文献信息检索技术

检索系统的构成
手工检索系统 计算机（网络）检索系统 篇名字段 文摘字段 基本索引字段 叙词字段 自由标引字段 辅助索引字段

检索系统的构成



记录 有多个字段组成记录，使数据库的信息单元 文档 数据库中一部分记录的集合，也使数据库的结 构。一个数据库至少包括一个顺排文档和一个 倒排文档。 检索语言
生物学文献检索
—文献信息检索技术
常民 changmin@lzu.edu.cn
检索的概念

信息检索是指将信息按一定方式组织和储存起 来，并针对信息用户的特定需求查找出所需信 息内容的过程。 文献检索（Retrieval）：就是通过一种科学的 方法 和途径，在一定的文献信息集合中迅速、 全面、准确的获取自己所需要的那部分信息。 数据库：由计算机进行处理的一定数量同 类信息的有序集合，是用来存储和查找文 献的信息的电子化检索工具。
001 002 003 004
001 汽车尾气中的 铅对环境的污染 主题词：汽车 、尾气、 环境污染 汽车 铅、环境污染 002 汽车的维修 主题词：汽车、维修 003 汽车与运输 铅 主题词：汽车、运输 维修 004 汽车噪音对环境的污染 汽车 尾气 主题词 ：汽车、 运输 噪音、环境污染
噪音
001 004
文献检索（书目信息检索）：即检索结果是关于某主题知识的文 献线索，它是通过二次文献，包括传统的以纸张为存储介质的现 代计算机检索系统，找出所需的一次文献或三次文献。 数据检索：就是满足数据需求的检索过程，如数理化等科学 数据，经济数据，历史数据，地理数据等。
事实检索：就是对特定的事件或事实的检索。事实内容包括 大量的科学事件和社会事件。例如：我国建成最早的高速公 路是哪条？何时建设？ 概念检索：就是查找特定概念的含义、作用、原理或使用范 围等解释性内容或说明。最常见的概念检索是查找各种参考 工具书，例如字词典、百科全书、名录、手册、指南等参考 工具书。
光盘检索阶段
1983年，出现了一种新的存储器，CD-ROM光盘。光 盘检索具有储量极大而体积微小，要求设备简单，可 随地安装，使用方便、易于操作，检索费用低（不需 要昂贵的联机检索通讯费用），因可随时修改检索策 略而具有很高的查全率和查准率等优点，因而至今仍 被世界各地广泛应用。
国内外最常用的医学光盘数据库有：
网络化检索阶段
目前，90%的国际联机检索系统都已进入
INTERNET，世界上许多国家（包括中国）都
从INTERNET上获取重要的科技和经济信息资 源，网络传输速度不断提高，已成为人们进行
全球范围的合作、信息交流与资源共享的不可
替代的通讯交流方式。


顺排档：数据库中的记录往往是按时间顺序线 性排列的，每条记录依次编有顺序号，这种文 档称为顺排文档。 例排档：是将顺排文档记录中的可检字段抽出， 按字顺排列而成的字典文档称倒排文档。
MEDLINE光盘 Biological Abstracts光盘 Biological Abstracts/RRM光盘 Excerpta Medica光盘 Chemical Abstracts Index光盘 Life Sciences Collection光盘（生命科学数据库） Science Citation Index（SCI）光盘(科学引文索 引) 全国报刊索引光盘 CAJ（中国学术期刊）
事实数据库

factual databases，指包含大量数据、事实 的数据库，分为数值数据库、指南数据库、术 语数据库等，相当于印刷型文献中的字典、辞 典、手册、年鉴、百科全书、组织机构指南、 人名录、公式与数表、图册（集）等。
电子期刊


electronic journals或简称e-journal，包括： 与纸本期刊并行的电子期刊，如著名的《科学》 （Science）、《自然》（Nature）、中国电 子期刊杂志社的期刊等；纯电子期刊，如《数 字图书馆杂志》（D-Lib Magazine） 周期短，可检索，服务功能多
著名的国际联机检索系统有美国的DIALOG系 统、ORBIT系统、BRS系统以及MEDLARS系 统，还有欧洲的ESA/IRS系统、英国的 BLAESE系统等。这些系统很快发展成为国际 性情报检索系统，数据库种类及其检索存储记 录都在迅速增加，如：美国的Dialog系统， 1984年就有200多个数据库，其中包括美国的 《医学索引》、荷兰《医学文摘》、美国《生 物学文摘》、美国《化学文摘》等，如今此联 机检索系统仍然是世界上最有影响的联机检索 系统。
检索系统的著录
检索系统是有序的信息集合。每个信息都 需要经过加工，把信息的特征著录即描述下 来，成为一个条目，亦称记录。将一个个记 录按一定序列编排起来便组成一个可供检索 的系统。
*按著录方式划分如下： 目录 题录或索引 文摘 全文
目录（Catalogue）
含义： 目录是对文献的外表特征的著录。它通常以完 整出版物（如一本书或一种刊或一个会议录 的名称）作为著录的基本单位来报道和记录 文献。 著录内容： 文献名称、著者、出版项与馆藏信息等内容。
vendor：105 --> 2，454，增长23倍 数据条数：
52 million --> 12.86 billion records，增长242倍 （Martha E. Williams）


电子资源（electronic resources），传统上也 称为电子出版物，指一切以电子方式或机读方式 生产和发行的信息资源。电子资源中的信息，包 括文字、图片、声音、动态图像等，都是以数字 代码方式存储在磁带、磁盘、光盘等介质上，通 过计算机输出设备和网络传送出去，最终显示在 用户的计算机终端上。 网络资源在电子资源中占的比例越来越大。
全文（Full-text）
全文检索是指以文献所含的全部信息作为检索 内容的文献检索。 中文：CNKI数据库、万方数据库、维普数据库 外文：Sciencedirect数据库 wiley数据库 blackwell数据库 EBSCO数据库、Ovid系统 Springer电子全文期刊 Nature电子全文期刊
顺排文档
倒排文档(主题）
环境污染 001 004 001 002 003 004 001 002 001 003 004 001 004
001 002 003 004
001 汽车尾气中的 铅对环境的污染 主题词：汽车 、尾气、 环境污染 汽车 铅、环境污染 002 汽车的维修 主题词：汽车、维修 003 汽车与运输 铅 主题词：汽车、运输 维修 004 汽车噪音对环境的污染 汽车 尾气 主题词 ：汽车、 运输 噪音、环境污染
目录（Catalogue）
按职能划分目录种类： 出版发行目录 馆藏目录：按检索标目划分为 书名目录(Title Catalogue) 著者目录(Author Catalogue ) 分类目录(Classified Catalogue) 主题目录(Subject Catalogue ) 联合目录 资料来源目录，如IM、CA、BA
联机检索阶段
联机检索（Online Retrieval）:（60年代-80年代) 终端设备 通讯网络—>检索系统 运行检索软件 用户—> 检索策略—>“人机对话”—> 获取所需信息 三个时期：60年代对联机信息检索进行了研究开 发试验；70年代末进入了联机检索地区性应用阶段； 80年代以后，随着空间技术和远程通讯技术的发展， 使计算机检索进入信息—计算机—卫星通信三维一体 的新阶段，即以信息、文献不受地区、国家限制而真 正实现全世界资源共享为目的的国际联机信息检索阶 段。
文摘（Abstract,Excerpta,Digest）
含义: 文摘是指对文献内容选择重要部分以简练的 形式作为摘要，并按一定的原则和方法编排 而成的一种检索工具。 著录内容： 同⑵ ＋ 文摘。 如，中国医学文摘,中国药学文摘, 中国生物学 文摘,CA,BA,CBM,CMCC,MEDLINE/PubMed 等。
数据库、文档、记录、字段之间的关系
文档1 （顺排档） 记录1 文档2 （倒排档、 记录2 索引） … 字段1 字段2 … 子字段1 子字段2 … 子字段n 字段n

数据库
…
记录n
文档n （倒排档）
Internet用户的增长（1994-2003）
万人
用户获取信息的主要途径
会议录 私人收藏 CD-ROM 数据库 图书 书店 非正式 期刊 Internet 图书馆
信息检索类型图：
文献检索 检索性工具书 间接答案（文献线索）
信息 检索
数据检索 事实检索
概念检索
参考性工具书
直接答案（数据、事实）
信息检索的意义
信息与现代科技的发展
现代科技发展特点：高速化、综合化、专业化。 信息量急剧增长。 信息的使用寿命缩短。
信息检索意义
充分利用信息资源，避免重复劳动。 为人们更新知识、实现终身学习提供门径。
文摘（Abstract,Excerpta,Digest）
根据摘要详简程度,文摘可分为： 指示性文摘（简介，Indicative Abstract） 是以最简短的语言，概略指示原文的研究 对象、内容范围、研究目的及方法，一般 在50-150个字。 报道性文摘（Informative Abstract）内容详 细，反映文献的中心内容、观点、数据及 结论，一般在200~300，500，1000字左 右。

顺排档：数据库中的记录往往是按时间顺序线 性排列的，每条记录依次编有顺序号，这种文 档称为顺排文档。

例排档：是将顺排文档记录中的可检字段抽出， 按字顺排列而成的字典文档称倒排文档。
顺排文档
倒排文档(主题）
环境污染 001 004 001 002 003 004 001 002 001 003 004 001 004

信息检索示意图：
信息检索的实质
信息检索的实质是信息用户的需求和一定的信 息集合的比较和选择的过程，即匹配的过程。也 既是用户需求的主题概念和提问表达式同一定信 息系统的系统语言相适应的过程，如果两者相适
应取得一致，则所需信息被检中，否则，检索失
败。 文献检索重要的一种信息检索。
信息检索的类型
电子图书与报纸
Electronic book 或e-book Electronic newspaper

电子资源的产生与发展
计算机检索主要经历了以下四个阶段： 脱机检索阶段
联机检索阶段
光盘检索阶段 网络化检索阶段
脱机检索阶段
脱机检索（Offline Retrieval）：即批处理检索（50年 代-60年代） 检索要求 检Байду номын сангаас系统 检索结果 检索人员——〉检索策略——〉成批检索——〉用户 三点不足： 1. 地理上的障碍，指用户与检索人员距离较远时，不便 于检索要求的表达，也不便于检索结果的获取。 2. 时间上的迟滞，指检索人员定期检索，用户不能及时 获取所需信息。 3. 封闭式的检索，指检索策略一经检索人员输入系统就 不能更改，更不能依据机检应答来修改检索式
电子资源的概念与类型




参考数据库 全文数据库 事实数据库 电子期刊 电子图书 电子报纸 其它：FTP，新闻组、搜索引擎、各种网站
全文数据库


full-text database，即收录有原始文献全文的 数据库，以期刊论文、会议论文、政府出版物、 各类统计报告、法律条文和案例、商业信息等 为主 按学科收录，综合性强，范围广
387 392 396 459 510 512 837 898 1050 1267 0 200 400 600 800 1000 1200 1400

电子资源的产生与发展：数据库增长情况， 1975-1999
–
数据库：301 --> 11，681，增长39倍
–
– –
数据库生产者：200 --> 3，674，增长18倍
题录（Title）或索引（Index）
概念： 其一，是指检索工具，它揭示文献的外表特征和内 容特征，即著录文献是以一个完整出版物的某一 部分（如书的章节或刊中一篇论文题目）为著录 单位。 其二，是指检索途径（附录式索引），如，分类索 引、主题索引、生物体索引、著者索引等。 著录内容： 论文题目、著者、文献出处（刊名、发表年月、卷、 期、页码）及文种等。如，《中目》、《IM》、 《CNKI》免费题录等。