第1讲信息检索概述

合集下载

第一讲信息检索 PPT课件

第一节信息知识情报文献
2.知识知识是人类认识的成果或结晶，是系
统化信息的集合. 知识的属性:
意识性信息性实践性规律性继承性渗透性
第一节信息知识情报文献
3.文献知识借助于一定的语言形式或物化为某
种劳动产品的形式，就成为可以交流的文献。文献的三要素:知识、载体、纪录方式。文献的属性：知识信息性、客观物质性、人工纪录性、动态发展性等。文字形式的文献变成数据形式即称之为电子文献。
信息的重要性（二）
从知识层面上理解
知识经济建立在知识材料、消耗不可不可利用与创新的基础上，能源性共享再生知识创新需要大量的
信息做原料。
信息与材料、能源被称为当今社会的三大资源
信息
非消耗性
可共享
可再生
二、信息意识和信息素质
信息意识：是人们对各种信息的自觉心理反应。
第一节信息知识情报文献
4.情报在英汉词典中,“information”可译
为“信息”,也可译为“情报”. 情报:人们在一定的时间内为了一定
的目的而传递的有使用价值的知识. 情报的属性：知识性、传递性、效用性。情报交流：直接交流和间接交流
第一节信息知识情报文献
信息的重要性从情报的层面上理解 1.信息决定战争的胜负 2.信息决定企业的兴衰 3.信息是领导决策的依据。
二、文献的出版类型
按出版类型文献划分以下十大类：
（1）图书（2）期刊（3）会议文献（4）科技报告（5）专利文献（6）学位论文（7）标准文献（8）政府出版物（9）产品资料（10）技术档案
二、文献的出版类型
1.科技图书（Sci-Tech book）阅读类:科普读物、专著、文集等工具类:百科全书、年鉴、手册、词典等。

第1章信息及信息检索概述

1.2 信息素养与创新能力
1.2.1 信息素养的内涵
第
信息及信息检索概述
一章
4. 信息道德信息道德是指个人在信息活动中的道德情操及行为规范。包括学习了解信息与信息技术相关的法律、道德伦理、经济法规，摘取利用信息资源时能够合法、合情、合理地使用信息，并遵守一些约定俗成的规则等。总之信息道德是对信息创造者、信息服务机构和信息用户之间相互关系的行为规范进行约束之准则。
第
信息及信息检索概述
一章
2003年9月20至23日，联合国教科文组织（UNESCO）和美国图书情报学委员会（NCLIS）在捷克首都联合召开的信息素养专家会议发布了布拉格宣言：走向具有信息素养的社会。这次会议共有来自世界23个国家的40位代表讨论了信息素养问题。会议认为如何使人们从Internet时代的信息和通信资源及技术中受益是当今社会面临的重要挑战。
1.1.2 信息检索类型
第
信息及信息检索概述
一章
1. 按检索对象划分（2）事实检索（Fact Retrieval）事实检索是指以某一客观事实为检索对象或对已有的数据进行处理（逻辑推理）后得出新的事实过程，其检索结果是数值性数据和相关的资料。
1.1 信息与信息检索的基本概念
1.2 信息素养与创新能力
1.2.1 信息素养的内涵
第
信息及信息检立大学图书馆馆长理事会对信息素养的定义表述为：“能清楚地意识到何时需要信息，并能确定、评价、有效利用信息以及利用各种形式交流信息的能力”。
1.2 信息素养与创新能力
1.2.1 信息素养的内涵
1.1.1 信息与信息检索的定义

第一章_信息检索概述

从这个故事学到什么？
• 不同的人解读不同，但有一点是肯定的：信息影响我们正确的判断力。
• 根源在于作为大学毕业生的儿子“媒介素养”出了问题。
• 爱因斯坦“我是抓住书的骨头，抛弃书的皮毛。”
对比统计
• 我国83%的高校学生不知道本专业的主要信息的出处，70%的学生不知道本专业信息的检索方法， 60%的学生不知道在网络上检索本专业的信息。
大学生的“媒介素养”问题
• 经济危机时代的一则故事：一个没文化，听力差，视力弱的人使用了很多方法使得自己的面包店越做越大，正在他生意红火的时候，他刚大学毕业的儿子加入了父亲的生意。奇怪的事情发生了……
• 光顾他面包店的人越来越少了，利润很快下滑，父亲对儿子说：“你说的对啊！我们正在面临经济萧条与危机。”儿子说： “我很高兴之前提醒过你。”
信息的构成六要素
• 信源（不了解信源就不可能了解信息的内涵） • 语言符号（文字、符号、编码等） • 载体（信息必须附着在一定的物质上） • 信道 • 信宿 • 介质（语言、载体、信道都属于信息传递
的媒介形式）
信息的特征
• 信息与载体的不可分 • 信息的客观性 • 信息的价值性 • 信息的时效性 • 信息的可扩充与可压缩性
国内学术界定义
• 李克东：应包含信息技术操作能力、对信息内容的批判与理解能力以及对信息的有效运用能力。
• 徐福荫：技术学---处理能力心理学---解决能力社会学---交流能力文化学---构建能力
信息素养的概念
• 对信息进行查找、识别、加工、理解、处理、传递、利用、评价、管理和创造的知识、能力与观念、情感、意识和心理等各方面基本品质的总和。
信息素养的构成
• 由信息意识、信息知识、信息能力和信息道德等四个要素构成。

第一讲文献信息检索概述

信息源
文献信息源口头信息源体语（体态）信息源实物（现场）信息源
文献信息检索的实例：
查找经典作家或权威人士对某一问题的论述。某一丽词骈语的出处、古今纪年的换算、成语典故。查找某一事实、数据、知识单元。在研究某一问题时，获得前人和他人已经具有的成果。网上搜索（专业资料可利用网络信学术信息资源）。 …… 总之，学习生活和科学研究中的许许多多的问题，都需要查找文献资料，才能获得准确的答案。
人才观
知识型人才能力型人才创造型人才各类人才的两个必备能力：自学能力和研究能力。而这两个能力在很大程度上取决于文献信息的检索能力。
（二）终身教育的需要
终身教育：20世纪50年代末60年代初形成于欧洲的一种教育思潮。观点与认识不一，较为普遍的解释是“人们一生中所受到的培养的总合”。
信息意识信息知识信息资源信息（检索）技能
教学内容：
第一讲第二讲第三讲第四讲第五讲第六讲第七讲第八讲第九讲文献信息检索概述；文献信息知识基础；图书馆利用；参考工具书的使用；中文期刊论文的检索；主要英文检索刊物概述；电子文献信息资源概述；网络信息与搜索引擎；特种文献信息的检索。
直接检索和间接检索的优缺点及辨证关系：
直接检索的优点：（1）是一种比较原始的方式，符合人们的检索
习惯。（2）易于掌握文献的实质内容，可直接判断其情报内容是否符合自己的需要。（3）简便易行，可及时获得最新情报。缺点：盲目性、偶然性大，在现代文献量激增、高度分散背景下，无法查全资料，且费时费力。间接检索的优点：是由检索工具的特点决定的。检索工具一般是由权威部门和专业人员来编制的，因而能够把分散在不同学科、不同语种、不同类型和不同发表时间，但学科内容相同的文献分门别类的集中编排在一起，从而使盲目的分散的检索变成了有目的的集中检索，避免了直接检索的分散性、盲目性和偶然性，提高了检索效率，节约了检索时间。所以间接检索被称为科学的检索方法。缺点：间接性，无法直接判断文献内容是否符合需要；存在时差问题，不能获得最新信息。（时差：指检索工具的出版时间与原始文献的出版时间之间的时间间隔。）辨证关系：二者各具优缺点，且具互补性。检索实践中，应二者并用，相互补充。

1信息检索概述武大黄如花 ppt课件

SCIENTIFIC SOLUTIONS
《中图法》等级分明的科学系统
O
一级类目
数、理、化
O1 O3 O4 O6 O7 …… 二级类目
数学力学物理化学晶体
O11 O12
O13 ……
三级类目
古典数学初等数学高等数学
O121 O122
O123 O124
四级类目
算术初等代数初等几何三角 2020/12/12
信息检索的常用术语
• 检索词：用户输入的字、词、字符或短语 • 检索式：检索提问表达式 • 检索策略：是对查询的全面策划，在操作上主要指数据库的选择和检索
式的编制 • 前者选择数据库资源，后者实现检索目标 • 一般也直接将检索式视为搜索策略
2020/12/12
武汉大学信息管理学院黄如花
SCIENTIFIC SOLUTIONS
武汉大学信息管理学院黄如花
精品资料
SCIENTIFIC SOLUTIONS
• 你怎么称呼老师？ • 如果老师最后没有总结一节课的重点的难点，你是
否会认为老师的教学方法需要改进？ • 你所经历的课堂，是讲座式还是讨论式？ • 教师的教鞭 • “不怕太阳晒，也不怕那风雨狂，只怕先生骂我笨，
没有学问无颜见爹娘 ……” • “太阳当空照，花儿对我笑，小鸟说早早早……”
1 信息检索的含义
• 广义的信息检索
• information storage • information retrieval
SCIENTIFIC SOLUTIONS
• 狭义的信息检索
• information retrieval
2020/12/12
武汉大学信息管理学院黄如花

信息检索基础知识介绍

原始文献加工整理
提问
数据库存储
检索
输出
检索
三、信息检索的类型
（一）按检索对象和目的划分 1、数据检索
LOGO
是以数据为检索对象，检索的结果是经过测试、
评价过的各种数据、可直接用于分析和研究。
2、事实检索
是以具体事项为检索对象，检索结果是有关某一事物的具体答案。
3、书目检索
以标题、作者、来源出处、专利号等为检索对象，
主题词语义参照系统
汉语拼音 Zà o shēng gān răo 符英文参照项含义噪声干扰简称英文全称 [56MB] 范畴分类号正式主题词号简称 Zábō gān răo 汉语拼音 Noise jamming 英译名用项同义词(正用 Y USE Use D 杂波干扰 Dià n zĭ duì kà ng 非正式款目主题词杂波干扰 [56MB] 范畴分类号式主题词 ) 瞄准式干扰电子对抗* F · 通信对抗代项同义词 (非扫频干扰代 Noise D jamming UF Used For 参英译名 · · 通信干扰关阻塞式干扰照正式主题词 ) · · · 脉冲干扰系 S 通信干扰 Y 噪声干扰符参照符号关系词 · · · 欺骗性干扰分项狭义词分 F NT Narrower Term 词号有源干扰 · · · 载波干扰 · · · 噪声干扰属项广义词 Z 电子对抗属* S BT Broader Term · · · · 扫频干扰 C 连续波干扰 · · · · 阻塞式干扰族项族首词族 Z TT Top Term 脉冲干扰 · · 通信抗干扰调制干扰参项相关词参 C RT Related Term
INFORMATION RETRIEVAL

第一讲__信息检索概述

第一讲信息检索概述1 信息的概念文献的概念信息是对客观世界中各种事物的特征、变化及其相互联系的最新反映。

信息是有用的知识。

文献的概念：凡是人类的知识用文字、图形、符号、声频、视频的手段记录下来的东西，统称为文献。

文献也可称为固化在一定载体上的知识。

或者更简单地说，文献就是记录下来的知识。

甲骨、竹简、纸本图书、期刊、录音带、录像带、CD-ROM、磁盘、磁带. （文献载体）2 从文献检索到信息检索（1）文献检索指从文献中检索你所需要的知识、信息。

（2）文献检索作为检索类型时，检索包含你所需知识、信息的文献。

信息检索是最近几年的提法，这种提法和网络信息的迅速发展有很大的关系，因为人们在使用网络信息资源时不知道或不关心它存储在哪里。

我们不关心它的存储载体，只关心其内容，所以网络信息资源又被称为虚拟信息资源。

当我们检索所需知识或信息的资源从文献信息资源扩散到网络信息资源时，文献检索也就顺理成章地发展到信息检索。

文献检索是以工作的对象而命名，信息检索则是以工作的目的而命名。

当然，信息检索从广义上还包括其它非文献信息的检索，比如储存于大脑或其它实物上的信息的获得。

本课程主要讲述文献信息和网络信息（本质上还可以理解为电子文献）的检索。

3 信息检索的类型与渠道信息检索就是从众多信息中查找并获取有用信息的过程。

早期一般认为，信息检索（information retrival――情报检索）包括三个方面：（1）数据检索（data retrieval）例如：1982年1月每盎司黄金的价格；世界上最长的隧道有几米？（2）事实检索（fact retrieval）例如：世界上最长的隧道是哪条？到目前为止，惠泱河先生发表了哪些著作？现任哈佛大学校长是谁？（3）文献检索（document retrieval）例如：关于张恨水的作品评论有哪些文献资料。

数据检索与事实检索是要检索出包含在文献中的信息本身，而这里的文献检索指的是要检索出包含你所需信息的文献。

信息检索概述

图书馆
海大图书馆
面积
2.5万m2
馆藏册数
156万
现刊种类
3500种
北大图书馆
北京图书馆美国国会图书馆
5.3万m2
17万m2 34万m2
600多万
980多万 8100多万
4000种
3万多种
分布离散
现代科学技术的发展及其相互渗透，许多新
兴学科、边缘学科、交叉学科不断涌现。专利文献的重复率达65％，科技报告的重复率甚者可达80％。会议上发表的论文，大约有40 ％会在期刊上报导。
1
1.1 1.2 1.3 1.4 1.5 1.6
信息检索概述
信息及其在学术研究中作用信息检索的概念及原理数字信息资源检索技术信息检索的步骤检索效果的评价科技查新概念及其检索方法
1.1
信息及其相关概念
1.1.1 信息的概念、基本属性和特征 1.1.2 文献的概念、社会功能和类型 1.1.3 信息(文献)在学术研究中的作用
要自如地去对付这样一种文献分布局面，就
需要我们在查询文献、信息时应用适当的方法、
技巧去有效地获得比较满意的结果。
更新加快
未来学家约翰·奈斯比特在其著作《大趋势》中用数字来形容知识的快速增长:“人类知识的总和在17501900年间翻了一翻；1900-1950年间则在此基础上翻了一翻；之后的翻番发生于1960-1965年，自此以后的估计是人类知识至少每5年翻一番。到2020年，人类知识将每73天翻一番！”可见，知识与信息频繁在更新换代。终身学习，不断去跟踪、获取最新信息、知识、文献，去创新，这对每个科技人员来说是至关重要的。
较权威的图书分类法有:中国图书馆分类法、美国国会图书馆分类法、杜威十进分类法。

第一讲信息检索基础知识

外文图书的识别：
作者编辑 Gong, Victor, and Norman Rudnick, Eds. AIDS: Facts and Issues. New Brunswick: Rutgers UP, 1986.
书名
出版社
3.科技文献的出版类型
——3.2 连续出版物
国际标准化组织在《国际标准书目著录（连续出版物）》中给连续出版物的定义为：一种逐次分册发行，通常都编有序号或年代标号，并且打算无限期地连续出版下去的印刷形式的出版物，包括杂志、报纸、年刊、各种机构的报告丛刊和会志、会议录丛刊及单行本的丛书。在众多的连续出版物中，具有代表意义的是期刊、报纸和年鉴。连续出版物的主要特点表现在：连续性、及时性和稳定性。
图书是指内容比较成熟、资料比较系统、有完整定型的装帧形式的出版物。科技图书是一种重要的科技文献源，它大多是对已发表的科技成果、生产技术知识和经验的概括论述。特点：带有总结性、成熟定型；出版周期长，信息传递慢；传授知识,而不是报道最新情报。图书按功用性质一般分为两类：阅读型：教科书、学术专著等工具型: 字典、百科全书、年鉴、手册识别依据：国际标准书号(ISBN)、书名、著者、出版地、出版社、出版时间等
2.2.4
三次文献（参考性文献）
三次文献信息源指的是对一次信息所载内容进行
单元层次的选择，经过汇集、综合、分析、评述等深度加工而成的产物。它的文献形式称三次文献。其主要有两大类型：一是系统阐述某个领域的内容、意义、历史、现状和发展趋势的综述性学科总结等；二是把大量的定理、原理、数据、公式、方法等知识进行浓缩和概括，编写成便于查阅的参考工具书，如字词典、百科全书等。三次信息源内容更集中，针对性更强，系统性好，并有一定的检索功能，参考价值较大。

信息检索概述

信息检索概述信息检索概述摘要:信息检索模型是判断文本是否与查询相关和对相关文本进行排序的数学模型。

信息检索可分为传统的信息检索与网络信息检索。

传统的信息检索主要以手工检索为主。

网络信息检索是指通过网络信息检索工具检索存在于Internet信息空间中各种类型的网络信息资源。

随着计算机技术、通讯技术、网络技术的迅猛发展,网络信息检索已成为当今信息社会主要检索信息技术对于传统的基础教育影响越来越大，基于网络的教育教学资源剧增,成为高校文献检索课的教学重点。

本文介绍了传统的信息检索与网络信息检索的优缺点。

关键词:信息检索传统信息检索网络信息检索一、前言信息检索系统的研究是伴随着科学技术的发展和信息数量的俱增而兴起的，是指信息用户为处理解决各种问题而查找、识别、获取相关的事实、数据、文献的活动及过程，其主要研究范围包括：信息检索理论、信息检索语义、信息检索系统的构建和评价、信息检索技术和方法等。

信息检索的研究已经有多年的历史，20世纪中叶以前，信息的存储和传播主要以纸质介质为载体，信息检索的研究主要围绕文献的获取和控制展开，主要关注如何检索和利用文献中记载的信息。

直到50年代，计算机被图书馆等部门广泛用来存储和管理文档，信息检索技术作为新的热点被广泛地研究。

到了80年代，信息检索领域在索引模型，文档内容表示以及匹配策略等方面取得了许多突破性的研究成果，并且成功地开发了一些系统。

例如Cornell大学的SMART系统和Massachusetts大学的INQUERY系统等。

Web的出现为信息检索提供了一个前所未有的实验环境和应用情景，许多Web信息检索系统应运而生，例如Yahoo！，Alta-vista等[1]。

本文介绍了传统的信息检索模型与网络信息检索的优缺点。

二、传统信息检索优缺点传统的信息检索主要以手工检索为主。

因此其灵活性较高，费用也较为低廉；此外传统信息检索能了解标引规则，按规则进行各项的著录，便于检索者根据文献标引规则查阅相关文献；同时能够了解各类检索刊的收录范围、专业覆盖面、特点和编制要点，检索回溯期长，可以提高查全率和查准率。

信息检索基本知识

琼州学院胡爱民
Logo
检索结果
急性胰腺炎、急性重症胰腺、急性胆源性胰腺炎、急性出血坏死型胰腺炎等急性胰腺炎
琼州学院胡爱民
Logo
使用MEDLINE（06/7-06/10）查找免疫相关的文献结果
琼州学院胡爱民
Logo
应用举例（二）
“?”的应用
例如：拉米？定：可检出含拉米夫定和拉米呋定
定的文章; Protein？：可检出含 Proteins 和 Protein的所有文章
狭义的信息检索是指根据用户的需求，利用检索工具或检索系统，查找出符合用户特定需要信息的过程。
琼州学院胡爱民
Logo
2.类型
检索手段
手工检索
计算机检索
联机检索光盘检索网络检索
琼州学院胡爱民
8
Logo
第二节
信息检索原理
一、信息检索工具
定义：又称信息检索系统，是指累积文献信息并提供检索途径的工具。类型：
A
B
例如:用CBM查找1978年以来有关艾滋病的文献
检索式为：艾滋病 OR 爱滋病 OR AIDS OR 获得性免疫缺陷综合征
琼州学院胡爱民
Logo
例1：用CBM查找1978年以来有关艾滋病的文献
AIDS
5574篇
爱滋病
469篇
艾滋病
19869篇 22834篇
艾滋病 OR 爱滋病 OR AIDS OR 获得性免疫缺陷综合征
琼州学院胡爱民
数据库处理
中国图书馆分类法
字段名
格式规范医学主题词表（MeSH）
琼州学院胡爱民
Logo
两大外文保障中心
外文文献

出版专业实务-初级2020版-第一章-信息检索

东汉许慎编《说文解字》，首创部首编排法是GB/T 13418-1992确认的汉子排序规则之一
（二）常用排检方法
4. 四角号码法
是GB/T 13418-1992确认的汉子排序规则之一多用于编排汉语古籍索引
简称“中图法”
5. 中国图书馆分类法
是中华人民共共和国成立后编制的一种具有代表性的大型综合性图书分类法 5个基本部类、22大类
如《全国总书目》《全国报刊索引》
分经、史、子、集四部
6. 四部分类法
《四库全书总目》是四分法的典范
是我国古代图书分类的主要方法
第三节数字化信息检索（一）是目前全球最大的中文搜索引擎支持布尔逻辑检索、字段限制检索、短示和繁简中文查询等
一、网络检索工具
截词符号多用“？”或*
四、计算机检索技术与网络信息检索技巧
4. 限制检索 1. 选择核实的检索词
（二）网络信息检索技巧
2. 利用布尔逻辑运算符 3. 使用短语检索进行精确匹配
4. 利用高级检索
第四节出版工作常用信息的检索方法
（1）利用“正史”艺文志、经籍志
（2）利用政书艺文志、经籍考
1. 古代著述的检索
2. 专业性百科全书：《社会科学百科全书》《中国文学百科全书》《世界历史百科全书》《科学技术百科全书》《中国烹饪百科全书》《化工百科全书》等
3. 地域性百科全书：《北京百科全书》《黑龙江百科全书》《潮汕百科全书》等
是我国第一部现代大型综合性百科全书
1. 《中国大百科全书》
全书条目按条目标题的汉语拼音字母顺序排列
（二）百科全书的编排方式
条目之间靠参见系统相互联系，交叉而不重复
释文有长至十几万字的，也有仅百余字
大型百科全书的索引往往单独编为一卷或多卷

第一讲信息检索概述

《信息检索》课程第一讲信息检索概述授课人：***2013年5月25日《信息检索》课程Beihang内容提要•第一部分：信息与文献的基本概念•第二部分：信息检索的基本知识•第三部分：信息检索的技术背景与原理《信息检索》课程Beihang一. 信息与文献的有关概念二. 科技文献的系统结构三. 科技文献的类型四. 参考文献标准著录格式五. 文献源－文献馆藏系统六. 北航图书馆简介信息与文献的基本概念《信息检索》课程Beihang•什么是信息？•狭义：信息是信号和消息的简称，主要对应于人们的视觉和听觉。

•广义：信息是一切事物在人们大脑中的反映，既包括客观世界的表征，又包括主观世界的产品。

•信息和知识、文献、情报在词义上密切相关。

《信息检索》课程Beihang•信息与情报•在英汉词典中，“information”可译为“信息”，也可译为“情报”•钱学森对情报的解释是“为解决一个特定问题所需要的知识”，还特别强调情报有“及时性和针对性”。

《信息检索》课程Beihang•信息与知识、文献•知识可分为主观知识和客观知识，在人类生活环境中，普遍存在着信息，信息经过人脑接收、选择、处理而形成知识，这种存在于人类头脑中的知识称为主观知识。

•主观知识借助语言符号，通过各种物质载体记录下来，就变成可以传递的客观知识，即文献。

•文献：记录有知识的一切载体（文献三要素：知识、记录方式、载体）•科技文献：记录科学技术信息的载体《信息检索》课程Beihang《信息检索》课程Beihang•从情报的层面上理解1. 信息决定战争的胜负2. 信息决定企业的兴衰3. 信息是领导决策的依据《信息检索》课程Beihang•从知识的层面上理解•知识经济建立在知识利用与创新的基础上，知识创新需要大量的信息作原料。

•信息与材料、能源被称为当今社会三大资源。

材料、能源消耗性不可共享不可再生信息非消耗性可共享可再生《信息检索》课程Beihang•从文献的层面上理解•高尔基说：“书籍是人类进步的阶梯。

[信息检索]第一讲布尔检索BooleanRetrieval

[信息检索]第⼀讲布尔检索BooleanRetrieval第⼀讲布尔检索Boolean Retrieval主要内容：1. 信息检索概述2. 倒排记录表3. 布尔查询处理⼀、信息检索概述什么是信息检索？Information Retrieval (IR) is finding material (usually documents) of an unstructured nature (usually text) that satisfies an information need from within large collections (usually stored on computers).信息检索是从⼤规模⾮结构化数据（通常是⽂本）的集合（通常保存在计算机上）中找出满⾜⽤户信息需求的资料（通常是⽂档）的过程。

Document –⽂档Unstructured – ⾮结构化Information need –信息需求Collection—⽂档集、语料库⼆、倒排记录表1、什么是布尔查询？布尔查询是指利⽤ AND, OR 或者 NOT操作符将词项连接起来的查询如：信息 AND 检索2、⼀个信息检索的例⼦（莎⼠⽐亚全集）不到100万单词，假设每个英⽂单词平均长度为8字节，则整个全集不到10MB查询需求：莎⼠⽐亚的哪部剧本包含Brutus及Caesar但是不包含Calpurnia？查询的布尔表⽰：Brutus AND Caesar AND NOT Calpurnia解决⽅案：⽅法⼀：暴⼒⽅法从头到尾扫描所有剧本，对每部剧本判断它是否包含Brutus AND Caesar ，同时⼜不包含Calpurnia不⾜之处：速度超慢 (特别是⼤型⽂档集)处理NOT Calpurnia 并不容易（不到末尾不能停⽌判断）不太容易⽀持其他操作 (e.g., 寻找靠近countrymen的单词Romans)不⽀持检索结果的(灵活)排序 (排序时只返回较好的结果)优点：实现简单很容易⽀持⽂档动态变化⽅法⼆：倒排记录表词项-⽂档（term-doc）关联矩阵若某剧本包含某单词，则该位置为1，否则为0.关联矩阵的每⼀列(对应⼀篇⽂档)都是 0/1向量，每个0/1都对应⼀个词项关联矩阵的每⼀⾏(对应⼀个词项)也可以看成⼀个0/1向量，每个0/1代表该词项在相应⽂档中的出现与否给定查询Brutus AND Caesar AND NOT Calpurnia取出三个词项对应的⾏向量，并对Calpurnia 的⾏向量求反，最后按位进⾏与操作110100 AND 110111 AND 101111 = 100100.问题：当出现更⼤的⽂档集假定N = 1 百万篇⽂档(1M), 每篇有1000个词(1K)假定每个词平均有6个字节(包括空格和标点符号)，那么所有⽂档将约占6GB 空间.假定词汇表的⼤⼩(即词项个数) M = 500K此时，词项-⽂档矩阵将⾮常⼤矩阵⼤⼩为 500K x 1M=500G但是该矩阵中最多有10亿(1G)个1：词项-⽂档矩阵⾼度稀疏(sparse)更好的办法：仅仅记录1的位置，即倒排索引对每个词项t, 记录所有包含t的⽂档列表.每篇⽂档⽤⼀个唯⼀的 docID来表⽰，通常是正整数，如1,2,3…磁盘上，顺序存储⽅式⽐较好，便于快速读取内存中，采⽤链表或者可变长数组⽅式倒排记录表按docID排序索引构建过程：1、词条序列：<词条，docID>⼆元组2、排序按词项排序，然后每个词项按docID排序1. 词典&倒排记录表某个词项在单篇⽂档中的多次出现会被合并拆分成词典和倒排记录表两部分每个词项出现的⽂档数⽬(doc frequency, DF)会被加⼊3、布尔查询的处理假定索引已经构建好了，如何利⽤索引来处理查询？AND查询的处理：考虑如下查询（从简单的布尔表达式⼊⼿）:Brutus AND Caesar在词典中定位 Brutus返回对应倒排记录表(对应的docID)在词典中定位Caesar再返回对应倒排记录表合并(Merge)两个倒排记录表，即求交集合并过程：每个倒排记录表都有⼀个定位指针，两个指针同时从前往后扫描, 每次⽐较当前指针对应倒排记录，然后移动某个或两个指针。

第一篇信息检索概述常见问题

第一章信息检索概述常见问题1.什么叫文献？信息、知识、文献三者的关系如何？答：文献是记录有知识的一切物质载体。

具体地说是用文字、图形、符号、声频、视频等技术手腕记录人类知识的一切物质载体。

信息、知识、文献之间的关系是事物发出信息，信息经人脑形成知识。

只有将自然现象和社会现象的信息通过加工，上升为对自然和社会进展客观规律的熟悉，这种再生信息才组成知识。

知识信息被记录在载体上，形成文献。

二、什么叫一次文献、二次文献、三次文献？彼此之间有什么关系？举例说明。

答：凡是以著者本人的体会、研究或研制功效为依据而撰写的原始文献，经公布发表或交流后，称为一次文献。

一次文献是文献的主体，是最大体的信息源，是文献检索的对象。

其特点是论述比较具体、详细和系统化，有观点、有事实、有结论。

一样括期刊论文、专著、研究报告、会议文献、学位论文、说明书、技术标准、技术、科技报告等。

二次文献是通过对一次文献的、提炼和浓缩而形成的。

它将大量分散、无序的信息转变成有序的、便于的系统。

文献被紧缩成条款，也称记录（entry, reference, citation, record）,并以必然的序列组织起来，成为可用于查找一次文献的工具。

二次文献也称二手资料，它包括目录、题录、文摘和索引等检索工具，可对一次文献进行报导和线索指引。

三次文献是对一次文献和二次文献进行聚集、综合、分析、详述等深度加工而形成的。

它包括手册、百科全书、年鉴、名录、指南等参考工具书。

还有二次书目、指南和综述性、评论性文献都属三次文献范围。

从一次文献、二次文献到三次文献的加工反映了文献的集中和有序化进程，而用户对原始文献的索求那么往往是一个逆向的进程。

3、依照文献的媒体形式的不同，文献有哪些类型？它们的特点是什么？答：依照文献媒体形式的不同，文献可分为以下几种形式：⑴型(printed form)：也称介型(paper type), 是一种以纸介质为载体、以书写或印刷方式为记录手腕而形成的文献类型。

第1讲 信息检索概述

第一讲 信息检索 PPT课件

第1章 信息及信息检索概述

第一章_信息检索概述

第一讲 文献信息检索概述

1信息检索概述武大黄如花 ppt课件

信息检索基础知识介绍

第一讲__信息检索概述

信息检索概述

第一讲 信息检索基础知识

信息检索概述

信息检索基本知识

出版专业实务-初级2020版-第一章-信息检索

第一讲信息检索概述

[信息检索]第一讲布尔检索BooleanRetrieval

第一篇信息检索概述常见问题

第1讲信息检索概述

第一讲信息检索 PPT课件

第1章信息及信息检索概述

第一讲文献信息检索概述

第一讲信息检索基础知识