信息检索与利用第2讲章计算机检索技术

信息检索技术根底信息检索与利用1主要内容2.1信息检索言语2.2信息检索技术2.3检索效果评价2.4检索词确实定2.5信息检索战略及战略式2.6信息检索步骤2.7科技查新2检索言语：在信息的存储和检索过程中，为使信息在用户和系统间有效传送，各种检索工具运用专门的言语体系来描画信息的内部特征和外部特征，同时要求用户依此构造检索提问式来进展信息检索，这种专门的言语体系成为检索言语。2.1信息检索言语3检索言语描画文献内容特征分类言语主题言语描画文献外表特征题名〔书名、刊名、篇名〕著者出版事项代码/序号关键词言语叙词言语标题词言语2.1信息检索言语单元词言语4主题言语〔内容特征〕按照主题性质的不同可分为：标题词单元词叙词关键词2.1信息检索言语5标题词言语：是表征文献内容特征的、经过规范化处置的名词术语〔包括词和短语〕。例如：飞机：plane、airplane、aeroplaneaircraft用aircraft来表示一切“飞机〞概念,以此作为规范词.运用aircraft一词的检索结果将包括全部有飞机概念的文献.单元词：指从信息内容中抽出的最根本的词汇。关键词言语：关键词是从文题、文摘或正文中抽出，具有本质意义，可以代表文献内容主题的名词术语。关键词可直接用于文献标引。2.1信息检索言语6叙词言语叙词：指从信息的内容中抽出的、能概括表达信息内容根本概念的名词或术语，它是经规范化处置的自然言语词汇。叙词受叙词表控制，有组配功能。通常运用的叙词表有：国内<汉语主题词表>,英国<科学文摘>运用的<INSPECThesaurus>，美国<工程索引>运用的<EiThesaurus>等。运输飞机设计运输飞机设计运输飞机飞机设计7EI〔Thesaurus〕8作用检索词用来组织信息〔信息任务者〕对文献信息内容进展标引；对内容一样或相关的信息加以集中或提示其相关性；对信息进展系统化、有序化；检索词用于检索〔检索用户〕进展主题检索进展分类检索进展外表特征检索检索词是信息资源组织与检索者检索提问的桥梁，在数据库中，对应为检索点、检索入口2.1信息检索言语9对文献信息内容进展标引特征1特征2特征3特征4特征5特征n10字段名数据库中文献的记录方式112.2.1布尔逻辑2.2.2截词检索2.2.3限制检索2.2.4位置逻辑2.2.5检索战略式2.2信息检索技术12在进展信息检索时，检索项之间概念有相交关系、同义关系或相关关系，这时采用布尔逻辑进展检索项之间的逻辑组配。用“与〞〔AND〕、“或〞〔OR〕、“非〞〔NOT〕来表达。2.2.1布尔逻辑检索13布尔逻辑检索：在进展信息检索时，检索项之间概念有相交关系、同义关系或相关关系，这时采用布尔逻辑进展检索项之间的逻辑组配。布尔逻辑算符有三种：逻辑与、逻辑或、逻辑非用“与〞〔AND〕、“或〞〔OR〕、“非〞〔NOT〕来表达。2.2.1布尔逻辑14逻辑“与〞在计算机信息检索时,“与〞用于表示概念的交叉、限定关系逻辑符号：and、﹡、还可用空格表示表达方式：AandB、A*B、或AB具有减少检索范围和提高专指性的功能。例:computerandcontrol(SCI)computer*control(Dialog)computercontrol(Google)AB15逻辑或逻辑“或〞算符，用来表示概念的并列、平行、等同关系代表符号：“or〞、“＋〞表达方式：AORB或A+B具有扩展检索范围，减少漏检的功能。例：AIRPLANEORAIRCRAFT(Google)或AIRPLANE+AIRCRAFTAB16逻辑“非〞算符,是具有概念包含关系的一种组配,可以从原检索范围中排除某一内容。表达方式：AnotB、A-B具有减少命中范围，提高查准率，加强检索的专指性，减少输出量的作用。

例：Energynotnuclear逻辑非AB17布尔逻辑检索技术逻辑或(OR)：扩展检索范围，有利于提高查全率。逻辑与(AND)：减少检索范围，有利于提高查准率。逻辑非(NOT)：减少检索范围，有利于提高查准率。ABAB逻辑与A*B逻辑或A+B逻辑非A-BAB18运用“布尔算符〞的本卷须知：布尔逻辑运算符运算顺序为：not→and→or运算符遵照数学运算法那么;(a)括号优先；(AorB)andCnotD(b)在检索式中只需and或or前后的检索标识可以交换；(c)检索式中有not时前后检索词不能交换。

备注:()必需在半角和英文形状下输入

2.2.1布尔逻辑19布尔逻辑检索表达式的特点布尔检索表达式式目前信息检索系统中运用最多的一种方法。优点：表现直观明晰，方便扩检和缩检。易于计算机实现。缺陷：没有反映文献内容〔或信息需求〕所涉及的多个概念的相对重要性。没有反响概念之间的内在语义关系。20写出以下图的布尔逻辑检索式21截词(truncation):是指检索者将检索词在以为比较适宜的地方截断，也称模糊检索，又称词干检索法截词检索，用截断的词的一个部分进展的检索即利用检索词的词干加上截词符号去数据库中进展检索。(模糊检索)截词符号:普通为“?〞或“*〞。各种检索系统有不同规定，没有一致规范。截词符具有“OR〞运算符的功能，可以扩展检索范围，而且减少了输入检索词的时间，节约了机时。2.2.2截词检索22截词的分类按位置分类：前截词中间截词后截词按取代数量分：有限截词无限截词

23后截词，也称前方一致。它是将截词符放在一串字符的后面，用以表示以一样字符串开头，而结尾不同的一切词。词尾的有限截断一样字符串后能够变化一个字符时，那么在其后运用一个“?〞，常用来表示检索词的单复数变化。例如用system?可以查出sytem和systems的文献。一样字符串后能够变化两个以上字符时，那么在其后延续运用假设干个“?〞替代能够变化的字符。例如，??表示两个字符，???表示三个字符，以此类推如表示九十年代；199？如表示20世纪：19？？后截词24词尾的无限截断一样字符串后能够变化任何字符串时，那么在其后运用一个“?〞或“*〞。这种方法可以查找出含有一样字符串的一切检索词。例如，comput*可查出compute，computer，computing，computation，computerisation等如physic*可检出：physical，physic，physicalismphysician，physicists，physicochenistry,physics等.即相当于为上述各检索词的逻辑OR运算后截词25中间截词：可变化的字符出如今单词的中间位置。例如：“woman〞和“women〞，可用“wom?n〞替代；“defence〞和“defense〞可用“defen?e〞替代。查找英美不同拼法最有效中间截词26前截断：将截词符号放在一个字符串的左方是后方一致的检索。例如：*physics可检physics、astrophysics、biophysics……..*Chem*可检chemical，electrochemic，chemistry，thermochemistry……..很少运用前截断27*——EiVillage，WebofScience，Elsevier，EBSCOJane‘s航空数据库？——PQDD，INSPEC，Dialog截词28限制检索是限定检索词出如今数据库记录中某一字段范围的一种检索技术。检索时，系统只对指定字段进展匹配运算，提高了效率和查准率。根本检索字段标题、文摘、叙词、自在标引词Title、abstract、descriptor、identifier辅助检索字段作者、刊名、语种、年代、专利号等author、journal、language、publicationyear、patentnumber2.2.3限制检索29字段检索常用代码30目前各个检索系统所设立的字段是各不一样的，即同一字段，也能够采用不同的字段代码表示。如题名字段Ei中，用highwaytransport*withinTI来表示；OCLCFirstsearch中，用TI:highwaytransport*来表示。在进展字段检索时，应先看一下该数据库的运用指南。例:EiCPXWeb网络版数据库主要字段的字段代码如下：CVEi叙词表受控语TI题名AB文摘AU著者姓AF著者机构称号ST延续出版物称号PN出版时间留意31例：检索2005年以后在<情报学报>上发表的有关信息价值计算方法的文献限定范围：2005以后;<情报学报>检索词：信息价值、计算时间上的限定，有“＝〞、“＞〞、“＜〞、“＞=〞、“＜=〞。例如：PY＞=2004表示检索2004年以来〔包括2004〕发表的文献。检索式:(年>=2005)*(刊名=情报学报)*(主题=信息价值*计算)323334Searchwithinaspecificfieldusing"wn"{testbed}wnALLAND{atmnetworks}wnTI

(windowwnTIANDsapphirewnTI)ORSakamoto,K*wnAU

35利用位置算符来表示检索词之间的位置关系，以实现位置逻辑检索功能。特征这是一种可以不依赖主题词表而直接运用自在词进展检索的技术方法。可表达复合内容属于提高专指度的方法引入位置算符的目的是添加检索式的灵敏性，表达复杂专深的概念，从而提高检索的专指度，弥补布尔逻辑算符难以表达某些复杂提问的缺乏。2.2.4位置逻辑36分类：记录级检索:要求检索词在同一记录中有L字段级检索:要求检索词在同一字段中,有F子字段或自然句级检索:要求检索词出如今同一子字段或同一自然句中,有S,词位置检索:要求词之间相互位置满足某些条件,有 W,NW,N.nN等2.2.4位置逻辑37(W)表示该算符两侧的检索词相邻，且两者之间只允许只需一个空格或标点符号，不允许有任何字母或词，顺序不能颠倒。(W)也可以简写为()。例如:Aircraft()design可检索出含有Aircraftdesign的文献记录。Computer()aided()design可检索出含有Computeraideddesign的文献记录〔Dialog为例〕〔1〕(W)—With38(nW)表示在此算符两侧的检索词之间最多允许间隔n个词(实词或虚词)，且两者的相对位置不能颠倒。例如：laser(1w)printer可检出含有laserprinter和lasercolorprinter的文献记录Computer(1w)animation可检出Computerassistedanimation〔Dialog为例〕〔2〕(nW)—nWords〔W〕，〔1W〕，〔nW〕39Wn如：W8——EBSCO例：taxW8reformADJ——Elsevier两词按指定顺序陈列,相当于短语例：remoteADJeducationPRE/n——PQDD例：militaryPRE/1weapons常见的另外的表达方式40(N)表示该算符两侧的检索词相邻，但两者的相对位置可以颠倒。例如：computer(N)network可检出含有computernetwork、networkcomputer方式的文献记录。例ECONOMI*(1NEAR)RECOVER*可包含多重组合和含义〔Dialog为例〕(3)(N)—Near41(nN)表示此算符两侧的检索词之间允许间隔最多n个词，且两者的顺序可以颠倒。例如computer(2N)system可检出含有computersystem，computercodesystem，computeraideddesignsystem，systemusingmoderncomputer等方式的文献记录。(4)(nN)—nNear〔N〕，〔1N〕，〔nN〕42Nn例：taxN5reform(EBSCO)

NEAR[N]例:remoteNEAR[5]ducation(Elsevier)W/n例：intelligentW/10buildingsPQDD常见的另外的表达方式43邻接符号F(field),表示其两侧的检索词必需是在文献记录的同一字段中，而它们在该字段中的相对次序不限。检索式为A〔F〕B。例如：computer(F)control，只需这两个词在一个字段同时出现就算命中。例如：water()pollution(F)control表示在同一个字段中(如篇名、文摘、叙词等)同时含有waterpollution和control的文献记录均可检索出来。〔5〕(F)—Field44邻接符号S(sentence),表示其两侧的检索词必需是在文献记录的同一子字段中，用〔S〕衔接的两个词都出如今同一个子字段中词序不限。检索式为A〔S〕B，(S)在文摘字段中，一个句子就是一个子字段,用句号或豆号终了。例如computer()control(s)system可检出文摘中含有“Thispaperisconcernedwithanapplicationofthecomputercontroltechniqueinaintelligentsystemfortestinginnerwallsofpipes.〞这样一句话的文献记录。(6)S-sentence452.2.4位置逻辑检索准确度排序〔W〕〔nW〕〔N〕〔nN〕〔S〕〔F〕高低46L表示所衔接的两个词之间有一定丛属关系，后者修饰、限定前者，两者为主从关系。如主题表中的主题词和副主题就具有丛属关系。在EI，MEDLINE中运用如：SOLAR〔L〕ENERGY系统会自动到叙词字段查找和太阳能相关的文献。(7)L-link47检索执行的优先顺序括号中的检索词高W,N,或L,F,NOTANDOR低48信息检索效果是评价一个信息检索系统性能优劣的质量规范，它一直贯穿信息存储和检索的全过程。衡量信息检索效率的目的：查全率、查准率、漏检率、误检率。理想的检索效果是查全率和查准率同时到达100%。但现实上很难到达全部检出和全部检准的要求，而只能到达某个百分比。2.3检索效果评价49查全率：检索结果中相关记录数与数据库中总的相关记录数的比值即检出文献中符合需求的文献数量占数据库中存在的符合该需求的一切文献的比例。查全率高阐明有用的东西都被他检中了，但对于数量宏大的数据库而言，要到达100%的查全率是不能够的，在网络条件下尤其如此。查全率=检索出相关文献总数系统中的相关文献总数X100%2.3检索效果评价50查准率：检索结果中相关记录数与检索结果总数的比值查全率和查准率之间存在近似于互逆关系在查全与查准两个方面普通难以两全，为了获得很多有用的东西〔到达高的查全率〕，需求较少的限制检索条件，但这样检出的无用的东西就会很多〔查准率不高〕，反之亦然。在计算机检索中，普通以为查准率为60—70％、查全率为40—60％是较为理想的。查准率=检索出相关文献总数检出文献总数X100%2.3检索效果评价51

扩检方法：1)准确把握检索对象及目的,选择适宜的数据库。2)降低检索词或分类号的专指度,可选上位词和相关词参与其中。3)调整检索式的网罗度，删除不重要的概念面。4)更多地采用学科分类途径来扩展检索范围。5)减少逻辑“与〞及逻辑“非〞的运用。6)添加逻辑“或〞及截词检索技术的运用。7)采用“全文检索〞。8)不限定检索对象的文献类型、时间段、文种等。提高查全率的主要方法52

缩检方法1)准确把握检索对象及目的,选择适宜的数据库。2)提高检索词或分类号的专指度。3)更多地采用公用名词及特性检索的途径。4)选择逻辑“与〞及逻辑“非〞的运用。5)减少或不采用逻辑“或〞及截词检索技术的运用。6)限定检索词出现的字段及在段落、文句中的位置。7)不选“全文检索〞.8)限定检索对象的文献类型、时间段、文种及其它特征。提高查准率的主要方法532.4检索词确实定必需明确所需信息涉及的主题范畴选择适宜的主题词留意关键词与标题词、叙词的区别留意关键词中的同义词、近义词的选择留意用数据库自带的词表选择适宜的检索词留意检索词的上下位概念词的选择留意选择已输入的检索词的相关复合检索词留意有些数据库有禁用词：the、about、on等等54专业技术词典词表利用数据库自带的词表利用搜索引擎选择2.4检索词确实定55利用搜索引擎选择检索词搜索引擎是关键字、词、词组、复合词组的检索搜索引擎能检索各种言语的信息，特别是中英文检索可以利用搜索引擎对已检索的内容进展字词的选择，特别是英文词的选择当有些数据库〔SCI、ScienceDirect〕没有检索词表可以选择，搜索引擎对词的选择将是主要可参考的途径2.4检索词确实定56课题：大型船舶运输平安的风险评价方法与决策技术检索前对课题检索词分析：船舶运输、船舶maritimetransportation,Vessel,ship,boat危险可操作性分析、危险与可操作性分析HazardandOperabilityAnalysis,HAZOP评价、评价Evaluate,evaluation,assess,assessment,assessing,appraisal,estimate平安评价、风险评价SafetyAssessment,safetyevaluation,RiskAssessment、hazardassessment,exposurerating、……利用搜索引擎选择检索词57用搜索引擎查看可以利用的检索词，发现除了“船舶运输〞外，还可以用“海上运输〞。而英文词方面，有maritimetransport、maritimetransportation两种利用搜索引擎选择检索词58此处检索所得词是：危险与可操作性分析结论：前后两次检索阐明“危险与可操作性分析〞、“危险可操作性分析〞都可以是检索的对象59利用数据库功能选择检索词利用数据库查看这些词的可靠性〔能否常用、规范，有无其他用法〕利用CNKI数据库查看所选词的其他相关词并利用利用维普数据库查看同义词利用外文数据库功能查看、选择检索词〔CSA、EI、Ebsco〕60中国学术期刊网616263利用维普数据库的同义词库，可以查询出有关检索词的同义、近义词。在检索中，这些同义词与近义词都要用来检索，才不至于“漏检〞由于清华同方、万方数据库中没有同义词查看功能，因此要充分利用维普数据库这一功能，将查看到的词用于其他数据库检索中。6465666768在EI数据库的“受控词汇〞索引中，选择适宜的、规范化的检索词。运用时，只需在上方对话框中输入本身的检索词，查对一下数据库适宜的、受控的检索词。用“受控词汇〞检索，更能检索到符合内容的信息69词表最适宜的检索词查看词表词序阅读相关性检索词的查看702.5检索战略及检索战略式检索战略式：它将各种检索点用逻辑算符、位置算符、截词符等组配符衔接起来，构成完好的检索概念和检索顺序。检索战略，即在分析检索课题内容本质根底上，选择检索系统、检索途径、确定检索词及其相互间的逻辑关系等的信息检索方案。关键：构造可以确切表达信息需求的检索式。71课题1:查找有关面包添加剂方面的文献资料可有两种检索途径分类途径：分类号主题途径：主题词检索字段及检索标识：分类号字段：TS202.3(食品添加剂)、TS213.21(面包类)题名、文摘、关键词字段：面包、添加剂72分类检索表达式：分类号:(TS202.3*TS213.21)主题检索表达式：题名:(面包*添加剂)题名或关键词:(面包*添加剂)分类、主题组配检索表达式：分类号:(TS202.3)*题名:(面包)分类号:(TS202.3)+主题:(添加剂))*题名:(面包)主题：中国知网数据库中的一个组合字段，表示在题名、关键词和文摘三个字段中进展检索73课题2：“论企业消费线的优化〞企业*消费线*优化〔企业+工厂〕*〔消费线+流水线〕*〔优化+计算机控制+在线控制+智能控制〕741〕选词切分、删除例：神经网络在旋转机械缺点诊断中的运用研讨切分：神经网络、在、旋转机械、缺点诊断、中、的、运用、研讨删除：在中的运用研讨最终：神经网络、旋转机械、缺点诊断交换将表达不明晰、概念不明确的词交换掉如：酸洗费液的处置处置：“回收〞、“再生〞提取概念例如：公司劳动奖励、职工培训和养老保险制度管理的实际和实际"公司"，"劳动奖励"，"职工培训"，"养老保险"，"制度"，"管理“劳动力资源管理：劳动奖励、职工培训和养老保险最终：“劳动力资源〞，“管理〞2.5检索战略式752〕扩展补充进展同义词、近义词、上位词、相关词等的扩展中英文同义、近义词上位词、相关词-神经网络：上位词：人工智能-缺点诊断：相关词：缺点定位、缺点检测上位词：容错技术2.5检索战略式762〕扩展补充截词方法当某些检索词词干一样、词义相近，但词尾或词中间有变化时(多数英语单词的单复数变化和英美不同拼写方式)，可以采用截词方法扩展检索词。在词干后运用截词符。2.5检索战略式773〕组合把检索词用组配符衔接起来，组合成检索式例：神经网络在旋转机械缺点诊断中的运用研讨〔神经网络or人工智能〕and〔旋转机械〕and(缺点诊断or缺点定位or缺点检测or容错技术〕2.5检索战略式78制定检索式时要留意：主要检索词放在最前面，并且限制在根本索引字段里。正确运用各种算符。检索式应简单不复杂。2.5检索战略式79例：亚音速飞机在飞行控制方面的研讨检索词：亚音速、飞机、飞行控制检索式：摘要＝〔亚音速*飞机+亚音速飞机〕*飞行控制外文检索词：subsonicvelocity；aircraft(s)、airplane(s)；subsonicaircraft(s)；flightcontrol检索式：AB=((subsonic()velocity)*(aircraft??+airplane??)+(subsonic()aircraft??))*(flight()control)2.5检索战略式80总结：提高查准率从以下几个方面着手检索结果多时采用“AND〞减少检索范围检索下位词时不运用上位词运用“NOT〞将不需求的检索标识排除将“AND〞改为更准确的狭隘的位置符运用限定符限定检索标识所在字段81练习1写出以下课题的中文检索式：2005年后在<信号处置>上发表的有关雷达抗干扰检测方面的文献2描画以下检索式的含义：任务单位=〔南京航空航天大学OR北京航空航天大学〕AND关键词=〔无人机OR无人驾驶飞机〕82练习1写出以下课题的中文检索式：2005年后在<信号处置>上发表的有关雷达抗干扰检测方面的文献摘要=(雷达AND抗干扰)AND刊名=信号处置AND出版年>=2005

83练习2描画以下检索式的含义：任务单位=〔南京航空航天大学OR北京航空航天大学〕AND关键词=〔无人机OR无人驾驶飞机〕含义：南京航空航天大学和北京航空航天大学发表的有关无人机研讨的文献84分析课题选择检索系统确定检索途径确