1、第二章 計(jì)算機(jī)檢索基本原理,1計(jì)算機(jī)檢索系統(tǒng) 2計(jì)算機(jī)檢索的基本原理與技術(shù) 3計(jì)算機(jī)檢索策略及其調(diào)整,1計(jì)算機(jī)檢索系統(tǒng),1.1計(jì)算機(jī)檢索系統(tǒng)組成 計(jì)算機(jī)硬件，計(jì)算機(jī)軟件，數(shù)據(jù)庫(kù) 1.2數(shù)據(jù)庫(kù) 1.2.1定義：包含書(shū)目以及與文獻(xiàn)有關(guān)數(shù)據(jù)的機(jī)讀記錄的有組織的集合。機(jī)讀記錄是文獻(xiàn)的代替物，一條記錄對(duì)應(yīng)一篇文獻(xiàn)，數(shù)據(jù)庫(kù)由若干條記錄組成。 1.2.2類(lèi)型 1.2.3構(gòu)成,1.2.2文獻(xiàn)數(shù)據(jù)庫(kù)類(lèi)型（據(jù)數(shù)據(jù)庫(kù)所含信息內(nèi)容 ）,1）文獻(xiàn)數(shù)據(jù)庫(kù)：存儲(chǔ)文獻(xiàn)型數(shù)據(jù)，如一次文獻(xiàn)或二次文 獻(xiàn) 書(shū)目數(shù)據(jù)庫(kù)（二次文獻(xiàn)數(shù)據(jù)庫(kù)）：包括各種文摘、索引、目錄。存貯某個(gè)領(lǐng)域原始文獻(xiàn)的書(shū)目。組成記錄的 字段一般有文獻(xiàn)的標(biāo)題、作者、出處

2、、文摘、主題 詞等。 全文數(shù)據(jù)庫(kù)：存貯文獻(xiàn)全文或其中主要部分的數(shù)據(jù)庫(kù)。 能使用戶(hù)獲得最終的一次文獻(xiàn)。 2）源數(shù)據(jù)庫(kù)：存儲(chǔ)事實(shí)、數(shù)值、概念、圖形等非文獻(xiàn)數(shù) 據(jù)的數(shù)據(jù)庫(kù),數(shù)值數(shù)據(jù)庫(kù)：提供以數(shù)值方式表示信息的一種源數(shù)據(jù)庫(kù)，其檢索結(jié)果可能只是單一的值或一組數(shù)據(jù)。數(shù)值數(shù)據(jù)庫(kù)能提供產(chǎn)品價(jià)格等數(shù)值信息，也可提供物質(zhì)的物理化學(xué)性質(zhì)、結(jié)構(gòu)、頻譜等數(shù)據(jù)。 事實(shí)數(shù)據(jù)庫(kù)：自原始文獻(xiàn)或社會(huì)調(diào)查中獲得并經(jīng)過(guò)處理的各種事實(shí)，如機(jī)構(gòu)、人物、產(chǎn)品、資源等數(shù)據(jù)。常見(jiàn)的有指南數(shù)據(jù)庫(kù)、產(chǎn)品數(shù)據(jù)庫(kù)等。 概念數(shù)據(jù)庫(kù)：庫(kù)內(nèi)存儲(chǔ)各種名詞術(shù)語(yǔ)或語(yǔ)言資料，如詞典數(shù)據(jù)庫(kù)、語(yǔ)料庫(kù)等。 多媒體數(shù)據(jù)庫(kù)：將各種類(lèi)型的信息集中在CDROM上，是視頻、音頻、

3、文字、圖像、動(dòng)畫(huà)等的集合體，如一些互動(dòng)性的百科全書(shū)。,1.2.3數(shù)據(jù)庫(kù)的構(gòu)成,1)記錄：是數(shù)據(jù)庫(kù)的基本單元，是對(duì)某一實(shí)體屬性進(jìn)行描述的結(jié)果。一個(gè)數(shù)據(jù)庫(kù)由若干條記錄構(gòu)成。每條記錄相當(dāng)于文摘型或題錄型檢索刊物的一條著錄款目。 文獻(xiàn)記錄格式（以Dialog系統(tǒng)中EICompendexPlus數(shù)據(jù)庫(kù)為例）如下：,AN DIALOG NO：03883137 EI Monthly NO；EIP94031231114 TI Title：LaserLight imaging for underwater use AU= Author：Caimin，F(xiàn)rank M SO= Source：Sca Technolo

4、gy，V34 NO12 Dec1993P22-27 PY= Publication Year：1993 CO,SN=CODEN：SEATAD ISSN：0993-3651 LA= LanguageEnglish 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 particula

5、r the range galed imaging，fieldlimited 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；,AN：Dialog存取號(hào)(Dialog Access Number)

6、。在一個(gè)數(shù)據(jù)庫(kù)中，每條記錄只有一個(gè)存取號(hào)，兩者一一對(duì)應(yīng)。 TI：篇名字段(Title)。 AU=：作者字段(Author)。 CS=：作者所在單位字段(Corporate Source)。 SO=：文獻(xiàn)來(lái)源字段(Source Publication)。包括期刊名稱(chēng)、年，卷、 期、頁(yè)等，或包括會(huì)議事項(xiàng)。 PY=：出版年份(Publication Year)。 CO=：期刊代碼字段(CODEN)。 LA=：語(yǔ)種字段(Language)，表示原文的語(yǔ)種。,DT：文獻(xiàn)類(lèi)型字段(Document Type)。 TC=：處理碼字段(Treatment Code)表示論文的性質(zhì)，A表示應(yīng)用，X表示實(shí)驗(yàn)，T表

7、示理論，等等 AB：文摘字段(Abstract)。 DE：敘詞字段(Descriptor)，選自敘詞表、主題詞表中的詞。 ID：自由標(biāo)引詞字段(Identifier)，非系統(tǒng)詞表中的詞，由標(biāo)引人員確定。 CC=：分類(lèi)代碼字段(Classification Code)。 對(duì)于不同檢索系統(tǒng)、不同數(shù)據(jù)庫(kù)來(lái)說(shuō)，其記錄格式、字段代碼、字段數(shù)目可能不完全相同。,2）字段：是文獻(xiàn)記錄的基本單元。一條記錄有若干個(gè)字段，一個(gè)字段有時(shí)還可分為幾個(gè)子字段(Subfield)。在書(shū)目數(shù)據(jù)庫(kù)中，一條記錄應(yīng)包含原始文獻(xiàn)的篇名、作者、刊名、出版時(shí)間、分類(lèi)號(hào)、文摘、主題詞等字段。 數(shù)據(jù)庫(kù)的字段可分為基本字段和輔助字段： 基本

8、字段主要是描述文獻(xiàn)內(nèi)容特征的字段，如篇名、文 摘、敘詞、自由標(biāo)引詞等字段； 輔助字段主要是描述文獻(xiàn)外表特征的字段，如著者、機(jī) 構(gòu)名稱(chēng)、語(yǔ)種、文獻(xiàn)來(lái)源等字段。,3）文檔(File)：若干條邏輯記錄構(gòu)成的信息集合。文檔 是書(shū)目數(shù)據(jù)庫(kù)和文獻(xiàn)檢索系統(tǒng)中數(shù)據(jù)組織的基本形式。 根據(jù)數(shù)據(jù)庫(kù)的內(nèi)部結(jié)構(gòu)，一個(gè)數(shù)據(jù)庫(kù)至少包含一個(gè)順排文檔和一個(gè)倒排文檔。,順排文檔：是按文獻(xiàn)記錄的輸入順序(即文獻(xiàn)序號(hào))排列的文檔。相當(dāng)于印刷型檢索工具的正文部分。 在順排文檔中，記錄按順序一個(gè)接一個(gè)地存放，一個(gè)存取號(hào)對(duì)應(yīng)一條記錄，存取號(hào)愈大，對(duì)應(yīng)的記錄就愈新。由于它存貯有記錄的最完整的信息，所以，通常又把它稱(chēng)之為主文檔(Master

9、File)。 這種存貯方式?jīng)Q定了對(duì)記錄的存取只能按順序進(jìn)行。如果在順排文檔中檢索，對(duì)每個(gè)檢索式都得按順序從頭到尾進(jìn)行掃描，存貯的記錄愈多，掃描的時(shí)間愈長(zhǎng)，從而嚴(yán)重影響了檢索的速度。 主要供用戶(hù)輸出和打印文獻(xiàn)記錄用。,倒排文檔：把順排文檔中的標(biāo)引詞抽出，按標(biāo)引詞的字母順序依次排列而成的文檔。倒排文檔實(shí)際上相當(dāng)于印刷型檢索工具中的輔助索引。 倒排文檔與順排文檔的區(qū)別： 順排文檔以完整記錄作為處理和檢索的單元，倒排文檔以記錄中的字段作為處理和檢索的單元。,2 計(jì)算機(jī)檢索的基本原理與技術(shù),2.1檢索原理,2.2檢索功能,布爾邏輯檢索功能 詞間位置檢索功能 截詞檢索功能 限定字段檢索功能 禁用詞 其他功

10、能,1)Boolean Search（布爾邏輯檢索）,邏輯“與”：AND ;and;*,A and B；A*B,定義：用于交叉概念或限定關(guān)系的組配，即被命中的文獻(xiàn)必須同時(shí)含有檢索項(xiàng)A和B。 作用：可縮小檢索范圍，提高查準(zhǔn)率。 要求：運(yùn)用時(shí)，把出現(xiàn)頻率低的檢索詞置于“與”的左端，可使否定答案盡早出現(xiàn)，節(jié)省機(jī)時(shí)。,1)Boolean Search（布爾邏輯檢索）,邏輯“或”：OR;or；+,A or B；A+B；computer or robot,定義：表示兩個(gè)概念的并列，即被命中的文獻(xiàn)含有兩詞之一或同時(shí)包含兩詞。 作用：可擴(kuò)大檢索范圍，提高查全率。 要求：組構(gòu)檢索式時(shí)，可將估計(jì)出現(xiàn)頻率高的詞置于

11、“或”的左面，可使選中的答案盡早出現(xiàn)。,1)Boolean Search（布爾邏輯檢索）,邏輯“非”：NOT；not; -,A not B；A-B；,定義：表示兩個(gè)概念的排除，即被檢索文獻(xiàn)在含有檢索詞A而不含有檢索詞B時(shí)才被命中。 作用：用于排斥關(guān)系的組配，即從原來(lái)的檢索范圍排除不需要的概念或影響檢索結(jié)果的概念，提高查準(zhǔn)率。 注意：往往會(huì)把切題的文獻(xiàn)給丟掉，運(yùn)用時(shí)要非常慎重。,2)位置檢索：,表達(dá)檢索詞之間位置關(guān)系的一種檢索 位置算符,（W）與（nW） (W)算符是“word”或“with”的縮寫(xiě)，表示此算符兩邊的檢索詞詞序不能顛倒，兩個(gè)詞之間可有一個(gè)空格、或一個(gè)標(biāo)點(diǎn)符號(hào)、或一個(gè)連接號(hào)； (n

12、W)則表示兩個(gè)檢索詞之間最多嵌入n個(gè)詞。,位置算符,例如，檢索“CD-ROM”,可用 CD（W）ROM；,而用price(2W)inflation , 則可能檢出price levels and inflation。,位置算符,（N）與（nN） （N）算符是“near”的縮寫(xiě)，表示此算符兩邊的檢索詞必須緊密相連，此間不允許插入其他單詞或字母，但詞序可以顛倒，而（nN）算符則表示在兩個(gè)檢索詞之間最多可以插入n個(gè)單詞，且詞序可以顛倒。 如: economic(2N)recovery，可以檢出：economic recovery, recovery of the economy, recovery

13、from economic troubles。,位置算符,（X）與（nX） （X）算符要求其兩邊的檢索詞完全一致，并以指定的順序相鄰，中間不允許插入任何單詞或字母； （nX）算符則表示兩邊的檢索詞之間最多可以插入n個(gè)單元詞，但兩邊的檢索詞也必須一致。,詞位置檢索是很有用的檢索技術(shù)，它可以規(guī)定詞組中各詞的前后次序，防止錯(cuò)誤的搭配和輸出；它也可以替代詞組中的禁用詞。DIALOG系統(tǒng)有9個(gè)禁用詞：AND、FOR、THE、AN、FROM、TO、BY、OF、WITH，如果在編制檢索式時(shí)碰到禁用詞，就要用詞位置算符代替它。,3)截詞檢索：*；？,定義：允許檢索詞有一定范圍的變化。檢索時(shí)將截詞符置于檢索詞允

14、許變化的部位，只要檢索詞和標(biāo)引詞的詞干相同即為命中文獻(xiàn)。 作用：減少檢索詞的輸入量，擴(kuò)大檢索范圍 ，提高檢索效率。 注意：使用截詞檢索必須慎重，一是詞干不要太短，以免檢出許多與原來(lái)檢索詞不相關(guān)的文獻(xiàn)記錄，二是英美不同拼法的詞，如變化字母數(shù)不同則不能使用中間截詞檢索，必須詳細(xì)寫(xiě)出并用OR組配后輸入。,分類(lèi)： 按截詞位置：前截?cái)?；后截?cái)啵恢虚g截?cái)?按截詞方式：無(wú)限截詞；有限截詞；中間截詞,前截?cái)啵簩⒔卦~符放在詞根前邊，后方一致，表示在詞根前方有有限個(gè)或無(wú)限個(gè)字符。 如*magnetic 能夠檢出含有magnetic、ctromagnetic、paramagnetic等詞的記錄。 后截?cái)啵簩⒔卦~符放

15、在詞根后邊，前方一致，表示在詞根后方有有限個(gè)或無(wú)限個(gè)字符。 如metal*，能夠檢出含有metal、metals、metaled、metalist等詞的記錄。 中間截?cái)啵簩⒔卦~符放在詞的中間，詞的前后方一致。 如colo*r，能夠檢出含有colour、color的記錄。,無(wú)限截詞：指允許截去的字符數(shù)量不限，也稱(chēng)開(kāi)放式截?cái)?。如前截?cái)嗪秃蠼財(cái)?有限截詞：允許截去有限個(gè)字符。如dye*(n*) ，能夠檢出含有dyer、dye、dyed、dyeing等詞的記錄。 中間截詞：如中間截?cái)唷?4)限定字段檢索：,定義：將檢索過(guò)程限定在記錄的特定的字段中進(jìn)行。 作用：縮小或約束檢索結(jié)果 ，提高檢索效率。 檢索

16、符號(hào)：in、 、 等。,computerTI，AB：表示在TI和AB字段中檢索computer。 AUWang fang and PY 2000:表示查找王芳于2000年以來(lái)發(fā)表的文章。,5)禁用詞（stop words）：,以下單詞作為檢索詞時(shí)，系統(tǒng)將自動(dòng)忽略并用空格取代之進(jìn)行檢索。 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、t

17、hrough、to、using、were、when、which、with、would,6)其他功能：,整體檢索: 在詞組的兩端加上“ ”，如“wheat powdery mildew” 優(yōu)先級(jí)檢索：在一個(gè)復(fù)雜的邏輯提問(wèn)中，使用括號(hào)(單層或多層)來(lái)指定運(yùn)算的先后順序。 (A*B+C)*(D+E)+F,3計(jì)算機(jī)檢索策略及其調(diào)整,3.1計(jì)算機(jī)檢索策略 1）最專(zhuān)指面優(yōu)先策略 2）最少記錄面優(yōu)先策略 3）積木型概念組面策略 4）引文珠形增長(zhǎng)策略 5）逐次分餾策略 3.2計(jì)算機(jī)檢索策略調(diào)整 擴(kuò)檢 縮檢,1）最專(zhuān)指面優(yōu)先策略：指在檢索時(shí)，首先選擇最專(zhuān)指的概念組面進(jìn)行檢索，如果檢索命中的文獻(xiàn)相當(dāng)少，那么其他概

18、念組面就不再加到檢索提問(wèn)式中去；如果檢索命中的文獻(xiàn)較多，就把其他概念組面加到檢索提問(wèn)式中，以提高查準(zhǔn)率。 2）最少記錄面優(yōu)先策略：與最專(zhuān)指面優(yōu)先策略類(lèi)似，即先從估計(jì)檢中的文獻(xiàn)記錄數(shù)量最少的概念組面人手，如果檢中的文獻(xiàn)記錄相當(dāng)少，則不必檢索其他概念組面，反之，則將其他概念組面加到檢索提問(wèn)式中去，提高檢索結(jié)果的查準(zhǔn)率。,3）積木型概念組面策略：把檢索課題分解成若干個(gè)概念組面，并分別先對(duì)這幾個(gè)概念組面進(jìn)行檢索，在每個(gè)概念組面中盡可能全地列舉同義詞、相關(guān)詞、近義詞，并用布爾算符“OR”連接成子檢索式，然后再用布爾算符“AND”把所有概念組面的子檢索式連接起來(lái)構(gòu)成一個(gè)總檢索式。,4引文珠形增長(zhǎng)策略：從直接檢索課題中最專(zhuān)指的概念組面開(kāi)始，以便至少檢出一篇命中文獻(xiàn)。檢索人員從這一條或數(shù)條記錄中找到新的規(guī)范詞或自由詞，補(bǔ)充到檢索式中去，然后再檢索就能重新查出更多的文獻(xiàn)。 5逐次分餾策略：先確定一個(gè)較大的、范圍較廣的初始文獻(xiàn)集，然后逐步提高檢索式的專(zhuān)指度，從而逐步縮小命中文獻(xiàn)集，直到得到數(shù)量適宜、用戶(hù)滿(mǎn)意的文獻(xiàn)集合為止。,擴(kuò)檢時(shí)，即提高查全率時(shí)，調(diào)整檢索式的主要方法有：(1) 選全同義詞并以“OR”方式與原詞連接后加入到檢索式中。(2) 降低檢索詞的專(zhuān)指度，從詞表或檢出文獻(xiàn)中選一些上