

1.2信息數(shù)據(jù)庫

文獻(xiàn)是記錄知識的載體。數(shù)據(jù)庫是結(jié)構(gòu)化的數(shù)據(jù)集合，至少由一種文檔組成并能夠滿足某種特定目的或特定數(shù)據(jù)處理系統(tǒng)需要的數(shù)據(jù)集合。當(dāng)數(shù)據(jù)庫記錄的對象為文獻(xiàn)信息時，就稱為文獻(xiàn)信息數(shù)據(jù)庫。查找某一學(xué)科的一般知識如：關(guān)于分子生物學(xué)有哪些專著查找學(xué)科專業(yè)領(lǐng)域的新進(jìn)展如：有關(guān)納米技術(shù)的研究綜述查找課題相關(guān)的專業(yè)文獻(xiàn)最常見的！文獻(xiàn)數(shù)據(jù)庫1.2信息數(shù)據(jù)庫

文獻(xiàn)信息數(shù)據(jù)庫的評價標(biāo)準(zhǔn)①收錄內(nèi)容范圍——系統(tǒng)準(zhǔn)確。②揭示文獻(xiàn)詳略——完備詳細(xì)。③更新速度快慢——及時快速。④檢索字段多寡——途徑豐富。⑤檢索功能強(qiáng)弱——高效完善。⑥用戶使用方便——易學(xué)易用。⑦維護(hù)服務(wù)質(zhì)量——及時到位。文獻(xiàn)數(shù)據(jù)庫的類型按數(shù)據(jù)庫文獻(xiàn)記載的詳細(xì)度可分為1.書目型數(shù)據(jù)庫（二次文獻(xiàn)數(shù)據(jù)庫）：僅提供文獻(xiàn)檢索，讀者根據(jù)其提供的線索查找文獻(xiàn)原文如文獻(xiàn)篇名、作者、出處等線索。包含目錄、索引、文摘。可以分為：題錄型文摘型如：OPAC

全國新書目EISCI中國科學(xué)引文索引文獻(xiàn)數(shù)據(jù)庫的類型按數(shù)據(jù)庫文獻(xiàn)記載的詳細(xì)度可分為——2.全文數(shù)據(jù)庫：是一種不僅能為用戶提供文獻(xiàn)的題錄、摘要等信息，同時還提供原始文獻(xiàn)本身的數(shù)據(jù)庫。主要包括全文數(shù)據(jù)庫、術(shù)語數(shù)據(jù)庫、圖像數(shù)據(jù)庫等等。如:CNKI萬方ElsevierIEL文獻(xiàn)數(shù)據(jù)庫的類型按數(shù)據(jù)庫文獻(xiàn)記載的詳細(xì)度可分為——3.混合型數(shù)據(jù)庫:數(shù)據(jù)中的數(shù)據(jù)，一部分只是提供參考數(shù)據(jù)庫中的信息（文獻(xiàn)的基本情況及線索）；另一部分則可以提供全文數(shù)據(jù)庫中的信息（原始文獻(xiàn)本身）如：EBSCO(ASP\BSP)文獻(xiàn)數(shù)據(jù)庫的類型按文獻(xiàn)數(shù)據(jù)庫收錄信息的學(xué)科范圍可分為——(1)專業(yè)性文獻(xiàn)信息數(shù)據(jù)庫(CA)(2)綜合性文獻(xiàn)信息數(shù)據(jù)庫(中國期刊網(wǎng))文獻(xiàn)信息數(shù)據(jù)庫的結(jié)構(gòu)一個數(shù)據(jù)庫通常由一個主文檔(MasterFile)和若干個索引文檔或稱倒排文檔(InvertedFile)

組成。文檔——是具有某種特征的全部記錄的集合。記錄——是構(gòu)成文檔的基本單元，由各種反映文獻(xiàn)特征的字段組成。如一篇論文、一件專利、一本圖書、一個標(biāo)準(zhǔn)的相關(guān)信息都能夠成為文檔中的一條記錄。字段——是記錄的基本組成元素。一條記錄的常見字段通常包含題名字段、著者字段、主題詞字段、文獻(xiàn)出處字段（如刊名等）多種字段。

項目傳統(tǒng)期刊OA期刊出版模式讀者付費(fèi)即出版物以商品形式有償?shù)靥峁┙o訂戶作者付費(fèi)，讀者免費(fèi)版權(quán)版權(quán)限制并不受多數(shù)版權(quán)、許可權(quán)限制，載體紙本電子化的，在線的各自優(yōu)勢1、具有質(zhì)感，一頁一頁地閱讀下去，更能享受書香氣息。

2、更具有收藏價值，贈送親朋好友比較實(shí)在，且能留作紀(jì)念。

3、從閱讀方面來說，讀者更好做筆記，對理解文章大意更具有好處。

4、從舒適程度來說，紙質(zhì)材料在燈光漫反射作用下更有利于緩解視覺疲勞。

5、從經(jīng)濟(jì)方面來說，有利于印刷業(yè)出版業(yè)的發(fā)展，促進(jìn)就業(yè)。

6、有利于讓人靜下來，止浮躁的心，培養(yǎng)人們的書生氣質(zhì)。1、開放傳播，同一文獻(xiàn)可以通過多種途徑檢索和閱覽，交流范圍覆蓋整個互聯(lián)網(wǎng)；2、提高信息來源和信息使用的直接性和交互性，提高學(xué)術(shù)交流的時效性；3、OA期刊快捷的訪問方式可以大大提高論文的被引頻次。4、實(shí)現(xiàn)學(xué)術(shù)資源的平等免費(fèi)獲取1.3開放獲取

是相對于傳統(tǒng)訂閱期刊而言，是隨著互聯(lián)網(wǎng)的發(fā)展而應(yīng)運(yùn)而生，

沒有互聯(lián)網(wǎng)也沒有開放獲取的說法。

維基百科認(rèn)為：開放獲取是一個通過互聯(lián)網(wǎng)讓科研成果能夠自由傳播的運(yùn)動，可以讓用戶把經(jīng)過同行評議的學(xué)術(shù)論文放到互聯(lián)網(wǎng)上，

有利于學(xué)術(shù)成果的快速傳播。開放獲取開放獲取一般途徑：金色道路（開放獲取期刊）和綠色道路（作者自存檔）

金色道路是采用作者付費(fèi)，讀者免費(fèi)的獲取方式；

綠色道路是作者向傳統(tǒng)期刊投稿的同時，將自己的論文以電子檔的形式存放在專門的開放獲取知識庫（知識機(jī)構(gòu)庫）中供讀者閱讀。

1.國內(nèi)主要開放資源中國科技論文在線

2003年上線，主辦：教育部科技發(fā)展中心主辦，打破傳統(tǒng)出版物的概念，免去傳統(tǒng)的評審、修改、編輯、印刷等程序，給科研人員提供一個方便、快捷的交流平臺，提供及時發(fā)表成果和新觀點(diǎn)的有效渠道，從而使新成果得到及時推廣，科研創(chuàng)新思想得到及時交流。

允許作者同時向其它專業(yè)學(xué)術(shù)刊物投稿，以使科研人員新穎的學(xué)術(shù)觀點(diǎn)、創(chuàng)新思想和技術(shù)成果能夠盡快對外發(fā)布，并保護(hù)原創(chuàng)作者的知識產(chǎn)權(quán)。截止：2016.11.2

首發(fā)論文共89842篇優(yōu)秀學(xué)者論文共92551篇自薦學(xué)者論文共31273篇科技期刊共1273921篇

1.國內(nèi)主要開放資源中國學(xué)術(shù)會議在線2003年上線，主辦：教育部科技發(fā)展中心主辦用戶提供學(xué)術(shù)會議信息預(yù)報、會議分類搜索、會議在線報名、會議論文征集、會議資料發(fā)布、會議視頻點(diǎn)播、會議同步直播等服務(wù)，內(nèi)容涉及：全學(xué)科檢索途徑包括：模糊檢索、會議檢索、視頻檢索、

會議論文摘要檢索1.國內(nèi)主要開放資源中國預(yù)印本服務(wù)系統(tǒng)http:///

什么是預(yù)印本？

預(yù)印本（Preprint）是指科研工作者的研究成果還未在正式出版物上發(fā)表，而出于和同行交流目的自愿先在學(xué)術(shù)會議上或通過互聯(lián)網(wǎng)發(fā)布的科研論文、科技報告等文章。與刊物發(fā)表的文章以及網(wǎng)頁發(fā)布的文章比，預(yù)印本具有交流速度快、利于學(xué)術(shù)爭鳴、可靠性高的特點(diǎn)。2.外文開放獲取期刊

/

DOAJ（DirectoryofOpenAccessJournals）

開放存取期刊目錄在線平臺是個很好的專門OA期刊文獻(xiàn)檢索系統(tǒng)，DOAJ由瑞典Lund大學(xué)圖書館創(chuàng)建2003年和維護(hù)。該系統(tǒng)收錄期刊的文章都是經(jīng)過同行評議或嚴(yán)格評審的，質(zhì)量高，與期刊發(fā)行同步，且都能免費(fèi)下載全文，是做研究的好幫手。

收錄全世界的開放獲取期刊共9,174

種其中6,418

種期刊可以檢索到論文水平論文來自128

國家共有2,326,134

篇論文湯森路透公司《期刊引證報告》（JCR）顯示，越來越多的開放獲取期刊被SCI收錄。DOAJ目前最好的OA期刊目錄網(wǎng)站在開放獲取方面有著嚴(yán)格的要求覆蓋范圍方面質(zhì)量控制方面，（1）所有內(nèi)容免費(fèi)提供（1）學(xué)科代表性強(qiáng)（涵蓋所有學(xué)術(shù)和科研領(lǐng)域）；（1）期刊論文應(yīng)該有通過編輯、編委和/或同行評議的質(zhì)量控制制度；（2）接受用戶在線免費(fèi)注冊（2）學(xué)術(shù)型和科研型期刊（出版內(nèi)容是研究型論文或綜述型論文的全文）；（2）期刊必須有ISSN，電子期刊必須有eISSN。（3）要求開放獲取無延遲。（3）來源廣泛（學(xué)術(shù)機(jī)構(gòu)、政府、商業(yè)機(jī)構(gòu)，非營利性機(jī)構(gòu)等來源均可）；（4）目標(biāo)群體定位明確（主要為科研人員）；（5）期刊內(nèi)容為研究論文且必須提供全文；（6）語種不限。外文開放獲取期刊

HighWirePress數(shù)據(jù)庫

/

資源簡介:全球最大的提供免費(fèi)全文的學(xué)術(shù)文獻(xiàn)出版商資源詳細(xì)介紹：

HighWirePress是全球最大的提供免費(fèi)全文的學(xué)術(shù)文獻(xiàn)出版商，于1995年由美國斯坦福大學(xué)圖書館創(chuàng)立。目前已收錄電子期刊1052種期刊，免費(fèi)提供期刊全文達(dá)近430萬篇。資源內(nèi)容類型：全文數(shù)據(jù)庫

資源學(xué)科分類:哲學(xué),經(jīng)濟(jì)學(xué),法學(xué),教育學(xué),文學(xué),歷史學(xué),理學(xué),工學(xué),農(nóng)學(xué),醫(yī)學(xué),軍事學(xué),管理學(xué)

通過該界面還可以檢索Medline收錄的4500余種期刊中的1200多萬篇文章，可看到文摘題錄。

HighWirePress數(shù)據(jù)庫

HighWirePress在線期刊主要具有以下特點(diǎn)：1．提供免費(fèi)全文文獻(xiàn)的期刊。該鏈接下的頁面列出了本站收錄的所有可提供免費(fèi)全文文獻(xiàn)的期刊。在刊名后按“FreeIssues”，“FreeTrial”，“FreeSite”標(biāo)注著相應(yīng)時間或其他。其中“FreeIssues”欄中如標(biāo)注的是某月，則表示每年在該月及以前的所有文獻(xiàn)都免費(fèi)提供全文。Freetrials在限定時間內(nèi)所有文獻(xiàn)提供免費(fèi)全文。

freebackissues某時間之前文獻(xiàn)均提供免費(fèi)全文；2．提供即將進(jìn)入本站的期刊。該鏈接下和頁面列出了即將加入本站的期刊及預(yù)計加入的時間。3．提供在線使用部分期刊的統(tǒng)計情況。包括該刊被經(jīng)常閱讀的文獻(xiàn)和引用最頻繁的文獻(xiàn)（均采用本站收錄文獻(xiàn)的數(shù)據(jù)，每月重新統(tǒng)計）。4．提供需要付費(fèi)的站點(diǎn)。列出需要收費(fèi)提供全文文獻(xiàn)的站點(diǎn)及其收費(fèi)標(biāo)準(zhǔn)，有兩種收費(fèi)方式?！癙ay-per-viewSite”為在一段時間內(nèi)獲得使用某篇文獻(xiàn)的權(quán)利；“SitePass”為在一段時間內(nèi)獲得該刊所有文獻(xiàn)的權(quán)利。5．提供在線期刊文獻(xiàn)數(shù)。介紹了所收錄文獻(xiàn)的總數(shù)及各個期刊所提供文獻(xiàn)的情況。全部期刊按字順排列，從提供的文摘數(shù)、HTML格式的全文文獻(xiàn)、PDF格式的全文文獻(xiàn)數(shù)、全部全文文獻(xiàn)的總數(shù)、免費(fèi)全文文獻(xiàn)的數(shù)量，以及所提供的全部文獻(xiàn)數(shù)等幾個項目的統(tǒng)計表。6．除本站外，還提供了其他一些可提供免費(fèi)全文服務(wù)的自然科學(xué)文獻(xiàn)站點(diǎn)，并進(jìn)行了簡要介紹，并鏈接到更多的自然科學(xué)期刊的網(wǎng)頁。初級檢索界面高級檢索界面

OpenScienceDirectory(OSD)

/

由EB