信息检索与利用：2-1 计算机检索基础

1、信息检索与利用计算机检索基础information retrial and utilizationinformation retrial and utilization内容 计算机检索原理 检索算符 检索策略调整 存储过程一次信息分析信息特征标引信息特征标识输入输出检索过程信息需求分析检索提问编制 检索提问标识检索信 息 检 索 系 统检索语言检索结果图：计算机信息检索基本原理图示 计算机信息检索是利用一定的检索算法，借助于特定的检索工具，并针对用户的检索需求，从结构化或非结构化的数据中获取有用信息的过程。计算机信息检索原理information retrial and utilization

2、内容 计算机检索原理 计算机检索技术 检索策略调整 information retrial and utilization1. 布尔逻辑检索 逻辑算符也称布尔逻辑算符，是利用布尔代数中的逻辑运算符来描述检索词之间逻辑运算关系的检索算符。逻辑算符的作用是把若干个检索词或词组连接起来，构成一个检索式的基本框架，指定文献的检索词必须出现或不出现的条件。information retrial and utilization1. 布尔逻辑检索逻辑“与”：AND 、and 、*定义：用于交叉概念或限定关系的组配，即被命中的文献必须同时含有检索项A和B。作用：可缩小检索范围，提高查准率。示例： “air p

3、ollution” and control,表示两个概念应同时包含在同一条记录中。ABA and B；A*Binformation retrial and utilization1. 布尔逻辑检索逻辑“或”： OR、or、+定义：表示两个概念的并列，即被命中的文献含有两词之一或同时包含两词。作用：可扩大检索范围，提高查全率。示例： PVC OR “Polyvinyl chloride”，表示这两个并列的同义概念分别在一条记录中出现或同时在一条记录中出现。ABA or B；A+Binformation retrial and utilization1. 布尔逻辑检索逻辑“非”： NOT；not;

4、 -定义：表示两个概念的排除，即被检索文献在含有检索词A而不含有检索词B时才被命中。作用：用于排斥关系的组配，即从原来的检索范围排除不需要的概念或影响检索结果的概念，提高查准率。示例： Energy NOT Nuclear，表示从“Energy”检索出的记录总排除含有“Nuclear energy”的记录。 ABA not B；A-B；检索要求逻辑检索 课题 表达式 检索结果概念相交、限定 AND与* 计算机用于制图 A BA AND BA * B 缩小检索范围提高查准率 概念平行、并列 OR或+ 土地管理与土地利用 A B A OR B A+B扩大检索范围提高查全率 某一主题去掉一部分相关主

5、题 NOT非- 除光电测距以外的 A 电磁波测距 BB NOT AB-A提高查准率 布尔逻辑检索示例information retrial and utilization括号算符括号检索 用于改变运算的先后次序，括号内的运算优先进行。如：A AND (B OR C) 示例：(ZY:TNF AND (ZY:拮抗剂 OR ZY:抗体) OR (MC:肿瘤坏死因子) AND (MC:拮抗剂 OR MC:抗体) (ZY:TNF AND (ZY:拮抗剂 OR ZY:抗体) OR (MC:肿瘤坏死因子) AND (MC:拮抗剂 OR MC:抗体) information retrial and utili

6、zation2. 位置检索位置算符定义：表达检索词之间位置关系的一种检索。适用于两个检索词以指定间隔距离或者指定的顺序出现的场合。 其表达形式因系统而异。作用：可缩小检索范围，提高查准率。information retrial and utilization2. 位置检索（W） 词序不许颠倒 两词之间不许插词，只允许出现空格或连字符号示例： solar ( w) energy 检出 solar energy correlation(w)matrix 检出correlation matrix 、 correlation-matrixinformation retrial and utilizat

7、ion2. 位置检索（nW） 词序不允许颠倒 两检索词之间允许插入n(n=1，2，3) 个词示例： laser(1W)printer 检出 “laser printer”、“laser colour printer”、“laser and printer” information retrial and utilization2. 位置检索 (N) 词序可以颠倒 两词之间不许插词，只允许出现空格或连字符号示例： waste (N) water 检出 “waste water” 和“ water waste”information retrial and utilization2. 位置检索(n

8、N) 词序可以颠倒 两检索词之间允许插入n(n=1，2，3) 个词示例： econom?(2N)decline 检出 economic decline、economy on the decline、decline of the economy2. 位置检索A(S)B，同句检索 S是sentence的缩写。 A、B出现在同一自然句中（子字段），其词序与词量不受限制。示例： Channel(S)tunnel，表示channel 和tunnel 出现在同一句子中才符合检索条件。information retrial and utilizationinformation retrial and uti

9、lization3. 截词检索截词算符定义：指在检索词的合适位置进行截断的符号，常用“？”、“*”、“$”等符号表示。 作用：当某些英语检索词词干相同、词义相近，但词尾或词中间有变化时，可以采用截词符，减少检索词的输入量，扩大检索范围 ，提高检索效率。information retrial and utilization3. 截词检索前截断：将截词符放在词根前边，后方一致，表示在词根前方有有限个或无限个字符。 如*magnetic 能够检出含有magnetic、cryomagnetic、paramagnetic等词的记录。后截断：将截词符放在词根后边，前方一致，表示在词根后方有有限个或无限个字

10、符。 如metal*，能够检出含有metal、metals、metaled、metalist等词的记录。information retrial and utilization3. 截词检索中间截断：将截词符放在词的中间，词的前后方一致。 如wom?n，能够检出含有woman、women的记录。无限截词：指允许截去的字符数量不限，也称开放式截断。 如comput?,能检索出computer、computing、computers、computable、computions、computerize、computerization有限截词：允许截去有限个字符。如acid? ，能够检出含有acid、a

11、cidic不能检出acidify的记录。3. 截词检索Tips:词符要紧接在词干后面，截词符和词干之间不能有空格。 避免将检索词的词干截得过短，一般应在三个字母以上。从希望出现的单词中取尽可能多的公共字母作为词干，以提高查准率，比如在对manage，managing，managed，management和manager作截词运算时，词干应使用“manag*”，而不应使用“man*”。截词应该使用得合理。一般不可能出现词尾变化的单词，例如management, protection等，其后不必再使用截词算符。常有的字段： 篇（题）名字段 TI=Title 文摘字段 AB=Abstract 叙词字

12、段 DE=Descriptor 自由词字段 ID=Identified 著者字段 AU=Author 著者机构字段 CS=Corporate Source 刊名字段 JN=Journal 出版年字段 PY=publication Year 文献类型字段 DT=Document Type 语种字段 LA=Language 分类号字段 CC=Classification 4.字段限制检索4.字段限制检索使用字段限制检索符可以限定检索词在数据库中出现的范围，对命中太多的记录再行筛选。如检索式：AU=Gordon? AND PY=199?，表示查找Gordon所写的、于1990年后发表的所有文献。题名

13、途径：题名（书名、刊名、篇名、网站名、网页名）途径是一种以信息源题名为检索标识记录与排序信息款目，提供按题名查询特定信息的方法。标识记录利用书、刊、杂志、文章的名称查找文献，是最直接、方便的途径。 著者途径：著者途径以著者姓名作为存储与检索标识记录与排序信息款目，提供按著者姓名查询信息的方法。以作者或团体的名称进行查找。著者通常包括个人著者和团体著者，除文献资源的个人责任者之外，通常还包括报告人、专利权人与团体著者名称。序号途径：是以信息或文献的特定序号排列和检索信息的途径。它们是一些文献类型的特有标识，如专利号、报告号、合同号、标准号、国际标准书号和刊号、注册号、登记号等。这些号码特征对于识

14、别特定文献具有简短、明确、唯一的特点。 4.字段限制检索符分类途径：以学科专业分类代码（分类号）作为描述与揭示知识的分类标识系统，提供从学科分类角度查找知识的存取途径。按文献主题内容所属的学科进行查找。 主题途径：以知识概念的主题词（包括受控词和自由词）为揭示与组织信息的词语标识系统，提供从受控词或自由词角度查找信息的存取途径，这也是从知识的内涵角度展示只是点及其知识网络的方法。按主题词的字顺排列进行查找（规范化）。 关键词途径：从文献中选择一定的具有实质意义的次进行查找。 其他途径：如：化学分子式、地名、属种等途径。 4.字段限制检索符information retrial and util

15、ization内容 计算机检索原理 检索算符 检索策略调整 补充知识：关键词的四种变化 上位词 关键词(等同词)同类词 下位词等同词：某种明确概念，可以有不同的表达词。上位词：指概念上外延更广的词。下位词：指概念上内涵更窄的词。同类词：指与关键词具有某种相通属性的词。information retrial and utilization检索词的选择与确定 切分。 对课题语句进行切分，以词为单位划分单词或词组，不可将整个课题照搬。如将句子“微博与大学生信息素养提高之间的关系”进行词语切分，该句子即可转换成词的组合，得到： “微博|与|大学生|信息素养|提高|之间|的|关系”删除。 对于切分后的词

16、语进行分析，对不宜做检索词的词进行剔除。这一类词包括不具备检索意义的介词、连词、副词等虚词，以及一般概念性的词，如研究、状况、合成、应用、性能、发展、影响等。将上例中不宜做检索词的词删除，得到： 微博|大学生|信息素养information retrial and utilization检索词的选择与确定 替换。 用更具体、明确的词替换掉某些容易产生歧义或一词多义的词。补充。 对缩略词组进行还原作为补充，对同义词、近义词及相关词进行补充。限定。 对专指性较差的检索词进行限定说明information retrial and utilization 如果需要缩小检索范围，提高检索结果查准率的，调

17、整策略的方法有：减少同义词或同族相关词；增加限制概念，用逻辑与(AND)将它们连接起来；使用字段限制，或者限制检索词在指定的基本字段出现，或者指定辅助字段，限制结果的文献类型、语种、出版国家；使用适当的位置算符；使用“非(NOT)”算符，排除无关概念。检索策略调整 如果需要扩大检索范围，提高检索结果查全率的，调整策略的方法有1）选用了不规范的主题词或某些产品的俗称、商品名作为检索词。例如，没有使用学名“马铃薯”而使用了俗名“土豆”又如，没有使用“表面活性济”而使用了商品名称“迪恩普”，都会造成漏检。2）同义词没有充分考虑。例如，检索“物理化学”，没有考虑到“物理有机化学”，“物化”等同义词，导

18、致漏检。检索策略调整 1.基于同物异名的名称扩展法(1) 寻找同一事物的学名和俗名、商品名和代号等 如：贸易与商业，便携式录音机和walkman, 涉外与对外，刊物与杂志，(2) 寻找同一事物的简称、全称、音译和意译等 如：外语与外国语言，world wide web、WWW、互联网与因特网、科技与科学技术，培养与教育(3) 寻找同一事物名称的近义词和反义词 如：教学与培训、教育，研究与分析、比较、理论、变化，翻译与直译、意译，美术与艺术，英汉与汉英，否定与肯定(4) 如果是英语，寻找同一事物名词的单复数、不同词性、英美语的不同形式。 如：cheque与check，colour和color，stock和share等 检索策略调整如果需要扩大检索范围，提高检索结果查全率的，调整策略的方法有：检索策略