第二讲 信息检索基础知识

3.2 截词检索
截词检索，是指用给定的词干做检索词，用以检索出含 有该词干的全部检索词的记录。
它可以起到扩大检索范围、提高查全率、减少检索词的 输入量、节省检索时间等作用。
检索时，若遇到名词的单复数形式、词的不同拼写法、 词的前缀或后缀变化时均可采用此方法。
截词符一般使用“？”和“*”表示
第二讲 信息检索基础知识
主讲：刘晓红
信息检索基础知识
▪ 一、 信息检索概念与原理 ▪ 二、 信息检索语言 ▪ 三、 信息检索技术 ▪ 四、 信息检索的过程和步骤 ▪ 五、 结果评价
一、信息检索概念与原理
▪ 1.1 信息检索的概念 ▪ 1.2 信息检索的原理 ▪ 1.3 信息检索的类型 ▪ 1.4 信息检索方法
1805
▪ “逻辑或” 用得越多，检中的文献会越来越多。
逻辑非 NOT
用于从原来的检索范围中排除不需要的概念，或影 响检索结果的概念。
可使用“-”来表示，其检索表达式为：“A NOT B”或“A-B”，即检索记录中包含A词但不含有B词。
例：自由分配方面的文献（排除海南大学师生的著作） 提问式: (关键词=‘自由分配’) not (单位=‘海南大学')
如:经济 *( WTO + 世界贸易组织) * 企业 * 发展 2、菜单式检索：一种通过窗口菜单进行检索的简单、易
操作的检索方式。适用于一般读者检索。如图：
3.1 布尔逻辑检索
逻辑算符是表达检索提问的各概念之间的逻辑关系。 逻辑算符有三种: AND (与)、OR(或)、NOT(非)。三 种算符可同时在一个检索式中使用，也可单独使用。 使用逻辑算符时应注意的事项： ①逻辑算符的优先级为：NOT、AND、OR，可用括 号来改变优先顺序。 ②在逻辑组配时，算符的两侧必须各留有一个空格。
超星数字图书馆
杜威十进分类法：
所有知识体系分为十个基本大类，每个基本大类下又分为十类，
每类又分为十小类
300 社会科学总论
000 总类 100 哲学类 200 宗教类 300 社会科学类 400 语言类 500 纯科学类 600 应用科学类 700 艺术类 800 文学类
310 普通统计学 320 政治学 330 经济学 340 法律 350 公共行政管理 360 社会机构社会团体 370 教育 380 贸易、通讯、运输 390 习俗、礼仪、民俗
1.1 信息检索的概念
广义信息检索
是将信息按一定的 方式进行加工、组 织并贮存起来，再 根据信息用户的需 要找出有关的信息 过程。它的全过程 又叫信息存储与检 索。
信息检索
狭义信息检索
指用户根据需要 ，借助于检索工 具，从信息集合 中找出所需要信 息的过程。本书 所介绍的信息检 索就是狭义信息 检索 。
Z 综合性图书
分类号和索书号
▪ 读者实际利用图书馆时，往往需要知道书刊的 分类号和索书号（又称索取号）。
▪ 索书号是图书馆赋予每一种馆藏图书的号码， 是读者查找图书非常必要的代码信息。它的第 一部分是分类号，第二部分是书次号。
▪ 索书号的两部分之间有一个空格或一条斜线 “/”。书次号或者是按照图书作者姓名所编排 的著者号码，或者是按照图书进入馆藏时间的 先后所取用的顺序号码。
分类号和索书号
▪ ——不同的索书号确定排列先后顺序的步骤是，
先比较分类号码；如分类号码相同再比较著者 号码或顺序号码。 ▪ 分类号比较：先英文字母排，后阿拉伯数字按 小数制排。分类号中“-”排在0之前，例如：先 排F-43再排F0。 ▪ 分类号的数字排列比较采用对位比较法，字符 序列以ASCII字符集为依据。比如：B11、B111、 B112、B12，书次号的数字排列比较采用自然顺 序排列方法，即1，2，3，...，9，10，11，...， 99，100，101，…。
检索语言类型
2.1 分类语言
分类语言（classification retrieval language）
是以知识的学科体系为基础，以符号（数字、 字母）为概念标识进行文献内容特征揭示的一 种检索语言。它以学科类目名称作为基本词汇， 通过类目的从属关系来表达复杂的概念。
分类法：以知识属性来描述和表达文献内 容特征的方法称为分类法。常用于图书资料的 分类和排架。
青岛工学院图书馆http://10.10.58.103/
三、信息检索技术
检索技术，是指利用光盘数据库、联机 数据库、网络数据库、搜索引擎等进行信息 检索，采用的相关技术，主要包括布尔检索、 截词检索、字段检索、词位置检索、加权检 索等
检索方式
▪ 1、命令式检索：用逻辑运算符、位置算符及其他检索 符号，把不同的检索词连接起来进行检索的一个种方式。 适用于专业人员。
1.2 信息检索的原理
存
储 一次 分析 信息
过 信息
特征
程
检 索 信息 过 需求 程
分析 检索 提问
标引 信息特征 输入 检
检 索
标识
（检索项）
索检
工 具 输出
索
语
和结
言 标引
检索提问 检索 系
标识
统
果
（检索词）
1.3 信息检索的类型
按信息检索的内容划分
▪ 数据信息检索（Data information Retrieval） ▪ 事实信息检索 (Fact information Retrieval) ▪ 文献信息检索 (Document information Retrieval)
交替进行，直到满意为止。
二、信息检索语言
检索语言（retrieval language）是文献信息标引和
检索提问而约定的人工语言。
检索语言是为沟通文献标引与文献检索而编制的人
工语言，也是连接信息存储和检索两个过程中标引 人员与检索人员双方思路的渠道。 ——在存储的过程中用于标引信息称为标引语言； ——用于编制索引就称为索引语言； ——用于信息检索则称为检索语言。
900 地理历史类
2.2主题语言
主题语言是一种描述性语言，它用语词直接表达信息
的主题，这些语词就是表达主题概念的标识，将这些作 标识的语词按字顺排列并使用参照系统来间接表达各种 概念之间的关系。
【什么是主题】 主题“是一组具有共性事物的总称，用以表达文献所论述和研 究的具体对象和问题”，即文献的“中心内容”。 【什么是主题词】 表达主题概念的词汇就是主题词。 狭义的主题词仅指叙词 ; 广义主题词可以分为规范词汇和自由词汇，包括关键词、主题 词、标题词、叙词。
按截词位置分:前截断、后截断、中间截断 按截词的字符数量分：有限截断（？)、无限截断（*）
后方截断：又称右截词、前方一致，允许检索词尾部有若干 变化形式。主要用在词的单复数、年代、作者、查同根词等 情况。
如：检索式“Comput？”将检出包含Computer、Computing、 Computed、Computerization等词汇的结果。
汉语主题词表中正式主题是太阳能利用、太阳能 加热等代替。
2）关键词语言 关键词是指直接从文献的标题、正文或摘要
中直接提取未经规范化具有实质意义的词或词组， 一般由著者给出。关键词语言就是将文献中的一 些主要关键词抽出作为检索标识，并以字顺排列 组成的查找文献用的语言。
一般通用词（技术、理论、应用等）以及无实质意义 的词（冠、接词、连词等）不作关键词使用。
▪ 中图法分为5大部（马列主义毛泽东思想、哲学、 社会科学、自然科学、综合性学科 ）
▪ 22个大类，除工业技术类外，其余各大类均用一个 大写字母表示一级类目名，分别用22个大写字母表 示（其中除掉L、M、W、Y）。再根据学科的内容 在大类下以数字表示各级类目。
中国图书馆图书分类法
▪ 基本部类： 基本大类： （22个）
一、中国图书馆分类法 二、中国人民大学图书馆分类法 三、中国科学院图书馆图书分类法 四、 杜威十进分类法 （DDC） 五、国际十进分类法 （UDC） 六、美国国会图书馆图书分类法 （LCC）
中国图书馆分类法
▪ 中图法是由政府部门编制的一部综合性图书分类法， 于1974年出版，经过多次修订，目前使用的是第四 版, “中图法”是国家推荐统一使用的分类法，被许 多检索工具采用或改编。
▪ 检索式（关键词） 命中文献篇数
▪
数字
27305
▪ 图书馆
18759
▪ 数字and图书馆
2420
▪ 高校and数字and图书馆
233
▪ 检索时，“逻辑与”组配越多，检索命中文献的结果就越 少。
逻辑或OR 用于并列概念的组配，可以扩大检索范围，
提高查全率，可使用“+”或“|”来表示。 其检索表达式为：“A or B”或“A+B”，
即检索记录中含有A词或者B词中的任何一词即 可。
例：数据挖掘在信息检索与信息分析中的应用 提问式：数据挖掘 * (信息检索 + 信息分析)
▪ 检索举例：
▪ “研究杜甫”方面的有关文献。以中国知网1999-2007 为统计数据。
▪ 检索式（关键词）
▪
杜甫
▪ 杜甫or杜诗or李杜
命中文献篇名数 1357
1.4.2 回溯检索法
回溯检索法又称追溯法、引文法、引证法，是一 种跟踪查找的方法。这种检索方法不是利用确定的 检索工具，而是利用已知文献的某种指引（如文献 附的参考文献、有关注释、辅助索引、附录等）追 踪查找文献。
用追溯法检索文献，最好利用与研究课题相关 的专著与综述。
在检索工具不全或文献线索很少的情况下，可 采用此法。
主题语言又分为标题词语言、单元词语言、叙词
语言和关键词语言，前两种语言目前使用较少。 1）叙词语言：叙词是为了适应计算机检索的需
要产生的。它对自然语言中的“多词一义”的词汇 进行规范，保证一个叙词只对应一个概念。它是从 文献题目、正文或摘要中抽取出来的，经过规范化 的基本概念单元词。 如：课题: 太阳能热水器研究