文献检索与科技论文写作课件_第二章 计算机检索基本原理

倒排文档：把顺排文档中的标引词抽出，按标引词的
字母顺序依次排列而成的文档。倒排文档实际上相当 于印刷型检索工具中的辅助索引。 索引文档 倒排文档
基本索引文档：后缀倒排索引文档
辅助索引文档: 前缀倒排索引文档
存取号文档
倒排文档与顺排文档的区别： 顺排文档以完整记录作为处理和检索的单元，倒排文档 以记录中的字段作为处理和检索的单元。
2）字段：是文献记录的基本单元。一条记录有若干个字
段，一个字段有时还可分为几个子字段(Subfield)。在 书目数据库中，一条记录应包含原始文献的篇名、作者、 刊名、出版时间、分类号、文摘、主题词等字段。 数据库的字段可分为基本字段和辅助字段： 基本字段主要是描述文献内容特征的字段，如篇名、文 摘、叙词、自由标引词等字段； 辅助字段主要是描述文献外表特征的字段，如著者、机 构名称、语种、文献来源等字段。
作用：可缩小检索范围，提高查准率。
要求：运用时，把出现频率低的检索词置于“与”的左 端，可使否定答案尽早出现，节省机时。
A
B
A and B；A*B
1)Boolean
Search（布尔逻辑检索）
• 逻辑“或”：OR;or；+
定义：表示两个概念的并列，即被命中的文献含有两词之 一或同时包含两词。 作用：可扩大检索范围，提高查全率。 要求：组构检索式时，可将估计出现频率高的词置于“或” 的左面，可使选中的答案尽早出现。
AN＝：Dialog存取号(Dialog Access Number)。 在一个数据库中，每条记录只有一个存取号，两 者一一对应。 ／TI：篇名字段(Title)。 AU=：作者字段(Author)。 CS=：作者所在单位字段(Corporate Source)。 SO=：文献来源字段(Source Publication)。包括 期刊名称、年，卷、 期、页等，或包括会议事项。 PY=：出版年份(Publication Year)。 CO=：期刊代码字段(CODEN)。 LA=：语种字段(Language)，表示原文的语种。
A
B
A or B；A+B； computer or robot
1)Boolean Search（两个概念的排除，即被检索文献在含有检索词 A而不含有检索词B时才被命中。
作用：用于排斥关系的组配，即从原来的检索范围排除不 需要的概念或影响检索结果的概念，提高查准率。
• computer／TI，AB：表示在TI和AB字段 中检索computer。 • AU＝Wang fang and PY ＞ ＝ 2000:表示 查找王芳于2000年以来发表的文章。
5)禁用词（stop words）：
以下单词作为检索词时，系统将自动忽略并用空格取代之进 行检索。 also、an、and、are、as、be、been、between、both、 but、by、did、from、has、have、into、not、of、or、should、 some、such、than、that、the、their、them、themselves、 these、they、this、those、through、to、using、were、when、 which、with、would
AN＝ DIALOG NO：03883137 EI Monthly NO；EIP94031231114 ／TI Title：Laser／Light imaging for underwater use AU= Author：Caimin，Frank M． SO= Source：Sca Technology，V．34 NO．12 Dec．1993．P．22--27 PY= Publication Year：1993 CO,SN=CODEN：SEATAD ISSN：0993-3651 LA= Language．English DT，TC=Document Type：JA(Joumal Article)；Treatment code X(Experimental)； ／AB Abstract：Conventional undersea imaging limitationsave Pointed out and several imaging systems are described ， in particular the range galed imaging ， field—limited imaging ， and 3-D Structured inter ferometric illumination systems． ／DE Description： * Imaging techniques： Laser application； engineering；Vision ／ID Identifiers：Laser light imaging；Underwater technology CC= EI Classification Codes；
位置算符
（N）与（nN）—— （N）算符是“near”的缩写，表示此算符两边的检索词 必须紧密相连，此间不允许插入其他单词或字母，但词序 可以颠倒，而（nN）算符则表示在两个检索词之间最多可 以插入n个单词，且词序可以颠倒。
如: economic(2N)recovery，可以检出：economic recovery, recovery of the economy, recovery from economic troubles。
2）源数据库：存储事实、数值、概念、图形等非文献数
据的数据库
• 数值数据库：提供以数值方式表示信息的一种源数据
库，其检索结果可能只是单一的值或一组数据。数值数 据库能提供产品价格等数值信息，也可提供物质的物理 化学性质、结构、频谱等数据。 理的各种事实，如机构、人物、产品、资源等数据。常 见的有指南数据库、产品数据库等。 词典数据库、语料库等。
3)截词检索：*；？
• 定义：允许检索词有一定范围的变化。检索时将 截词符置于检索词允许变化的部位，只要检索词 和标引词的词干相同即为命中文献。 • 作用：减少检索词的输入量，扩大检索范围 ，提 高检索效率。 • 注意：使用截词检索必须慎重，一是词干不要太 短，以免检出许多与原来检索词不相关的文献记 录，二是英美不同拼法的词，如变化字母数不同 则不能使用中间截词检索，必须详细写出并用OR 组配后输入。
• 事实数据库：自原始文献或社会调查中获得并经过处
• 概念数据库：库内存储各种名词术语或语言资料，如
• 多媒体数据库：将各种类型的信息集中在CD—ROM
上，是视频、音频、文字、图像、动画等的集合体，如 一些互动性的百科全书。
1.2.3数据库的构成
1)记录：是数据库的基本单元，是对某一实体属性 进行描述的结果。一个数据库由若干条记录构成。 每条记录相当于文摘型或题录型检索刊物的一条 著录款目。 文献记录格式（以Dialog系统中EICompendexPlus数据 库为例）如下：
2 计算机检索的基本原理与技术
2.1检索原理
检索提问 匹配运算
命中文献
数据库
2.2检索功能
• • • • • • 布尔逻辑检索功能 词间位置检索功能 截词检索功能 限定字段检索功能 禁用词 其他功能
1)Boolean Search（布尔逻辑检索）
• 逻辑“与”：AND ;and;*
定义：用于交叉概念或限定关系的组配，即被命中的文 献必须同时含有检索项A和B。
注意：往往会把切题的文献给丢掉，运用时要非常慎重。
A
B
A not B；A-B；
2)位置检索：
• 表达检索词之间位置关系的一种检索 • 位置算符
位置算符
（W）与（nW）—— (W)算符是“word”或“with”的缩写，表示此算符两 边的检索词词序不能颠倒，两个词之间可有一个空格、或 一个标点符号、或一个连接号； (nW)则表示两个检索词之间最多嵌入n个词。 例如，检索“CD-ROM” 可用 CD（W）ROM； 而用price(2W)inflation , 则可能检出price levels and inflation。
1.2.2类型 1.2.3构成
1.2.2文献数据库类型（据数据库所含信息内容
）
1）文献数据库：存储文献型数据，如一次文献或二次文
献 • 书目数据库（二次文献数据库）：包括各种文摘、索引、 目录。存贮某个领域原始文献的书目。组成记录的 字段一般有文献的标题、作者、出处、文摘、主题 词等。 • 全文数据库：存贮文献全文或其中主要部分的数据库。 能使用户获得最终的一次文献。
• 分类： 按截词位置：前截断；后截断；中间 截断 按截词方式：无限截词；有限截词； 中间截词
前截断：将截词符放在词根前边，后方一致，表 示在词根前方有有限个或无限个字符。 如*magnetic 能够检出含有magnetic、 ctromagnetic、paramagnetic等词的记录。 后截断：将截词符放在词根后边，前方一致，表 示在词根后方有有限个或无限个字符。 如metal*，能够检出含有metal、metals、 metaled、metalist等词的记录。 中间截断：将截词符放在词的中间，词的前后方 一致。 如colo*r，能够检出含有colour、color的记录。
无限截词：指允许截去的字符数量不限，也称开放式截 断。如前截断和后截断 有限截词：允许截去有限个字符。如dye***(n*) ，能 够检出含有dyer、dye、dyed、dyeing等词的记录。 中间截词：如中间截断。
4)限定字段检索：
• 定义：将检索过程限定在记录的特定的 字段中进行。 • 作用：缩小或约束检索结果 ，提高检索 效率。 • 检索符号：in、＝、＜、＞、 ＞ ＝ 、 ＜ ＝等。
位置算符
（X）与（nX）——
（X）算符要求其两边的检索词完全一致，并以指定的 顺序相邻，中间不允许插入任何单词或字母； （nX）算符则表示两边的检索词之间最多可以插入n个单 元词，但两边的检索词也必须一致。 词位置检索是很有用的检索技术，它可以规定词组中各 词的前后次序，防止错误的搭配和输出；它也可以替代词组 中的禁用词。DIALOG系统有9个禁用词：AND、FOR、 THE、AN、FROM、TO、BY、OF、WITH，如果在编制 检索式时碰到禁用词，就要用词位置算符代替它。