第三章信息检索系统
合集下载
第三章 信息检索基本知识
信息论的奠基人 申农在《通信的数学 理论》中把信息定义 为：“信息是用来消 除不确定的东西。”
控制论创始人
维纳在《信息控制论》 一书中指出：“信息是 人与外界相互作用过程 中相互交换的内容和名 称。”
―信息”的定义之所以呈现多样化，主要有三方 面的原因 ： 第一，信息本身的复杂性。它是一个多元化、 多层次、多功能的综合物； 第二，信息科学是一门新兴学科，是一门“大” 学科，它有许多分支学科，它的内涵与外延 不很确切，而且随着社会、经济和科学技术 的发展处于不断发展之中； 第三，人们出于不同的研究目的或使用目的， 从不同的角度或层次出发，对“信息”必然 作出不同的理解与解释。
4.从信息观的角度理解，知识是人类通过信息 对自然界、生物界、人类社会运动规律的认识 和概括，是一种特定的人类信息，它是对信息 进行提炼、深化、抽象化、系统化的结果，是 信息中最有价值的部分。知识是信息的一部分。 知识必须要有充分、可靠的经验性证据， 并且要经过理性的合理加工。
（二）知识的特性 1.实践性 社会实践是一切知识产生的基础和检验知 识的标准,科学知识对实践有重大指导作用。 2.规律性 人们对事物的认识是一个无限的过程，人 们获得的知识在一定层面上揭示了事物及运动 过程的规律性。 3.渗透性 随着知识门类增多，各种知识可以相互渗透， 形成许多新的知识门类，形成科学知识的网状 结构体系。
四、文献 （一）文献的定义 1.国际标准化组织《文献情报术语国际标准》： 文献是存储、检索、利用或传递记录信息的过 程中，可作为一个单元处理的、在载体内、载 体上或依附载体而存储有信息或数据的载体。 2.国家标准《文献著录总则》：文献是记录有知 识的一切载体。 北大教授王子舟《图书馆学是什么》：是指专门 记录、传播有知识的一切载体。 南大教授沈固朝《信息检索（多媒体）教程》： 记录有人类精神信息的、且便于存贮或传递的 人工固态附载物
第三章 信息检索的基本知识
1、逻辑“或”（和） 、逻辑“
————————————————— A
B
用符号“ 或 表示， 用符号“or”或“+”表示，其逻辑表达式为： 表示 其逻辑表达式为： A or B 或 A+B 其意义为检索记录中凡含有检索词A或检索词 ， 其意义为检索记录中凡含有检索词 或检索词B， 或检索词 或同时含有检索词A和 的 均为命中文献。 或同时含有检索词 和B的，均为命中文献。
分 析 课 题
检索词： 检索词： ： ：
富营养化（水华）， ），处理 富营养化（水华），处理 治理，修复）， ），湖泊 （治理，修复），湖泊
ቤተ መጻሕፍቲ ባይዱ
， ，
，
检索工具： 检索工具：
1. 2. 3. 4. 5. 6. 7. 8. 中文科技期刊全文数据库（维普） 1989中文科技期刊全文数据库（维普） 1989-现在 中国科技成果数据库（万方） 1986中国科技成果数据库（万方） 1986-现在 中国期刊全文数据库（同方） 1979中国期刊全文数据库（同方） 1979-现在 中国优秀博硕士学位论文全文数据库（同方）1999中国优秀博硕士学位论文全文数据库（同方）1999-现在 中国学位论文文摘数据库（万方） 1989中国学位论文文摘数据库（万方） 1989-现在 中国学术会议论文全文数据库（万方） 1995中国学术会议论文全文数据库（万方） 1995-现在 中国重要会议论文全文数据库（同方） 2000中国重要会议论文全文数据库（同方） 2000-现在 中国重大科技成果数据库（万方） 1990中国重大科技成果数据库（万方） 1990-现在
中图分类法
中图法》 个基本部类， 《中图法》分 5个基本部类，将知识门类分为 哲学” 社会科学” 自然科学” “哲学”、“社会科学”、“自然科学”三大部 马克思主义、列宁主义、 类。马克思主义、列宁主义、毛泽东思想是指导 我们思想的理论基础，作为一个基本部类， 我们思想的理论基础，作为一个基本部类，列于 首位。此外，考虑到图书本身的特点， 首位。此外，考虑到图书本身的特点，对于一些 内容庞杂，类无专属， 内容庞杂，类无专属，无法按某一学科内容性质 分类的图书，概括为“综合性图书” 分类的图书，概括为“综合性图书”，作为一个 基本部类，置于最后。 22个大 基本部类，置于最后。在此基础上扩展为 22个大 类。 标记符号采用拉丁字母与阿拉伯数字相结合的混 合号码制。 合号码制。
第三章图书信息的检索
Company Logo
【期刊论文】王健等.金生宝胶囊治疗22例HIV感
染者的临床研究[J].中国中医基础医学杂志，
2000,6（7）:33-35.
斜体字代表论文的篇名,“[J]”是文献类型标识符， journal代表期刊论文。该论文发表在《中国中医基础医学杂志》 上。“2000,6（7）:33-35.”则表明论文所登载的卷期号和页 码，表示为：2000年出版的第6卷第7期第33-35页。
电子图书、电子期刊、学位论文检索
网络信息资源检索（搜索引擎）
前面课程回顾
信息的来源叫做【信息源】。信息源可按 不同的方法 分类描述，比较常见的分类方法
有如下【三种】：
1、按信息的【载体形式】划分（电子文献 等）； 2、按信息【加工的级别】划分（四次文献）； 3、按信息的【发布形式】划分（十大文献信 息源等）
有电子化）。
电子图书还有一部分只有电子版，没有纸本版，
在网上大家可以用搜索引擎找到这样的电子图 书。 电子图书正在逐步发展成为比较主要的数字信 息资源。
图书馆的电子图书资源
书生之家电子图书
超星数字图书馆
方正阿帕比电子教参书
“读秀”学术搜索
什么是读秀？
读秀是由海量全文数据及资料基本信息组成的
【优先算符】
例如:( ,在实际查 询时,真正的关键字是“知识经济”或“信息经济”。 以上四种操作符可互相结合使用,但有一定的执行先后次序,其 【优先顺序】依次为:括号、NOT、AND、OR
知识or信息)and经济
布尔逻辑（语言）检索
布尔逻辑语言的应用，是文献信息检索的一个重要方法。其【运 算符有三种】1.AND（逻辑与），指两个概念的交集；2.OR(逻 辑或)，指两个概念的并集；3.NOT(逻辑非)，指两个交叉概念 中去除交叉的部分。
信息检索 第3章 中文主要信息资源检索系统
轻工 纺织
建筑 建材
环境 《环境科学文摘》
《馆目：环境污染与保护》
《汽车文摘》 《公路运输文摘》 《水陆运输文摘》 《造船文摘》 《中目：船舶工程》 《外目：造船工程》 交通 《中目：公路、水陆运输》 《铁道文摘》 运输 《中目：铁路》 《专利文献通报：汽车 》 《专利文献通报：包装、搬运、储存》 《外目：航空与航天》 《航空发动机文摘》 航天 《馆目：交通运输、航空航天》
WEB版（网上包库）、镜像站版、光盘版、流量计费。
四川农业大学图馆网站简介
◆
点击
各种类型的电子文献资源： 中外文期刊、图书及特种文献
读者查询 点击：
四、中国期刊全文数据库信息检索
1. 登录检索系统
鼠标接触
点击： 外网或本地镜像
CNKI中国知识资源总库
点击
选择单一数据库 或选择多个数据库进行跨 库检索
《电工文摘》 《中目：电力电工、原子能》 水利 《外目：电力》 《中目：水利水电》 电力 《外目：水利水电》 《中文电子科学文摘》 《电子科技文摘》 电子 《中国无线电电子科技文摘》 《计算机应用文摘》 学 《国外电子科学文摘》 《专科文献通报：电子技术》 《馆目：无线电电子学与自动化技术》
计算 《专利文献通报：计算机和信息存储》 机 《计算机应用文摘》 《中国纺织文摘》 《纺织文摘》 《皮革文摘》 《造纸文摘》 《中目：轻工、纺织》 《外目：轻工业》 《外目：粮油食品》 《外目：制糖工业》 《馆目：轻工、纺织》 《专利文献通报：纺织》 《专利文献通报：生活日用》 《专利文献通报：造纸、印刷、装帧》 《建筑机械文摘》 《中目：建筑工程》 《中目：建筑材料》 《外目：建筑材料》 《外目：建筑水利工程》 《馆目：建筑水利工程》 《城市文献通报》
第三章 二次文献信息检索
美国《工程索引》
一、概述
美国《工程索引》（The Engineering Index ,简称 Ei ）是世界 著名的有关工程技术领域的检索工具。由美国工程信息公司（The Engineering Information Inc.）编辑出版，创刊于1884年，至今已
有100多年的历史。《Ei》概括报导工程技术各个领域的文献，还穿
AGRICOLA 引文存取号
HD1.A3
Drainage and tion
1614813（22054832）
题名
Multicriterion decision making in irrigation planning. Raju , K. S . ;
NAL 索取号 作者 页码
Kumar, D. N . Agric. syst. p.117-129.
三、《中国农业文摘》
简介：
1981年创刊，双月刊。由中国农业科学院文献信息中心编辑出版。以文摘
的形式报道我国公开发行的200多种农业及与农业相关的科技期刊上选出的重
要文献。是报道和检索我国农业科技最新成就和发展水平的重要检索工具。
《中国农业文摘》系列刊物
《中国农业文摘——粮食与经济作物》 《中国农业文摘——植物保护》
正文著录格式
①文摘号 ②著者
① ② ④ ⑦ ⑧ ⑤ ⑥
③
姓在前用全称，名在后用首 字母缩写。姓、名之间用 “，”分开。
期 刊 论 文
③英文题目（黑体印刷）
非英文文献其英译题名外加[ ]
④原文题目
若原文为中、日、俄等非 拉丁语系语种，无原文题 目。
⑤文献出处
（刊名（年）卷（期）起止页码）
⑥出版地、出版者 ⑦文种及辅助资料 ⑧摘要
第3章-搜索引擎及网络信息检索
3.2 典型的搜索引擎
• • • • 1. Google 2）Google的搜索语法 Google的基本检索算符是：空格、减号和大写英文“OR”。 逻辑“与”（and）用空格表示。用减号“-”表示逻辑 “非”。注意：这里的“+”和“-”号，是英文字符，而不 是中文字符的“＋”和“－”。此外，操作符与关键字之 间，不能有空格。 • Google不支持通配符，如“*”、“?”等，关键字后面的 “*”或者“?”会被忽略掉。Google对英文字符大小写不 敏感，“GOD”和“god”搜索的结果是一样的。Google的 关键字可以是词组（中间没有空格），也可以是句子，但 是，用句子做关键字，必须加英文引号。
• • • • • le检索题目含有“清华大学”、“研究生”的doc格式的文件，应该 输入___： A. intitle:清华大学 研究生 site: filetype:doc B. ti=清华大学 研究生 site: filetype:doc C. intitle=清华大学* 研究生*site=*filetype=doc D. intitle:(清华大学 研究生) site: filetype:doc 8．同样检索式（例如输入：玉米 提取 乙醇）分别用本章介绍的科技信境外中国古典诗词的网上英文资料。提示：参考和比较下列方法的查 询结果： （1）在Yahoo中选择分类目录Arts & Humanities（艺术与人文科学）〉 Literature（文学），输入关键词classical Chinese Poetry检索。 （2）在Google输入：中国古典诗词的网上英文资料 （3）在Google输入：（中国 古 诗词 英文）or classical.3 搜索引擎的检索技巧
• • • • 3.3.1常规的检索技巧 1．分类查询 2．关键词查询 一般来说，首次检索时不要把条件限制得 过于严格，最好是检索出一些结果后再使 用其
第三章 信息检索教程
22
举例：期刊2
23
期刊著录格式
24
期刊的著录
写出下面期刊文献著录：
25
小节练习1
1. 什么是文献著录？ 2.文献著录的结果是—— 3. 既著录主要项目，还著录全部选择项目的著录级次称为—— 4. 既著录主要项目，还著录部分选择项目的著录级次称为——
26
3.2 机读目录与元数据
3.2.1 机读目录
43
3.2.3 都柏林核心元数据和机读目录的比较
1. 著录的对象不同
DC与 MARC的 3. 著录的主体不同 比较 4. 著录的详简程度不同
5. 标识的方法不同
2. 数据的形式不同
44
小节练习2
1、什么是机读目录，一条CNMARC机读目 录的组成？ 2、头标区数据元素： 00123cbm1#2200277###52## 其中c、b、m、1分别表示什么？ 3、什么是元数据？
12
图书的著录（参考文献著录规则）
13
14
图书著录中的文献类型标志
常用文献类型用单字母标识，具体如下： （1）期刊[J]（journal） （2）专著[M]（monograph） （3）论文集[C]（collected papers） （4）学位论文[D]（dissertation） （5）专利[P]（patent） （6）技术标准[S]（standardization） （7）报纸[N]（newspaper article） （8）科技报告[R]（report）
CNMARC记录
记录头标区
地址目次区
数据字段区
记录分隔符
注：各字段数据元素及其标准详细情况参见教材P83-87
33
ISO-2709的机读目录标准
举例：期刊2
23
期刊著录格式
24
期刊的著录
写出下面期刊文献著录：
25
小节练习1
1. 什么是文献著录？ 2.文献著录的结果是—— 3. 既著录主要项目，还著录全部选择项目的著录级次称为—— 4. 既著录主要项目，还著录部分选择项目的著录级次称为——
26
3.2 机读目录与元数据
3.2.1 机读目录
43
3.2.3 都柏林核心元数据和机读目录的比较
1. 著录的对象不同
DC与 MARC的 3. 著录的主体不同 比较 4. 著录的详简程度不同
5. 标识的方法不同
2. 数据的形式不同
44
小节练习2
1、什么是机读目录，一条CNMARC机读目 录的组成？ 2、头标区数据元素： 00123cbm1#2200277###52## 其中c、b、m、1分别表示什么？ 3、什么是元数据？
12
图书的著录（参考文献著录规则）
13
14
图书著录中的文献类型标志
常用文献类型用单字母标识，具体如下： （1）期刊[J]（journal） （2）专著[M]（monograph） （3）论文集[C]（collected papers） （4）学位论文[D]（dissertation） （5）专利[P]（patent） （6）技术标准[S]（standardization） （7）报纸[N]（newspaper article） （8）科技报告[R]（report）
CNMARC记录
记录头标区
地址目次区
数据字段区
记录分隔符
注：各字段数据元素及其标准详细情况参见教材P83-87
33
ISO-2709的机读目录标准
文献信息检索 第三章
The end
A
B
运算顺序：先算“ 然后是“ 运算顺序：先算“与”和“非”、然后是“或” 混合运算， 电脑) 混合运算， (计算机 OR 电脑) AND 软件 NOT 硬件
二、计算机信息检索技术-6
２.截词检索
前截词（后方一致）。 ：？computer ）。例 computer， ① 前截词（后方一致）。例：？computer， 可检索出computer mirocomputer， computer， 可检索出computer，mirocomputer， 后截词（前方一致）。 ）。例 instruction？ ② 后截词（前方一致）。例：instruction？ 可检索出instruction instructions， instruction， 可检索出instruction，instructions， instructional 中间截词。 wom？ 可检索出woman woman， ③ 中间截词。 例：wom？n，可检索出woman， women。 women。 colo？？？？ ？？？？r 可检索出colour colour， colour， colo？？？？r，可检索出colour，colour， colonizer。 colonizer。 前后截词。 ：？Plane Plane？ ④前后截词。 例：？Plane？ 可检索出 airoplane，planes， “airoplane，planes，plane
４.限制检索 为提高查全率和查准率， 为提高查全率和查准率，需要一些缩小或 约束检索结果的方法， 约束检索结果的方法，称之为限制检索 用这种方法可将检索过程限定在特定的范 或字段）中进行。 围（或字段）中进行。 前缀写法： JN＝，LA＝ TI＝ ＝，LA （1）前缀写法：例：JN＝，LA＝ TI＝ 后缀写法： /DE,/DF—叙词 叙词； （2）后缀写法：例：/DE,/DF 叙词；/ID, /IF—标引词；／TI――题目；／AB――文 标引词；／TI――题目；／AB―― /IF 标引词；／TI――题目；／AB――文 摘。
第三章 文献信息检索基本原理及方法
标题词语言关键词语言单词语言叙词语言检索语言
主题语言 由于不同概念相交就会 形成一个新概念， 形成一个新概念，这个 新概念是组配前各概念的 下位概念。 电子” 下位概念。如：“电子”和 信息”组配产生电子信息。 “信息”组配产生电子信息。 同级词间不同概念并 组配结果，可提高查准率。 组配结果，可提高查准率。 列也会形成一个新概 念，这个新概念是组配 前各概念的上位概念。 前各概念的上位概念。 数字计算机” 如“数字计算机”和“模 拟计算机” 拟计算机”组培后得 到“计算机”这一新的 计算机” 是不同级词间的组配， 是不同级词间的组配，是用 上位概念。组配结果， 上位概念。组配结果， 时间、 时间、空间和学科范围某一 提高查全率。 提高查全率。 方面的属性进行限定的一种 概念关系。 建筑物” 概念关系。如：“建筑物”为 主体事物， 设计” 主体事物，“设计”为某个方 组配结果被限定为“ 面，组配结果被限定为“建 筑物设计”这个新概念， 筑物设计”这个新概念，组配 结果可使检索到的文献专指度 和查全率提高。 和查全率提高。
3.1.1 文献信息检索的基本含义 一、文献信息检索的基本含义
“检索”即“查找”之意。信息检索，是将信息按照一定的方式 检索”即“查找”之意。信息检索 信息检索，是将信息按照一定的方式 组织、存储起来，并针对用户的需要查找所需信息的过程。因此信 息检索包含了信息的存储和检索两个不可分的部分。我们通常所说 的信息检索是指狭义的信息检索，即从检索工具和检索系统中查找 所需信息的过程及其所采取的一系列方法和策略。
手工检索和计算机检索的关系：手检是基础，机检是发展方向。 手工检索和计算机检索的关系：手检是基础，机检是发展方向。
3.1.2 文献信息检索的类型 按检索要求划分： 按检索要求划分： 相关性检索——是系统不直接回答用户所提出的 相关性检索 技术问题本身，而是只提供与之相关的文献供用 户参考。 确定性检索——是以数据或事实为检索对象，系 确定性检索 统要直接问答用户提出的技术问题，即直接提供 用户需要的确切的数据或事实。
第三章 网络信息检索
第三章网络信息检索第一节网络信息检索的基本方法1、布尔逻辑检索逻辑检索是一种比较成熟、较为流行的检索技术。
逻辑检索的基础是逻辑运算，逻辑运算中最常用的是布尔逻辑运算符，主要的运算符有：（1）逻辑―与‖逻辑―与‖用AND（或﹡）表示。
检索词A、B若用逻辑―与‖相连，即A AND B（A*B），则表示同时含有这两个检索词才能被命中。
例如，要检索儿童教育的文献，检索逻辑式可表示为：child AND education（2）逻辑―或‖逻辑―或‖用OR（或+）表示。
检索词A、B若用逻辑―或‖相连，即A OR B（A+B），则表示只要含有其中一个检索词或同时含有这两个检索词的文献都将被命中。
例如，要检索―计算机‖或―机器人‖方面的文献，检索逻辑式可表示为：computer OR robot. （3）逻辑―非‖逻辑―非‖用NOT（AND NOT，BUT NOT）（或-）表示。
检索词A、B若用―非‖相连，即A NOT B（A-B），则表示被检索文献在含有检索词A而不含有检索词B时才能被命中。
例如，要检索有关―能源‖方面的文献，但涉及―核能‖方面的文献不要，检索逻辑式可表示为：energy NOT nuclear（energy –nuclear）。
1、搜索引擎的定义搜索引擎是提供给用户进行关键词、词组或自然语言检索的工具，简言之，搜索引擎就是一种在因特网上查找信息的工具。
用户提出检索要求，搜索引擎代替用户在数据库中进行检索，并将检索结果反馈给用户。
搜索引擎一般都有固定的显示格式，内容详简程度不一，常常带有URL、题名、标题、关键词、摘要(文本描述摘录)、超链接文件大小、检索结果总数、相关度估计、评论等。
搜索引擎的检索结果一般按查询的相关程度进行排列，最相关的通常排在最前面。
2、搜索引擎的常用检索方法（1）简单搜索(simple search)指输入一个单词（关键词），提交搜索引擎检索后反馈结果。
它也叫单词搜索。
第三章中文信息检索系统
63
(4)分类检索
64
点 击
65
66
(5)期刊导航检索
67
三、检索结果处理
显示、标记、下载、打印、电邮、加 入电子书架、我的数据库 全文格式：PDF格式和TXT格式
68
例:关于近十年来国内室内装修污染方面的研究 提炼主要关键词：室内、装修、污染 扩展上述关键词的同义词(近义词)： 室内(住宅、居室、房屋)、装修(装潢) 引申含义：污染（化学污染(甲醛、苯 等化学污染)）
226
227
228
五、博文非书资料管理系统
229
230
231
232
六、软件通-计算机技能视频学习系统
233
234
171
(1)检索界面的进入及快速检索
172
173
174
175
(2)高级检索
176
(3)分类浏览检索
177
178
3.检索结果处理 显示、全文浏览及收藏到我的图书馆 例：检索有关草坪建植方面的图书
179
180
点击浏览下载全文
181
182
183
注意：下载全文之前应先进行用户登录
184
34
36
初级检索中检索
38
40
此种为题录格式的检索结果（列表模式）
41
42
43
44
45
46
47
第二节 维普中文科技期刊全文数据库
一、简介
1.维普信息资源系统简介
维普信息资源系统是由重庆维普 资讯有限公司研究制开发的网络信息 资源。
48
2.维普信息资源系统数据库 《中文科技期刊数据库》（全文版） 《中文科技期刊数据库》（文摘版） 《中文科技期刊数据库》（引文版） 《中国科技经济新闻数据库》 《中国企业及广告产品数据库》
第3章_搜索引擎及网络信息检索
：输入“西南大学”。 优点：信息覆盖面大。 2、按关键词进行精确查询 此类搜索引擎有新浪、搜狐、网易、找到啦、中华
网和常青藤等。
优点：准确性高。
23
3.1.4 主题搜索引擎的关键词语法规则 3、检索式的运算符号
1) 使用逻辑运算算符
第3章 搜索引擎及网络信息检索
3.1 基本知识
3.2 典型的搜索引擎 3.3 搜索引擎的检索技巧 3.4 免费学术资源检索与利用
1
3.1 基本知识
3.1.1 基本概念
3.1.2 搜索引擎的优点和缺点 3.1.3 搜索引擎的类型
2
3.1.1 基本概念 1．搜索引擎
搜索引擎是Internet上的一种网站，它的主要任务
2) 使用位臵算符 3) 使用字段限定
24
3.1.4 主题搜索引擎的关键词语法规则
1) 使用逻辑运算算符 搜索引擎基本上都支持“与”、“或”、“非”、 括号或引号等逻辑运算符号，不同的搜索引擎使用的 逻辑符不完全相同。 • “AND” 在中文搜索引擎都可以用空格代替； • “NOT” 有时可以用减号代替，格式如: “关键词A - 关键词B”，减号前面要有空格。B”。Google直接用 “OR”表示，格式是“关键词A OR 关键词B”。
38
3.4 免费学术资源检索与利用
DOAJ开放获取期刊目录 DOAJ (Directory of Open Access Journals)是由瑞 典隆德大学图书馆 2003 年 5 月推出的开放获取期刊的 检索系统。DOAJ 按期刊的学科主题分为 17 类，包括 Ag riculture and Food Sciences ， Arts and Architect ure ， Biology and Life Sciences ， Business and Economics ， Chemistry ， Earth and Environmental Sciences ， General Works ， Health Sciences ， H istory and Archaeology ， Languages and Literatur es ， Law and Political Science ， Mathematics an d Statistics ， Philosophy and Religion ， Physic s and Astronomy ， Science General ， Social Scie nces ， Technology and Engineering 。 / 39
网和常青藤等。
优点：准确性高。
23
3.1.4 主题搜索引擎的关键词语法规则 3、检索式的运算符号
1) 使用逻辑运算算符
第3章 搜索引擎及网络信息检索
3.1 基本知识
3.2 典型的搜索引擎 3.3 搜索引擎的检索技巧 3.4 免费学术资源检索与利用
1
3.1 基本知识
3.1.1 基本概念
3.1.2 搜索引擎的优点和缺点 3.1.3 搜索引擎的类型
2
3.1.1 基本概念 1．搜索引擎
搜索引擎是Internet上的一种网站，它的主要任务
2) 使用位臵算符 3) 使用字段限定
24
3.1.4 主题搜索引擎的关键词语法规则
1) 使用逻辑运算算符 搜索引擎基本上都支持“与”、“或”、“非”、 括号或引号等逻辑运算符号，不同的搜索引擎使用的 逻辑符不完全相同。 • “AND” 在中文搜索引擎都可以用空格代替； • “NOT” 有时可以用减号代替，格式如: “关键词A - 关键词B”，减号前面要有空格。B”。Google直接用 “OR”表示，格式是“关键词A OR 关键词B”。
38
3.4 免费学术资源检索与利用
DOAJ开放获取期刊目录 DOAJ (Directory of Open Access Journals)是由瑞 典隆德大学图书馆 2003 年 5 月推出的开放获取期刊的 检索系统。DOAJ 按期刊的学科主题分为 17 类，包括 Ag riculture and Food Sciences ， Arts and Architect ure ， Biology and Life Sciences ， Business and Economics ， Chemistry ， Earth and Environmental Sciences ， General Works ， Health Sciences ， H istory and Archaeology ， Languages and Literatur es ， Law and Political Science ， Mathematics an d Statistics ， Philosophy and Religion ， Physic s and Astronomy ， Science General ， Social Scie nces ， Technology and Engineering 。 / 39
信息检索第三章EI
印刷版EI 编排结构与著录
正文：即文摘部分，是EI的主体。由一些文摘 条目组成，并以规范主题词为标目。主题词取 自规范词表。1992年以前使用《工程标题词 表》，1993年起使用《EI叙词表》
印刷版EI （月刊、年刊） 索引
月刊索引：著者索引、主题索引
年刊索引：著者索引、主题索引、 工程出版物索引
附录
EI文摘正文著录格式
叙词
COMPUTER AIDED INSTRUCTION
文…摘…号…
文献篇名
文摘内容
009057 Current situations and future directions of
intelligent CAI research/development . This pa-per
• PL以连续出版物的缩写题名字母为序编排。
• 著录内容包括：连续出版物的缩写题名、连续出 版物的全称、计算机识别代码与ISSN号。 • PL的主要作用：通过EI文摘正文给出的刊名缩 写查找连续出版物（期刊）的全称，从而通过查 找馆藏目录，获取原文。
J Inf Image Manage① Journal of Information and image Management② JIIMDW③
第三章 外文检索工具
常用外文检索工具
美国《工程索引》 英国《科学文摘》 美国《科学引文索引》 美国《科技会议录索引》
3.1 美国《工程索引》EI
1 概述 2 印刷版EI编排结构与著录 3 EI标题词表与叙词表 4 EI检索方法及检索示例
EI 概 述
• 美国《工程索引》 （The Engineering Index），简称EI • 1884年创刊，由美国工程信息公司编辑
第三章信息检索的基本理论
第三章信息检索的基本理论目的要求了解信息检索系统的概念；了解手工信息检索系统的类型；熟悉手工信息检索系统的结构；掌握手工信息检索系统的著录格式和常用的手工信息检索系统的信息检索方法。
掌握计算机信息检索系统的构成和类型；掌握信息检索语言的基本类型；掌握信息检索原理。
第一节信息检索系统一、信息检索系统的概述信息检索系统是指由一定的设备和信息集合构成，具有一定存储、检索与传送技术设备，提供一定的存贮与检索方法及检索服务功能的工作系统。
简单地说，信息检索系统即信息的存贮和检索的系统。
广义：信息检索系统是包括了从信息采集到检索全过程的服务体系。
狭义：信息技术系统就是用户检索信息时所使用的检索工具。
信息检索系统具有输入功能、存贮功能、处理功能、输出功能及控制功能。
根据信息存贮和检索所设备和手段的不同，信息检索系统可分为两大类型，即:手工信息检索系统和计算机信息检索系统。
目前，信息检索系统已从传统的手工检索系统发展到计算机网络信息检索系统。
二、手工信息检索系统1、手工信息检索系统的类型书本式检索工具（期刊式检索工具、单卷式检索工具、附录式检索工具）和卡片式检索工具。
期刊式检索工具：指在一个题名之下，定期连续发行的一种检索工具。
它具有及时性、连续性和稳定性的特点。
例如各种文摘杂志、索引刊物、连续的馆藏目录等。
这种形式的检索工具，及时反映新出版、新发表、新入藏的文献信息，它随着新文献的不断出现而不断连续出版，保持与文献的平行发展关系。
因此科研工作者为了掌握和了解本学科的科研动态，定期查阅期刊式检索工具是一种非常有效的方法。
同时由于期刊式检索工具的连续性的特点，不少期刊式检索工具，每到一定时间累积后，对于回溯检索极为方便。
单卷式检索工具：这种检索工具多数是以一定的专题内容而编印的，选题一般具有独立的意义。
它专业性强，收集的文献比较集中，往往积累反映一个相当长时间的文献，并以特定范围的读者作为对象。
单卷式检索工具收录文献一般比较全面系统，排列组织比较切合专业研究的需要，因此，对于专题文献检索比较方便，使用价值较高。
第三章文献信息检索的基本知识
第三章文献信息检索基本知识随着信息技术的发展，互联网的应用得到广泛普及，信息环境发生了相当大的变化，应用现代化技术手段获取各种信息、知识成为高等院校师生与广大科技工作者的一种必备知识和技能。
为此，首先就必须了解文献信息检索的基本知识。
第一节信息检索的基本原理一、信息检索的概念信息检索（Information Retrieval）全称为“信息存储与检索”（Information Storage and Retrieval），其概念有广义和狭义之分。
广义上认为，信息检索包括文献信息的存储和检索两个方面，即一个完整的信息检索系统由信息存储子系统和信息检索子系统两部分组成。
信息存储子系统：首先对一定数量的信息进行筛选，把能够描述文献信息的外部特征和内部特征进行加工、整理，使之有序化，形成信息特征标识集合，然后将之存储在某种载体上，编制成为检索工具或建立一个数据库。
信息检索子系统：根据信息用户的特定需求，对用户需求进行主题分析，利用一定的检索方法和检索技术，对存储子系统中的特征标识进行比对，把需要的文献线索或知识信息从系统中查找出来的过程，即信息检索。
这就是通常人们所说的信息检索过程，也就是狭义上的信息检索。
信息存储与信息检索是意义不同却又相互联系、相互依存、不可分割的两个过程。
信息存储是为了检索，信息检索又必须先有信息存储。
如果没有存储，检索就无法实现；没有检索，信息存储也就变得没有意义。
所以说存储是检索的前提和基础，检索是存储的目的。
信息检索系统的工作原理如图3-1所示。
图3-1 信息检索系统的工作原理二、 信息检索的类型信息检索可以按不同的划分标准划分为不同的类型。
（一）、 根据检索内容划分根据检索信息内容不同可划分为文献信息检索、事实信息检索和数据信息检索。
1、文献信息检索（document retrieval ）：是以文献（包括目录、索引、文摘等二次文献或全文）为检索对象，查找有关文献的出处和收藏处等信息，都属于文献信息检索范畴。
计算机信息检索
二、原生(born-digital)数字资源
例如：《新物理学杂志》New journal of physics /EJ/njp
电子报纸（electronic newspaper)
将电子技术应用到涉及报刊出版、发行、利用的全过 程 重要电子报纸举例 纽约时报（) 华盛顿邮报(） 泰晤士报（) 人民日报（) 光明日报（) 中国日报（) 8点报（/）
示两个词不可以互换顺序，二者之间可插入0-n个词 如：智能机器人（w/3）控制，可检出“智能机器人 控制”，“智能机器人行为控制”等
N/n(near/n)：两词相邻，N/n表示两个词可以互换
顺序，二者之间可插入n个词 如：智能机器人(n/3)控制，可检出“智能机器人控 制”，“控制算法对智能机器人的影响”等
脱机信息检索 Off-line Retrieval
定义：又称批式检索，是指用户将检索要求送往检索 中心，由专职操作计算机的人员进行检索，再将检索 结果返回给用户的一种检索方式。 优点：①批处理可同时进行多项检索 ②检索费用低 缺点：①缺乏用户与系统的直接交流，检索要求表达 不清，影响检索质量。②时间上的延迟。
联机数据库检索 Online Retrieval
定义：用户利用计算机终端设备，通过通讯线路或网 络，在联机检索中心的数据库中进行检索并获得信息 的过程。 优点：① “人机对话”方式使检索者能随意更改检索 策略，从而达到很高的检全率和检准率。 ② 消除了时间上的延迟。 ③ 保证检索者获得最新、最及时的文献信息 缺点：①检索费用高：如Dialog系统； ②检索技术较为复杂，难以成为普及型的检索 手段。
光盘数据库检索 CD-ROM Searching
类型：单机检索与联机光盘检索。 定义：联机光盘检索指把单用户系统发展成多用户的 局域网系统，通过网络（如校园网）连接多个用户终 端，用服务器管理多组光盘数据库及其检索系统 优点：储量极大，体积微小，要求设备简单，使用方 便、易于操作，检索费用低。 缺点：①更新周期慢、时差长，文献新颖性不够 ②同一时间只能一人使用，资源浪费较大。光 盘网络可以解决这个问题。
第三章_信息检索步骤
在文章的发表过程中，可能存在着“二八定理”。对 该“领军人物”或课题组进行全方位检索，收获将很大。 因此在实际操作过程中我们除用关键词途径检索外，也可 根据自己已找到或导师推荐阅读的某相关文章的作者（研 究机构）进行搜索，通常同一作者（研究机构）研究的方 向都围绕一个中心，先看所著的一篇论文，然后再搜其他 的，得到的很可能就是所研究问题的延续或另外一种解决 办法。
第四步：评价信息
——在对不同信息源进行检索之后，取得的文献信 息数量可能相当庞大，内容也有相互重复甚至冲
突的地方。这就需要有一定的评价方法对信息进
行筛选，找到那些来源可靠，内容相关且详尽的
文献，剔除错误、过时、不相关的信息。
１
信息检索五步走
第五步：分析、利用信息
筛选后的检索结果来源广泛，内容涉及方方面面。如 何有效组织整理，以提炼出一个综合性的信息内容， 完成报告的编撰是这一步骤的主要工作。 此时选用相关的工具将检索结果有效组织，将极大减 少工作量。同时进一步通过阅读确定：哪些信息是切 合需要的？哪些信息表述内容之间存在冲突，需要进 一步考察？并依据相关规范正确引用文献资源，最终 形成文字性的研究成果。
信息获取的思路
如果需要查找中文文献则更为方便 中国知网、维普、万方都提供文摘检 索，收录量都比较大，为稳妥起见有条件 的也要每个库都检索一遍
３
信息获取的思路
对于没有条件检索以上文摘库的读者，一 个比较好的办法是在Google Scholar里查， 有线索了再去查全文 也可根据自己课题学科选择相应的几个全 文数据库进行检索
３
需要一 般性、数 据库无法 获取全文
网页
数据库
印刷型资源
但无论选择哪种方式 都是首先获取题录信息，然后获取全文这样一个过程
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
D2 {(comput, 0.1), (network, 0.5), …}
Inverted file:
comput {(D1,0.2), (D2,0.1), …} Inverted file is used during retrieval for higher efficiency.
19
（4）术语数据库：这是一种专门存储 名词术语信息、词语信息以及术语工 作和语言规范工作成果的源数据库， 如名词术语信息库、各种电子化辞书 等。
（5）图像数据库：这是一种用来存储 各种图像或图形信息及有关文字说明 资料的源数据库，主要应用于建筑、 设计、广告、产品、图片或照片等资 料类型的计算机存储与检索。
1信息检索系统的类型 2信息检索系统的构成 3标引处理 4 数据库的文档结构 5倒排文档的检索技术
3.1信息检索系统及其类型
3.1.1信息检索系统的概念
（1）定义：具有信息存储和信息查询功能的一 类信息服务设施或者工具
（2）构成要素： 明确的目标 信息资源 技术装备 方法与措施 功能
重要程度的一种方法，最早有卢恩提出。基本原理 给定一个由N篇文档组成的文档集合，计算出每篇文档中
每个不同的词的出现次数。 把每个不同的词在N篇文档的出现次数相加，得到词K的集
合频率。 按集合频率递减顺序排列这些词，并确定高频词和低频词
的阈值。挑选剩下的中频词作为标引词，并按照他们在相 应文档的出现频次确定权重。 缺点是什么？
（6）物理记录：硬件设备上一个基本存储单 位，块，block。
（2）文档的类型
若干个逻辑记录构成的信息集合称为文档 (file)。
文档是书目数据库和文献检索系统中数据组织 的基本形式。
（2）文档的类型
顺序文档 顺序文档(sequential file)是文档在计算机存储
df = document frequency
no. of documents containing the term distribution of the term
idf = inverse document frequency
the unevenness of term distribution in the corpus the specificity of term to a document The more the term is distributed evenly, the less it is specific to a document
What is the best representation of contents?
Char. string (char bigrams): not precise enough Word: good coverage, not precise Phrase: poor coverage, more precise Concept: poor coverage, precise
信息检索系统的逻辑构成
（3）建库子系统。该功能模块的任务是建立和维 护可直接用于计算机检索的数据库。主要工作包括 数据录入、错误检查与处理、数据格式转换、生成 和更新各种文档、建立各种索引数据库等。 （4）词表管理子系统。该功能模块的任务是建立 和管理维护系统中的主题词表和分类表，并使它们 和标引、建库等子系统相连接，支持用户的各种词 汇查询操作。该系统可以独立存在，也可以和建库 子系统中的词典文档合并在一起。
Document indexing
Goal = identify the important meanings and create an internal representation
Factors to consider:
Accuracy to represent meanings (semantics) Exhaustiveness (cover all the contents) Facility for computer to manipulate
Keyword selection and weighting
How to select important keywords?
Simple method: using middle-frequency words
Frequency/Informativity
frequency
informativity
3.4数据库的建立和维护
3.4.1数据库的类型
参考数据库 源数据库
参考数据库(Reference databases)
是指引用户到另一信息源以获得原文或其 他细节的一类数据库。它包括
书目数据库（Bibliographic databases） 指南数据库(Referral database或
源数据库（Source databases）
是指能直接提供原始资料或具体数据的数据库，用户 不必再查阅其他信息源。它可以分为： （1）数值数据库：这是一种专门提供以数值方式 表示的数据的源数据库，如统计数据库、财务数据库 等。 （2）文本-数值数据库：这是一种能同时提供文 本信息和数值数据的源数据库，如企业信息数据库、 产品数据库等。 （3）全文数据库：这是一种存储文献全文of indexing
Each document is represented by a set of weighted keywords (terms):
D1 {(t1, w1), (t2,w2), …}
e.g.
D1 {(comput, 0.2), (architect, 0.3), …}
３.1.2信息检索系统的类型
(1)按设备划分 书本式检索系统 卡片式检索系统 穿孔卡片检索系统 缩微胶卷检索系统 计算机检索系统 光盘检索系统 多媒体检索系统
３.1.2信息检索系统的类型
（2）按照功能划分 文献检索系统：狭义的信息检索系统 数据库管理系统：面向结构化数据 自动问答系统：自然语言处理、事实检索 管理信息系统：面向管理人员 决策支持系统：数据分析
nk the number of documentsin C that contain Tk
idfk
log
N nk
3.3标引处理
3.3.4中文自动标引
中文和西文（英文）的不同 中文标引关注词语切分，对于词语加权关
注较少。 词语切分方法 （1）词典切分法 （2）单汉字法
3.3标引处理
3.3.1基本概念
标引：indexing,对信息资源的各种检索 特征进行分析并使之显性化。
标引深度：衡量标引详尽性，标引词对每 条记录各方面内容表达和识别的详尽程度
标引专指度：衡量标引词对记录特定内容 描述的精细程度。
标引方式：人工标引和自动标引 抽词标引和赋词标引
3.2 信息检索系统的构成
3.2.1 计算机检索系统的物理结构
计算机检索系统由计算机硬件、软件、数据库和通讯网络构成。
（1）硬件：是包括具有一定性能的主计算 机、外围设备以及与数据处理或数据传送 有关的其他设备。
（2）软件：由系统维护软件与检索软件构 成。检索效果。
（3）数据库：在计算机存储设备上按一定 方式存储的相互关联的数据集合。
8
信息检索系统的逻辑构成
（5）用户接口子系统。它的全称为“系统-用
户接口”（system-user interface），简称 用户接口。它的任务是承担用户与系统之间的 通信功能，通常由用户模型、信息显示、命令 语言和反馈机制等部分构成。
（6）提问处理子系统。该功能模块的任务是负 责处理用户输入的提问式，并将它们与数据库 存储的数据进行比较运算，然后将运算结果输 入给用户。该模块主要由检索程序构成，包括： 接收提问、提问校验、提问加工和检索。
子字段(subfield)是字段的下一级数据单位。在有些 字段中，它们的值往往由多个子项构成。例如，作者 字段可能含有多个作者，出版字段含有出版者、出版 地和出版年，主题词字段含有若干个主题词。
（4）文档：若干个逻辑纪录构成的信息集合。
（5）逻辑记录：某些逻辑上相关联的数据组 织在一起的数据集合称为逻辑记录。
Directory database)两种
参考数据库
（1）书目数据库是指存储某个领域的二次 文献（如文摘、题录、目录等书目数据）的 一类数据库，如中国机械工程文摘数据库， 属于此类型数据库。
（2）指南数据库也称指示性数据库，是指 存储关于某些机构、人物、出版物、项目、 程序、活动等对象的简要描述，指引用户从 其他有关信息源获取更详细的信息的一类数 据库。如产品目录、机构名录、研发项目、 基金项目等数据库均属于此类型。
2020/3/3
5
3.2 信息检索系统的构成
3.2.2检索系统的逻辑结构
信息源选择与采集子系统 标引子系统
词表管理 子系统
提问处理子系统 用户接口子系统
建库子系统
2020/3/3
6
信息检索系统的逻辑构成
（1）信息源选择与采集子系统。该功能模块的任务主要 是根据系统需要，采取人工或者计算机自动方式，从众 多信息源中选择和采集符合需要的信息资源。在有些计 算机检索系统中，此部分还承担转换数据格式的任务。 （2）标引子系统。该功能模块的任务主要是对收集的信 息资源进行内外部特征分析，并借助词表系统，对每条 数据进行标引。目前，主题标引和分类标引主要是靠人 工标引，而抽词标引主要是由计算机完成。
Max.
Min. 123…
Rank
14
3.3标引处理
3.3.3自动标引中的词语加权方案
（2）逆文档频率法 英文Inverse Document Frequency,基于以下假设：