第三章 計算機(jī)檢索基礎(chǔ)知識

第三章計算機(jī)檢索基礎(chǔ)知識中國民航大學(xué)圖書館主要內(nèi)容一、計算機(jī)檢索概述二、信息存儲與數(shù)據(jù)庫結(jié)構(gòu)三、檢索語言與檢索技術(shù)四、檢索的基本程序1.計算機(jī)檢索概述計算機(jī)檢索原理計算機(jī)檢索系統(tǒng)的組成計算機(jī)信息檢索的發(fā)展檢索系統(tǒng)的類型檢索原理廣義的文獻(xiàn)信息檢索，包括文獻(xiàn)信息存儲和文獻(xiàn)信息檢索兩個過程。在存儲信息時，信息著錄和標(biāo)引人員首先對原始信息進(jìn)行主題分析，把原始信息中包含的信息內(nèi)容分析出來，形成若干能代表該原始信息主題的概念，并用檢索語言的語詞（即，標(biāo)引標(biāo)識，包括主題詞和分類號等）把這些概念標(biāo)識出來，然后按照一定規(guī)則存入檢索工具或檢索系統(tǒng)。用戶檢索時，首先要對檢索課題進(jìn)行主題內(nèi)容分析，明確所涉及的學(xué)科范疇、檢索要求及檢索范圍，并形成若干代表檢索課題需要的概念，把這些概念轉(zhuǎn)換成檢索語言的語詞（即，檢索標(biāo)識，包括主題詞和分類號等），然后從檢索工具或檢索系統(tǒng)中查找含有該檢索標(biāo)識的信息，從而獲得所需的信息。什么是著錄？什么是標(biāo)引？著錄是對信息的外表特征和內(nèi)容特征加以簡單明確的描述標(biāo)引是對信息的內(nèi)容給出分類號和主題詞主題詞分類號主題詞分類號檢

索

原

理

示

意

圖信息檢索原理簡言之，信息檢索原理就是將檢索標(biāo)識與存儲在檢索工具或檢索系統(tǒng)中的標(biāo)引標(biāo)引標(biāo)識進(jìn)行比較，兩者一致或者信息標(biāo)引的標(biāo)識包含著檢索標(biāo)識，則含有該標(biāo)識的信息就從檢索工具或系統(tǒng)輸出。計算機(jī)檢索是計算機(jī)代替人工檢索的匹配過程。計算機(jī)一方面接受檢索提問表達(dá)式，另一方面從數(shù)據(jù)庫中讀取信息記錄，然后在兩者之間進(jìn)行匹配運(yùn)算，如果比較的結(jié)果一致，那么這條信息就算命中，如果比較的結(jié)果不一致，則這條信息就不被輸出。計算機(jī)信息檢索特點速度快、效率高檢索范圍廣不受時空的限制數(shù)據(jù)更新頻率高輔助功能完善計算機(jī)信息檢索系統(tǒng)組成計算機(jī)（服務(wù)器和終端）：是檢索系統(tǒng)的核心部分,包括軟件和硬件。通過一定的檢索軟件，它們能夠進(jìn)行信息的存儲、處理、檢索以及整個系統(tǒng)的運(yùn)行和管理。通訊網(wǎng)絡(luò)：通信網(wǎng)絡(luò)是聯(lián)系計算機(jī)系統(tǒng)和檢索終端設(shè)備的橋梁，起著傳遞信息的作用。檢索網(wǎng)絡(luò)所用的通信線路，一般是公用電話線或?qū)Ｓ镁€，國際聯(lián)機(jī)檢索系統(tǒng)則是由通信衛(wèi)星和海底電纜構(gòu)成的通信網(wǎng)絡(luò)。數(shù)據(jù)庫：是在計算機(jī)存儲設(shè)備上按一定方式存儲的相互關(guān)聯(lián)的數(shù)據(jù)集合。是檢索系統(tǒng)的信息源，也是用戶檢索的對象。計算機(jī)信息檢索的發(fā)展階段脫機(jī)批處理檢索階段(1954-1964)聯(lián)機(jī)檢索階段(1965-)光盤檢索階段(1980-)網(wǎng)絡(luò)化檢索階段(1995-)脫機(jī)檢索（off-lineretrieval)在利用計算機(jī)進(jìn)行信息檢索的早期，人們只是用單臺計算機(jī)的輸入輸出裝置進(jìn)行檢索，用磁帶作存儲介質(zhì)，一般為連續(xù)的順序檢索方式。檢索部門把許多用戶的檢索提問匯總到一起，進(jìn)行批量檢索，然后把檢索結(jié)果通知各個用戶，用戶不直接接觸計算機(jī)。聯(lián)機(jī)檢索(on-lineretrieval)60年代末，由于計算機(jī)軟硬件技術(shù)的不斷提高，出現(xiàn)了一臺主機(jī)帶多個終端的聯(lián)機(jī)信息檢索系統(tǒng)。聯(lián)機(jī)檢索是用戶利用終端設(shè)備，通過通信網(wǎng)絡(luò)或通信線路與檢索系統(tǒng)聯(lián)機(jī)，進(jìn)行“人機(jī)對話”，從檢索中心的數(shù)據(jù)庫及時查找所需要的文獻(xiàn)信息過程。80年代，發(fā)達(dá)國家的一些計算機(jī)信息聯(lián)機(jī)檢索系統(tǒng)，通過衛(wèi)星通信網(wǎng)絡(luò)和計算機(jī)專用終端，在世界范圍內(nèi)提供聯(lián)機(jī)信息檢索服務(wù)，形成國際聯(lián)機(jī)檢索服務(wù)業(yè)，聯(lián)機(jī)檢索服務(wù)是計算機(jī)檢索走向?qū)嵱没⒁?guī)?；a(chǎn)業(yè)化的重要的標(biāo)志。光盤數(shù)據(jù)庫檢索光盤

是80年代發(fā)展起來的激光存儲載體，繼紙張感光材料、磁性載體之后問世的又一種新型的信息存儲介質(zhì)。能存儲數(shù)據(jù)、文字、圖形、圖像、聲音、動畫等各種信息。一張普通的光盤、信息存儲量約為550兆。按照光盤讀取數(shù)據(jù)的性能來劃分，有以下三種類型：只讀光盤(CD-ROM)

一次性寫入光盤(CD-WORM)

可擦寫光盤(CD-ERM)網(wǎng)絡(luò)化檢索(internationalon-lineretrieval)網(wǎng)絡(luò)信息檢索的特征

存取范圍覆蓋Internet上的幾乎所有資源

傳統(tǒng)檢索方法與全新檢索技術(shù)相結(jié)合

用戶界面友好且操作方便

具備良好的導(dǎo)航和編輯功能

網(wǎng)絡(luò)透明度高

國內(nèi)計算機(jī)信息檢索發(fā)展階段1975年,從國外引進(jìn)數(shù)據(jù)庫開展機(jī)檢服務(wù)；1980年，建立國際聯(lián)機(jī)終端開展檢索服務(wù)；20世紀(jì)80年代中后期，自建數(shù)據(jù)庫；90年代初，發(fā)展光盤檢索；90年代中期，Internet網(wǎng)絡(luò)化檢索階段。2.信息存儲與數(shù)據(jù)庫結(jié)構(gòu)

信息源收集標(biāo)引與著錄數(shù)據(jù)庫及其編排結(jié)構(gòu)信息源收集1)確定入選信息的專業(yè)范圍。信息的專業(yè)性體現(xiàn)了數(shù)據(jù)庫的特色與權(quán)威性。2)確定信息的文獻(xiàn)類型。如期刊、會議記錄、學(xué)位論文、標(biāo)準(zhǔn)等。3)確定信息的載體。如縮微制品、光盤、磁帶、磁盤的信息。4)確定信息的加工深度。對于文獻(xiàn)數(shù)據(jù)庫而言，加工深度表現(xiàn)為三個層次：題錄、文摘、全文。5)確定信息的起始時間。收集的信息時間跨越范圍需要根據(jù)信息的特點合理選擇，回溯年限長，信息時效性就差，但歷史性就越強(qiáng)。標(biāo)引與著錄標(biāo)引：指對信息內(nèi)容特征進(jìn)行分析，賦予信息以檢索標(biāo)識的過程。標(biāo)引一般包括主題標(biāo)引和分類標(biāo)引。著錄:對信息外部特征(如文獻(xiàn)的篇名、著者、出處、出版時間等)進(jìn)行分析、選擇與記錄的過程。

對信息內(nèi)容特征進(jìn)行標(biāo)引和對信息外部特征進(jìn)行著錄，形成一條信息題錄，并根據(jù)信息內(nèi)容作出摘要，然后將上述檢索標(biāo)識與著錄項目一并填入工作單，就完成了數(shù)據(jù)庫建設(shè)的“數(shù)據(jù)前處理”工作。數(shù)據(jù)庫及其編排結(jié)構(gòu)數(shù)據(jù)庫的類型數(shù)據(jù)庫的構(gòu)成數(shù)據(jù)庫的記錄格式數(shù)據(jù)庫的編排結(jié)構(gòu)數(shù)據(jù)庫的類型按照信息處理層次劃分:書目數(shù)據(jù)庫(BibliographicDatabase)存儲對文獻(xiàn)信息進(jìn)行加工后的書目數(shù)據(jù)。如：圖書館館藏目錄或聯(lián)機(jī)公共檢索目錄等。文摘數(shù)據(jù)庫(AbstractDatabase)存儲原文經(jīng)過濃縮后得到的文摘、索引等信息。

–主要提供各種文獻(xiàn)信息的提名、責(zé)任者、原文出處、主題詞及文摘，一般不提供全文。

–如WebofScience等。全文數(shù)據(jù)庫（FullTextDatabase)存儲的是原始文獻(xiàn)的全文，如雜志論文、報紙新聞、法院案例等。全文檢索可直接獲取原始資料，而不是書目檢索時的線索，提高了用戶的檢索效率。如，萬方數(shù)據(jù)庫、維普數(shù)據(jù)庫等全文數(shù)據(jù)庫。數(shù)據(jù)庫的構(gòu)成記錄（Record)是構(gòu)成數(shù)據(jù)庫的一個完整的信息單元，每條記錄描述了原始信息的外部和內(nèi)部特征。書目數(shù)據(jù)庫中的一條記錄通常代表一篇文獻(xiàn)，其它類型數(shù)據(jù)庫中的記錄則是某種信息單元。字段（Field)

–

比記錄更小的單位是字段，是組成記錄的數(shù)據(jù)項目。

–

例如在書目數(shù)據(jù)庫CBMdisc中一條記錄代表某一篇文獻(xiàn)，在這條記錄中有中文題名（TI）、著者（AU）、出處（SO）、主題詞（MH）等字段。數(shù)據(jù)庫的編排結(jié)構(gòu)數(shù)據(jù)庫的編排結(jié)構(gòu)，就是計算機(jī)檢索系統(tǒng)中數(shù)據(jù)庫的每條記錄數(shù)據(jù)項的編排方式，有順排文檔和倒排文檔兩種。1)順排文檔以記錄為單位，按記錄的入藏順序號從小到大排列。2)倒排文檔是從順排文檔中抽取有檢索意義的檢索標(biāo)識，如主題詞、著者姓名、篇名等，并按某種順序排列，同時在檢索標(biāo)識后注明入藏順序號。順排文檔與倒排文檔配合使用示意圖檢索“反坦克導(dǎo)彈發(fā)展趨勢”方面的文獻(xiàn)檢索式：反坦克導(dǎo)彈and發(fā)展趨勢數(shù)據(jù)庫的結(jié)構(gòu)若干個記錄構(gòu)成的信息集合稱為文檔。大型的數(shù)據(jù)庫分割成若干文檔。記錄是構(gòu)成數(shù)據(jù)庫的完整的信息單元，每條記錄描述了原始信息的外部特征和內(nèi)部特征。組成記錄的數(shù)據(jù)項目檢索語言與檢索技術(shù)檢索語言

檢索語言就是為溝通文獻(xiàn)標(biāo)引與文獻(xiàn)檢索而編制的人工語言，也是連接信息存儲和檢索兩個過程中標(biāo)引人員與檢索人員雙方思路的渠道，是用于文獻(xiàn)標(biāo)引和檢索提問的約定語言。檢索語言類型示意圖檢索技術(shù)1.布爾邏輯檢索2.位置運(yùn)算檢索3.截詞檢索4.字段限定檢索布爾邏輯檢索(Booleansearching)

在檢索過程中用于表達(dá)詞與詞之間的邏輯關(guān)系的算符，稱為布爾邏輯運(yùn)算符。算符有三種邏輯關(guān)系：邏輯與（AND）、邏輯或（OR）、邏輯非（NOT）。

邏輯與（AND）AANDB：檢索詞A和檢索詞B同時出現(xiàn)在一條記錄中。其作用是縮小檢索范圍，提高查準(zhǔn)率。例如：查有關(guān)“人口控制”的文獻(xiàn)，檢索式可寫成：

人口AND控制邏輯或（OR）例如：查有關(guān)計算機(jī)的資料，檢索式可寫成：

計算機(jī)OR電腦AORB：記錄中出現(xiàn)檢索詞A或檢索詞B或兩詞同時出現(xiàn)在一條記錄中。其作用是擴(kuò)大檢索范圍，提高查全率。邏輯非（NOT）ANOTB：記錄必須包含檢索詞A但不能包含檢索詞B。即在含有A檢索詞的文獻(xiàn)中去除含有B檢索詞的文獻(xiàn)。其作用是縮小檢索范圍，提高查準(zhǔn)率。例如：檢索有關(guān)能源方面的文獻(xiàn)信息，但不包括核能，檢索式為：

energyNOTnuclear運(yùn)算順序布爾邏輯算符的運(yùn)算次序：NOT>AND>OR()號里的部分運(yùn)算優(yōu)先例如:(AORD)ANDB表示先執(zhí)行“AORD”的檢索，再與B進(jìn)行AND運(yùn)算。位置檢索使用位置算符是為了表達(dá)各個檢索詞之間的順序與相對位置關(guān)系。位置運(yùn)算符有：(W)、(nW)、(N)、(nN)。

(W)是with的縮寫，(W)算符兩側(cè)的檢索詞之間不得有其他任何字或詞，而且順序不能顛倒，但允許有空格或一個標(biāo)點符號。American()literature。(nW)表示兩側(cè)的檢索詞中間允許插入的詞最多只能有n個，且檢索詞位置不能顛倒。knowledge(1W)economy,會命中knowledgeeconomy或者knowledge-basedeconomy。

(N)是near的縮寫，(N)算符兩側(cè)的檢索詞必須相連，不得插入其他詞，但詞序可以顛倒。chemistry(N)physics，會命中chemistryphysics或者physicschemistry。

(nN)表示允許在此算符兩側(cè)的檢索詞之間最多插入n個詞，但詞序可以顛倒。注意:這是一種可以不依賴主題詞表而直接使用自由詞進(jìn)行檢索的技術(shù)方法。不同的檢索系統(tǒng)其位置算符的表示方法不盡相同。截詞檢索

截詞檢索就是把檢索詞截斷，取其中的一部分，在加上截詞符號一起進(jìn)行檢索。主要用于檢索詞的單復(fù)數(shù)、詞性的詞尾變化、詞根相同的一類詞，以及同一詞的拼法變異等。從本質(zhì)上說，截詞算符是一種邏輯“或”的關(guān)系。

通用的截詞符有：？和*

？代表一個字母，叫做有限截斷；*代表兩個或兩個以上字母，叫做無限截斷。截詞檢索例如：child*,可查到child,children,childish,childhood等所有以child開頭的單詞。按截斷的位置不同，截詞檢索又分為左截斷、右截斷和中間截斷。字段限制限制符in對特定字段進(jìn)行限制檢索，如年份限制檢索、語種限制檢索、文獻(xiàn)類型限制檢索等。如：EnglishinLA要求檢索的文獻(xiàn)為英文文獻(xiàn)。禁用詞（非關(guān)鍵詞）主要有：介詞、冠詞、連接詞、感嘆詞、某些形容詞或副詞以及不能反映文獻(xiàn)的實質(zhì)內(nèi)容，而且在一般文章中非常通用的某些詞。如：方法、問題、報告、研究、探討等。4.檢索的基本程序1.分析檢索課題2.選擇檢索系統(tǒng)及數(shù)據(jù)庫3.確定檢索詞4.構(gòu)建檢索提問式5.上機(jī)檢索并調(diào)整檢索策略6.輸出檢索結(jié)果。1.分析檢索課題(1)弄清用戶信息需求的目的和意圖。(2)分析課題涉及的學(xué)科范圍、主題要求。(3)課題所需信息的內(nèi)容及其特征。(4)課題所需信息的類型，包括文獻(xiàn)類型、出版類型、年代范圍、語種、著者、機(jī)構(gòu)等。(5)課題對查新、查準(zhǔn)、查全的指標(biāo)要求。

2.選擇檢索系統(tǒng)和數(shù)據(jù)庫

在全面分析檢索課題的基礎(chǔ)上，根據(jù)用戶要求得到的信息類型、時間范圍、課題檢索經(jīng)費(fèi)支持等因素綜合考慮后，選擇檢索系統(tǒng)和數(shù)據(jù)庫。

正確選擇數(shù)據(jù)庫，是保證檢索成功的基礎(chǔ)。選擇數(shù)據(jù)庫時必須從以下幾個方面考慮：(1)數(shù)據(jù)庫收錄的信息內(nèi)容所涉及的學(xué)科范圍；(2)數(shù)據(jù)庫收錄的文獻(xiàn)類型、數(shù)量、時間范圍以及更新周期；(3)數(shù)據(jù)庫所提供的檢索途徑、檢索功能和服務(wù)方式。3.確定檢索詞

(1)先選用主題詞。(2)選用數(shù)據(jù)庫規(guī)定的代碼。(3)選用常用的專業(yè)術(shù)語。(4)選用同義詞與相關(guān)詞。4.構(gòu)建檢索提問式

檢索提問式是計算機(jī)信息檢索中用來表達(dá)用戶檢索提問的邏輯表達(dá)式，由檢索詞和各種布爾邏輯算符、位置算符、截詞符以及系統(tǒng)規(guī)定的其他組配連接符號組成。

5.上機(jī)檢索并調(diào)整檢索策略

檢索時，應(yīng)及時分析檢索結(jié)果是否與檢索要求一致，根據(jù)檢索結(jié)果對檢索提問式作相應(yīng)的修改和調(diào)整，直至得到比較滿意的結(jié)果。(1)檢索結(jié)果信息量過多(2)檢索結(jié)果信息量過少檢索結(jié)果信息量過多

產(chǎn)生檢索結(jié)果信息量過多的原因可能有：主題詞本身的多義性導(dǎo)致誤檢；對所選的檢索詞的截詞截得太短等。在這種情況下，就要考慮縮小檢索范圍，提高檢索結(jié)果的查準(zhǔn)率。調(diào)整檢索策略的方法主要有：

(1)減少同義詞與同族相關(guān)詞；

(2)增加限制概念，采用邏輯“與”連接檢索詞；

(3)使用字段限定，將檢索詞限定在某個或某些字段范圍；

(4)使用邏輯”非”算符，排除無關(guān)概念；

(5)調(diào)整位置算符，由松變嚴(yán)。檢索結(jié)果信息量過少

造成檢索結(jié)果信息量少的原因有：（1）選用了不規(guī)范的主題詞或某些產(chǎn)品的俗稱，商品名稱作為檢索詞；（2）同義詞、相關(guān)詞、近義詞沒有運(yùn)用全；（3）上位概念或下位概念沒有完整運(yùn)用。針對這種情況，就要考慮擴(kuò)大檢索范圍，提高檢索結(jié)果的查全率。調(diào)整檢索策略的方法如下：

(1)選全同義詞與相關(guān)詞并用邏輯“或”將它們連接起來，增加網(wǎng)羅度；(2)減少邏輯“與”的運(yùn)算，丟掉一些次要的或者太專指的概念；

(3)去除某些字段限制；(4)調(diào)整位置算符，由嚴(yán)變松。上位詞：白熾燈上位概念：電燈谷氨酸上位概念：氨基酸相關(guān)詞：（1）同一事物的學(xué)名、俗名、商品名

學(xué)名俗名商品名乙醇酒精NaCl鹽計算機(jī)電腦聚二甲基硅氧烷硅油（2）同一事物的簡稱、全稱、音譯和意譯簡稱全稱音譯意譯

wwwworldwidewebCADcomputeraideddesigninternet因特網(wǎng)互聯(lián)網(wǎng)

motor馬達(dá)電動機(jī)

laser鐳射激光器（3）同一事物名稱的反義詞污水處理與水凈化光潔度與粗糙度（4）同一事物名詞的單復(fù)數(shù)、不同詞性、英美語的不同形式