信息檢索基礎(chǔ)知識第一頁，共四十頁，2022年，8月28日一、信息檢索

信息檢索：是指將信息（主要指文獻(xiàn)信息）按一定的方式組織和存儲起來，并根據(jù)用戶的需要找出相關(guān)信息的過程。信息檢索存儲檢索存儲：是對信息進(jìn)行著錄、標(biāo)引、整序，編制檢索工具和建立檢索系統(tǒng)的過程。檢索：是指面向信息需求而進(jìn)行高度選擇性的查找過程。第二頁，共四十頁，2022年，8月28日檢索的基本原理

信息檢索基本原理的核心是用戶信息需求與文獻(xiàn)信息集合的比較和選擇,是兩者匹配(match)的過程。

一方面是用戶的信息需求,一方面是組織有序的文獻(xiàn)信息集合，檢索就是從用戶特定的信息需求出發(fā)，對特定的信息集合采用一定的方法、技術(shù)手段，根據(jù)一定的線索與規(guī)則從中找出(search,locate,hit)相關(guān)的信息。

匹配有其匹配標(biāo)準(zhǔn)，這里涉及到兩者一致性、相關(guān)度等問題，按一定的標(biāo)準(zhǔn)篩選出符合要求的信息。第三頁，共四十頁，2022年，8月28日信息檢索一般過程信息源信息分析、著錄、標(biāo)引信息的表示檢索語言數(shù)據(jù)庫匹配過程輸出檢索結(jié)果用戶用戶需求分析檢索表達(dá)式第四頁，共四十頁，2022年，8月28日信息檢索的過程往往需要一個評價反饋途徑，多次比較匹配，以獲得最終的檢索結(jié)果。其圖示如下：第五頁，共四十頁，2022年，8月28日二信息檢索語言、途徑1、檢索語言的含義及作用2、檢索語言的類型3、檢索途徑第六頁，共四十頁，2022年，8月28日1、檢索語言的含義及作用檢索語言：用于描述信息系統(tǒng)中信息的內(nèi)容特征及外部特征和表達(dá)用戶信息提問的一種專門語言。它要求文獻(xiàn)的標(biāo)引者和檢索者共同遵守。按其使用的場合不同，檢索語言常使用不同的名稱，在存儲的過程中用來標(biāo)引文獻(xiàn)，稱為標(biāo)引語言，用以編制索引就稱為索引語言，用來檢索文獻(xiàn)則稱為檢索語言。是根據(jù)檢索需要而創(chuàng)造的一種人工語言。作用：1)、保證不同標(biāo)引人員表征文獻(xiàn)信息的一致性。2)、使內(nèi)容相同及相關(guān)的文獻(xiàn)集中化。3)、保證檢索提問與文獻(xiàn)信息標(biāo)引的一致性。4)、保證檢索者按不同需求檢索文獻(xiàn)信息時，都能獲得最高的查全率和查準(zhǔn)率。第七頁，共四十頁，2022年，8月28日2、檢索語言的類型檢索語言的類型表述文獻(xiàn)外部特征的語言表述文獻(xiàn)內(nèi)部特征的語言題名責(zé)任者機(jī)構(gòu)號碼分類法主題法單元詞語言標(biāo)題詞語言敘詞語言關(guān)鍵詞語言純自然語言第八頁，共四十頁，2022年，8月28日特征外表特征主題特征內(nèi)容特征分類特征標(biāo)識標(biāo)題、作者、作者工作單位主題詞、關(guān)鍵詞文摘、說明、全文分類號對應(yīng)精確對應(yīng)模糊對應(yīng)模糊（精確）對應(yīng)模糊對應(yīng)信息特征與標(biāo)識對應(yīng)關(guān)系第九頁，共四十頁，2022年，8月28日責(zé)任者及其單位題名摘要關(guān)鍵詞中圖分類號文獻(xiàn)標(biāo)示碼正文第十頁，共四十頁，2022年，8月28日分類語言也屬于主題語言。分類語言是按學(xué)科范疇劃分而構(gòu)成的一種語言體系，它集中反映學(xué)科的系統(tǒng)性、反映它們的相關(guān)、從屬、派生等關(guān)系，從總體到局部分層、分面展開，形成分類體系。由類目號碼及名稱作為檢索語言，構(gòu)成分類類目表，如前述圖書分類表、專利分類表用的都是分類語言。具體體現(xiàn)為用分類號和類名來表達(dá)信息的主題概念，如F25物資經(jīng)濟(jì)

*中國圖書館圖書分類法（5部類，22大類）

*美國國會圖書館分類法

*杜威十進(jìn)位分類法

*IPC國際專利分類法第十一頁，共四十頁，2022年，8月28日中圖法大類表

第十二頁，共四十頁，2022年，8月28日《中圖法》體系細(xì)分如下所示：T 工業(yè)技術(shù)TP自動化技術(shù)、計算技術(shù)

3計算技術(shù)、計算機(jī)

31 計算機(jī)軟件

316 操作系統(tǒng)

.1 分時操作系統(tǒng)

.2 實時操作系統(tǒng)

.7Windows操作系統(tǒng)

39計算機(jī)的應(yīng)用

391信息處理（信息加工）

391.7機(jī)器輔助技術(shù)

391.72CAD391.73CAM……F經(jīng)濟(jì)F0經(jīng)濟(jì)學(xué)F1世界各國經(jīng)濟(jì)概況、經(jīng)濟(jì)史、經(jīng)濟(jì)地理…F25物資經(jīng)濟(jì)F250物資經(jīng)濟(jì)理論F252物資流通…F5交通運輸經(jīng)濟(jì)F50交通運輸經(jīng)濟(jì)理論…F53鐵路運輸經(jīng)濟(jì)F54陸路、公路運輸經(jīng)濟(jì)F55水陸運輸經(jīng)濟(jì)F56航空運輸經(jīng)濟(jì)F57城市運輸經(jīng)濟(jì)…F74國際貿(mào)易F740國際貿(mào)易理論與方法……U交通運輸U(kuò)16特種貨物運輸U(kuò)169集裝箱運輸U(kuò)169.6集裝箱運輸管理……第十三頁，共四十頁，2022年，8月28日主題語言包括：關(guān)鍵詞語言、單元詞語言、標(biāo)題詞語言、敘詞語言等，它們有不同的主題詞表。主題詞表達(dá)概念本身，在主題詞表中通過參照系統(tǒng)來指示詞匯之間的關(guān)系。如”交通運輸”、“國際物流”。主題語言分為規(guī)范主題語言與非規(guī)范主題語言。

規(guī)范主題語言：規(guī)范主題語言是以自然語言為基礎(chǔ)，經(jīng)過標(biāo)準(zhǔn)化、規(guī)范化處理的詞語，具有概念性、規(guī)范性、組配性、語義性和動態(tài)性。規(guī)范主題語言包括單元詞語言、標(biāo)題詞語言和敘詞語言。

*單元詞語言

是一種最基本的、不能再分的單位詞語，亦稱元詞，它從文獻(xiàn)內(nèi)容中抽出，再經(jīng)規(guī)范，能表達(dá)一個獨立的概念。比如“天氣雷達(dá)”不是單元詞，只有“天氣”和“雷達(dá)”才是單元詞，在英語中，單元詞經(jīng)常是一個單詞。如《WPI----規(guī)范化主題詞表》*標(biāo)題詞語言

是從文獻(xiàn)的題目和內(nèi)容中抽出來，經(jīng)過規(guī)范化處理的主題語言。美國工程信息公司出版的《工程標(biāo)題詞表》(簡稱SHE)是典型的標(biāo)題詞語言，但該公司1993年以后改用《工程索引敘詞表》(EiThesaurns)。第十四頁，共四十頁，2022年，8月28日*敘詞語言

是以表達(dá)文獻(xiàn)主題內(nèi)容的概念單元為基礎(chǔ)，經(jīng)過規(guī)范化處理，可以進(jìn)行邏輯組配的一種主語語言。如《漢語主題詞表》、《INSPEC敘詞表》（《科學(xué)文摘》）、《工程索引敘詞表》等。非規(guī)范主題語言：它是相對于規(guī)范主題語言而言的，以自然語言的語詞作檢索標(biāo)識，其所用詞匯未經(jīng)過規(guī)范化處理。非規(guī)范主題語言包括關(guān)鍵詞語言和純自然語言。

※關(guān)鍵詞語言

直接從文獻(xiàn)信息的標(biāo)題、摘要或內(nèi)容本身抽取出來的用于揭示信息主題內(nèi)容的自由詞?！冏匀徽Z言

指完全使用自然語言，即對一條完整的信息中任何詞匯都可以進(jìn)行檢索。它采用全文匹配法檢索，主要運用于計算機(jī)全文數(shù)據(jù)庫和網(wǎng)絡(luò)信息檢索中。使用純自然語言中檢索中最大的問題是誤檢率極高。第十五頁，共四十頁，2022年，8月28日★關(guān)鍵詞的提煉1、反映信息概念的準(zhǔn)確性（作為檢索詞應(yīng)當(dāng)科學(xué)，表達(dá)的意思要準(zhǔn)確，普遍使用，同時應(yīng)該簡明、精練，盡可能簡短明了，易輸易檢，詞匯不宜過長）古代語言演變=古代語言*語言演變=古代語言*演變2、反映信息內(nèi)容的全面性協(xié)同設(shè)計+協(xié)同工作3、注意檢索詞的多樣性軌道鐵軌過程和規(guī)律微型計算機(jī)微機(jī)電腦“加熱設(shè)備”可抽象化為“溫度控制設(shè)備”“溫度計”即“溫度測量儀器”

4、少用或不用副詞、助詞、指示代詞等不反映檢索內(nèi)容的詞或詞組。如a,the,is，http,com5、刪除具有包含關(guān)系的其中一個

教學(xué)用的信息檢索課多媒體課件信息檢索*多媒體*課件6、補充

A、補充還原詞組：WTO世貿(mào)組織世界貿(mào)易組織

B、補充同義詞或相關(guān)詞：計算機(jī)病毒(計算機(jī)+電腦)*病毒

C、增加限定詞（解決一詞多義現(xiàn)象）：杜鵑杜鵑(動物)、杜鵑（植物）7、注意輸入錯別字、濫用多義詞。如JAVA，既可只太平洋上的一個島，也可是一種著名的咖啡，還是一種計算機(jī)語言。8、切忌想要什么就輸什么。另外：首次利用關(guān)鍵詞檢索時，不要把條件限制得過于嚴(yán)格，最好是檢索出一些結(jié)果再使用其他限定條件，進(jìn)行二次檢索。第十六頁，共四十頁，2022年，8月28日3、檢索途徑檢索途徑又稱檢索入口，指信息用戶在檢索時，把所需信息的某種特征標(biāo)識轉(zhuǎn)換為檢索標(biāo)識，以此為入口進(jìn)行檢索

第十七頁，共四十頁，2022年，8月28日信息檢索途徑及其選擇內(nèi)容特征檢索途徑主題途徑指通過能表達(dá)文獻(xiàn)內(nèi)容的主題詞來檢索文獻(xiàn)的一種途徑。是信息檢索的一種主要途徑?！救绾翁崛z索詞】：1、切分切分就是以詞為單位劃分句子和詞組。例：檢索有關(guān)國際|國內(nèi)|集裝箱|班輪|運輸方面的研究論文要點：A.詞是語義切分的最小單元，也是檢索的最小單元。切分必須徹底，必須“到詞為止”。如：“信息檢索”可切分為：“信息|檢索”。B.切分也要適度，不能因切分而改變語義。如：不能將“操作系統(tǒng)”切分為“操作|系統(tǒng)”第十八頁，共四十頁，2022年，8月28日2、刪除將課題轉(zhuǎn)換成關(guān)鍵詞的集合A.刪除不具有檢索意義的虛詞（a,the,is等）和關(guān)鍵詞（因使用太寬泛而不具有檢索意義，如：http,com等）B.刪除過分寬泛和過份具體的限定詞無損檢測技術(shù)在材料性能評價中的應(yīng)用無損檢測*材料C.刪除具有包含關(guān)系的其中一個教學(xué)用的信息檢索課多媒體課件信息檢索*多媒體*課件3、替換用更本質(zhì)的概念替換表達(dá)欠佳的概念

稀土材料的研制釤鈷(用戶實際上是研究釤鈷材料)

空氣中細(xì)菌的計算方法空氣污染的計算方法

水果營養(yǎng)（水果[fruit]=梨[pear]+橙[orange]+蘋果[apple]+……）第十九頁，共四十頁，2022年，8月28日4、補充A、補充還原詞組：WTO世貿(mào)組織世界貿(mào)易組織B、補充同義詞或相關(guān)詞：計算機(jī)病毒(計算機(jī)+電腦)*病毒C、增加限定詞（解決一詞多義現(xiàn)象）：杜鵑杜鵑(動物)、杜鵑（植物）【獲得主題詞的技巧】：在圖書的版權(quán)頁可以找到該書的主題詞和分類號，或者通過圖書館的館藏數(shù)據(jù)來查找主題詞。第二十頁，共四十頁，2022年，8月28日分類途徑

指根據(jù)文獻(xiàn)所屬的類別，利用特定的分類號來檢索文獻(xiàn)的途徑。優(yōu)點：能夠從學(xué)科或?qū)I(yè)角度廣泛地獲得較系統(tǒng)的文獻(xiàn)，能夠達(dá)到較高的查全率。當(dāng)所需要的信息范圍比較寬泛或涉及內(nèi)容復(fù)雜，僅用幾個詞語已無法涵蓋檢索需求時多采用分類途徑。例：檢索“集裝箱種類”的信息，該用何種途徑？分析：A、如果明確知道“集裝箱種類”有哪些，而且知道具體名稱，就用主題途徑；（如保溫集裝箱、冷藏集裝箱、柔性集裝箱、液體集裝箱、氣體集裝箱、干散物品集裝箱、罐式物品集裝箱、集裝袋等

）B、如果課題所指內(nèi)容不是特定的幾種，而是多種，也不知道具體的名稱，就用分類途徑。（F169.4集裝箱種類）第二十一頁，共四十頁，2022年，8月28日著者途徑

即根據(jù)已知文獻(xiàn)著者來查找文獻(xiàn)的途徑?！九帕幸?guī)則】1、統(tǒng)一采用姓+名的順序。英文的人名需實行倒置！如：ArrowB·Smith(阿羅·B·史密斯)Smith,Arrow.B.2、復(fù)姓作者，將復(fù)姓作整體看待例：MargaretMartin-SmithMartin-Smith,Margaret【中文翻譯成英文的處理】3、音譯：直接用漢語拼音。西南交通大學(xué)Xinan（southwest）jiaotonguniversity4、意譯：通常有多種寫法，檢索式必須列舉各種寫法，才能保證查全率。例：原西南師范大學(xué)在歐洲專利數(shù)據(jù)庫中就有三種寫法：SouthwestChinaNormalUniwersity/SouthwestUniversity/XinanTeachers，University【拼寫形式】如：張建國ZhangJG或ZhangJianGuo(通常)，ZhangJ(有時)，JianguoZ（偶爾）第二十二頁，共四十頁，2022年，8月28日其他途徑題名途徑

即直接利用圖書的書名、期刊的刊名、標(biāo)準(zhǔn)文獻(xiàn)的標(biāo)準(zhǔn)名來查找所需停息的方法途徑。機(jī)構(gòu)名稱途徑主要包括作者所在的單位，以及圖書期刊的出版發(fā)行單位等。代碼途徑如專利號、標(biāo)準(zhǔn)書號(ISBN)、標(biāo)準(zhǔn)刊號(ISSN)、館藏號等。在已知文獻(xiàn)特定代碼的前提下，利用代碼途徑檢索文獻(xiàn)是最為快捷的方法之一。引文途徑從被引論文去檢索引用論文的一種途徑。第二十三頁，共四十頁，2022年，8月28日三檢索技術(shù)一、概念檢索二、布爾邏輯運算符組配檢索三、截詞檢索四、字段限制檢索五、位置運算符六、檢索技巧和方法第二十四頁，共四十頁，2022年，8月28日一、概念檢索檢索標(biāo)識是具體的檢索詞或詞組，每個檢索詞表達(dá)一個概念，具體檢索時，將檢索詞與數(shù)據(jù)庫中的文獻(xiàn)特征標(biāo)識進(jìn)行類比，兩者相同，則該記錄為命中文獻(xiàn)。如:“鐵路”、“物流”第二十五頁，共四十頁，2022年，8月28日二、布爾邏輯算符組配檢索布爾邏輯組配運算是采用布爾代數(shù)中的邏輯“與”邏輯“或”、邏輯“非”等算符，將檢索提問式轉(zhuǎn)換成邏輯表達(dá)式，限定檢索詞在記錄中必須存在的條件或不能出現(xiàn)的條件。凡符合布爾邏輯所規(guī)定的條件的文獻(xiàn)，既為命中文獻(xiàn)。第二十六頁，共四十頁，2022年，8月28日

布爾邏輯運算符————————————1、邏輯“或”2、邏輯“與”3、邏輯“非”第二十七頁，共四十頁，2022年，8月28日

1、邏輯“或”（和）—————————————————AB用符號“or”或“+”表示，其邏輯表達(dá)式為：AorB或A+B

其意義為檢索記錄中凡含有檢索詞A或檢索詞B，或同時含有檢索詞A和B的，均為命中文獻(xiàn)。如：鐵路or公路第二十八頁，共四十頁，2022年，8月28日

2、邏輯“與”————————————————AB用符號“and”或“*”表示，其邏輯表達(dá)式為：A*B或AandB

其意義為檢索記錄中必須同時含有檢索詞A和B的文獻(xiàn)，才算命中文獻(xiàn)。如：鐵路and物流第二十九頁，共四十頁，2022年，8月28日

3、邏輯“非”

————————————————AB用符號“not”或“-”，其邏輯表達(dá)式為：AnotB或A-B

其意義為：檢索記錄中含有檢索詞A，但不能含有檢索詞B的文獻(xiàn)，才算命中文獻(xiàn)。如:鐵路and物流not公路第三十頁，共四十頁，2022年，8月28日三、截詞檢索截詞檢索主要是利用檢索詞的詞干或不完整的詞形進(jìn)行檢索。不同的系統(tǒng)截詞符也不同:一般用“？”“*”表示.1、后方截詞：用于前方一致的派生詞檢索。如：信息？則表示在數(shù)據(jù)庫中含有信息、信息技術(shù)、信息檢索等方面的文獻(xiàn)記錄均為命中文獻(xiàn)。2、前方截詞：用于后方一致的派生詞檢索。如：？經(jīng)濟(jì)則數(shù)據(jù)庫中含有經(jīng)濟(jì)、工業(yè)經(jīng)濟(jì)、農(nóng)業(yè)經(jīng)濟(jì)等方面的文獻(xiàn)均為命中文獻(xiàn)。第三十一頁，共四十頁，2022年，8月28日3、有限截詞在檢索詞后面加上一個或一個以上（最多4個）的“？”，空一格，再加一個“？”。如：Comput????可檢索出：Computer，Computers，Computing截詞檢索在不同的計算機(jī)檢索系統(tǒng)中規(guī)定不同，請使用時注意。第三十二頁，共四十頁，2022年，8月28日四、字段限制檢索為了縮小檢索范圍，可利用字段代碼來限制檢索詞出現(xiàn)的字段，以提高檢索速度和命中率。在數(shù)據(jù)庫中,一般用“in”或者“/”加上字段名稱來限制檢索的范圍,用“=”來連接語種、文摘號和出版社時間如：

logisticsmanagement

inti（表示只在題目字段中查找文獻(xiàn)）

logisticsmanagement

inkw（只在主題詞中查找）

logisticsmanagement

inab（只在文摘中查找）au=Smith，J.C(查作者為Smith，J.C的文章)py=1998(只查1998年的文章)la=Chinese(只查語種為中文的文獻(xiàn))第三十三頁，共四十頁，2022年，8月28日五、位置運算符With(W)：設(shè)定需檢索的兩個詞或詞組必須按順序出現(xiàn)在記錄中,且兩詞之間不允許插入其他詞,只能有空格或一個標(biāo)點符號.其擴(kuò)展為(nW)。如：Computer(W)virus；Microwave(nW)radarNear(N)：設(shè)定需檢索的兩個詞或詞組位置可以顛倒,在兩詞之間不能插入其他詞，其擴(kuò)展為(nN)。如“near3”設(shè)定需檢索的兩個詞或詞組在同一句子中且相隔不超過3個單詞。如：Computer(N)virus；Microwave(nN)radar第三十四頁，共四十頁，2022年，8月28日A、擴(kuò)大檢索范圍——提高查全率*概念的擴(kuò)大。*范圍的擴(kuò)大。*增加同義詞、近義詞、相關(guān)詞和縮略詞。*用“or”、”?”、敘詞表*年代的擴(kuò)大。*去掉連字符可擴(kuò)大檢索范圍。*換另外的數(shù)據(jù)庫或是另外的光盤繼續(xù)進(jìn)行檢索。B、縮小檢索范圍的方法——提高查準(zhǔn)率*核心概念的限定。*核心期刊的限定。*語種的限定。*用布爾邏輯算符“and”或者“not”組配檢索詞。*使用位置算符“near”和字段算符“in”提高查準(zhǔn)率。*使用“Index”和敘詞表,選擇確切的檢索詞縮小檢索范圍六、檢索的技巧和方法第三十五頁，共四十頁，2022年，8月28日例如：某一老師就課題“有關(guān)國際|國內(nèi)|集裝箱|班輪|運輸方面”的研究論文？

分析課題（信息提問）：包括主題內(nèi)容、信息類型、時間范圍提煉檢索詞即關(guān)鍵詞:集裝箱AND班輪運輸（containerANDLinerShipping）選擇適當(dāng)?shù)臋z索工具：CNKI確定檢索途徑和檢索方法：檢索途徑：主要采用主題檢索與分類檢索相結(jié)合檢索方法：簡單檢索方法與二次檢索相結(jié)合調(diào)整檢索策略：根據(jù)檢索結(jié)果與信息需求不斷調(diào)整檢索途徑與方法。獲取原文：利用CNKI全文庫獲?。ㄒ曨l）檢索效果評價四信息檢索步驟第三十六頁，共四十頁，2022年，8月28日檢索效果評價信息檢索的最終結(jié)果是否滿足用戶需求或滿足程度如何，就存在對檢索質(zhì)量和效率進(jìn)行評價的問題。在檢索實踐中，主要包括收錄范圍、查全率、查準(zhǔn)率、響應(yīng)時間、用戶負(fù)擔(dān)及輸出形式，評價檢索效率的基本指標(biāo)具體有以下幾種：

查全率（Recallratio）——用R表示

查準(zhǔn)率（Precisionratio）——用P表示

漏檢率（Omissionratio）——用O表示

誤檢率（Fall-outratio）——用F表示

新穎率（Noveltyratio）——用N表示

有效率（Availabilityratio）——用A表示

檢索速度（Timeratio）——用T表示

第三十七頁，共四十頁，2022年，8月28日（一）查全率（R）和漏檢率（O）

在對特定檢索系統(tǒng)進(jìn)行檢索的過程中，我們設(shè)定：檢中的相關(guān)信息量為a，系統(tǒng)中的相關(guān)信息總量為b，檢索出