信息检索工具,技术与评价
合集下载
相关主题
- 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)。
• 初始检索范围太大，命中文献太多，或查准率太低，需要增加查准 率的一种方法。 • 方法：选择专指性下位词；增加检索词用AND连接；增加副主题词； 增加限定条件；主题词加权检索等
信息检索工具 信息检索技术 检索效果评价
检索效果的含义与指标 检索效果评价的因素 提高检索效果的措施
• 3.1 检索效果的含义及指标
布尔逻辑运算符:非>与>或
思考：A not B or B not A 表示的是哪种情形？
实际运用中，根据数据库的不同逻辑运算符的运算级别有所 不同，例如中国知网非、与、或的级别是相同的，若想要改变 级别，可采用括号的形式。
字段限定符
字段限定符将检索词限定在具体某一字段中 检索，可缩小检索范围。 可以使用 : = [ ] 例： TI:青蒿素 AU=屠呦呦 Hypertension [tt] 限定在英文标题字段 smith j [au] 限定在作者字段 wang jn [au] 限定在作者字段
实际检索过程中，都无法达到100%，但应尽量使检索结果达 到最佳，让查准率和查全率处于最佳平衡点。 在一般知识检索、为解决难题检索等情况，偏重于检准率； 在课题论证、科技查新、专利申请等情况，偏重于检全率。
• 3.2 影响检索效果的因素
检索系统的质量——存储方面 • 全、好、快、便 检索人员的素质——检索方面 • 能否正确理解检索需求； • 检索工具、途径、检索词语的选择； • 信息检索知识与技能的掌握程度； • 对检索系统的熟悉程度； • ……
• 2.3计算机检索基本技术
布尔逻辑运算符：与 或
字段限定符：IN =
非
： [ ]
截词符（通配符） ： ? % # *
其它检索技术：扩展检索、加权检索
布尔逻辑运算符：与
逻辑“与” 用于组配具有交叉和限 定关系的概念，一般用 AND或空格或*表示 。 可以缩小检索范围，提 高查准率。 如：金庸 小说 胰岛素 and 糖尿病 维生素C 副作用
通讯网络：是确保信息畅通的桥梁。 数据库：计算机存储设备上由一个或多个文档 组成的相互关联的数据集合。
数据库的构成 表 记录 字段
2.2计算机系统的构成要素
• 硬件
• 软件
• 通讯网络 • 数据库
• • • • • • 事实数据库 数值数据库 书目数据库 全文数据库 图像数据库 多媒体数据库
1.3信息检索工具的分类
• 按载体形式划分 手工检索工具
1.2检索工具的分类
• 根据载体形式分类
计算机检索工具
• 1.2 信息检索工具的类型（按加工程度划分）
物的属性特征。
1 信息检索工具
• 目录型：通常以整本书或刊名作为著录对象，主要揭示出版 图书馆书目查询系统中的图书信息 • 题录型：以单篇文献作为著录对象，揭示文献的属性特征
布尔逻辑运算符：或
逻辑“或” 用于组配具有同义或并列关 系的概念，一般用运算符号 “OR”，表示两个检索项任 一项出现在一条记录中。 可以扩大检索范围，提高查 全率。 如：big bang theory or生活大 爆炸 AIDS OR 艾滋病
布尔逻辑运算符：非
逻辑“非” 用于排除某种概念的组 配，一般用运算符号 “NOT”或“-”表示。 可以缩小检索范围，提 高查准率。 如：金庸 - 小说 关节炎 NOT 类风湿 关节炎 -类风湿
1.3 信息检索工具的评价
全：是指检索工具存储文献的存储面如何。 好：浓缩质量好和标引质量好。 快：文献报道速度快。 便：能提供多种检索手段，多种检索途径。
信息检索工具
计算机信息检索的概念 信息检索技术 计算机检索系统的构成要素
检索结果评价
计算机信息检索的基本技术 计算机信息检索的调整技术
举例
检索系统中有100篇文献，其中关于某课题的相关文献 有80篇。而在一次检索中，共检出了60篇文献，其中该课 的相关文献48篇。查准率、查全率？ 查全率=48/80*100%=60% 漏检率=32/80*100%=40% 查准率=48/60*100%=80% 误检率=12/60*100%=20%
• 检索效果的含义： • 检索过程中满足用户需求全面性和准确性的有效程度。 • 理想的检索效果：无遗漏、无误差 • 评价指标 • 查全率 查准率 2个重要指标
• 漏检率
误检率
• 查全率=已检出的相关文献数/系统中应检出相关的文献数 查全率=a/(a+c) * 100%
• 查准率=检出的相关信息数/检出的信息总数 查全率与漏检率是互补关系；查准率与误检率是互 查准率=a/(a+b) * 100% 补关系 。 • 漏检率=未检出的相关文献数 / 系统中应检出的相关文献数 漏检率=c/(a+c) * 100% • 误检率=检出的非相关文献数/检出的文献总数 误检率=b/(a+b) * 100%
• 索引型：将文献的某一外表特征或内容特征按描述语言形成
标识，并按一定顺序排列，附在书刊之后，或单独编成册。
CBM中的分类索引 • 文摘型：文摘是对文献的主要内容简明扼要的描述。这类检
索工具对文献的揭示较前者更深入、更具体，参考价值大。
分：指示性文摘和报道性文摘。（化学文摘、生物学文摘） • 全文型：这类检索工具直接存储有文献的全部内容。并可以 原文中任何一个有实际意义的词作为检索词进行检索。（ CNKI、VIP、万方、ProQuest等）
百度指令检索
非（-）
或（OR） 与（AND 或空格） ""
不包含特定查询词
包含所有查询词中的一个或多个 包括所有的查询词 精确检索查询词
橄榄树 -歌曲 -歌词
西红柿 OR 番茄 西红柿 番茄 "元搜索引擎的优点"
*
filetype site inurl
通配符，替代任何字符
搜索特定格式的文献,有 pdf\xls\ppt\doc\rtf\swf等格式 搜索特定网站或网域 限定在url中进行搜索
言
标引ቤተ መጻሕፍቲ ባይዱ
检索提问 检索 标识
信 息 检 索 工 具 系 统 ）
输出
检 索 结 果
(
1.1 信息检索工具
1 信息检索工具定义：将大量分散无序的信息资料经过加 工整理，按照一定的规则和方法编制起来，用来存储、 检索和报道的工具。
信息检索工具
1.2 检索工具的类型
按载体形式划分 • 手工检索工具
• 计算机检索工具 按加工程度划分 • 目录型 • 题录型 • 索引型 • 文摘型 • 全文型
信息检索步骤
分析检索课题 选择检索工具 确定检索方法 确定检索途径 获取原始文献
引入案例
一名医学院的学生在写论文过程中需查找，2010-2015年间发表在 《中国医药指南》杂志上关于“阿司匹林治疗心肌梗死”的期刊全文
分析检索课题
选择检索工具
确定检索方法
确定检索途径 获取原始文献
2.1 计算机信息检索的概念
定义：用户利用计算机信息检索系统，使用检索策略
，从数据库中检索出与用户特定需求相一致的信息的过程。 提供 匹配查询
数 据 库 系 统
检索
检索系统
返回
策略
检索
结果
数据库
数据维护系统
网 络
安保系统
……
2.2计算机系统的构成要素 硬件：维持系统运行的各种设备的总称。
软件：计算机使用的各种程序的总称。
第三讲 信息检索工具、技术与评价
1.了解信息检索的步骤 2.熟悉信息检索工具的概念、类型和评价 3.掌握逻辑运算符，熟悉截词符和字段限定符的使 用，熟悉扩展和加权检索的使用 4.了解检索效果的含义、评价指标及提高检索效果 的措施
重 点
难 点
1.信息检索的步骤 2.逻辑运算符及字段限定符的使用 3.检索效果的评价指标
信息检索工具、技术与 评价
信息检索的原理
分析 信息 特征 标引 信息特征 输入 标识
存储 过程
原始 信息
检 索 语
信 息 检 索 工 具 ( 系 统 ）
输出
检 索 结 果
检索 过程
检索 分析 课题
检索 提问
言
标引
检索提问 检索 标识
信息检索就是利用检索标识与存储标识进行匹配，选出 符合需要文献信息。
2.3 计算机信息检索基本技术
扩展检索：对主题词或副主题词的下位词 一起检索。 作用：可扩大检索范围，提高查全率。
上位词
主题词可能属于
多个不同的学 科，所以根据 其不同学科属 性可有多个树 状结构号，对 应有多个词树。 下位词
加权检索
• 是一种定量检索的技术。从量的方面对检索
信息检索步骤案例
检索工具、技术与评价
p28-35,p50-58
信息检索工具的概念 信息检索工具
信息检索技术
信息检索工具的类型 信息检索工具的评价
检索效果评价
1.1 信息检索工具
信息检索的原理
存储 过程
原始 信息 分析
信息 特征
检 索 语
标引
信息特征 输入 标识
检索 过程
检索 分析 课题
检索 提问
velocity * swallow
教育学原理 filetype:ppt site:hbmu.edu.cn 转专业 inurl:www.baidu.com
intitle
intext
返回页面标题中包含有指定关键词 intitle:流星雨 的页面
关键词在网页文本中出现 intext:conference education
• 相当于检索式： FT=(维生素C * 副作用) AND FT=癌症
2 信息检索技术
2.4 计算机信息检索调整技术
• 扩大检索——提高查全率
• 初始检索范围太小，命中文献不多，需扩大检索范围的方法。 • 方法：使用上位词或相关词；增加同义词OR连接；截词检索；减少 字段限定条件等
• 缩小检索——提高查准率
（1）分析检索目的： 一般的资 原则：由近到远、由方便至复杂、 料查阅工作；科研立项、成果鉴 （ 1 ）根据课题分析的情况，确定 （ 1 ）外表特征检索途径： 由免费到收费。 （1）浏览法：直接浏览最新期刊， 定评奖、专利申请的查新工作、 的检索工具 题名途径（标题、书名） （ 1 ）本馆馆藏或数据库中获取 特别是核心期刊上的一次文献。 论文撰写 （ 2 ）检索人员自身的检索素质情 著者途径（作者、创作者） （ 2 ）本地其他图书馆获取 （2）追溯法：以文献后所附的参 （2）确定检索范围：学科专业范 况综合考虑选择合适的检索工具。 代码途径（ ISBN） （ 3 ）本地图书馆文献传递服务 考文献为线索，逐一由新向旧追 围、时间范围、文献类型（《中 （中国知网、万方等） （ 2 ）内容特征检索途径： （ 4 ）联系原文著者 踪。国医药指南》、2010-2015、全文） 分类途径（分类号） （ （5 3）利用搜索引擎提供的全文链 ）常用法：一般有顺查法、倒 （3）明确课题的实质内容，提炼 关键词途径（自由词） 接 查法、抽查法 3种。 主题概念（阿司匹林、心肌梗死） 主题词途径（叙词、款目词）
词之间的组配关系加以限制和表示。 • 在检索时，先查找该检索词在记录中是否存 在，然后计算该检索词在该记录中出现的频 率。频率达到或超过阈值，该记录才为命中
文献。
• 可缩小检索范围，提高查准率。
二次检索
相当于将本次检索与上次检索进行逻辑“与”运算。
在“FT=在上一次检索结果的基础上，进一步筛选条件。 （维生素C * 副作用）”的结果中，继续检索“FT=癌症”的结果
上节回顾
1.信息检索的概念、原理、类型。
2.检索语言的定义、分类。 3.《中图法》分几大部几大类？ 4.《医学主题词表》简介、4个组成及核心 作用。主要组成字顺表和树状结构表的使用
以及两者之间的关系，副主题词表的使用。
5.标引的概念，常见的两种标引？组配的两 种种主要类型？主题标引的一般原则、选词 原则？
截词符
在检索标识中保留相同的部分，用截词
符代替可变化的部分。检索时，计算机会将 所有含有相同部分标识的记录全部检索出来。 magnetic a. 有磁性的 使用通配符“?”或“ #”来代表匹配0 个字 electro-magnetic a. 电磁的 符或1个字符或0个字符或任意多个字符。 electromagnetic a. 电磁的 *magnetic paramagnetic a. 顺磁的 肝炎??疫苗 （有限截词符） a. 热磁的 colo?r wom?n thermo-magnetic (0-1个字符) thermomagnetic a. 热磁的 compute?? （0-2个字符） *炎疫苗 （无限截词符）
信息检索工具 信息检索技术 检索效果评价
检索效果的含义与指标 检索效果评价的因素 提高检索效果的措施
• 3.1 检索效果的含义及指标
布尔逻辑运算符:非>与>或
思考：A not B or B not A 表示的是哪种情形？
实际运用中，根据数据库的不同逻辑运算符的运算级别有所 不同，例如中国知网非、与、或的级别是相同的，若想要改变 级别，可采用括号的形式。
字段限定符
字段限定符将检索词限定在具体某一字段中 检索，可缩小检索范围。 可以使用 : = [ ] 例： TI:青蒿素 AU=屠呦呦 Hypertension [tt] 限定在英文标题字段 smith j [au] 限定在作者字段 wang jn [au] 限定在作者字段
实际检索过程中，都无法达到100%，但应尽量使检索结果达 到最佳，让查准率和查全率处于最佳平衡点。 在一般知识检索、为解决难题检索等情况，偏重于检准率； 在课题论证、科技查新、专利申请等情况，偏重于检全率。
• 3.2 影响检索效果的因素
检索系统的质量——存储方面 • 全、好、快、便 检索人员的素质——检索方面 • 能否正确理解检索需求； • 检索工具、途径、检索词语的选择； • 信息检索知识与技能的掌握程度； • 对检索系统的熟悉程度； • ……
• 2.3计算机检索基本技术
布尔逻辑运算符：与 或
字段限定符：IN =
非
： [ ]
截词符（通配符） ： ? % # *
其它检索技术：扩展检索、加权检索
布尔逻辑运算符：与
逻辑“与” 用于组配具有交叉和限 定关系的概念，一般用 AND或空格或*表示 。 可以缩小检索范围，提 高查准率。 如：金庸 小说 胰岛素 and 糖尿病 维生素C 副作用
通讯网络：是确保信息畅通的桥梁。 数据库：计算机存储设备上由一个或多个文档 组成的相互关联的数据集合。
数据库的构成 表 记录 字段
2.2计算机系统的构成要素
• 硬件
• 软件
• 通讯网络 • 数据库
• • • • • • 事实数据库 数值数据库 书目数据库 全文数据库 图像数据库 多媒体数据库
1.3信息检索工具的分类
• 按载体形式划分 手工检索工具
1.2检索工具的分类
• 根据载体形式分类
计算机检索工具
• 1.2 信息检索工具的类型（按加工程度划分）
物的属性特征。
1 信息检索工具
• 目录型：通常以整本书或刊名作为著录对象，主要揭示出版 图书馆书目查询系统中的图书信息 • 题录型：以单篇文献作为著录对象，揭示文献的属性特征
布尔逻辑运算符：或
逻辑“或” 用于组配具有同义或并列关 系的概念，一般用运算符号 “OR”，表示两个检索项任 一项出现在一条记录中。 可以扩大检索范围，提高查 全率。 如：big bang theory or生活大 爆炸 AIDS OR 艾滋病
布尔逻辑运算符：非
逻辑“非” 用于排除某种概念的组 配，一般用运算符号 “NOT”或“-”表示。 可以缩小检索范围，提 高查准率。 如：金庸 - 小说 关节炎 NOT 类风湿 关节炎 -类风湿
1.3 信息检索工具的评价
全：是指检索工具存储文献的存储面如何。 好：浓缩质量好和标引质量好。 快：文献报道速度快。 便：能提供多种检索手段，多种检索途径。
信息检索工具
计算机信息检索的概念 信息检索技术 计算机检索系统的构成要素
检索结果评价
计算机信息检索的基本技术 计算机信息检索的调整技术
举例
检索系统中有100篇文献，其中关于某课题的相关文献 有80篇。而在一次检索中，共检出了60篇文献，其中该课 的相关文献48篇。查准率、查全率？ 查全率=48/80*100%=60% 漏检率=32/80*100%=40% 查准率=48/60*100%=80% 误检率=12/60*100%=20%
• 检索效果的含义： • 检索过程中满足用户需求全面性和准确性的有效程度。 • 理想的检索效果：无遗漏、无误差 • 评价指标 • 查全率 查准率 2个重要指标
• 漏检率
误检率
• 查全率=已检出的相关文献数/系统中应检出相关的文献数 查全率=a/(a+c) * 100%
• 查准率=检出的相关信息数/检出的信息总数 查全率与漏检率是互补关系；查准率与误检率是互 查准率=a/(a+b) * 100% 补关系 。 • 漏检率=未检出的相关文献数 / 系统中应检出的相关文献数 漏检率=c/(a+c) * 100% • 误检率=检出的非相关文献数/检出的文献总数 误检率=b/(a+b) * 100%
• 索引型：将文献的某一外表特征或内容特征按描述语言形成
标识，并按一定顺序排列，附在书刊之后，或单独编成册。
CBM中的分类索引 • 文摘型：文摘是对文献的主要内容简明扼要的描述。这类检
索工具对文献的揭示较前者更深入、更具体，参考价值大。
分：指示性文摘和报道性文摘。（化学文摘、生物学文摘） • 全文型：这类检索工具直接存储有文献的全部内容。并可以 原文中任何一个有实际意义的词作为检索词进行检索。（ CNKI、VIP、万方、ProQuest等）
百度指令检索
非（-）
或（OR） 与（AND 或空格） ""
不包含特定查询词
包含所有查询词中的一个或多个 包括所有的查询词 精确检索查询词
橄榄树 -歌曲 -歌词
西红柿 OR 番茄 西红柿 番茄 "元搜索引擎的优点"
*
filetype site inurl
通配符，替代任何字符
搜索特定格式的文献,有 pdf\xls\ppt\doc\rtf\swf等格式 搜索特定网站或网域 限定在url中进行搜索
言
标引ቤተ መጻሕፍቲ ባይዱ
检索提问 检索 标识
信 息 检 索 工 具 系 统 ）
输出
检 索 结 果
(
1.1 信息检索工具
1 信息检索工具定义：将大量分散无序的信息资料经过加 工整理，按照一定的规则和方法编制起来，用来存储、 检索和报道的工具。
信息检索工具
1.2 检索工具的类型
按载体形式划分 • 手工检索工具
• 计算机检索工具 按加工程度划分 • 目录型 • 题录型 • 索引型 • 文摘型 • 全文型
信息检索步骤
分析检索课题 选择检索工具 确定检索方法 确定检索途径 获取原始文献
引入案例
一名医学院的学生在写论文过程中需查找，2010-2015年间发表在 《中国医药指南》杂志上关于“阿司匹林治疗心肌梗死”的期刊全文
分析检索课题
选择检索工具
确定检索方法
确定检索途径 获取原始文献
2.1 计算机信息检索的概念
定义：用户利用计算机信息检索系统，使用检索策略
，从数据库中检索出与用户特定需求相一致的信息的过程。 提供 匹配查询
数 据 库 系 统
检索
检索系统
返回
策略
检索
结果
数据库
数据维护系统
网 络
安保系统
……
2.2计算机系统的构成要素 硬件：维持系统运行的各种设备的总称。
软件：计算机使用的各种程序的总称。
第三讲 信息检索工具、技术与评价
1.了解信息检索的步骤 2.熟悉信息检索工具的概念、类型和评价 3.掌握逻辑运算符，熟悉截词符和字段限定符的使 用，熟悉扩展和加权检索的使用 4.了解检索效果的含义、评价指标及提高检索效果 的措施
重 点
难 点
1.信息检索的步骤 2.逻辑运算符及字段限定符的使用 3.检索效果的评价指标
信息检索工具、技术与 评价
信息检索的原理
分析 信息 特征 标引 信息特征 输入 标识
存储 过程
原始 信息
检 索 语
信 息 检 索 工 具 ( 系 统 ）
输出
检 索 结 果
检索 过程
检索 分析 课题
检索 提问
言
标引
检索提问 检索 标识
信息检索就是利用检索标识与存储标识进行匹配，选出 符合需要文献信息。
2.3 计算机信息检索基本技术
扩展检索：对主题词或副主题词的下位词 一起检索。 作用：可扩大检索范围，提高查全率。
上位词
主题词可能属于
多个不同的学 科，所以根据 其不同学科属 性可有多个树 状结构号，对 应有多个词树。 下位词
加权检索
• 是一种定量检索的技术。从量的方面对检索
信息检索步骤案例
检索工具、技术与评价
p28-35,p50-58
信息检索工具的概念 信息检索工具
信息检索技术
信息检索工具的类型 信息检索工具的评价
检索效果评价
1.1 信息检索工具
信息检索的原理
存储 过程
原始 信息 分析
信息 特征
检 索 语
标引
信息特征 输入 标识
检索 过程
检索 分析 课题
检索 提问
velocity * swallow
教育学原理 filetype:ppt site:hbmu.edu.cn 转专业 inurl:www.baidu.com
intitle
intext
返回页面标题中包含有指定关键词 intitle:流星雨 的页面
关键词在网页文本中出现 intext:conference education
• 相当于检索式： FT=(维生素C * 副作用) AND FT=癌症
2 信息检索技术
2.4 计算机信息检索调整技术
• 扩大检索——提高查全率
• 初始检索范围太小，命中文献不多，需扩大检索范围的方法。 • 方法：使用上位词或相关词；增加同义词OR连接；截词检索；减少 字段限定条件等
• 缩小检索——提高查准率
（1）分析检索目的： 一般的资 原则：由近到远、由方便至复杂、 料查阅工作；科研立项、成果鉴 （ 1 ）根据课题分析的情况，确定 （ 1 ）外表特征检索途径： 由免费到收费。 （1）浏览法：直接浏览最新期刊， 定评奖、专利申请的查新工作、 的检索工具 题名途径（标题、书名） （ 1 ）本馆馆藏或数据库中获取 特别是核心期刊上的一次文献。 论文撰写 （ 2 ）检索人员自身的检索素质情 著者途径（作者、创作者） （ 2 ）本地其他图书馆获取 （2）追溯法：以文献后所附的参 （2）确定检索范围：学科专业范 况综合考虑选择合适的检索工具。 代码途径（ ISBN） （ 3 ）本地图书馆文献传递服务 考文献为线索，逐一由新向旧追 围、时间范围、文献类型（《中 （中国知网、万方等） （ 2 ）内容特征检索途径： （ 4 ）联系原文著者 踪。国医药指南》、2010-2015、全文） 分类途径（分类号） （ （5 3）利用搜索引擎提供的全文链 ）常用法：一般有顺查法、倒 （3）明确课题的实质内容，提炼 关键词途径（自由词） 接 查法、抽查法 3种。 主题概念（阿司匹林、心肌梗死） 主题词途径（叙词、款目词）
词之间的组配关系加以限制和表示。 • 在检索时，先查找该检索词在记录中是否存 在，然后计算该检索词在该记录中出现的频 率。频率达到或超过阈值，该记录才为命中
文献。
• 可缩小检索范围，提高查准率。
二次检索
相当于将本次检索与上次检索进行逻辑“与”运算。
在“FT=在上一次检索结果的基础上，进一步筛选条件。 （维生素C * 副作用）”的结果中，继续检索“FT=癌症”的结果
上节回顾
1.信息检索的概念、原理、类型。
2.检索语言的定义、分类。 3.《中图法》分几大部几大类？ 4.《医学主题词表》简介、4个组成及核心 作用。主要组成字顺表和树状结构表的使用
以及两者之间的关系，副主题词表的使用。
5.标引的概念，常见的两种标引？组配的两 种种主要类型？主题标引的一般原则、选词 原则？
截词符
在检索标识中保留相同的部分，用截词
符代替可变化的部分。检索时，计算机会将 所有含有相同部分标识的记录全部检索出来。 magnetic a. 有磁性的 使用通配符“?”或“ #”来代表匹配0 个字 electro-magnetic a. 电磁的 符或1个字符或0个字符或任意多个字符。 electromagnetic a. 电磁的 *magnetic paramagnetic a. 顺磁的 肝炎??疫苗 （有限截词符） a. 热磁的 colo?r wom?n thermo-magnetic (0-1个字符) thermomagnetic a. 热磁的 compute?? （0-2个字符） *炎疫苗 （无限截词符）