網(wǎng)絡(luò)信息檢索與利用(4-5)

檢索原理與檢索語言主講梁煒武漢東湖學(xué)院圖書館

TEL：8193161513995544895課程交流群：214939523一、計算機信息檢索概述(分為存儲和檢索兩個部分)計算機信息檢索系統(tǒng)是信息檢索所用的硬件資源（如計算機，網(wǎng)絡(luò)）、系統(tǒng)軟件（如windows系列軟件）以及信息資源數(shù)據(jù)庫的總和，它能存儲大量的信息，并對信息條目分類、編目或編制索引；并進行檢索。

2信息檢索的原理3計算機信息檢索的主要環(huán)節(jié)包括：

信息分析（確定輸入系統(tǒng)的信息條目的格式和內(nèi)容，為建立索引作準備）信息存儲（建立信息庫，以備檢索）

信息檢索（脫機檢索和聯(lián)機檢索兩種方式4二、計算機檢索系統(tǒng)的構(gòu)成

1計算機硬件：系統(tǒng)中采用的各種硬件設(shè)備的總稱，包括具有一定性能的計算機主機、外圍設(shè)備以及與數(shù)據(jù)處理或數(shù)據(jù)傳輸有關(guān)的其他設(shè)備。主機，是計算機檢索系統(tǒng)的中樞。外圍設(shè)備包括外部存儲器，輸入輸出設(shè)備如鍵盤、光筆、鼠標、光學(xué)字符識別裝置，顯示終端、打印機等。

2軟件：系統(tǒng)中有關(guān)的程序和各種文件資料的總稱，包括系統(tǒng)軟件（如操作系統(tǒng)，輸入輸出控制程序）和應(yīng)用軟件。

3數(shù)據(jù)庫：“一組文件的集合”5三計算機信息檢索中常用的服務(wù)方式計算機信息檢索系統(tǒng)輸出檢索結(jié)果并向用戶提供的過程叫信息提供。根據(jù)用戶的要求，可有多種提供方式。61、定題情報服務(wù)：即SDI服務(wù)（SelectiveDisseminationofInformation。常用的服務(wù)方式。過程一般是：用戶需求――編寫檢索提問式――存貯在計算機中――每隔一段時間讓計算機將其調(diào)出――對新記錄進行檢索――最后將命中的記錄輸出并提供給相應(yīng)的用戶――保證他們及時了解研究課題的最新情況。它是一種追蹤學(xué)科發(fā)展動態(tài)的有效方式。7其特點如下：1）服務(wù)針對性強，能根據(jù)檢索課題提供專門服務(wù)；2）定期向用戶分發(fā)結(jié)果，保證用戶總能及時了解最新情況；3）保證數(shù)據(jù)庫中的資料能全面、準確地滿足用戶要求。82、回溯性情報服務(wù)：也稱為RS（RetrospectiveSearching），通常是針對某一課題，對情報數(shù)據(jù)庫進行若干年的回溯性檢索。檢索內(nèi)容不一定要最新。適于課題調(diào)研、對某一問題作全面了解、編制專題資料等。3、問答式檢索服務(wù)：（QuestionandAnsweringService）是一種實時性檢索服務(wù)。用戶當場，隨時提問，隨時得到結(jié)果。9四計算機信息檢索語言1、什么是檢索語言：

檢索語言是檢索系統(tǒng)存儲與檢索運用的共同語言。換言之，描述信息系統(tǒng)中信息的內(nèi)容特征及外表特征和表達用戶信息提問的一種共同語言。102、功能：簡單明了而又比較專指的描述文獻的主題概念；容易將概念進行系統(tǒng)排列；檢索時便于將標引用語和檢索用語進行相符性比較等。是標引文獻的依據(jù)，檢索文獻的條件，是溝通情報人員與用戶思想的橋梁。

113、檢索語言的類型

按文獻內(nèi)容特征

1主題法語言

標題詞語言

（較準確，具體到點）

關(guān)鍵詞語言

單元詞語言

敘詞語言

2分類語言

(較全面，具體到面)體系分類語言

組配分類語言

混合分類語言

3代碼語言針對事物的某一方面，用代碼系統(tǒng)來加以標引排列。如：化學(xué)分子式、結(jié)構(gòu)式、索引系統(tǒng)等124、分類語言：將各種概念按學(xué)科性質(zhì)進行分類和系統(tǒng)排列，并用分類號來表達各種概念的一種先組式語言。從學(xué)科門類的角度，強調(diào)面的作用，泛指度高，查全率高，滿足族性檢索。

134.1《中圖法》是為統(tǒng)一全國文獻分類編目創(chuàng)造條件而編制和發(fā)展的。1957年文化部主持編制了《中小型法》，在此基礎(chǔ)上一些圖書館陸續(xù)把它擴充為大型分類法。1975年正式出版了《中圖法》第一版。

特點：(1)《中圖法》采用拉丁字母與阿拉伯數(shù)字相結(jié)合的混合制標記符號，以拉丁字母標記基本大類。(2)分為五大部類，22基本大類,51881個類目

。屬于五分法

14A馬克思主義、列寧主義、毛澤東思想、鄧小平理論B哲學(xué)、宗教C社會科學(xué)總論D政治、法律E軍事社會科學(xué)F經(jīng)濟G文化、科學(xué)、教育、體育H語言、文字I文學(xué)、藝術(shù)K歷史、地理15N自然科學(xué)總論

O數(shù)理科學(xué)和化學(xué)

P天文學(xué)、地球科學(xué)

Q生物科

R醫(yī)藥、衛(wèi)生

S農(nóng)業(yè)科學(xué)

T工業(yè)技術(shù)

U交通運輸

V航空、航天

X環(huán)境科學(xué)、安全科學(xué)

Z綜合性圖書

自然科學(xué)綜合類圖書1617《中圖法》是典型的體系分類語言，是以學(xué)科為基礎(chǔ)，運用邏輯劃分的原理，以文獻內(nèi)容、所屬學(xué)科、專業(yè)性質(zhì)及特征對文獻進行系統(tǒng)化組織。即從總到分，從一般到具體，從簡單到復(fù)雜，從低級到高級，層層隸屬，層層劃分，形成一個嚴格有序的直線性知識門類的層累制體系。這種體系能體現(xiàn)學(xué)科的系統(tǒng)性，清楚的反映出事物的派生、隸屬與平行關(guān)系，便于用戶從學(xué)科專業(yè)的角度查找文獻資料。18例如：要查找“軸承”方面的文獻，首先必須確定它所屬的大類類別為[T]工業(yè)技術(shù)，其次按照隸屬關(guān)系可以依次推斷為[TH]機械、儀表——[TH13]機械零件及傳動裝置——[TH133]轉(zhuǎn)動機件——[TH133.3]軸承，最后確定“軸承”方面的文獻在《中圖法》中的分類號為TH133.3194.2《中國科學(xué)院圖書館圖書分類法》

（1）發(fā)展歷程：根據(jù)中科院圖書館綜合性藏書范圍，以及中國科學(xué)院所屬各研究單位圖書館不同專業(yè)的特點而編制的一部體系分類法。于1954年開始編制，1958年完成，并于同年出版第一版。

20（2）《科圖法》的體系結(jié)構(gòu)：

首先，分類表分成5大部，25大類。

其次，層層劃分，詳細展開，形成等級分明的類目體系。

最后，采用純阿拉伯數(shù)字的標記符號。

21如：00馬克思列寧主義、毛澤東思想

10哲學(xué)

20社會科學(xué)

21歷史、歷史學(xué)

27經(jīng)濟、經(jīng)濟學(xué)

31政治、社會生活

34法律、法學(xué)

36軍事、軍事學(xué)

37文化、科學(xué)、教育、體育

41文學(xué)

48藝術(shù)

49無神論

2250自然科學(xué)

51數(shù)學(xué)

52力學(xué)

53物理學(xué)

53.6電學(xué)與電磁學(xué)

53.61電子原理

53.611電子說

90綜合性圖書

91書目、索引

92百科全書、類書

93詞典

94年鑒、年刊23

《科圖法》與《中圖法》都屬于體系分類語言，在國內(nèi)圖書館界均有著較大的影響力。各個圖書館都是根據(jù)自己的館藏特點和服務(wù)范圍采用不同的分類法進行圖書的分類排架。圖書采購進館后，工作人員對每本圖書均會賦予一個獨特的排架號。

所謂排架號就是指圖書在架上的特定位置，也稱索取號。不同類型圖書館的索取號有所不同。

有些是采用分類號＋順序號，有些是采用分類號＋著者號＋區(qū)分號（區(qū)分號可以表示圖書的卷冊、出版時間或者種次號等）。

24索取號是圖書館圖書排架和讀者獲取圖書的依據(jù)。圖書書脊所貼書標上的號碼就是索取號的直接體現(xiàn)。一般在書標上分多行居中顯示，第一行一般為分類號，第二行則為順序號或著者號等，各個館采用的方式不一樣。圖書在書庫和閱覽室的排列，就是按照索取號來排列的，即圖書先按分類號順序排架，同類圖書再按著者號進一步區(qū)分，依數(shù)字或字母從小至大，從前到后排列。25例如：我校圖書館對燕今偉主編的

《信息素質(zhì)教程》一書賦予的索取號為G252.7/Y147，“/”前的G252.7為該書的中圖法分類號，“/”后的Y147為該書的著者號和區(qū)分號。因此，查到索取號，就可以很容易地在書庫或閱覽室找到對應(yīng)的書刊。26TP391.41/3TP391.41/7TP391.41/X538aI247.58/J523a2G/N61/G417/(1)

G/N61/G417/(3)

275、主題法語言：

直接選用代表事物、問題和現(xiàn)象的術(shù)語作為表達文獻主題內(nèi)容的檢索標識。特點：從主題概念入手，強調(diào)點的作用，具體準確，專指度、查準率都比較高，滿足特性檢索

285.1標題詞（SubjectHeading)

從科技工作者熟悉的大量科技名詞中選出的具有實質(zhì)意義，并能準確表達文獻主題內(nèi)容，經(jīng)規(guī)范化處理的科技名詞術(shù)語。(代表文獻實質(zhì)意義經(jīng)規(guī)范化的詞語)295.2關(guān)鍵詞(keyword)

出現(xiàn)在文獻標題、文摘及正文中，對表達文獻主題內(nèi)容具有實質(zhì)性意義的詞語，即在揭示與描述文獻主題內(nèi)容中起關(guān)鍵性作用的科技名詞術(shù)語。(直接使用的自然詞語)。一般是現(xiàn)成的詞匯305.3單元詞(Uniterm)

屬于后組式語言。將多元概念分解為不能再分的單元概念。(代表文獻實質(zhì)意義、可以獨立存在的最小概念單元)

如“大學(xué)”和“研究”都是單元詞，因為它們都不能再分。把“大學(xué)”分為“大”和“學(xué)”都不再是具有獨立和明確的意義。

但“大學(xué)教育”和“科學(xué)研究”卻可以進一步分解。如分解為“大學(xué)”和“教育”，或“科學(xué)”和“研究”都具有獨立的意義。

315.4

敘詞（DescriptororThesaurus)：

以概念為基礎(chǔ)，經(jīng)規(guī)范化處理，具有組配性能并能顯示詞間語義關(guān)系的科技名詞術(shù)語。(經(jīng)規(guī)范化的可以獨立表達主題概念的詞語)

特點

(1)它不僅適用于手工檢索，更適用于計算機檢索。

(2)不僅在于拆詞，更在于拆義。

敘詞語言綜合了各種語言的優(yōu)點，因此在表達文獻主題內(nèi)容上更為準確、全面，是目前計算機檢索中用的最普遍的一種語言，科學(xué)實用。32如：遙感和地理信息系統(tǒng)用于監(jiān)測熱帶雨林關(guān)鍵詞：熱帶雨林遙感監(jiān)測GIS

主題詞：環(huán)境遙感環(huán)境監(jiān)測森林遙感

GIS-應(yīng)用遙感-應(yīng)用33例如：城市生活污染研究關(guān)鍵詞：城市（都市、城區(qū)）生活污染（生活污水、生活垃圾、電磁輻射污染等34有關(guān)室內(nèi)裝修污染方面的研究關(guān)鍵詞：室內(nèi)、裝修、污染同義詞或近義詞：室內(nèi)（住宅、居室、房屋）污染（放射性、化學(xué)、氡氣、甲醛、苯等）35五、數(shù)據(jù)庫

數(shù)據(jù)庫是“至少由一個文檔組成，并能滿足某一特定目的或某一特定數(shù)據(jù)處理系統(tǒng)需要的一種數(shù)據(jù)集合”。通俗地說，數(shù)據(jù)庫就是在計算機存儲設(shè)備上按一定方式存儲的相互關(guān)聯(lián)的數(shù)據(jù)集合。數(shù)據(jù)庫是計算機技術(shù)與信息檢索技術(shù)相結(jié)合的產(chǎn)物，是信息檢索的重要資料來源。

36檢索效果的評價查全率與查準率是檢索質(zhì)量的兩個重要的評價指標。查全率(recallratio)=檢出的相關(guān)文獻量/檢索系統(tǒng)中相關(guān)文獻總量

即檢出文獻中合乎需要的文獻數(shù)量占數(shù)據(jù)庫中存在的合乎該需要的所有文獻的比例。查全率高說明有用的東西都被你檢中了，但對于數(shù)量巨大的數(shù)據(jù)庫而言，要達到100%的查全率是不可能的，在網(wǎng)絡(luò)條件下尤其如此。

37查準率(precisionratio)=檢出的相關(guān)文獻量/檢出的文獻總量。指檢出文獻中合乎需要的文獻數(shù)量占檢出文獻全部數(shù)量的比例。

準確率高說明你檢出的東西都是有用的東西。一般地說，很少能達到100%的查準率。在查全與查準兩個方面一般難以兩全，為了獲得很多有用的東西（達到高的查全率），需要較少的限制檢索條件，但這樣檢出的無用的東西就會很多（查準率不高），反之亦然。在計算機檢索中，一般認為查準率為60—70％、查全率為40—60％是較為理想的。

38

n為檢索系統(tǒng)中文獻總量，m為檢索輸出的文獻量，a為n中與檢索課題有關(guān)的文獻量，b為m中與檢索課題有關(guān)的文獻量(檢準文獻量)，則n、m、a、b之間的關(guān)系如圖所示。

文獻總量與檢出文獻之間的關(guān)系39文獻總量與檢出文獻之間的關(guān)系令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％-RN=(1-b/m)*100％=100％-P

40在一個具有1000篇文獻的試驗性機檢系統(tǒng)中檢索某課題，用一特定檢索策略查該課題時輸出文獻60篇。經(jīng)分析評估，發(fā)現(xiàn)該系統(tǒng)中共有該課題相關(guān)文獻50篇，檢出的文獻中實際相關(guān)文獻只有30篇，求查全率、查準率、誤檢率和漏檢率。查全率=30/50*100%=60%

查準率=30/60*100%=50%

誤檢率=(60-30)/60*100%=50%

漏檢率=(50-30)/50*100%=40%41計算機信息檢索的基本技術(shù)與方法42一、計算機信息檢索的基本技術(shù)：

布爾邏輯、截詞檢索、字段檢索，位置算符等。

在進行計算機檢索時，有時有一些比較復(fù)雜的課題，如：“GPS在建筑中的應(yīng)用”，既涉及GPS，又涉及建筑，還有“應(yīng)用”，這時候就要編制出滿足要求的計算機檢索式，它是機檢的基礎(chǔ)。431、布爾邏輯檢索（BooleanLogicRetrieval）

布爾邏輯檢索是指通過標準的布爾邏輯關(guān)系算符來表達檢索詞與檢索詞間的邏輯關(guān)系的檢索方法。

邏輯檢索的基礎(chǔ)是邏輯運算，邏輯運算中最常用的是布爾邏輯運算符（BooleanLogicOperators）,即與、或、非三種運算符號，用它們可以表示概念之間的邏輯關(guān)系。44邏輯與“and”或“*”表示組配方式：A*B或者AandB表示兩個概念的交叉和限定關(guān)系，只有同時含有這兩個概念的記錄才算命中信息作用：增加限制條件，即增加檢索的專指性，以縮小提問范圍，減少文獻輸出量，提高查準率。

45邏輯或用“or”、“+”表示組配方式：AORB或者A＋B，表示檢索含有A詞，或含有B詞，或同時包含A、B兩詞的文章。作用：放寬提問范圍，增加檢索結(jié)果，起擴檢作用，提高查全率。

46邏輯非用“not”、“－”表示組配方式：A－B，表示檢索出含有A詞而不含有B詞的文章。作用：邏輯非用于排除不希望出現(xiàn)的檢索詞，它和“*”的作用相似，能夠縮小命中文獻范圍，增強檢索的準確性。47例如檢索：“打印機驅(qū)動程序”查詢關(guān)鍵詞：打印機、驅(qū)動程序檢索表達式：打印機AND驅(qū)動程序例如檢索：“微型計算機”方面的有關(guān)信息查詢關(guān)鍵詞：微型計算機、微機檢索表達式：微型計算機OR微機布爾邏輯檢索舉例48布爾邏輯運算符優(yōu)先級布爾運算符優(yōu)先級比較有括號時：括號內(nèi)的先執(zhí)行；無括號時：NOT>AND>OR49例：檢索“唐宋詩歌”的有關(guān)信息。關(guān)鍵詞：唐、宋、詩歌；檢索表達式：（唐OR宋）AND

詩歌；唐AND詩歌OR

宋AND

詩歌；錯誤表達式：

唐OR宋AND詩歌；唐AND宋AND詩歌；唐OR宋OR詩歌；唐AND宋OR詩歌；50布爾邏輯算符具體使用在不同的數(shù)據(jù)庫中，所使用的邏輯符號可能是不同的，有的用“and、or、not”有的用“*、+、-”。一些檢索工具會完全省略任何符號和關(guān)系，直接把布爾邏輯關(guān)系隱含在菜單中。一些網(wǎng)絡(luò)檢索工具如搜索引擎甚至用“︺、，、-”（即空格、逗號、減號）來表示。5152二、短語檢索短語檢索（phrasesearch)即精確檢索

用“”表示，檢索出與“”內(nèi)形式完全相同的的短語。例如：在Google中直接輸入中國國家圖書館檢索，可命中類似中國科學(xué)院國家科學(xué)圖書館的結(jié)果，而輸入“中國國家圖書館”，得到的結(jié)果是與中國國家圖書館完全匹配的結(jié)果。多用于機構(gòu)、人名、專有名詞的檢索可提高檢索的精確度和準確度53三、字段限制檢索字段檢索是限定檢索詞在記錄中出現(xiàn)的字段范圍，檢索時，計算機只對限定字段進行查找。54數(shù)據(jù)庫中的常用字段篇（題）名（TitleField,/TI）文摘（AbstractField,/AB)著者（作者、責任者）(Author,AU)關(guān)鍵詞（IdentifiedField,/ID;KeywordField,/KW；UncontrolledtermField）主題詞（DestriptorField,/DE;或ControlledtermField-SU)55機構(gòu)（單位）（corporatesource,CS或Affiliationsource,AF）刊名（來源）jour