文獻檢索課件第一章0911

計算機信息檢索根底知識哈工大圖書館信息咨詢部學習文獻檢索課的目的以最少的時間、精力獲取自己需要的信息學習文獻檢索課的目的Whereisit？獲取信息的總路線如何判斷自己已具備了信息素質美國大學與研究圖書館協會(ACRL)制定的高等教育信息素質教育標準能夠獨立決定所需要信息的種類和程度能夠高效的獲取需要的信息能夠根據現有的知識背景和評價標準對信息及其來源評價及遴選能夠有效的利用信息到達某一特定的目的能夠在信息利用過程中遵守相關的法律法規(guī)計算機信息檢索根底知識知識的定義知識是人類在認識和改造世界的社會實踐中獲得的對事物本質認識的成果和結晶，即人類通過有目的、有區(qū)別、有選擇地利用信息，對自然界、人類社會及思維方式與運動規(guī)律的認識、分析與掌握，并通過人的大腦進行思維整合使信息系統化而構成知識，因此，知識僅存在于人類社會。

文獻的定義記錄有知識的一切載體如：甲骨文、碑刻、圖書、連續(xù)出版物、錄音磁帶、電影片、光盤等。

文獻的類型按文獻的加工程度劃分零次文獻〔RawLiterature)：未以公開形式出版或未經正式渠道流通的文獻，如文章草稿、私人筆記、實驗記錄、會議記錄等。一次文獻〔PrimaryLiterature〕：是作者以生產或研究成果為依據而創(chuàng)作的原始文獻。如，期刊論文、學位論文、專利文獻、會議文獻、研究報告、專著、譯文等。

文獻的類型按文獻的加工程度劃分二次文獻〔SecondaryLiterature〕：將無序的一次文獻進行收集、整理，著錄其特征并以規(guī)定的格式編制成為便于管理和查找文獻的工具，即檢索工具。如目錄、題錄或索引、文摘等。三次文獻〔TertiaryLiterature〕：是指在利用二次文獻的根底上，對一次文獻的內容經閱讀研究，濃縮提煉而編寫成的文獻。如科技動態(tài)、專題綜述、決策參考指南、進展等。

事物運動信息知識新的信息文獻產生人腦有序化用于實踐記錄在載體上傳遞運用后信息、知識、文獻的關系信息檢索的根本原理存儲過程--對文獻進行標引，使之有序化、系統化，成為有功能的檢索工具或檢索系統。檢索過程--根據需求，確定提問式，查找到所需要信息檢索是信息組織的反變換過程。信息組織的目的是將零散的信息組成一個有序的體系，檢索的目的那么是迅速從這個體系中搜尋所需的信息。

信息檢索原理可從信息檢索過程得到很好的詮釋，如以下圖

檢索提問匹配計算數據庫〔檢索工具〕

信息檢索語言

是信息組織與信息檢索時所用的語言，也稱文獻檢索語言、情報語言等。〔一〕分類檢索語言用分類法來表達各種信息資源的概念，將各種概念按照學科、專業(yè)性質進行分類和系統排列。集中表達學科的系統性，反映事物的附屬、派生關系，由上至下，從總到分層層展開，是一種等級體系?！惨弧撤诸悪z索語言廣泛用于圖書資料的是圖書分類法中國圖書分類法中國科學院圖書分類法杜威十進制分類法國際十進制分類法中國圖書館分類法類目簡表5個基本部類22個基本大類馬列、毛澤東思想A馬列、毛澤東思想哲學B哲學、宗教社會科學C社會科學總論；D政治、法律；E軍事；F經濟G文化、科學、教育、體育；H語言、文字；I文學；J藝術；K歷史、地理自然科學N自然科學總論；O數理科學和化學；P天文學、地球科學；Q生物科學；R醫(yī)學、衛(wèi)生；S農業(yè)科學T工業(yè)技術；U交通運輸；V航空、航天；X環(huán)境科學、勞動保護科學（安全科學）綜合性圖書Z綜合性圖書〔一〕分類檢索語言

〔二〕主題法檢索語言是利用詞語來表達信息資源中論述的主題概念。用來表達信息內容的詞語稱為主題詞。用主題詞匯表達各種概念，按字母順序排列。包括控制詞語言、敘詞語言等?！捕持黝}法檢索語言三個根本特征著眼于從事物的特性方面去提示文獻主題采用文字符號按字順排列關鍵詞、敘詞的比較關鍵詞Keyword敘詞（單元詞)Descriptor未經規(guī)范化的名詞規(guī)范化的名詞必須是文獻或標題中抽出的詞匯可以是文獻中的詞匯，也可以不是1〕邏輯與AND〔*〕邏輯與AND〔*〕：這是一種用于交叉概念或限定關系的組配，可以縮小檢索范圍，提高查準率?！纠坎檎摇案邚姸鹊秃辖痄摠暦矫娴奈墨I，可以將概念分解為：“highstrength〞、“l(fā)owalloy〞和“steel〞三個根本概念。如用A、B、C三個圓分別代表“steel〞、“highstrength〞和“l(fā)owalloy〞，那么三圓交叉的斜線局部才是三個檢索詞同時存在的文獻記錄。2〕邏輯或OR〔+〕邏輯或OR〔+〕：這是一種用于并列概念的組配，可以擴大檢索范圍，防止漏檢，提高了查全率?！纠坎檎矣嘘P“太陽能〞方面的文獻，不能確定主題詞用“sun〞或“solar〞，那么采用“或〞組配。如用A、B兩圓分別代表“sun〞或“solar〞，那么斜線局部為其中任何一個詞或兩個詞同時存在的文獻記錄。3〕邏輯非NOT〔–〕邏輯非NOT〔–〕：用于從原來的檢索范圍中排除不需要的概念或影響檢索結果的概念。用邏輯非，能夠縮小命中文獻范圍，提高查準率。【例】查找“不包括核能的能源〞的文獻，用A、B兩圓分別代表“energy〞、“nuclear〞，斜線局部從energy中排除了nuclear的文獻。1〕后截斷例如，輸入computer*，那么前8個字符為computer的所有詞均滿足條件。因而能檢出含有computers、computered等相關詞。輸入computer??可檢出含有computer、computers、computered的文獻。注意：使用后截斷有可能檢索出無關詞匯，尤其是在使用無限后截斷時，所選詞干不能太短，否那么將造成大量誤檢，或發(fā)生溢出，導致檢索失敗。2〕前截斷它將截詞符號置于一個字符串左方，表示其左面的有限或無限個字符不影響該字符串的檢索，也稱為左截斷。從檢索性質上講，前截斷是前方一致檢索。例如，輸入*computer可以檢索出microcomputer、minicomputer、computer等詞匯。3〕中間截斷它將截詞符號置于一個檢索詞的中間。它對于解決英、美不同拼法、不規(guī)那么的單、復數變化等很有用。例如，analy?e表示analyze和analyse，wom?n表示woman和women等。4〕前后截斷它是將前截斷和后截斷結合使用。例如，*Computer??表示minicomputers。3．位置檢索位置檢索又稱鄰近檢索，用位置算符表示檢索詞之間的位置鄰近關系。常用的位置算符有以下幾種：(W)算符、(nW)算符、(N)算符、(nN)算符、(S)算符、(F)算符。1〕(W)算符W是With的縮寫，(W)表示其兩側的檢索詞必須按前后順序出現在記錄中，在兩詞之間不能插入其他詞，只可能有空格或一個標點符號。(W)算符嚴密性較強，它根本等價于詞組檢索，可以簡寫為()。例如，online()information()retrieval2〕(nW)算符W是Words的縮寫，n為自然數。(nW)表示其兩側的檢索詞之間允許最多插入n個詞，但它們之間的位置不能顛倒。如laser(1W)priter可檢出“l(fā)aserpriter〞、“l(fā)asercolourpriter〞和“l(fā)aserandpriter〞3〕(N)算符N是near的縮寫，(N)表示其兩側的檢索詞必須彼此相鄰，并且這兩個檢索詞的次序任意。如factory(N)automation可檢出factoryautomation和automationfactory的信息。4〕(nN)算符表示在其兩側的檢索詞之間允許最多插入n個單詞，且兩詞詞序可以改變。例如，information(1N)retrieval可檢出informationretrieval或retrievalofinformation的信息5〕(S)算符S是subfield的縮寫，(S)表示其兩側的檢索詞必須出現在同一子字段，即一個句子或短語中，詞序不限,并且夾在其間的詞量不限。例如，computer(S)application只要computer和application在一個句子或短語中即為命中文獻。6〕(F)算符F是field的縮寫，(F)表示其兩側的檢索詞必須出現在同一個字段中，如篇名字段、敘詞字段、文摘字段等，詞序不限，并且夾在其間的詞量不限。例如，Pollution(F)control表示一篇標題為ControlandManagementofIndustrialPollution的文獻記錄為命中文獻。4．字段限定檢索字段限定檢索是利用檢索字段符來限定檢索字段，即指定檢索詞在記錄中出現的字段。檢索時，計算機只對限定字段進行運算，這是提高檢索效率的措施之一檢索字段符分為兩類，即后綴方式和前綴方式。前者對應于根本索引，反映文獻的主題內容；后者對應于輔助索引，反映文獻的外部特征。4．字段限定檢索1〕后綴方式后綴方式在檢索詞后加上指定檢索字段的后綴字段代碼，反映文獻的主題內容。常用的代碼有/TI〔篇名〕、/AB〔文摘〕、/DE〔敘詞〕。例如，information()retrieval/TI表示僅在TI字段中檢索information()retrieval。4．字段限定檢索2〕前綴方式前綴方式是在檢索詞之前加上指定檢索字段的前綴字段代碼，反映文獻的外部特征。常用的代碼有AU=(作者)、ISBN=(ISBN號)、CC=(分類號或類目名稱)、CD=(會議日期)、CS=(機構名稱)、DT=(文獻類型)、JN=(刊名)、PY=(出版年)等。4．字段限定檢索2〕前綴方式例如，AU=Yu,XiaoyangANDCS=(GuiLINCollegeofAerospaceTechnology)表示查找桂林航天工業(yè)高等?？茖W校的Yu,Xiaoyang的文獻。計算機信息檢索的

常用方法與步驟1、信息檢索方法基于數據庫的常用檢索方法：計算機檢索方法沒有固定模式，主要歸納為以下幾種：

〔1〕根本檢索：是一種最簡單的檢索方法，多數數據庫只提供一個檢索框且只能輸一詞或一個詞組檢索，但也有的數據庫可對兩詞或多詞進行邏輯組配檢索。計算機信息檢索的

常用方法與步驟基于數據庫的常用檢索方法：〔2〕高級檢索：用戶可通過點選檢索系統給定的檢索算符對多詞進行邏輯組配。高級檢索提供的檢索框也較多，一般一個檢索框只能輸一詞或一個詞組，檢索框經?？刂圃?-5個。計算機信息檢索的

常用方法與步驟計算機信息檢索的

常用方法與步驟2、信息檢索步驟科研人員的檢索課題和需要雖各不相同，但為了到達檢索目的，都要利用一定的檢索工具和數據庫，按照一定的途徑與方法才能檢索出需要的文獻。一般要經過以下步驟：計算機信息檢索的

常用方法與步驟2、信息檢索步驟“用戶→研究課題→主題分析→選擇檢索系統或數據庫→選擇檢索途徑：主題詞、作者、機構等→制定檢索策略和檢索方式→檢索操作→初始檢索結果輸出→用戶結果評價：滿意→檢索結果→索取原文；不滿意：返回主題分析重新檢索〞。計算機信息檢索的

常用方法與步驟

2、信息檢索步驟計算機信息檢索的

常用方法與步驟３、信息檢索效果評價對計算機網絡信息檢索的效果評價，應該從質量、費用和時間這三個方面進行。質量標準主要通過查全率與查準率進行評價。費用標準即檢索費用，是指用戶為檢索課題所投入的費用。

時間標準是指花費時間，包括檢索準備時間、檢索過程時間、獲取文獻時間等。查全率和查準率是判定檢索效果的主要標準。計算機信息檢索的

常用方法與步驟查全率是指系統在進行某一檢索時，檢出的相關文獻量與系統文獻庫中相關文獻總量的比率，它反映該系統文獻庫中實有的相關文獻量在多大程度上被檢索出來。查全率=[檢出相關文獻量/文獻庫內相關文獻總量]×100%例如，要利用某個檢索系統查某課題。假設在該系統文獻庫中共有40篇相關文獻，而只檢索出30篇，那么查全率就等于75%。計算機信息檢索的

常用方法與步驟查準率是指系統在進行某一檢索時，檢出的相關文獻量與檢出文獻總量的比率，它反映每次從該系統文獻庫中實際檢出的全部文獻中有多少是相關的。查準率=[檢出相關文獻量/檢出文獻總量]×100%計算機信息檢索的

常用方法與步驟例如，檢出的文獻總篇數為50篇，經審查確定其中與工程相關的只有40篇，另外10篇與該課題無關，這次檢索的查準率就等于80%。顯然，查準率是用來描述系統拒絕不相關文獻的能力，有人也稱查準率為“相關率〞。查準率和查全率結合起來，描述了系統的檢索成功率。計算機信息檢索的

常用方法與步驟實際上，影響檢索效果的因素是非常復雜的。根據國外有關專家所做的實驗說明，查全率與查準率是呈互逆關系的。要想做到查全，勢必會對檢索范圍和限制逐步放寬，那么結果是把很多不相關的文獻也帶進來，影響了查準率。網絡信息資源1、網絡信息資源的特點1〕數據量大、傳播廣泛網絡信息資源極為豐富。報告?數字宇宙膨脹：到2021年全球信息增長預測?指出2021年，全球數字信息量為9880億GB。網絡信息資源1、網絡信息資源的特點2〕檢索方便、本錢低廉網絡信息資源可以使用自然語言檢索，便于信息資源的獲取和信息利用。很多信息對于公眾來說都是免費的。因此，相對于其他形式的信息資源，網絡信息資源無疑是低本錢、高回報的資源。網絡信息資源1、網絡信息資源的特點3〕分散無序、缺乏管理網上信息資源具有分布式特點，處于一種無中心控制、混亂無序的分布狀態(tài)。網站軟硬件變動和更新頻繁，更新周期不一。4〕分布不均、質量不一網絡信息資源在不同學科專業(yè)領域、不同行業(yè)、不同地理位置上的分布差異很大，數量和質量的差異也很大。網絡信息資源1、網絡信息資源的特點5〕內容豐富、形式多樣互聯網信息資源在形式上沒有一個統一的體系和結構，處于非結構化狀況，其內容包羅萬象，覆蓋了不同學科、不同領域的信息資源。網絡信息資源2、搜索引擎檢索和利用1〕搜索引擎概念搜索引擎是一種能夠通過Internet接收用戶的查詢指令，并向用戶提供符合其查詢要求的信息資源網址的系統。它是一些在Web中主動搜索信息〔網頁上的單詞和特定的描述內容〕并將其自動索引的Web網站，其索引內容存儲在可供檢索的大型數據庫中，建立索引和目錄效勞。網絡信息資源2、搜索引擎檢索和利用2〕搜索引擎的根本原理搜索引擎的原理可以看成三步：從互聯網上抓取網頁→建立索引數據庫→在索引數據庫中搜索排序。網絡信息資源2、搜索引擎檢索和利用3〕搜索引擎的檢索技巧a〕使用關鍵詞的技巧關鍵詞〔Keywords〕是文獻作者在標題、摘要、正文中所用的原詞，是對表征文獻主題內容具有實質意義的詞語，或對揭示和描述文獻主題內容來說是重要的詞語。選取準確的關鍵詞，對提高檢索命中率的影響較大。網絡信息資源3〕搜索引擎的檢索技巧a〕使用關鍵詞的技巧使用關鍵詞檢索時，首先應從復雜的搜索目標中提煉出最具代表性的關鍵詞。其次，搜索條件越具體，搜索引擎返回的結果就越精確，有時多輸入一兩個關鍵詞，效果就完全不同，因此在搜索中應學會使用兩個以上的關鍵詞搜索的方法。網絡信息資源網絡信息資源3〕搜索引擎的檢索技巧b〕減號“〞的運用“〞的作用是為了去除包含特定的關鍵詞但與檢索目標無關的搜索結果，提高搜索結果相關性。假設在搜索結果中有很多不相關的結果，那么可用“〞減掉不相關結果的關鍵詞網絡信息資源3〕搜索引擎的檢索技巧b〕減號“〞的運用例，檢索小說“水滸傳〞，輸入“水滸傳電視劇〞來進行搜索，查詢的結果里就不會有水滸傳電視劇的信息。需要注意的是，前一個關鍵詞和減號之間必須有空格，否那么，減號會被當成連字符處理，而失去減號語法功能。減號和后一個關鍵詞之間，有無空格均可。網絡信息資源3〕搜索引擎的檢索技巧c〕利用雙引號“〞進行精確匹配搜索使用雙引號進行精確匹配檢索，能縮小檢索結果范圍，提高查準率，得到的信息結果最少最精確。如，輸入“黑龍江大學〞，可以得到與輸入詞完全匹配的結果否那么，搜索引擎就會將“黑龍江〞或“大學〞等詞分別檢索出來。網絡信息資源3〕搜索引擎的檢索技巧d〕停用詞的應用停用詞〔StopWords〕主要常見于英文搜索引擎中，指的是使用過于頻繁的單詞，如who、I、what、it、and、how、的、地等。搜索引擎不支持停用詞的檢索。如果在搜索的檢索詞中必須使用停用詞，可以用加號“+〞來解決。如搜索影片名稱“WhoamI〞時，其中“Who〞和“I〞是停用詞，用“+〞號強制對其進行搜索，此時的搜索條件即+Who+am+I或將全部檢索詞用“〞引起來，進行精確匹配搜索。網絡信息資源4〕常用的搜索引擎常用的中文搜索引擎a〕百度〔〕百度是全球最大的中文搜索引擎。2000年1月1日，百度公司創(chuàng)始人李彥宏、徐勇以120萬美元投資創(chuàng)立了百度公司。同年10月，百度搜索引擎正式發(fā)布。百度采用基于內容和基于超鏈接分析相結合的方法進行相關度評價，能夠客觀分析網頁所包含的信息，從而最大限度地保證了檢索結果相關性。網絡信息資源百度的網頁搜索特色功能包括以下方面?！?〕百度快照。每個未被禁止搜索的網頁，在百度上都會自動生成臨時緩存頁面，稱為“百度快照〞。當網站效勞器暫時出現故障或網絡傳輸堵塞時，可以通過“百度快照〞快速瀏覽頁面文本內容。因為百度快照只臨時緩存網頁的文本內容，所以那些圖片、音樂等非文本信息，仍是存儲于原網頁。網絡信息資源網絡信息資源百度的網頁搜索特色功能包括以下方面。〔2〕專業(yè)文檔搜索。很多有價值的資料，在互聯網上并非是普通的網頁，而是以Word、PowerPoint、PDF等格式存在。百度支持對Office文檔〔包括Word、Excel、PowerPoint〕、AdobePDF文檔進行的全文搜索。要搜索這類文檔，在普通的檢索詞后，加一個“filetype:〞文檔類型限定，“filetype:〞后可以跟以下文件格式：DOC、XLS、PPT、PDF、RTF、ALL。網絡信息資源〔6〕專業(yè)文檔搜索例如，查找厲以寧關于經濟改革方面的經濟學論文，輸入“經濟改革厲以寧filetype:doc〞，單擊檢索結果的標題，就可以直接下載該Word文檔。也可通過百度文檔搜索界面〔〕直接使用專業(yè)文檔搜索功能。網絡信息資源網絡信息資源網絡信息資源網絡信息資源網絡信息資源網絡信息資源網絡信息資源網絡信息資源d〕天網搜索〔〕。由北京大學網絡實驗室開發(fā)的天網搜索引擎是國家“九五〞重點科技攻關工程“中文編碼和分布式中英文信息發(fā)現〞的研究成果，于1997年10月29日正式在CERNET上提供效勞。2000年年初，成立天網搜索引擎新課題組，由國家973重點根底研究開展規(guī)劃工程基金資助開發(fā)。網絡信息資源網絡信息資源常用的英文搜索引擎a〕Google〔〕1998年9月，Google創(chuàng)始人——美國斯坦福大學博士生LarryPage和SergeyBrin在斯坦福大學學生宿舍內共同開發(fā)了全新的在線搜索引擎〔Google〕，并于1999年創(chuàng)立Google公司。英語中沒有Google這個詞，它是數學名詞googol的諧音，表示一個1后面跟著100個零。LarryPage和SergeyBrin選擇了這個詞，使它成為世界上最大、最快的搜索引擎。網絡信息資源網絡信息資源Google特色功能如下：〔1〕新詞和生僻詞定義效勞功能。Google表示，一些時髦的新詞幾乎總是先在網絡上出現，因此推出了這一相應的俚語和新詞搜索定義功能。在進行新詞定義搜索時，輸入單詞“define〞〔定義〕后按空格鍵，之后是想要搜索定義的詞語。英文單詞“define〞也可用“whatis〞或“definition〞代替。網絡信息資源網絡信息資源〔2〕單詞糾錯。Google對英文單詞拼寫錯誤有糾錯功能。例在寫上文的時候，要用到英文單詞“tutorial〞，記得好似是“tutorial〞，但不肯定，用Google一查，它馬上提醒：“您要找的會不會是：tutorial〞，正是這個單詞。網絡信息資源〔3〕在線的英文活字典。Google可以幫助查找英語單詞的解釋或用法，在檢索欄中只要輸入查找的單詞并單擊“Google搜索〞按鈕或按回車鍵，瀏覽器就會顯示有關該單詞的鏈接，單擊這些鏈接，就會出現有關的信息內容，是一種真正方便、快捷的在線英文活字典。網絡信息資源常用的英文搜索引擎b〕Scirus〔〕。Scirus是專門用于科技信息檢索的目前互聯網上最全面、綜合性最強的搜索引擎之一，由荷蘭Elsevier科學出版社開發(fā)，目前有1.67億個網頁。Scirus引擎的信息源主要有兩局部：網頁和期刊。網絡信息資源Scirus搜索引擎的特點過濾非科學方面的信息