信息检索概述

1、信息检索概述第1页，共52页，2022年，5月20日，0点54分，星期一一、介绍几个与信息相关的概念 1 知识经济：“知识经济”是指建立在知识信息的生产、分配、使用之上的经济。“知识经济”是和农业经济、工业经济相对应的一个概念，它指的是当今世界一种新类型的，富有生命力的经济。 第2页，共52页，2022年，5月20日，0点54分，星期一2 信息高速公路(Information Highway)是美国国家信息基础设施(National Information Infrastructure,简称NII)的代称。它实际上是一条很宽的信息通道，可供人们大量地，并行地，高速地传输信息。具体地说，它是一个

2、巨型的交互式多媒体高速计算机通信网络系统，将原来分散的电话，计算机，电视，广播，传真，数据库等传输系统集成为一体，形成以现代计算机网络通信技术为基础，以光导纤维通信和卫星通信为骨干，以数据库为信息源，跨越全国乃至世界的双向大容量，高速度的电子数据(数字化数据-Digital Data)传输系统。由于这种交互式电脑网络如同交通基础设施的高速公路网，所以被人们形象的称为“信息高速公路”。第3页，共52页，2022年，5月20日，0点54分，星期一目前有： （1）美国信息高速公路计划(NII)最早是1979年由戈尔提出，1992年克林顿竞选美国总统时正式提出这个构想。后来成为克林顿上台后大力推崇的重

3、振美国经济计划的重要组成部分。它的提出不仅在美国社会产生了强烈的反响，而且也在全球范围内引起巨大的震动。 （2）全球信息高速公路计划(GII)是美国政府NII计划的扩大与延伸。目的是把各国光纤和卫星通讯网连接在一起，发展扩大到全世界范围的“全球信息高速公路”计划。 第4页，共52页，2022年，5月20日，0点54分，星期一（3）法国的“电子信息高速公路”：以多媒体取代家用电脑的庞大工程，将把电话同通信网络相连接，最终形成一个光纤电视网，从而实现法国境内文字、声音和图象的快速传递（4）韩国也准备用21年的时间，投资550亿美元，建立本国的超高速信息通信网。（5）新加坡的智能岛东南亚信息中心（6

4、）日本的曼佗罗计划（1992/5）与NII相抗衡的全面战略计划（7）中国信息高速公路计划(信息准高速国道或信息中速国道）：“三金”工程，即“金桥”，“金关”，“金卡”工程。（十二金工程）第5页，共52页，2022年，5月20日，0点54分，星期一三金工程是中国“信息高速公路）的起步工程金桥工程是一项规模巨大的系统工程，是以电子邮件（E-MAIL）和电子数据交换（EDI）作为信息交换平台，主要目标是建立一个覆盖全国与国务院各部委使用网相联，并与各省、直辖市、自治区中心城市、大中型企业连接的国家公用信息通讯网。金卡工程也称电子货币工程。我国始与1993年，上海等12个城市为首批试点城市。武汉市列为

5、第二批试点城市，1997年启动后，得到中国人民银行总行批准。金关工程是我国实现对外贸易无纸化的信息网络工程。第6页，共52页，2022年，5月20日，0点54分，星期一3、InternetInternet又称因特网或“互联网”，他是从英文Interconnected Networks 这两个词中，各取前半部合成的。其中文意思是指跨国的网络，是一群横跨世界的各种相互连接的计算机网络的统称，这些网络集合采用一种共同的标准通信协议来沟通，以进行信息资源的交换和共享。Internet是由美国ARPANET发展起来的一个国际性的计算机互联网络，它的特点是（1）异种计算机互联（2）互联网络部分遭到破坏时，

6、其他部分仍可以继续应用。Internet 可以总结为：是遵从TCP/IP协议，遍布全世界的大大小小的计算机网络连接起来构成的全球性计算机网络的总称，是目前全球最大的计算机网络，也是全球最大的信息资源网。是“信息高速公路”的典范。Internet网的主要功能就是进行科技信息的传递。 第7页，共52页，2022年，5月20日，0点54分，星期一特点： 信息广泛、传播速度快、方便实用应用： 信息查询、收发E-MAIL、传送文件、 WWW应用、Gopher-信息检索 Telnet-远程登录、BBS公告牌服务 第8页，共52页，2022年，5月20日，0点54分，星期一 Gopher是美国明尼苏达大学研

7、制的菜单式信息查询软件。WALS（广域服务器）是供用户查询分布在Internet网上各类数据库的一个通用接口软件，实现远程查询。WWW是一个超文本式信息查询工具，它可以把Internet网上不同地点的相关数据信息有机的组织在一起。用户只要提供查询要求就可以了。第9页，共52页，2022年，5月20日，0点54分，星期一四大骨干网目前我国已建成Chinanet、CERnet、CSTnet与ChinaGBN 四大骨干网。各部门与单位纷纷建立了与四大骨干网互联的内部网或局域网。 第10页，共52页，2022年，5月20日，0点54分，星期一 Chinanet（中国公用计算机互联网）是中国第一个商业化

8、全国性计算机网络，该网由信息产业部（原邮电部）管理 CERnet(中国教育与科研计算机网络）由教育部主持，网控中心设在清华大学，网络分为全国主干网、地区网与校园网三层结构。主干网连着八大区、十个节点，所有主干网节点采用11条DDN专线连接。是目前中国与Internet连接最大的学术网。第11页，共52页，2022年，5月20日，0点54分，星期一CSTnet(中国科技网）由中国科学院主管，以中国科学院的中国国家计算机和网络设施NCFC与全国性网络CASnet为基础，连接中国科学院以外的国内科技单位而构成的网络。ChinaGBN（中国金桥网）即国家经济信息通讯网，是一个商业化信息网络，由中国电子

9、工业总公司（原电子工业部）主管。 第12页，共52页，2022年，5月20日，0点54分，星期一4、信息社会的基本内容：3I、3C、3A、3R3I： Information(信息)、Intelligence(智能)、 Integration(集成、综合)3C：Computer(计算机)、Communication(通讯)、Control(控制)3A：Factory Automation(工厂自动化)、Office Automation(办公自动化) Home Automation(家庭自动化)3R：Material Revolution(材料革命)、Energy Revolution(能源革命

10、)、 Information Revolution(信息革命)第13页，共52页，2022年，5月20日，0点54分，星期一5、信息、知识、情报、文献的基本含义信息：在中国历史文献中最早见于唐诗，拉丁词源是Information。每个人每天都在不断地通过感觉器官从外界接受信息。书刊报纸、电视、收音机、交谈中不断获得信息。 信息的准确概念，尚未定论，众说纷纭。 信息存在于人类社会以及人的思维活动，也存在于自然界。第14页，共52页，2022年，5月20日，0点54分，星期一信息的特点：(1)时效性：重要特点。如果信息传递很慢，那么有用的信息也会失去应有的价值。如新闻、预告。 (2)可扩散性：在时

11、间或空间上从一点转移到另一点。“一传十，十传百”。(3)可扩充性：人们对世界认识是无无限的，因此信息资源的扩充与累积也是无限的。(4)共享性：信息可以多次传播，不失其内容，与实物交易不同。第15页，共52页，2022年，5月20日，0点54分，星期一 知识：知识是人类认识的成果和结晶，是人类在认识和改造世界和社会实践中获得的对事物本质的认识。知识仅存在于人类社会。 个人知识：存在于大脑、笔记或书信中，只能为个人所用。 社会知识：存在于文献中或人类的传说中。 知识的属性：意识性、实践性、规律性、继承性，渗透性。 第16页，共52页，2022年，5月20日，0点54分，星期一情报：是一种人工信息，

12、信息与知识都是它的来源。激活了的，活化了的知识。 情报与信息在英文中同为Information，但信息的外延比情报广，信息是包含情报的。情报就是人们在一定时间内为一定目的而传递的有使用价值的知识或信息，它有明确的接收对象。情报的属性：知识与信息性、动态性、效用性、社会性、语言性、可塑性、时间性。第17页，共52页，2022年，5月20日，0点54分，星期一文献：记录有知识的一切载体。即用文字、图形、符号、声频、视频等技术手段记录人类知识的一种载体。属性：知识性、记录性、物质性。 文献的范围很广。 古代：甲骨文、碑刻、竹简、帛书是文献。 现代：图书、报纸、期刊 现今：机读资料、缩微制品、电子出版

13、物。 文献的功能 1)存贮知识的功能； 2)传递和交流信息的功能； 3)保存知识的功能。第18页，共52页，2022年，5月20日，0点54分，星期一二、信息检索的基本内容1、概念：1)信息检索(information retrieval) 是指将信息按一定的方式组织和存储起来，并根据信息用户的需要找出有关信息的过程。所以，它的全称又叫信息存储与检索(information storage and retrieval), 这是广义的信息检索。狭义的信息检索则仅指该过程的后一步，即从信息集合中找出所需要信息的过程。相当于我们所说的信息查询(information search)。第19页，共52

14、页，2022年，5月20日，0点54分，星期一2）检索语言：检索语言是把信息的存储与检索联系起来，把标引人员与用户联系起来，以便取得共同的理解、实现交流的语言。有人工语言（主题语言和分类语言）、自然语言之分。(第三章详细介绍）3）检索方法：常用法、追溯法和循环法 (第四章详细介绍）第20页，共52页，2022年，5月20日，0点54分，星期一检索词、检索式、检索策略(第四章详细介绍） 检索词是用户或检索人员给出的字、词、字符或短语，用于查找含有它（它们）的记录。 检索式也称检索提问式，是要求系统执行的检索语句。简单的检索式由一个检索词和一个字段名构成，复杂的检索式由多个检索词和字段名通过关系算

15、符连接而成。如：要利用英文搜索引擎查找网络信息检索方面的资料，检索式为（Web OR Internet OR WWW） AND （Search* OR Retrieval*）。第21页，共52页，2022年，5月20日，0点54分，星期一检索策略： 所谓检索策略，就是在分析课题内容具有哪些概念单元的基础上，确定检索系统、学科领域、检索文档、检索途径和检索词，并科学安排各检索词之间的位置关系和逻辑关系以及查找步骤等。也就是为满足信息需求所制定的一系列检索方案。第22页，共52页，2022年，5月20日，0点54分，星期一5)检中结果、查全率、查准率(第四章详细介绍）检中结果又称检索结果集，是数据

16、库中满足(检索式（即符合检索条件）的那些记录的集合查全率：是指检出文献中合乎需要的文献数量占数据库中存在的合乎该需要的所有文献的比例查准率：是指检出文献中合乎需要的文献数量占检出文献全部数量的比例第23页，共52页，2022年，5月20日，0点54分，星期一2、信息检索的类型：(1)根据检索手段的不同，分为手工检索、计算机检索（光盘检索、联机检索和网络检索）(2)根据检索对象、形式的不同，分为文献型信息检索、数据型信息检索、事实型信息检索。第24页，共52页，2022年，5月20日，0点54分，星期一 文献型信息检索（Document Retrieval）：以文献（包括题录、文摘）为检索对象的

17、检索。凡是查找某一主题、时代、地区、著者、文种的有关文献，以及回答这些文献的出处和收藏处所等，都属于文献型信息检索的范畴。完成文献型信息检索主要借助于各种书目型数据库。第25页，共52页，2022年，5月20日，0点54分，星期一数据型信息检索（Data Retrieval）：以数值或数据为对象的一种检索，包括文献中的某一数据、公式、图表，以及某一物质的化学分子式等，数据检索分为数值型与非数值型。完成数据型信息检索主要借助于各种数值数据库和统计数据库。第26页，共52页，2022年，5月20日，0点54分，星期一事实型信息检索（Fact Retrieval）：以某一客观事实为检索对象，查找某一

18、事物发生的时间、地点及过程的检索，其检索结果主要是客观事实或为说明事实而提供的相关资料。如：2001年7月通过的奥运会主办城市的结果与过程。完成事实型信息检索主要借助于各种指南数据库和全文数据库。第27页，共52页，2022年，5月20日，0点54分，星期一3、信息检索的发展历程3.1基本方向：手工检索向计算机检索(如穿孔、缩微、自动化)发展，但是手工检索与计算机检索将长期并存。因为计算机检索有其缺陷：(1)硬件条件不足：没有计算机，不能上网，(2)数据库不完善，(3)网络慢或网络故障等等。第28页，共52页，2022年，5月20日，0点54分，星期一3.2计算机信息检索的的产生和发展，分为五

19、个阶段：(1)脱机批处理检索：1954一64。定期由专职检索人员把许多用户课题汇总，批量处理提问要求，并把结果提供给用户。直接在计算机旁检索，不需要远程终端设备及通信网络。用户在计算机处理成批检索课题之后才知道检索结果，不能直接、及时修改检索策略，查全率和查准率受到一定限制。第29页，共52页，2022年，5月20日，0点54分，星期一(2)联机情报检索：20世纪70年代投入商业运营。用户在计算机检索系统的终端上，通过通信网络，使用特定的指令和算符，以人机对话方式，查询远程计算机检索系统核心的数据库，从中获取所需信息的计算机检索系统。第30页，共52页，2022年，5月20日，0点54分，星期

20、一联机检索系统由三个部分组成：主机系统、通讯系统和终端设备 主机系统是联机检索系统的核心，它具备处理速度快、多道程序和分时功能，内存容量大，多样化的输入输出设备。 通讯系统是指终端设备与主机系统进行通信的设备。通信线路分为两种：专用的直达线路；通过拨号选择对方的交换线路。前者是特定通信线路，后者使用电话网和用户电报网，联机系统使用的通信线路就属于后一种。 终端系统是人与系统的接口设备。它能将字符、声音以及人类的信息表现形式转换成系统的机器代码。反之，将系统的结果还原成字符、声音等形式，传送给终端用户。第31页，共52页，2022年，5月20日，0点54分，星期一 (3)国际联机检索：70年代中

21、后期国际联机检索是指用户利用终端设备，通过通信网与地球上任何地方的大型计算机信息检索系统的主机进行直接人机对话式的计算机检索 。第32页，共52页，2022年，5月20日，0点54分，星期一国际联机检索系统一般由通信网络、国际联机检索中心、用户终端等三部分组成。 国际联机检索系统的服务方式有：回溯检索、定题服务、联机订购原文、电子邮件服务以及光盘服务五种方式。第33页，共52页，2022年，5月20日，0点54分，星期一几种主要的国际联机检索系统Dialog国际联机检索系统ESA/IRS国际联机检索系统ORBIT国际联机检索系统STN国际联机检索系统OCLC国际联机检索系统 这是目前世界著名的

22、五大联机检索系统第34页，共52页，2022年，5月20日，0点54分，星期一 目前世界上最大的国际联机检索信息系统。总部设在美国旧金山附近的帕洛 阿尔托市。此系统现有近600个数据库，信息总量超过5亿条，其中包括50多种语言、6万多种期刊，数据库内容涉及综合性学科、自然科学、应用科学和社会科学等，文献类型有图书、报纸、期刊、学位论文、会议录研究报告、政府文件、专利文献、标准文献、年鉴、市场行情和厂商名录等。DIALOG第35页，共52页，2022年，5月20日，0点54分，星期一ORBIT ORBIT的全称为online retrieval of bibliographic informat

23、ion timeshared即文献目录信息分时联机检索。是第二大国际联机检索系统，拥有200多个数据库。以化工、石油、生物、化学、环境科学、医学、运动科学和安全科学等深入文献比较齐全而著称。其特色数据库有SAE（汽车、飞机等交通工具）TULSA（石油、天然气开采与勘探）等30多个数据库，为该系统独有。第36页，共52页，2022年，5月20日，0点54分，星期一ESA/IRS 是欧洲最大的联机检索中心。也是世界上大型的国际联机检索系统之一，仅次于美国的DIALOG和ORBIT联机检索系统。 涉及的专业范围有：科技、农业、卫生、管理、社会科学和宇航工程及技术等方面。有120多个数据库，其中，酸雨

24、（ACIDRAIN）、铸造（BIIPAM-CTIF）、原材料价格(PRICEDATA）、卫星遥感图象（LEDA）、宇航及高技术软件（SPACESOFT）等为特色数据库。第37页，共52页，2022年，5月20日，0点54分，星期一STN STN（The Scientific and Technical Information Network International)是国际科学技术信息网络系统的简称。是由德国卡尔斯鲁厄能源、物理、数学专业信息中心（FIT）、美国化学文摘社（CAS）和日本国际化学信息协会（JAICI）三家合作经营的国际联机检索系统。 涉及的专业范围：化学、化工、生物、医学、数

25、学、物理、能源、冶金、建筑等方面。其特色数据库有：CAS化学物质结构图形数据库（REGISTRY）、德国专利数据库（PATDPA）、碳13核磁共振和红外光谱数值图形数据库（C13-NMR/IR）。第38页，共52页，2022年，5月20日，0点54分，星期一STN的特点合作建网，分布式管理多文档检索，方便实用字段限定检索时，只使用后缀码，无前缀码拥有世界上第一批联机图象数据库第39页，共52页，2022年，5月20日，0点54分，星期一OCLC OCLC（Online Computer Library Center)即联机计算机图书馆中心。是世界上最大的文献信息服务机构之一。总部设在美国俄亥俄

26、州，1971年建成联机系统，拥有370多种语言、3400多万条联合书目记录数据库，OCLC的“第一检索系统”（First Search)提供联机信息检索系统目前有70多个数据库，涉及13个主题领域。不仅有书目信息而且绝大部分可以直接获取全文。第40页，共52页，2022年，5月20日，0点54分，星期一(4)光盘检索：80年代初期，其全称为高密度光盘(Compact Disk)，主要是利用激光、计算机及光电集成等技术实现信息存储的数字化。以光盘为介质的光盘数据库检索系统由于信息存储量大，简单易用而取胜。第41页，共52页，2022年，5月20日，0点54分，星期一(5)网络信息检索： 网络信息

27、检索是通过标准通信方式将世界各地的计算机网络连接起来，形成一个基于客户机-服务器模式的网络分布数据库结构。它在全球范围内把科技信息、商贸信息、经济信息、时事新闻以及日常生活信息通过互联网络合在一起，向亿万联网用户提供广泛的信息检索与服务。它是信息化社会应用最广泛、最活跃的领域。第42页，共52页，2022年，5月20日，0点54分，星期一网络信息检索服务的特点： 1）信息检索服务的开放性。网络信息系统中包含信息资源、信息设备、信息通道、信息检索软件及信息终端等子系统，各个子系统都是开放的，其信息资源面向所有用户。 2）超文本的多链接性。以超文本技术为基础链结构将不同地方的相关信息有机联系起来，

28、使用户可通过点击文本或图表中的超文本链接点访问另一个相关的文档。 3）操作的简易性。采用客户机/服务器结构，通过交互式的图形界面，为用户提供友好的信息查询要求，系统就会自动向适当的服务器提出请求。正是这一特点，使Internet能广泛深入学校、家庭、办公室乃至每一个人。第43页，共52页，2022年，5月20日，0点54分，星期一4、网络信息检索的发展趋势智能化可视化简单化多样化个性化商业化第44页，共52页，2022年，5月20日，0点54分，星期一(1)智能化智能化是网络信息检索未来主要的发展方向。智能检索是基于自然语言的检索形式，机器根据用户所提供的以自然语言表述的检索要求进行分析，而后

29、形成检索策略进行搜索。目前已有一些搜索引擎支持智能检索，但其智能化程度不高。而近年来internet上不断涌现的人工智能产品，如智能搜索引擎、智能浏览器、智能代理、知识共享智能体等，都将提高网络信息检索的智能化程度。第45页，共52页，2022年，5月20日，0点54分，星期一(2)可视化可视化的优点在于图象的表达方式生动、形象、准确、效果更高，能从多角度揭示，而纯文字的表达方式是模糊、一维的。信息检索中的可视化是将数据库中不可见的语义关系用图象形式可视化显示并表达用户检索过程。在可视化空间展示的信息可以看见它们是二维的或三维的。（信息检索中，实现语义控制是人们的理想，而现实的信息检索是基于“字符串”的检索、匹配与表达）第46页，共52页，2022年，5月20日，0点54分，星期一(3)简单化未来家用电脑将朝着智能化、网络化、人性化和绿色环保的方向发展；操作系统的用户友好性将不断增加，如微软和苹果公司都在致力于操作系统网络化研究，以便使其中的任意应用程序都能“连接”进行“网络检索”，并与网络“交互”；各搜索引擎检索界面更加“傻瓜化”，使用户学习和进行网络信息检索