07級講義第一章《情報檢索》的基本內容

1第一節(jié)基本概論第二節(jié)情報檢索語言第三節(jié)計算機文獻檢索當今社會已進入信息化時代。在這一時代里，情報(信息)已經成為個人、社會群體和中，無論是一個課題的選題、設計、實驗，還是成果鑒定，每一步都離不開情報(信息)。并把自己的研究工作建立在一個較高的起點上。相反，如果在科研中，不重視情報(信息) (信息)的空間，但同時也給人們檢索和利用情報(信息)帶來了新的問題和矛盾。首先是數(shù)字資源總量的巨增與個人情報(信息)獲取能力有限之間的矛盾，例如以WWW方式提供的數(shù)字資源平均每過53天就翻一翻，全球現(xiàn)已有超過30億網(wǎng)頁及2000萬個網(wǎng)站，于是字資源生產、發(fā)布的任意性、自由性與情報(信息)質量無保證之間的矛盾，影響了人們對數(shù)字資源的獲取和情報(信息)質量的評估；再次是數(shù)字資源種類的多樣性與人們情報(信息)檢索能力之間的矛盾，文本、數(shù)據(jù)、圖形、圖像、音頻和視頻等多媒體和動態(tài)形式的情報(信息)均由功能強大的計算機軟件系統(tǒng)來組織和管理，檢索這類情報(信息)也需要一率。因此，網(wǎng)絡環(huán)境下數(shù)字資源的檢索與利用就成為迫切需要解決的問題。本課程的目的在于通過對網(wǎng)絡數(shù)據(jù)庫極其檢索方法與途徑的介紹，解決人們在網(wǎng)絡環(huán)境下查找情報(信息)所面臨的一系列問題，提高學生對數(shù)字資源的檢索、選擇、吸收、整理和重組情報(信息)的能力。第一節(jié)基本概論1.1情報檢索基本概念1．情報(信息)定義：對使用者有一定實用價值的知識的有效傳遞。容按一定的方式組織和存儲起來，并根據(jù)用戶的需求找出所需情報過程。2文獻檢索----以與情報提問相關的文獻作為檢索對象的稱為文獻檢索。這種檢索直接獲得的結果，一般是文獻及文獻線索。例如：檢索“量子保密通信安全度的分析模型”課題的中文資料，或者是文獻名稱、著者、內容簡介、文獻出處等，要經過反復篩選才可利用。數(shù)據(jù)檢索----凡是以能直接回答情報提問的科學數(shù)據(jù)為檢索對象的稱為數(shù)據(jù)檢索。它通化合物分子式、化學結構式、統(tǒng)計數(shù)據(jù)、曲線、產品、及市場定量數(shù)據(jù)等等。事實檢索----凡是以直接回答情報提問的事實為檢索對象的稱為事實檢索。檢索所得的景情況及信用程度”即屬于事實檢索。1.2科技文獻基本概念和類型識別．科技文獻的基本概念：負載著科技知識的物質載體(1)按載體形式分：印刷型----它是以紙張為載體，通過鉛印、膠印、油印等手段形成的文獻?？s微型----它是以印刷型文獻為母體，采用光學攝影技術，將文獻的體積縮小固化到感。機讀型----它是使用計算機進行存儲和閱讀的一種文獻。例如：磁盤數(shù)據(jù)庫、磁帶數(shù)據(jù)快，易于實現(xiàn)資源共享。聲像型----它又叫視聽資料。是以磁性材料或感光材料為載體，借助特殊的機械裝置直接記錄聲音信息和圖象信息而產生的一種文獻。例如：唱片、錄音帶、聲像帶、光碟等。(2)按文獻出版形式分：科技期刊----它具有數(shù)量大、品種多、內容豐富多樣，它出版周期短、刊載速度快、內容新、發(fā)行面廣、能及時反映當前的科技發(fā)展水平、定期連續(xù)出版，科研工作中大約70%的情報來自期刊。期刊又分核心期刊和一般期刊，核心期刊有中文核心期刊、國外人文社會科學核心期《中文核心期刊要目總覽》年印刷版(即第四版)年出版過三版，在社會上引起了較大反響，圖書情報界、學術界、出版界和科研管理部門對該項研究成果都給予了較高評價，普遍認為它適應了社會3刊編輯和出版質量的提高，已成為具有一定權威性的參考工具書。本版核心期刊定量評價，采用了被索量、被摘量、被引量、它引量、被摘率、影響因子、獲國家獎或被國內外重要檢索工具收錄等個評價指標，選作評價指標統(tǒng)計源的數(shù)據(jù)庫達種，統(tǒng)計文獻量達到萬余篇次(至年)，涉及期刊萬千種。本版還加大了專家評審力度，《國外人文社會科學核心期刊總覽》年印刷版(即第三版)該書已于、年出版過兩版，新版對核心期刊評價方法進行了改進，增加了定了專家定性評審力度。本版采用了被摘量、被引量、影響因子、流通量、被重要檢索工具收錄等個評價指標，選用了個統(tǒng)計源數(shù)據(jù)庫，統(tǒng)計文獻量達篇次(至年)，涉及期刊種。經過定量評價和定性評審，從正在出版的數(shù)部門外刊采訪及讀者閱讀外文期刊和投稿時參考?！秶饪茖W技術核心期刊總覽》年印刷版(即第二版)編輯)，新版國外科學技術核心期刊在研究方法上進行了改進，增加了學科類目(涵蓋全部科學技術學科)。具體方法同《國外人文社會科學核心期刊總覽》年版。個評價指標年)，涉及期刊種。經過定量評價和定性評審，從正在出版的數(shù)萬種科學技術外文期刊中評選出種核心期刊，分屬個學科類目。該書由學科核心期刊表和核心期刊簡介組成，是我國系統(tǒng)介文期刊和投稿時參考。科技報告----這是研究成果的正式報告，或是研究過程中的階段進展報告。內容較專深，大報告(NASA報告、DOE報告、PB報告、AD報告)，它們分別是美國國家航空和宇航、美國商務出版局、美國軍事技術情報局的科研報告。以及大學研究所，包括一些國外研究機構。報告內容側重于航空和空間技術領域，同時也廣DOE報告資料主要來源于能源部直屬機構及合同戶，內容主要為原子能及其應用方面，但也涉及到其他各門學科。PB報告資料主要來源于美國國內各研究機構的技術報告，內容逐步側重于工農業(yè)生產和民用工程方面。4AD報告資料主要來源于美國國防部所屬的陸?？杖姷目蒲袉挝弧⒐?、大專院校和天、地球、物理、材料工程技術等。AD——A非密公開AD——B非密限制AD——C保密AD——D美軍專利文獻AD——E計算機編目時暫時使用的試驗號碼會議文獻----所謂會議文獻是指各類科技會議的資料和出版物，包括會議前參加會議者經整理編輯加工而成的正式出版物。廣義的會議文獻包括會議論文、會議期間的有關文件、會議文獻的特點：傳遞新產生的但未必成熟的科研信息，對學科領域中最新發(fā)現(xiàn)、新成果等重大事件的首次報道率最高，是人們及時了解有關學科領域發(fā)展狀況的重要渠道。涉及的專業(yè)內容集中、針對性強。圍繞同一會議主題撰寫相關的研究論文。內容新穎，即時性強。最能反應各個學科領域現(xiàn)階段研究的新水平、新進展。檢索會議文獻的重要性：許多創(chuàng)新的想法、概念和理論往往在各種會議中首先出現(xiàn)。許多科研人員依賴于會議交流信息。由于其出版的不規(guī)則，會議文獻的檢索與獲取比較困難。政府科技文獻----是各國政府及其所屬部門或專門機構發(fā)表、出版的文獻，其中科技文0—40%。它可供我們了解科學技術方針、政策、事件、政府資助方面的動向。學位論文----這是高等學校博士和碩士研究生或本科畢業(yè)生撰寫的評定學位的論文，有一定的學術參考價值。標準文獻----主要是對工農業(yè)產品及工程建設的質量、規(guī)格及其檢驗方面所做的技術規(guī)產品樣本----它是對定型產品的性能、構造、用途、使用方法及產品規(guī)格所作的說明。由于它代表已投產的產品，在技術上較為成熟，數(shù)據(jù)較為可靠。技術檔案----它是生產建設部門和科技部門在技術活動中形成的、有一定的工程對象的技術文件。它對以后從事相近或相似的專業(yè)的研究活動，有直接的參考價值。5科技發(fā)展的最新水平和未來發(fā)展趨勢。因此，它是科技工作者常用的信息資源。(3)按文獻加工級別分：一次文獻----這是科技工作者根據(jù)研究或研制的成果，在研究、創(chuàng)造過程中或末尾時撰寫的文獻。主要包括期刊論文、專利說明書、會議論文、科技報告、以及學位論文等。還包括一些不公開出版的文獻，例如：實驗記錄、日記、備忘錄、手稿、內部報告、技術檔案、二次文獻----二次文獻是文獻工作者對一次文獻進行加工整理后的創(chuàng)作產品，諸如各種索所需要的文獻線索。三次文獻----三次文獻是對一次文獻的內容進行系統(tǒng)綜合、分析、評述而編撰出的成果，它可分為綜述研究類和參考工具類兩大文獻類型。綜述研究類文獻是在大量原始文獻成果基態(tài)綜述、進展通訊、信息預測。參考工具類文獻是在大量的原始文獻的基礎上編寫成供查閱1.3檢索工具種揭示對象為單篇文獻或出版單元中的一出處(即原文所在出版單元的名稱、卷期、頁碼、出版期、文種等)。項目為文獻題名、著者及著者工作單位、文獻出處、內容摘要等。索引索引是將文獻(圖書、期刊等)中的篇目、語詞、主題、人名、地名、事件及其它索引的分類：按照索引的編排方式可以分為：形式索引(著者索引、機構索引、號碼索引)、內容索引(分類索引、主題索引、語詞索引)和關系索引(引文索引、再版索引)。6按照索引的對象(即索引所揭示的原始文獻)可以將索引分為：專著索引、報刊索引、會細微的區(qū)別在于：目錄揭示文獻的整體，索引揭示文獻的局部。1.4科技查新科技查新是國家科技部為避免科研課題重復立項和客觀正確地判別科研成果的新穎性工作站是國家教育部和國防科工委認定的開展科技查新業(yè)務具有部委級查新職能的認證機家科技部頒發(fā)的“科技查新咨詢人員資格證書”，是具有部級查新職能的認證機構，可受理除國家一級鑒定(如國家發(fā)明一等獎、科技進步一等獎，此項由國家一級查新站查新)以外的任何鑒定級別的項目查新。查新工作站的服務內容有：()科研項目立題查新；()科技成果、產品等鑒定、報獎查新；()申請專利查新；()科技文獻信息、專利信息、產品信息、商業(yè)資信、市場研究等各類信息的咨詢。二節(jié)情報檢索語言及類型概念：情報檢索語言是專門用于各種手工和計算機的文獻情報存儲檢索系統(tǒng)，表達文獻主題概念和檢索課題概念的人工語言。型：7標題詞語言、敘詞語言、關鍵詞語言、單元詞語言。表達文獻所論及或涉及的事物----主題，而不管文獻是從哪個角度、哪門學科方面來論述該事物的；并將全部標識按字順排列，而不管各個標識所表達的事物----主題之間的相互關系；籍助于參照系統(tǒng)、范疇表或范疇索引來間接顯示標題之間的相互關系。單元詞語言脫胎于標題詞語言。它與標題法相同之處在于使用經過規(guī)范化了的語詞作標具主要是《化學專利單元詞索引》和《WPI—規(guī)范化主題詞表》。它吸取了多種檢索語言的原理和方法:保留了單元詞法單詞組配的基本原理;采用了組配分類法的概念組配來代替單元詞法的字面組配,以及適當采用標題詞法預先組配方法(即采用詞組),以克服某些詞拆分后再組配時產生意義失真的缺點;采用了標題法對語詞進行嚴格規(guī)范化的方法,以保證語詞與概念一一對應;采用并進一步完善了標題法的參照系統(tǒng),采用了體系分類法的基本原理編制敘詞分類索引(范疇索引)和等級索引(詞族索引),采用與關鍵詞法類似的方法編制敘詞輪排索引,從多方面顯示敘詞間的相互關系,以保證準確、全面地索語言的發(fā)展趨勢。關鍵詞語言是一種未經優(yōu)選和規(guī)范化的自然語言。所謂關鍵詞是指那些出現(xiàn)在文獻的標主題內容具有實質意義的詞，亦即對揭示和描述文獻主題內容來說是重要的、帶關鍵性的那些詞。利用關鍵詞法可以實現(xiàn)檢索工具編制過程的計算機化(文獻自動標引)，從而可以降低對文獻處理人員的知識和業(yè)務水平的要求，同時可以節(jié)省大量人力。中，其規(guī)范詞是自行車。2.1主要情報檢索語言的特點及缺陷8館圖書分類法》以及國際上的《杜威分類法》等。其缺陷是：列舉式分類法其概念包羅能力低，不能及時反映新的學科概念；缺乏按任務特征進行組配檢索的可能性；描述詞、體系分類法中吸取精華，了檢全率。敘詞語言以嚴格規(guī)范的自然語言為基礎，直觀性強。9主主題詞名者單位敘詞言要語言信息提供者一標識符用查到的主題詞進行快速檢索，結果名者敘詞一標識符言要語言子文件舉例：在數(shù)據(jù)庫中有詞表精確項精確項單單擊該主題詞，進單單擊該鏈接，有下面這這就檢索到主題詞有第三節(jié)計算機文獻檢索3.1計算機文獻檢索發(fā)展歷程脫機檢索階段世紀—年代是脫機檢索的試驗和實用階段，批處理檢索方式是這個階段信息檢索的主要方式。著名的脫機檢索系統(tǒng)有美國國家醫(yī)學圖書館的，美國化學文摘社發(fā)行的《化學題錄》機讀磁帶版等。脫機檢索系統(tǒng)又稱成批檢索系統(tǒng)。就是定時由專職檢索人員利用計算機處理批量的問題，并把檢索結果分別提供給用戶。聯(lián)機檢索階段施行了首次聯(lián)機檢索演示，該公司后來研制成功的聯(lián)機信息檢索軟件OBIT是聯(lián)機檢索階段的性過高，網(wǎng)絡的擴展性較為困難等。因此，近年來世界上許多聯(lián)機檢索系統(tǒng)如DIALOG、STIN、OCLC等都在因特網(wǎng)上建立了項目與內容方面除了保持原有的特色項目以外，還吸收了WWW服務器信息服務方面的長處，增加了許多服務項目和內容，如消息，網(wǎng)絡新聞組等。此外，在Internet上，聯(lián)機檢索加強，使更多的人接受了這類系統(tǒng)。光盤檢索階段光盤檢索階段始于20世紀80年代中期，1985世界上第一個CD-ROM數(shù)據(jù)庫BIBIIOFICE(美國國會圖書館機讀目錄)問世，是光盤檢索系統(tǒng)使用化的標志。光盤檢索是以光盤為存儲介質，利用光盤驅動器和計算機實現(xiàn)對光盤數(shù)據(jù)庫讀取和檢索生產商也開始建立起自己的信息網(wǎng)站，在繼續(xù)發(fā)行光盤版數(shù)據(jù)庫的同時，將光盤數(shù)據(jù)庫的內段目前，WWW因其集文本，圖像，聲音等多媒體信息于一體的巨大優(yōu)點，已占據(jù)信息聯(lián)機檢索系統(tǒng)那樣集中于檢索中心而是分布在網(wǎng)絡中的各個主機。這種分布式數(shù)據(jù)可以實現(xiàn)進軍，將自己權威的信息通過獨立的網(wǎng)站向全球及時發(fā)布，從而大大提高的英特網(wǎng)的信息服雜的檢索技巧，使數(shù)字資源檢索突破了傳統(tǒng)科研學術領域的限制，更深入的融合到了人們的日常生活之中。3.2計算機文獻檢索主要功能布爾邏輯功能邏輯或邏輯式為符號為信息的查全率。在檢索中，可對與檢索概念有關的同義詞、近義詞、相關詞等用邏輯或來連接，檢索范圍，常用于同義詞檢索。例如：讀者欲查詢關于老人的信息，即可利用來連結“老人”與“長者”兩詞匯，即可獲得含有“老人”與“長者”的信息。其概念及檢索指令如下圖示：檢索指令：老人長者邏輯與邏輯式為符號為表示概念的交叉和限定的組配，使用“邏輯與”組配技術，將會縮小檢索范圍，增強檢索的專指性，能夠提高檢索信息的查準率。用途：縮窄檢索范圍，通常用作連結不相關的詞匯。例如：讀者欲查詢同時涵蓋“中國”及“法律”兩個主題的檢索結果時可使用指令連結兩詞匯，檢索出同時涉及此兩主題的信息。其概念及檢索指令如下圖示：其概念及檢索指令如下圖示：中國法律邏輯非邏輯式為–符號為–檢索確。有時，讀者更可將“NOT”視作“ANDNOT”之用。其概念及檢索指令如下圖示：檢索功能完全能用表格和文字來體現(xiàn)不同的布爾邏輯關系。3.3截詞檢索技術截詞檢索技術是一種常見的檢索技術，特別是在西文數(shù)字資源的檢索中使用得更為廣泛。拼寫法的詞，為了減少檢索詞輸入量，節(jié)省機時，同時又擴大檢索范圍，保證查全率，可使用截詞檢索。截詞符一般用“？”或“*“表示，不同系統(tǒng)，不同數(shù)據(jù)庫，其代表的含義有斷字符數(shù)的不同，可分為有限截斷和無限截斷。按截詞位置分前截詞：也稱左截詞或后方一致。截詞符位與詞干的前邊，允許檢索詞的前端有若干變化的工??等。又如輸入：刑事*(即檢索出現(xiàn)在“刑事”右方的所有詞匯)，即可得出：刑事案件、刑事訴訟??等。中間截詞(也稱“通用字符檢索法”)：截詞符作為通用字符位于檢索詞的中間，而詞的前后監(jiān)”及“系統(tǒng)”一詞的中間的所有詞匯)，即可得出：中央監(jiān)視系統(tǒng)、中央監(jiān)控系統(tǒng)??等。按截斷字符數(shù)的不同分所舉例子。個截詞檢索技術能提高檢索的查全率。聯(lián)機檢索中一般對截詞符號沒有統(tǒng)一標準，根據(jù)系統(tǒng)用“#”等。網(wǎng)絡信息檢索工具中絕大多數(shù)都支持截詞功能，有的是自動截詞，有的是在一定條件下才能截詞。在允許截詞的檢索工具中，一般是指后截詞，部分支持中間截詞，檢索舉例：在數(shù)據(jù)庫中用進行快速檢索，查到題名InfluenceofNonwovenFabrics'PhysicalParametersonThermalandWaterVaporResistance作者Mazzuchetti,Giorgio;Lopardo,Giuseppina;Demichelis,Roberto來源JournalOfIndustrialTextiles,vol.36,no.3,pp.253-264,July2007摘要Thisarticletakesintoconsiderationsomeconstructiveparametersofneedlednonwovenfabricsusedaspaddinginwinterclothes,andtheirinfluenceonthermalresistanceRctandwatervaporresistanceRet.Thenonwovenfabricfeaturestakeninto...3.4鄰近檢索技術句子位置算符(S)，字段算符(F)、(L)等。1．(W)與(nW)算符前后順序相鄰排列，詞序不可變，且兩詞之間不許有其他的詞或字母，但允許有一空格或標M(N)是near的縮寫，表示此算符兩側的檢索詞必須