第三讲信息检索与信息描述

（优选）第三讲信息检索与信息描述当前1页，总共68页。2当前2页，总共68页。3信息检索原理基本原理——即检索者的检索提问词与存储于检索系统中的文献标引词进行匹配对比（相似度计算）、取得一致即为最符合要求的结果。

相似度有不同的匹配方式，常见的有：义、形的相似完全相似、部分相似当前3页，总共68页。4信息检索的类型（P23）一、按信息检索对象划分文献检索以文献作为检索对象文献检索是一种相关性检索而非确定性检索事实检索以客观事实为检索对象是对包括事实（fact）、数值（numericdata）与全文（full-text）的检索，提供原始信息，给出直接、确定性的答案。主要借助各种参考工具书及事实型数据库进行检索数据检索以特定的数据为检索对象其结果可供用户直接使用当前4页，总共68页。5二、按照存储载体及检索操作方式划分①手工检索（手检）使用的多为印刷型或书本型检索（paper-basedretrieval）工具。定期地将最新收集到的信息、文献加以汇总、组织和报道。手检的技术要求不高，以人的劳动为本，由人来翻阅，由人来进行比较、选择，完成匹配。手检工具能提供的检索点十分有限，检索结果往往不尽人意。②机械检索当前5页，总共68页。6③计算机检索（机检）

它通过数据库系统来实现的。检索过程是在人与机器的合作、协同下完成的。人是整个检索方案的设计者和操纵者，计算、比较、选择的匹配任务是由机器来执行的。计算机检索明显优于手工检索，主要表现：检索的信息量大数据更新快检索功能强检索结果输出的多样性当前6页，总共68页。73.1.4当前信息检索的发展特点（补充知识点，了解）检索智能化检索可视化检索简单化信息形态的多样化信息提供的深入化检索多语种化提供全文检索用户友好化进一步提高自然语言与人工语言检索并用传统检索和网络检索长期并存当前7页，总共68页。83.2检索语言概述为保证检索提问标识与文献特征标识两者之间比较匹配的高效和准确，要求文献信息存储与文献信息检索的描述规则要尽可能一致——即分析提炼出来的文献特征标识和检索提问标识应该是遵循相同的方法和规则而产生的。检索语言定义（P36）检索语言——是信息检索领域中用来描述文献信息特征和表达信息检索提问的一种专用语言。当前8页，总共68页。9检索语言是一种约定----是在标引者和检索者对同一篇文献的理解一致的基础上，确保使用相同的描述（词）。以“词”与“义”的单一对应性，来保证概念表达的唯一性，进而保证标引与检索的一致性。图2－1信息检索原理（见教材P23）当前9页，总共68页。103.2.2检索语言的功能与作用检索语言的功能与作用：（标准）表达和揭示文献的内外部特征，保证不同的标引者在标引文献时表达一致。（组织）集中并组织具有相同特征的文献。（沟通）沟通与规范文献标引者与文献检索者间的联系与行为，避免歧义与误差，减少误检与漏检。用检索语言编制的辞典，如《中国图书馆分类法》《医学主题词表》是用来指导信息标引和检索的工具。当前10页，总共68页。11一、（常用）以对文献何种特征描述为划分标准（P37）检索语言的类型表述文献外表特征的语言表述文献内容特征的语言题名责任者序号引文分类语言主题语言标题词语言单元词语言叙词词言关键词语言体系分类组配分类混合分类3.2.3检索语言分类当前11页，总共68页。12一）分类检索语言分类语言是一种按学科范畴和体系来划分事物的语言，它是以数字、字母符号对信息内容特征进行标识的一种检索语言。特点：系统性、间接性、稳定性体系分类语言以科学分类为基础，以文献内容的学科性质为对象逐级划分，层层隶属，直接体现分类概念等级的标识系统效果：同类相聚、异类相分、相关相邻组配分类语言用科技术语组配的方式来描述文献内容科技术语按其学科性质分为若干组，称为“组面”，附有相应的号码混合分类语言当前12页，总共68页。13二）主题检索语言概念：是指用能反映文献实质内容的语词来标引和检索文献，通过主题词表达各种概念的一种检索语言。特点：直观性、专指性、灵活性主要类型：标题词语言单元词语言关键词语言叙词语言当前13页，总共68页。14标题词语言：从文献中抽选、规范化、严格遵守词表单元词语言：单元词——从文献正文、摘要或题目中抽取出来的最基本的、其概念不可再分的词。未经规范化、无词表**关键词语言：从文献中抽取的表达内容的恰当词汇（意义单元）无词表、未规范化或半规范化，相互间无明确隶属关系**叙词语言：表达文献基本内容的概念单元相互独立，但受词表控制；可明确词间的隶属关系；可组配当前14页，总共68页。15三）分类语言和主题语言联系：都是用以描述信息内容特征的语言。区别：分类语言是按学科范畴划分而构成的一种语言体系，它集中反映学科的系统性、反映它们的相关、从属、派生等关系，从总体到局部分层、分面展开，形成分类体系。由类目号码及名称作为检索语言，构成分类类目表，如图书分类表、专利分类表用的都是分类语言。主题语言中的主题词直接表达概念本身；主题词间通过主题词表中的参照系统来指示词汇之间的关系。当前15页，总共68页。16*按规范程度：自然语言(非规范语言)、人工语言(规范语言)naturallanguage

：自然语言是取其自然形态，不受控，使用非规范词（uncontrolledterm）或称自由词（freeterm）。自然语言极其丰富、复杂和多样，存在着一词多义、多词一义及词义交叉的现象。常见的有同义词、近义词、同型异义词等。artificiallanguage：受信息检索的控制，使用控制、规范词（controlledterm）。人工语言的规范处理重在两个方面：一是使一个概念只用一个词汇来表达，这样就避免了多词一义的情况；二是使一个标引词只能表达一个概念，这样就排除了一词多义现象。按检索语言的词汇组配方式：先组式语言和后组式语言。二、其他需要注意的检索语言类型划分方式（P36）当前16页，总共68页。173.3检索语言在医药学信息检索中的应用简称《中图法》，大型综合性图书分类法，目前是第5版。3.3.1《中国图书馆分类法》3.3.2《医学主题词表》**也称《MeSH》，国际知名、权威的生物医学专业主题词表，国内外有广泛应用。教材P38当前17页，总共68页。18简称《中图法》，大型综合性图书分类法，目前是第5版。它以各门学科的特点和规律为基础，按照知识门类的逻辑次序划分类目。由五个基本部类、二十二个基本大类、简表、详表和复分表五个部分组成。3.3.1《中国图书馆分类法》简介当前18页，总共68页。19一、基本部类《中图法》设置了五大基本部类，其排列顺序为：

A马克思主义、列宁主义、毛泽东思想、邓小平理论

B

哲学

C-K社会科学

N-X

自然科学

Z

综合性图书

当前19页，总共68页。20二、基本大类基本大类是分类表中的一级类目。

是在基本部类的基础上根据当前学科状况区分形成的具有独立体系的纲领性类目。《中图法》有22个基本大类。当前20页，总共68页。21三、简表

简表是图书分类法的基本类目表。它是由基本大类进一步区分的类目组成，担负着承上启下的作用。《中图法》的简表一般区分到三级类目。例如：R医药、卫生R1预防医学、卫生学R2中国医学R3基础医学R5内科学R51传染病R52结核病┋当前21页，总共68页。22R医药、卫生R1

预防医学、卫生学R2

中国医学R3

基础医学R4临床医学R5内科学R6外科学R71妇产科学R72儿科学R73肿瘤学R74神经病学与精神病学R75皮肤病学与性病学R76耳鼻咽喉科学R77眼科学R78口腔科学R79外国民族医学R8特种医学R9药学当前22页，总共68页。23四、详表

详表是按照类目之间的等级关系细列出的分类表，它是分类法的正文。整个类目表以基本大类为起点，依次逐级区分为二级，三级，四级……直到不宜再区分为止。据统计《中图法》的详表部分共设有４万多条类目。当前23页，总共68页。24五、复分表(辅助表、附表）由共同性的子目构成，单独编制供有关类目进一步区分时共同使用的表。《中图法》的复分表有：总论复分表世界地区复分表中国地区表国际时代表中国时代表世界种族与民族表中国民族表通用时间、地点表当前24页，总共68页。25《中图法》的标记符号

混合制号码(英文字母+阿拉伯数字)，标记符号清楚，便于记忆。基本上遵循层累制的编制原则，数字的位数尽可能代表类目的级位。超过十个同位类时，采用八分制、双位制（TQ化学工业）。采用其它类号。使用了下位类号、上位类号或扩展使用了同级序列类号。《中图法》中有一些特殊符号，起辅助标记类目或辅助类号组合之用。如《中图法》设“a”推荐符号置于五位马列主义经典作家著作之后。他们的专著除集中在A类外,还应按学科内容在有关类目做互见反映，并标记“a”

推荐符号。如《毛泽东论医疗卫生》入A495，同时又以Ra推荐到医学类。其它符号还有“—”总论复分符号；“()”国家区分符号；“＝”时代区分符号；“:”组配复分号等等。当前25页，总共68页。26分类检索标引：文献分类必须以文献内容的学科或专业属性为主要标准。新趋势：多个分类号标引文献涉及的多个学科主题。检索：分析检索课题中的主要概念及隐含概念，以检索主要目的为依据，确定最符合的学科或专业属性，并以与之相对应的分类号作为检索标识直接与数据库中的标引标识进行匹配。利用:1)熟悉分类法。2）使用分类作为主要检索途径的工具，往往设有学科分类类名索引。形式如：高血压（R544.1）高血压性脑病（R743.2）高血压性心脏病（R543.1）3）如果一项课题同时涉及多个学科或专业，需在其中选择一个类号查找（手检）或几个类号组配查找（机检）。当前26页，总共68页。27《医学主题词表》（MeSH）P40一、《医学主题词表》简介《医学主题词表》（MedicalSubjectHeadings,MeSH）是由美国国立医学图书馆编制的目前最权威、最常用的标引与检索医学信息的主题词表。MeSH选词范围包括生物医学文献中能表达与医学或生命科学有关的概念、并且有检索意义的词或词组。按字顺编排。收录医学主题词27149个，入口词218000个（2014版）。当前27页，总共68页。28二、MeSH主要组成

MeSH表的组成：一）

主题词变更表二）

字顺表三）

树状结构表四）

副主题词表当前28页，总共68页。29

一）

主题词变更表：⒈新增主题词表（NewHeadings2000）：介绍当年新增主题词。NewHeadingPreviously-IndexesUnderHeading

新主题词原先归属的主题词AcatalasiaCatalase(1965-1999)Acupuncture,EarAcupuncture(1972-1990)⒉删除的主题词（DeletedHeadings-2000）：介绍当年被删掉的主题词。DeletedHeadingReplaced-byHeading

删除的主题词代替的主题词

AmnioscopyFetoscopyEmbryoResorptionEmbryoLoss⒊被代替的旧主题词（NewHeadings-ByPreviousIndexing-2000）Previously-indexed-underHeadingNewHeading

(原先归属的主题词)(新主题词)AcupunctureTherapyAcupuncture,EarCatalaseAcatalasia当前29页，总共68页。30每个主题词变更可在“历史注释”中查阅FamilyPlanning68；BIRTHCONTROLwasseeunderCONTRACEPTION1975，wasseeunderFAMILYPLANNING1968-74，washeading1963-67SeeRelatedContraceptionContraceptionXRContraceptionXRPopulationcontrol主题词历史注释树状结构号历史注释信息说明：“FamilyPlanning”从1968年起用作主题词，但在1963～1967年用“BIRTHCONTROL”作主题词。在1968～1974年“BIRTHCONTROL”不做主题词，它是属于主题词FAMILYPLANNING下的次要叙词，到1975年它又属于主题词CONTRACEPTION（避孕）的次要叙词。换句话说，欲用《IM》检索计划生育方面的文献，在不同的时期要用不同的主题词检索，1967年前须用主题词“BIRTHCONTROL”，1968～1974年须用主题词“FAMILYPLANNING”，1975年还须用主题词“CONTRACEPTION”。目前“FamilyPlanning”和“Contraception”这两个词都作主题词，可以相互参照。当前30页，总共68页。31二）

字顺表（Alphabeticlist）（P41）（一）词的形式：（所有词按字顺排列）1、单词：neoplasms、heart、smoking、liver、eye、……2、代号：A-23187(卡西霉素)3、词组：

顺置词组：liverneoplasms、stomachneoplasms，……

倒置词组：anemia，

aplastic；（贫血，再生障碍性）anemia，

dyserythropoietic,congenital;（贫血，红细胞生成障碍性，先天性）anemia，hemolytic；（贫血，溶血性）anemia，hemolytic,antoimmune；（贫血，溶血性，自身免疫性）

anemia，hemolytic,congenital；（贫血，溶血性，先天性）倒置的目的：

①

按字顺排列时能相对集中具有密切关系的主题概念，也称“字面成族”效应。

②

提供其他主题词供参考。当前31页，总共68页。32MeSH主要组成_字顺表（二）收编词的性质：3种：叙词（含特征词）；款目词；副主题词。1、叙词：规范化的主题词1991年以前有主要叙词（MajorDescriptors）与次要叙词（MinorDescriptors）的区别。次要叙词可用来标引，但不能用于检索。检索时通过属分参照（Seeunder）归入某一主要叙词并用该词才能在IM中检索到文献。如：HeartSounds(心音)seeunderHeartAuscultation(心脏听诊)，关于“心音”的文献收录在“心脏听诊”一词下。当前32页，总共68页。33特征词（checktags）主要为机检设置，便于根据这些特征对检出结果更进一步加以限定或排除。对象特征词（文献研究的对象）：新生儿、人类、动物、妊娠、儿童。时间特征词（年代、时代、朝代）：清、19世纪等。位置特征词（国家、地区）文献类型特征词：临床文献、教材、历史传记、专题讨论、综述、读者来信等。当前33页，总共68页。342、款目词（Entryword)

款目词不用于标引和检索，仅作为入口词指引向对应的叙词（常为主题词的同义词、近义词、下位词）。款目词用“See”指向叙词。此种指引称“用代参照”。例如：Acetylsalicylicacid

seeAspirin款目词见叙词参照名称语义关系参照符号及含义逆参照符号及含义用代参照同义、近义、属分See“见”或“用”X“代”当前34页，总共68页。35PubMed中款目词称为入口词（entryterm）当前35页，总共68页。362）相关参照相关参照的前后都是主题词，并且有非常密切的关系，二者的文献可互相参考。例：正参照：

Kidney

Seerelated

nephrectomy逆参照：

nephrectomy

XR

Kidney作用：其作用是扩大检索范围，提高查全率的目的。主题词参见相关主题词相关主题词参见主题词参照名称语义关系参照符号及含义逆参照符号及含义相关参照相关Seerelate“参见”XR“参见”MeSH主要组成_字顺表参照名称语义关系参照符号及含义逆参照符号及含义用代参照同义、近义、属分See“见”或“用”X“代”参照系统（叙词、款目词之间的关系处理）：1）用代参照当前36页，总共68页。37PubMed中的相关参照（SeeAlso）当前37页，总共68页。38三)树状结构表:主题词按学科性质、词义范围的上下隶属关系，分别归属在15个大类下。A解剖I

人类学、教育，社会学和社会现象B有机体C疾病J工艺学、工业、农业D化学品和药物K人文科学E分析、诊断、治疗技术和设备L情报科学F精神病学和心理学M人群G生物科学N卫生保健H自然科学Z地理名称大类下按逻辑关系又细分为102个子类目，用字母加阿拉伯数字表示。类下按等级逐级划分，展开的等级数最多可达10级。

形式与作用——类似分类表。主题词的树状结构号说明主题词在树状结构表中的位置。当前38页，总共68页。39树状结构表（范畴表）当前39页，总共68页。40MeSH中叙词可有多个树状结构号，表明可归属多个分类体系（注意与中图法的区别）当前40页，总共68页。41树状结构表的作用（P44）1）可帮助从学科体系中选择主题词明确词间分类等级关系明确在等级关系体系中该词的准确含义2）可帮助进行扩检与缩检；3）可帮助确定词的专业范围；当前41页，总共68页。42三、MeSH的作用：核心功能：帮助用户根据课题要求准确、全面地确定规范的检索用词，以免漏检、误检和空检。作用：规范化作用编排组织检索工具的作用桥梁作用是PubMed和Medline进行主题检索的指导性工具，对提高查全率及查准率具有十分重要的意义。当前42页，总共68页。43字顺表和树状结构表的关系上位主题词用代参照指引的主题词以已知概念作为入口词（款目词）字顺排列及相关参照指引的相关主题词下位主题词树状结构表反映纵向上的隶属、平行及派生关系。（分类的系统性和稳定性）字顺表：体现主题法的专指、灵活和直接。当前43页，总共68页。44四、副主题词（P43）而副主题词（Subheadings）是限定主题概念的一类规范化词汇。它们不能独立用于检索，只能与主题词组配使用，对主题词起细分作用以及提示多个主题词之间关系。作用：增加主题概念的专指性，提高检索效率。如：检索高血压的药物治疗方面的文献。仅用“高血压”检索就需在与高血压有关的各个方面文献中筛选关于药物治疗的文献，效率较低。而用“高血压/药物治疗”可直接检出与药物治疗有关文献并排除其他方面的文献；副主题词往往与学科有对应性。主/副组配作用近似主题+分类。MeSH主要组成_字顺表当前44页，总共68页。45副主题词表(Subheadings)（P263）

副主题词目前有92个，每个副主题词都规定了使用范围和可组配的主题词类别。（机检时由系统自动挑出可组配的副主题词）

abnormalities(畸形)(A1-5,A7-10,A13,A14,B2)用于器官形态学产生变化的先天性器官缺陷，亦用于动物异常。administration&dosage(投药与剂量)(D1-26)用于药物剂型、给药途径、给药次数(频率)和时间、药量以及这些因素的效应。adverseeffects(副作用)(B6,D1-26,E1,E3,E4,E6,E7,J2)用于诊断、治疗、预防、麻醉的药物、化学物质、生物制剂或物理制剂以及制造的产品在正常用量时所引起的不良反应；亦用于诊断、治疗、预防、麻醉、外科手术及其他程序时所产生的不良反应或并发症，但除外“禁忌症”，因其已有副主题词“Contraindications”agonists(激动剂)(D1-7,D9-17,D19-23)用于化学物质、药物和内源性物质，表明这些物质或制剂对一种受体有亲合力和在那个受体上有内在活性。当前45页，总共68页。46

副主题词各有特定的适用范围：例：胃癌的诊断

诊断（Diagnosis）：与疾病主题词组配，表明诊断的各个方面，包括检查、鉴别诊断及预后；但不包括普查、放射照相诊断、放射性核素成像、超声诊断，对后几种情况，分别用副主题词“预防和控制”、“放射照相术”、“放射性核素成像”、“超声诊断”。

例：“胃癌普查”→“胃肿瘤/预防和控制”当前46页，总共68页。473.4主题标引（P45）3.4.1标引概述定义——就是对文献进行分析，根据文献某种特征赋予相应标识的过程。标引的作用——揭示文献特征并使之表达规范化。一篇文献可以从不同的角度去标引以反映不同的特征。类型：分类标引主题标引标引和检索的关系标引的目的是建立检索系统检索的质量依赖于标引的质量当前47页，总共68页。483.4.2主题标引定义——按文献的主题内容，对文献进行主题分析，在主题词表中选取符合其内容的主题词，对文献进行标识的过程。类型（按对信息内容揭示的特点和程度）整体标引（浅标引）全面标引（深度标引）对口标引（重点标引、部分标引）综合标引（专题标引）分析标引当前48页，总共68页。49一、

主题标引的基本规则

(同样适用于检索课题的主题分析）一）一般原则:1）客观性——忠实于原文，不掺杂个人观点

2）准确性——准确提炼主题及选择主题词3）专指性4）全面性——避免重要内容没有反映在主题词中5）一致性——不同人应采用统一标准标引文献

当前49页，总共68页。501）客观性:

指标引要客观如实地反映出文献所论述的事物或研究对象问题。标引人员不能掺杂个人观点和褒贬,要求标引人员要绝对忠实于原文，实事求是，切忌主观臆断。也不能仅凭文献的篇名来标引。

例如：一篇题为“软骨的生化研究”的文献，实际是论述软骨中氨基酸的测定。此时不能根据文章题名进行标引。当前50页，总共68页。512）准确性：准确提炼主题（包括隐含主题）；准确选择主题词。例：如PubMed标引所选词必须是MeSH中的正式主题词。CancerseeNeoplasms当前51页，总共68页。523）专指性:尽量选用专指MeSH词或专指的副主题词与主题词相配。如:一篇关于“室性心律失常”的文章应标“室性心律失常”，而不标上位词“心脏病”等。“染色体异常”的文献也不宜标为“染色体/异常”的组配形式。主题词表中有“染色体异常”先组主题词。类似还有“糖尿病性视网膜病”，“糖尿病饮食”。当前52页，总共68页。53

4）全面性:标引时要时时处处从检索的角度考虑，想到读者可能提出的千差万别的检索要求和可能利用的各种检索途径。这就要求在标引时反映每篇文献的概念要全面。如:一篇关于“老年糖尿病患者肝的葡萄糖代谢”的文章按照标引规则应标：糖尿病/代谢；葡萄糖/代谢；肝/代谢；老年人。当前53页，总共68页。545）一致性：标引文献的规范性与检索提问时的规范性要达到一致，也就是存储文献与检索文献时的主题词二者匹配。标引人员在不同时间，不同标引人员要保持一致。主要针对标引人员当前54页，总共68页。553.4.2主题标引的基本规则二、选词原则（以MeSH使用为例例）一）主题词的规范化将一些俗名、商品名、多义词等转换成同一词汇，可避免同一主题的文献因标引词不同造成分散，影响查全率。如果检索工具使用了规范化的词表，应根据词表确定标引词或检索词，可保证标引质量和检索效果（特别是手工检索工具）。当前55页，总共68页。56—）、主题词的规范化1）先组主题词根据专指性原则，应首选先组主题词，即词表中已固定组配好的词。如关于肝糖原方面的文章，MeSH中有“肝糖原”一词，不宜标成“肝+糖原”。先组式语言：指在文献信息检索之前，表达文献信息内容的标识已经事先组配好了的信息检索语言。后组式语言：指表达文献主题概念的标识，在编制检索语言词表和标引文献时，都不曾预先规定组配关系，而是在进行检索时，用户根据检索需要，按照组配规则临时组配起来的信息检索语言。当前56页，总共68页。57二、选词原则2）靠词标引某些文献主题过于专指，词表中既无专指主题词，又无法组配标引则可采用靠词标引。⑴上位词标引：选用最直接的上位主题词标引。甲基莲心碱→生物碱类P-B抗体→抗体，嗜异性⑵近义词标引：选择含义相近的主题词标引。上消化道出血

→肠胃出血红细胞存活→红细胞衰老“虹膜黑色素瘤”——词表中无主题词，可标引：“黑色素瘤；虹膜疾病；葡萄膜肿瘤（虹膜是葡萄膜的下位类）。当前57页，总共68页。58二）组配标引定义——在主题标引过程中，将两个或两个以上的主题词按照一定的逻辑关系加以组织以表达文献主题时，叫做组配标引。组配的类型（1）主题词—副主题词组配（2）主题词—主题词组配（1）主题词—副主题词组配（主-副组配，也称：方面组配、限定组配）：最常用的标引方式之一副主题词指明了主题词某一方面的内容如：检索“贫血的病因”方面的文献，可使用“贫血/病因学”组配来表示上述要求。3.4.2主题标引的基本规则当前58页，总共68页。59（2）主题词—主题词组配（主-主组配，也称：概念组配、交叉组配）：指能够确切表达复杂概念构成成分的各个主题词的组配。不是简单字面组配，而是概念组配。如:腿骨折用“腿损伤+骨折”，而不是“腿+骨折”。组配所选词必须是欲表达概念的最邻近的上位概念。如：胃溃疡出血不能组配“胃溃疡+出血”，而应是“胃溃疡+消化性溃疡出血”，因为“消化性溃疡出血”才是最邻近“胃溃疡出血”的词。3.4.2