第二講數(shù)據庫及檢索方法演示文稿

第二講數(shù)據庫及檢索方法演示文稿目前一頁\總數(shù)八十五頁\編于十七點優(yōu)選第二講數(shù)據庫及檢索方法目前二頁\總數(shù)八十五頁\編于十七點主要內容數(shù)據庫檢索概述檢索詞及其應用計算機檢索策略與流程目前三頁\總數(shù)八十五頁\編于十七點（一）數(shù)據庫檢索概述目前四頁\總數(shù)八十五頁\編于十七點

數(shù)據庫是計算機檢索系統(tǒng)中存儲的信息源，按一定的方式組織并儲存，借助于檢索系統(tǒng)隨時為用戶提供服務的信息集合。數(shù)據庫三要素：相關數(shù)據、共同存取方式和一定的組織方式、共享。通俗地說，數(shù)據庫是以某一特定方式組織和存放的數(shù)據倉庫。1.1數(shù)據庫概念目前五頁\總數(shù)八十五頁\編于十七點從記錄形式(內容性質)的角度將數(shù)據庫分為兩大類：文獻型數(shù)據庫非文獻型數(shù)據庫

1.2數(shù)據庫分類目前六頁\總數(shù)八十五頁\編于十七點是一種能直接提供文獻線索和文獻原文的數(shù)據庫收集的記錄是根據書刊、技術報告、學位論文、會議報告、專利、報刊新聞等加過工的一次或二次文獻。1.2數(shù)據庫分類

——文獻型數(shù)據庫目前七頁\總數(shù)八十五頁\編于十七點全文型數(shù)據庫(一次文獻)

:存貯文獻全文或部分內容的數(shù)據庫目錄型數(shù)據庫（二次文獻）：存儲書刊目錄、論文題錄、文摘等書目線索的數(shù)據庫題錄/文摘數(shù)據庫

：存儲和檢索期刊論文外部特征及文獻摘要信息的數(shù)據庫書目數(shù)據庫：存儲和檢索書目信息的數(shù)據庫1.2數(shù)據庫分類

——文獻型數(shù)據庫目前八頁\總數(shù)八十五頁\編于十七點收集指南或詞典形式的數(shù)據記錄，能直接提供具體的術語、事實、數(shù)值和圖像等信息的數(shù)據庫。

1.2數(shù)據庫分類

——非文獻型數(shù)據庫目前九頁\總數(shù)八十五頁\編于十七點數(shù)據型數(shù)據庫：是一種以自然數(shù)值形式表示、計算機可讀的數(shù)據集合。如實驗數(shù)據、化學分子式、價格等統(tǒng)計數(shù)據、科學實驗數(shù)據、測量數(shù)據等。如：中國科學計量指標數(shù)據庫。圖像型數(shù)據庫：存貯有某些圖象信息,如圖片,云圖,工程設計圖等.

目前十頁\總數(shù)八十五頁\編于十七點事實型數(shù)據庫：也稱指南型數(shù)據庫，是一種存貯簡單而獨立存在的非文獻信息，如機構、人物、產品、地理位置、事件等，每個條目都是對一個事實確切、完整的描述。按內容劃分有人物數(shù)據庫、機構名錄數(shù)據庫、產品或商品信息數(shù)據庫、以及投資指南庫、基金指南庫等。1.2數(shù)據庫分類

——非文獻型數(shù)據庫目前十一頁\總數(shù)八十五頁\編于十七點術語型數(shù)據庫：也稱詞語型數(shù)據庫。專門存儲揭示各類名詞、術語、詞語的形、音、義與使用方法、以及詞義演變、發(fā)展等信息的檢索工具。

目前多數(shù)術語型數(shù)據庫大多是辭書、詞典、百科全書等數(shù)字化版本。目前十二頁\總數(shù)八十五頁\編于十七點數(shù)據庫文獻型數(shù)據庫非文獻型數(shù)據庫全文數(shù)據庫題錄/文摘數(shù)據庫書目數(shù)據庫數(shù)據型圖像型事實型術語型目錄數(shù)據庫目前十三頁\總數(shù)八十五頁\編于十七點不同類型數(shù)據庫的結構不完全相同。文獻型數(shù)據庫的結構層次：字段記錄文檔

1.3數(shù)據庫的結構目前十四頁\總數(shù)八十五頁\編于十七點數(shù)據庫中最基本的信息單元，其實體是文獻的著錄項目。記錄中的字段標識符一般由兩個字母組成,如TI,AB,AU,PY,LA等.每個字段都是一條檢索該記錄的途徑.

三種基本字段：檢索系統(tǒng)的存取號（AccessionNumber）基本索引字段（BasicIndexFields）輔助索引字段（AdditionalIndexFields）字段目前十五頁\總數(shù)八十五頁\編于十七點存取號：計算機信息檢索系統(tǒng)為該數(shù)據庫的每一條記錄規(guī)定的能被計算機識別的特定號碼。在同一數(shù)據庫中，每篇文獻記錄只有一個存取號。一般來講，存取號由6—9位數(shù)字組成，出現(xiàn)在每條聯(lián)機記錄的左上角位置。

字段目前十六頁\總數(shù)八十五頁\編于十七點基本索引字段：又稱主題字段，是數(shù)據庫提供的字段檢索默認值.用來表達文獻內容特征的字段，如：篇名字段（TitleField/TI）文摘字段（AbstractField/AB）敘詞字段（DescriptorField/DE）字段目前十七頁\總數(shù)八十五頁\編于十七點

輔助索引字段（AdditionalIndexFields）：用來表達文獻外部特征的字段，如：著者字段（AuthorField/AU）出版年字段（PublicationYearField/PY）刊名字段（JournalField/SO或JN）語種字段（LanguageField/LA）文獻類型字段（DocumentTypeField/DT）輔助字段種類很多，且隨數(shù)據庫的不同而各有差異。字段目前十八頁\總數(shù)八十五頁\編于十七點

幾個不同字段的集合構成記錄，一個數(shù)據庫內的記錄往往含有相同的字段。每條記錄相當于文摘型或題錄型檢索刊物的一條著錄款目。

一條記錄即一篇文獻。記錄目前十九頁\總數(shù)八十五頁\編于十七點一條記錄的格式：目前二十頁\總數(shù)八十五頁\編于十七點由若干相同類型或不同類型的記錄組成。一個數(shù)據庫由若干個文檔組成。一個文檔由大量的記錄組成，而每個記錄中又包含有若干字段，這就是文獻數(shù)據庫中的層次結構。

文檔目前二十一頁\總數(shù)八十五頁\編于十七點（二）

檢索理論基礎

目前二十二頁\總數(shù)八十五頁\編于十七點

檢索詞是用戶或檢索人員給出的字、詞、字符或短語，用于查找含有它（它們）的記錄。

檢索詞分為兩類：受控詞和非受控詞。

2.1檢索詞——概念及分類目前二十三頁\總數(shù)八十五頁\編于十七點檢索詞受控詞非受控詞主題詞表敘詞表分類詞表自然語言索引關鍵詞索引2.1檢索詞——概念及分類目前二十四頁\總數(shù)八十五頁\編于十七點受控詞：是事先規(guī)范化的檢索語言，取自主題詞表、敘詞表、分類表等。如果數(shù)據庫對數(shù)據采用了受控標引，并有機讀式或印刷版主題詞表時，應優(yōu)先選用其中的受控詞。特點：受控詞的檢索效率高，一旦選定適當?shù)母拍睿到y(tǒng)就能檢出這一概念的全部內容，而且，由于標引人員已事先解決了自然語言中的同義、近義關系，使檢索相對容易。

但受控詞不能及時反映新事物的發(fā)展，而且概念數(shù)量有限、結構復雜，不易為非專業(yè)人員掌握。2.1檢索詞——概念及分類目前二十五頁\總數(shù)八十五頁\編于十七點非受控詞：非受控詞是指非規(guī)范化的自然語言詞匯，又稱自由詞。特點:非受控詞可以在一定程度上彌補受控詞的不足，非受控詞可以是任意選詞，其專指性強，而且不需要熟悉詞表，新產生的名詞術語可以及時檢索與新概念有關的文獻。但非受控詞一般不能提供概念的等級結構，不能解決同義詞、近義詞、相關詞的結合或連接問題。

2.1檢索詞——概念及分類目前二十六頁\總數(shù)八十五頁\編于十七點2.2檢索技術布爾邏輯算符截詞檢索（外文）限制檢索（外文）目前二十七頁\總數(shù)八十五頁\編于十七點

利用布爾邏輯算符將檢索詞或代碼進行邏輯組配以表達檢索需求的檢索方法布爾邏輯算符有三種：邏輯與（邏輯乘）邏輯或（邏輯和）邏輯非（邏輯差）2.2檢索技術——布爾邏輯算符目前二十八頁\總數(shù)八十五頁\編于十七點2.2檢索技術——布爾邏輯算符-----邏輯與（邏輯乘）邏輯與（邏輯乘）是用“and”或“*”連接檢索概念，AandB（或A*B）表示兩個概念的交叉，即記錄中必須同時含有A和B，用“邏輯與”來檢索是對檢索需求增加限定因素，可以縮小檢索范圍。用邏輯與組構的檢索詞越多，檢索范圍越小，專指度越強，有助于提高查準率。目前二十九頁\總數(shù)八十五頁\編于十七點2.2檢索技術——布爾邏輯算符SearchtermsResultsapple78,344breeding2,962plantovertyANDcrime5,677appleANDbreedingANDplant76邏輯與（邏輯乘）Wienn圖目前三十頁\總數(shù)八十五頁\編于十七點2.2檢索技術——布爾邏輯算符----邏輯或（邏輯和）邏輯或（邏輯和）是用“or”或“+”連接檢索概念，AorB（或A+B）表示兩個概念的并列，即記錄中凡單獨含有檢索項A或檢索項B，或者同時含有A、B兩者均為命中記錄。用邏輯或來檢索可擴大檢索范圍，提高查全率。目前三十一頁\總數(shù)八十五頁\編于十七點2.2檢索技術——布爾邏輯算符SearchtermsResultscollege770university33,685,205collegeORuniversity33,702,660collegeORuniversityORcampus33,703,820邏輯或（邏輯和）Wienn圖目前三十二頁\總數(shù)八十五頁\編于十七點2.2檢索技術——布爾邏輯算符----邏輯非（邏輯差）邏輯非（邏輯差）是用“not”或“－”連接檢索概念，AnotB（或A－B）表示兩個概念的排除，即凡含有檢索項A并且不含檢索項B的記錄為命中記錄。用邏輯非來檢索，可以縮小檢索范圍，提高檢索的專指度。但這種檢索也有缺點，即取消部分，往往會把切題的文獻丟掉，因此運用邏輯非運算時要慎重。目前三十三頁\總數(shù)八十五頁\編于十七點2.2檢索技術——布爾邏輯算符SearchtermsResultscats3,651,252dogs4,556,515catsNOTdogs81,497NOT邏輯非（邏輯差）Wienn圖目前三十四頁\總數(shù)八十五頁\編于十七點

在外文檢索中，常會遇到一些詞干相同、詞義相近的檢索詞或有英、美不同拼寫的詞，為了減少檢索詞的頻繁輸入，擴大檢索范圍，可使用截詞符（通配符），以提高檢索效率。

所謂截詞，是指在檢索詞的某個局部截斷，利用某些檢索詞的詞干或不完整詞形加上截詞符進行檢索，其目的是查找某一詞干的不同變化形式，做到一“詞”多用，防止漏檢，從而達到較高的查全率。

2.2檢索技術——截詞檢索目前三十五頁\總數(shù)八十五頁\編于十七點2.2檢索技術——截詞檢索截詞方式有前截斷、后截斷、前后截斷和中間截斷4種。一般用？和*表示截詞符，不同系統(tǒng),含義不同.目前三十六頁\總數(shù)八十五頁\編于十七點2.2檢索技術——截詞檢索----前截詞：將截詞符放在詞根的前面，后方一致，表示在詞根的前方有無限個或有限個字符變化。例如，computer（計算機），在該詞根前加“？”，即“?Computer”，可檢出：Microcomputer、Minicomputer等。目前三十七頁\總數(shù)八十五頁\編于十七點2.2檢索技術——截詞檢索----后截詞：將截詞符放在詞根后面，前方一致。computer（計算機），在該詞根后加“？”，即為“Computer？”，可檢出computers、computerised、computerization等。

目前三十八頁\總數(shù)八十五頁\編于十七點2.2檢索技術——截詞檢索----前后截詞：將截詞符放在詞根的前面和后面，中間一致。例如，computer（計算機），在詞根前后都加“？”，即為“?computer?”，可檢出microcomputer、minicomputer、computer、computers、computerised、computerization等。目前三十九頁\總數(shù)八十五頁\編于十七點2.2檢索技術——截詞檢索----中間截詞：中間截詞又稱為“通常字符檢索法”，它是將截詞符置于檢索詞的中間，而詞的前后方一致，通常用于英、美英語拼寫不同的詞的檢索。例如，colo？r可檢出colour（英音）、color（美音）。

目前四十頁\總數(shù)八十五頁\編于十七點2.2檢索技術——截詞檢索根據截詞的多少，可把截詞符分成有限截詞符和無限截詞符兩種。

有限截詞：

所謂有限截詞，是在檢索詞后截去有限的字母，例如輸入computer?

，截詞符“？”表示可以有0-1個字母變化，系統(tǒng)即檢出帶有computer和computers的文獻；輸入stud???，表示截三個字母，可檢索出帶有study,studies,studied和studing等的文獻。目前四十一頁\總數(shù)八十五頁\編于十七點2.2檢索技術——截詞檢索無限截詞：無限截詞是在檢索詞根后加一個“？”或“*”，表示該詞后帶任意字母的詞都可檢出，如輸入comput?則可檢出含有computers,computing,computered等文獻。目前四十二頁\總數(shù)八十五頁\編于十七點2.2檢索技術——限制檢索運用布爾邏輯算符檢索時，只對檢索詞進行邏輯組配，未限定檢索詞之間的位置關系及檢索詞在記錄中的位置。在有些情況下，若不限制檢索詞之間的位置關系會影響查準率。因此，在檢索系統(tǒng)中設置了位置限定運算符。不同的檢索系統(tǒng)有不同的符號。限制檢索的方式有多種，例如進行字段檢索、使用限制符、采用限制檢索命令等。

目前四十三頁\總數(shù)八十五頁\編于十七點2.2檢索技術——詞位限制檢索A字段限定檢索：把檢索詞限定在某個/些字段中，如果記錄的相應字段中含有輸入的檢索詞則為命中記錄，否則檢不中。

例如查找微型機或個人計算機方面的文章。要求"微型機"一詞出現(xiàn)在標題或文摘字段中，"個人計算機"一詞出現(xiàn)在標題或文摘字段中，檢索式可寫為：

目前四十四頁\總數(shù)八十五頁\編于十七點

microcomputer?/ti,abORpersonalcomputer/ti,ab

如查找wangwei寫的文章，可以輸入檢索式：au＝wangwei目前四十五頁\總數(shù)八十五頁\編于十七點2.2檢索技術——詞位限制檢索B使用限制符：用表示語種、文獻類型、出版國家、出版年代等的字段標識符來限制檢索范圍。如要查找1989-1999年出版的英文或法文的微型機或個人計算機方面的期刊，并要求“微型機和個人計算機"出現(xiàn)在標題或文摘字段中，則檢索式為：目前四十六頁\總數(shù)八十五頁\編于十七點

(microcomputer?/ti,abORpersonalcomputer/ti,ab)AND

PY＝(1989:1999)AND(LA＝ENORFR)AND

DT＝Serial

目前四十七頁\總數(shù)八十五頁\編于十七點2.2檢索技術——詞位限制檢索

C詞位限制:可以是相鄰若干詞、在同一句中等.

以DIALOG系統(tǒng)所用位置算符為例：

A(nW)B

A、B兩詞相隔n詞，且前后次序不變；n=1時即A()BA(nN)B

A、B兩詞相隔n詞，且前后次序不限；n=1時即A(N)BA(s)B

A、B兩詞只要在同一字段目前四十八頁\總數(shù)八十五頁\編于十七點2.2——詞表助檢有些數(shù)據庫有自已的主題詞表，詞表不僅用于標引文獻，也可用于助檢。檢索者在選用檢索詞時，可查閱詞表。有些聯(lián)機檢索系統(tǒng)，將詞表存入計算機，幫助用戶進行檢索。它能將用戶輸入的非標準檢索詞，自動地轉換為規(guī)范詞，還可以自動擴檢索，如使用同義詞檢索。目前四十九頁\總數(shù)八十五頁\編于十七點（三）計算機檢索策略和檢索效果目前五十頁\總數(shù)八十五頁\編于十七點什么是檢索策略?所謂檢索策略廣義上是指為實現(xiàn)檢索目的而制訂的全盤計劃和方案；狹義講是指檢索式。

檢索式是用來表達用戶提問的邏輯表達式，是檢索策略的綜合體現(xiàn)，通常由檢索詞和各種邏輯算符、位置算符及檢索系統(tǒng)中規(guī)定的其他連接符號構成。目前五十一頁\總數(shù)八十五頁\編于十七點在計算機檢索中，檢索策略直接關系到檢索結果的成敗，要想構造高水平的檢索策略，不僅要求用戶對檢索系統(tǒng)十分了解，還需要對檢索課題進行深入的分析并能靈活運用各種檢索方法和技巧。

目前五十二頁\總數(shù)八十五頁\編于十七點3.1檢索式表達檢索式也稱檢索提問表達式，是要求系統(tǒng)執(zhí)行的檢索語句。簡單的檢索式由一個檢索詞和一個字段名構成，復雜的檢索式則由多個檢索詞和字段名通過關系算符（包括邏輯算符與位置算符等）連接而成。簡單檢索式：apple/ti復雜檢索式：

((cornormaize)andharvest*)/ti目前五十三頁\總數(shù)八十五頁\編于十七點(algae+algal+microalgal)＊growth()factor??實檢后調整（考慮提高檢準率）、優(yōu)化（低頻詞和關鍵詞前置）為：(microalgal+algae+algal)(s)growth()factor??(microalgal+algae+algal)(3N)growth()factor??“微藻生長因子”目前五十四頁\總數(shù)八十五頁\編于十七點“圖象理解專家系統(tǒng)”Image()understand???＊(expert()system??+artificial()intelligen??)目前五十五頁\總數(shù)八十五頁\編于十七點3.2檢索效果參數(shù)

包括：查全率(recallfactor)、查準率(也稱適中率，Pertinencyfactor??)、漏檢率(omissionfactor)、誤檢率(也叫檢索噪音，noisefactor)以及新穎率、檢索速度等。

目前五十六頁\總數(shù)八十五頁\編于十七點假設：n為檢索系統(tǒng)中文獻總量，a為n中與檢索課題有關的文獻量，m為檢索輸出的文獻量，b為m中與檢索課題有關的文獻量(檢準文獻量)，則n、m、a、b之間的關系如圖所示。目前五十七頁\總數(shù)八十五頁\編于十七點n系統(tǒng)文獻總量m檢出文獻量b為m中相關文獻漏檢誤檢a為n中相關文獻目前五十八頁\總數(shù)八十五頁\編于十七點令：

R表示查全率、

P表示查準率、

M表示漏檢率、

N表示誤檢率，則R、P、M、N定義如下：

R=b/a*100％

P=b/m*100％

M=(1-b/a)*100％=100％-R

N=(1-b/m)*100％=100％-P

目前五十九頁\總數(shù)八十五頁\編于十七點最理想的檢索效果R、P均為100％，但實際上這是不可能的。實驗表明：R和P之間存在相反的相互依賴關系，即提高R會降低P，反之亦然，如下圖檢索特性曲線所示。目前六十頁\總數(shù)八十五頁\編于十七點檢索特性曲線目前六十一頁\總數(shù)八十五頁\編于十七點對于檢索來說，漏檢是影響檢索質量的最主要因素，故必須將M降低到最低限度；誤檢會降低檢索的效率，也會影響檢索質量。因此，任何檢索工具和檢索系統(tǒng)必須力爭克服漏檢(必要條件)，同時盡量避免誤檢(充分條件)。目前六十二頁\總數(shù)八十五頁\編于十七點（四）計算機檢索流程目前六十三頁\總數(shù)八十五頁\編于十七點文獻檢索課程目的：讓你以最有效的方法收集及篩選所需數(shù)據以提高科學研究能力目前六十四頁\總數(shù)八十五頁\編于十七點檢索流程（構建檢索策略的步驟）分析課題內容選擇信息資源構造檢索式選擇檢索點進行檢索分析檢索結果，調整檢索策略跟進檢索目前六十五頁\總數(shù)八十五頁\編于十七點4.1分析課題的內容1).明確檢索目的需要關于某一課題的系統(tǒng)詳盡的信息需要關于某一課題的最新信息了解一些片斷信息，解決一些具體問題目前六十六頁\總數(shù)八十五頁\編于十七點2).

明確課題的主題或主要內容

要形成若干個既代表信息需求又有檢索意義的主題概念，包括所涉及的主題概念有幾個，概念的專指度是否適合，哪些是主要的，哪些是次要的，概念之間關系如何等。目前六十七頁\總數(shù)八十五頁\編于十七點3).課題涉及的學科范圍：搞清楚課題所涉及的學科領域、是否跨學科研究。4).所需信息的數(shù)量、語種、年代范圍、類型等具體化指標目前六十八頁\總數(shù)八十五頁\編于十七點例：檢索課題--不銹鋼焊接檢索目的查找范圍了解最新的技術動態(tài)利用期刊、會議錄類的數(shù)據庫查找了解焊縫強度的測試方法和有關規(guī)格利用技術標準類的數(shù)據庫查找申請專利利用專利類數(shù)據庫查找目前六十九頁\總數(shù)八十五頁\編于十七點4.2選擇信息資源是否與檢索課題相關的資源都要檢索選擇哪些學科的信息資源選擇哪些語種的信息資源信息資源覆蓋的年限是否符合需求信息資源的特點及針對性目前七十頁\總數(shù)八十五頁\編于十七點4.3構造檢索式選擇檢索點檢索式

是表達用戶檢索提問的邏輯表達式，由基于檢索概念產生的檢索詞和各種組配算符構成。檢索點

即檢索途徑或檢索入口、檢索字段。檢索點正確與否，決定著檢索結果的數(shù)量與質量。目前七十一頁\總數(shù)八十五頁\編于十七點

一個檢索課題往往涉及多個概念，選擇檢索詞時首先要將檢索課題涉及的所有概念分離出來，并針對每一個概念選擇盡可能多的檢索詞。

分析概念可從課題名稱入手，出現(xiàn)在課題名稱中的詞并不一定都是概念詞。目前七十二頁\總數(shù)八十五頁\編于十七點如：“吸煙與心臟病的關系”可以表達為：connectionbetweensomkingandheartdisease

通過分析發(fā)現(xiàn)，其中，只有

somking和heartdisease兩個概念詞，而“connectionbetween”則不屬于概念詞。

概念1：somking

概念2：heartdisease目前七十三頁\總數(shù)八十五頁\編于十七點

有些課題的實質性內容往往很難從課題名稱上反映出來，需要從中提取隱含概念，另外有些檢索詞已含有的概念，在選詞時應予以排除。例：聚乙烯的合成

聚乙烯合成

垃圾的處理

垃圾處理回收再生

玻璃纖維增強石膏制品

玻璃纖維石膏目前七十四頁\總數(shù)八十五頁\編于十七點針對每一個概念，選擇與之相關的同義詞或相關詞與somking相關的詞有：smoker,smokers,tobacco等；heartdisease的同義詞有：cardiopathy,hearttrouble,heartattack.將這些相關詞記錄下來，用于構造檢索式：

概念1：somking,smokers,tobacco

概念2：cardiopathy,heartdisease，hearttrouble,heartattack

目前七十五頁\總數(shù)八十五頁\編于十七點選定檢索詞的方法

利用上下位詞或特有名詞及同義詞、近義詞、相關詞,查閱工具如專業(yè)詞表詞典,字典,分類表等：根據詞表或數(shù)據庫中的索引選詞從專業(yè)詞典、百科全書等參考工具中選詞

利用中文全文數(shù)據庫選擇英文檢索詞目前七十六頁\總數(shù)八十五頁\編于十七點編制檢索式

使用邏輯算符(AND,OR,NOT)、截詞、位置算符，限制檢索條件至作者,刊物或年