信息資源組織基礎ppt課件.ppt

1、第一講 信息資源組織基礎,元數(shù)據(jù)與信息資源組織,1,啤酒與尿布的故事,美國沃爾瑪超市建立數(shù)據(jù)倉庫，按周期統(tǒng)計產(chǎn)品的銷售信息，經(jīng)過科學建模后提煉決策層數(shù)據(jù)。結果，他們發(fā)現(xiàn)：每逢周末，位于某地區(qū)的沃爾瑪超市連鎖店的啤酒和尿布的銷售量很大，而且單張發(fā)票中同時購買尿布和啤酒的記錄非常普遍。分析人員經(jīng)過深入分析得知，通常周末購買尿布的是男士，他們在完成了太太交給的任務后，經(jīng)常會順便買一些啤酒。得出這樣的結果后，沃爾瑪超市的工作人員嘗試著將啤酒和尿布擺放在一起銷售，結果，尿布與啤酒的銷售額雙雙增長 。,2,生活中的信息組織,你怎么組織你的 書籍或資料 衣物或任何其他生活雜物 電腦文件 大腦中的信息,3,你

2、怎么組織,藏書 按用途：興趣愛好的（小說、旅游、烹調(diào)），學習類的，收藏類，工具書類 按載體：刊物、報紙、圖書、畫冊 按學科或專題：（藏書家） ,4,你怎么整理,CD/DVD 按類型：古典、流行、爵士、藍調(diào).或故事片、文藝片、MTV、動畫片、紀錄片； 按人物：貝多芬、柴可夫斯基或布魯斯威利斯、李連杰、007 綜合方法 ,5,你怎么整理,衣物 類型； 季節(jié)； 面料； 喜歡程度； 上述綜合,6,你怎么整理,計算機文件？ 你頭腦中的信息？,7,總結,分類方法是人類最本能認識世界的方法，因而也應用于任何資源的組織； 按使用方便（多數(shù)是內(nèi)容）分類而不是按物理順序（或字順等）排列； 用于類分事物的性質(zhì)叫做“

3、屬性”，試行分內(nèi)部屬性和外部屬性； 不作索引或簡單的書本式索引； 憑記憶查找，因而強調(diào)助記性。,8,總結：信息資源組織常用方法,分類法 主題法 字順法 號碼法（賦予號碼后的字順法） 時空法（例如大事記，年鑒等） 序列法（大小/多少/好壞/貴賤） 超文本法（鏈接法）,9,相關因素,信息資源組織與下列因素有關： 信息資源組織的對象是什么？ 信息資源組織的目的是什么？ 信息資源組織對象有什么顯著特性？ 如何更方便的使用（達到目的）,10,第二章信息資源組織的基本問題,11,基本問題,什么是信息？ 什么是信息資源？ 什么是信息資源組織？ 信息資源組織的對象是什么？（數(shù)據(jù)、信息、知識、智慧及其他相關概念

4、的關系是什么？） 信息資源組織的目的是什么？ 信息資源組織的相關應用領域 傳統(tǒng)圖書館(博物館/檔案館)的信息資源組織 現(xiàn)代信息資源組織面臨的問題與挑戰(zhàn),12,數(shù)據(jù)：離散、互不關聯(lián)的客觀事實，孤立的文字、數(shù)據(jù)和符號，缺乏關聯(lián)和目的性 信息：人們對數(shù)據(jù)進行系統(tǒng)組織、整理和分析，使其產(chǎn)生相關性，但沒有與特定用戶行動相關聯(lián) 知識：與行動和決策密切相關，人們做決策的行動能力，知識創(chuàng)造與環(huán)境相關 智慧：對事務發(fā)展的前瞻性看法，智慧得益于人的內(nèi)在價值觀和信仰,什么是數(shù)據(jù)、信息、知識、智慧,13,什么是數(shù)據(jù)、信息、知識、智慧,Data：數(shù)據(jù)= 沒有加工的事實數(shù)據(jù) 對應于人、物理對象、事件或其它實體的原始事實。

5、 單獨的數(shù)據(jù)沒有意義 計算機中表示為數(shù)字或其它符號形式（不僅是數(shù)字形式。Number強調(diào)數(shù)字的內(nèi)容，Digital強調(diào)數(shù)的形式） 例如10000 Information：信息= 數(shù)據(jù)+語境 將數(shù)據(jù)放到一個語境（context)中，從而給予它一定的含義，它就成為信息 經(jīng)過處理的有用的數(shù)據(jù)，用來回答Who/What/Where/When的問題 信息是經(jīng)人組織的數(shù)據(jù)組成 例如￥10000 Knowledge：知識= 信息+判斷 是一種由人創(chuàng)造的，并且反映他們是如何來進行判斷、選擇并且采取行動的know-how，知識一般與人們所受的教育、經(jīng)驗、思考方法、決策及其他能力相關。 信息被閱讀、告知或可視與理

6、解等等 例如￥10000是上海外環(huán)線附近2005年房產(chǎn)的單價 Wisdom：智慧= 知識+整合 對知識進行組合、創(chuàng)造以及理解知識要義的能力 Wisdom is not a product of schooling but of the lifelong attempt to acquire it. (Albert Einstein) 例如”以￥10000的單價購買外環(huán)線的房子肯定虧本” 文獻Document：記錄有知識的一切載體。信息資源的一種形式；,14,其他有關信息的定義,信息如同反饋指機器利用其行為造成的結果作為自適應信息以調(diào)整自身，作為正在進行的過程的一個部分 維納控制論1949年In

7、formation as feedback-the ability of a machine to use the results of its own performance as self-regulating information and adjust itself as part of its ongoing process -Norbert Weiner, Cybernetics, 1949 信息是能夠被編碼而通過連接信源和信宿的通道進行傳輸?shù)臇|西申農(nóng)1949年Information is whatever can be coded for transmission through

8、 a mechanical channel connecting a source with a receiver-Shannon, 1949 “Information is commonly used to denote some population of objects to which some significant probability of being usefully informative in the future has been attributed.” - Buckland, 1991. Unlike knowledge or belief “the concept

9、 of information has connotations of neutrality-it is homogeneous and noncontroversial. The reality, of course, is more complicated”-Agre, 1995 信息是負熵（申農(nóng)信息論）,15,什么是知識？,知識是能夠指導思考、行為和交流的正確和真實的觀察、經(jīng)驗和過程的總結。知識包含真理和信念，觀點和概念，判斷和預期，方法和訣竅等內(nèi)容，也可以理解為用于解決問題的結構化信息。,16,Worlds of Knowledge (from Poppers Objective Kn

10、owledge),World 1 is the physical world World 2 is subjective knowledge or experience-mental states and processes. World 3 is objective knowledge-recorded knowledge, public knowledge-created by people.,17,Knowledge Hierarchy, Source: Karl Sveiby, Tacit Knowledge in KM Yearbook 1999-2000 ,18,數(shù)據(jù)、信息、知識、

11、智慧之間的關系,19,知識的類型,事實知識（Know-what） 原理知識（Know-why） 技能知識（Know-how） 人力知識（know-who） 檢索知識（ know-where ）,20,再舉一例,“8,000 和 10,000- 數(shù)據(jù) 10,000 米的高山與 8,000 米的飛機飛行最大高度 是信息 “飛機無法飛越這座高山” 是知識 必須飛得比地形高 是智慧,21,什么是信息資源,信息資源即“作為資源的信息”，可以理解為有價值的信息。然而信息的價值是體現(xiàn)在使用中的，對于不同的使用者，信息可以有不同的價值，而且信息的不同組合、不同的關聯(lián)也能使信息具有不同的價值。這反映了信息的特性

12、：信息是具有語境（context，也譯成“上下文”）的數(shù)據(jù)。 從計算機操作的角度來看，“信息資源是具有標識的任何東西”。其價值由用戶去判斷。信息資源組織的目的就是以靈活的方式揭示信息之間的關聯(lián)（包括結構關聯(lián)和語義關聯(lián)），滿足不同用戶的需要，使其成為“資源”。 世間萬物，只要人能夠識別出來的東西，給它一個標識（最常用的標識就是名稱），它就成了“資源” 作為元數(shù)據(jù)描述的對象，DCMI和W3C強調(diào)，其“資源”只是在互聯(lián)網(wǎng)上，由命名域給出URI標識的實體。,22,什么是信息資源組織？,即信息資源的有序化的活動：對于信息資源有序化的規(guī)律的認識，以及應用認識得來的規(guī)律從事有序化工作 知識組織=信息資源組織

13、 利用一定科學規(guī)則和方法，通過對信息外在特征和內(nèi)容特征的描述和序化，實現(xiàn)無需信息流向有序信息流的轉換，從而保證用戶對信息的有效獲取和利用及信息的有效流通和組合。 信息的外在特征：信息的（物質(zhì)）載體所直接反應的特征； 信息的內(nèi)容特征：信息所包含和承載的具體內(nèi)容，即通過信息載體所傳遞和交流的具體內(nèi)容。,23,信息資源組織的目的,查找Find 標識Identify 選擇Select 獲取Obtain,24,信息資源組織體系,根據(jù)對象區(qū)分信息組織的不同領域： 哲學認識論以知識的抽象本質(zhì)組織知識； 圖書情報機構傳統(tǒng)上結合實物載體組織信息資源； 數(shù)字圖書館以數(shù)字化的信息形式組織資源； 情報檢索系統(tǒng)可以看成

14、是DL中的一個部分，通過數(shù)字化信息內(nèi)容的各種結構組織資源， 人為標注的結構； 本身的結構被人發(fā)現(xiàn)而利用； 企業(yè)知識管理圍繞企業(yè)管理中信息的利用組織資源； 搜索引擎的信息組織； 語義萬維網(wǎng)中的信息組織； 其他各種領域知識根據(jù)領域的特點組織知識,25,圖書館的信息資源組織,圖書館學的目的宗旨：信息資源整序 圖書館工作的組成（采分編典流）的目的 主要方法： 目錄學（關于傳統(tǒng)圖書館信息組織的科學） 分類法 主題法 文摘與索引 圖書編目 無數(shù)的經(jīng)驗,26,圖書館如何組織/整理圖書？,由于數(shù)量和體積龐大，引入圖書代用品：目錄卡片；（書、卡的分離圖書館管理上的一大進步。博物館、檔案館等任何涉及載體管理的機構

15、莫不如此） 泥版、羊皮卷、紙莎草、竹簡乃至半導體零件、各類倉儲物資，在計算機發(fā)明之前，卡片目錄是最先進管理方式。其意義甚至不亞于結繩記事、文字發(fā)明、書籍產(chǎn)生 目錄是館藏的縮影和“代用品”；為了達到方便存取的目的，多套目錄卡片提供多種查詢途徑； 圖書采取唯一方式排架，目錄卡片指引到唯一的圖書排架號； 每種途徑反映了圖書的某一屬性，例如先按載體類型或語種分，再按學科分類，或其他屬性分，如著者目錄； 卡片目錄/圖書典藏的排列是分類與字順等多種方式的結合； 目錄卡片的種類有限，不可能窮盡用戶認識的角度和使用需求與習慣； 圖書是知識的載體，部分目錄反映館藏知識體系，圖書館通過管理知識載體，間接地整理知識

16、。,27,圖書館的信息資源組織（續(xù)）,連續(xù)出版物有一點不同 二次文獻（情報）服務有很大不同 電子資源使傳統(tǒng)圖書館的信息組織方寸大亂,28,信息資源組織面臨的數(shù)字環(huán)境,傳統(tǒng)情報檢索的挑戰(zhàn) 處理單元變?yōu)椤扒閳筝d體”：期刊論文、科研報告、報紙文章、專利文獻； 解決方案：文獻數(shù)據(jù)庫+原文提供； 數(shù)字化浪潮的挑戰(zhàn) 處理單元復雜化，包含書本、期刊、論文、報告、以及“事實”、“數(shù)據(jù)”(傳統(tǒng)的事實數(shù)據(jù)以工具書形式存在) 并且需要整合利用 需要研究信息/知識整個生命周期的完整過程，甚至包括部分認知過程 需要從數(shù)據(jù)、信息層面上升到“知識”層面 這個過程是正在進行時，隨著技術的發(fā)展正在變化。,29,Collecti

17、ons grid 信息資源類型,high,low,low,high,Stewardship 權威性,Uniqueness 稀缺性,Books Journals Newspapers Gov. docs CD, DVD Maps Scores,Special collectionsArchives Rare books Local history materials Archives & Manuscripts Theses & dissertations,Freely-accessible web resources,Research and learning materials ePrint

18、s/tech reports Learning objects Courseware E-portfolios Research data Untransferred records,From: Lorcan Dempsey,30,Web上的信息,Google當前索引80多億網(wǎng)頁，每天平均收到2000萬個查詢。 中國的公開網(wǎng)頁在3-4億，百度每天大概收到500萬個查詢 每篇網(wǎng)頁的平均大小在12KB左右，于是總共約40TB容量（10年） 人類的1億種書，每本算10萬字，200KB，總共約20TB容量。（5000年）,31,搜索引擎,搜索引擎（Search Engines）是對互聯(lián)網(wǎng)上的信息資源（

19、主要是網(wǎng)頁）進行搜集整理，然后提供查詢服務的系統(tǒng)，通常包括信息搜集、信息整理和用戶查詢?nèi)糠?，但提供給用戶的往往只是一個查詢界面。 兩類搜索服務 Google Yahoo,32,網(wǎng)絡信息資源的挑戰(zhàn),數(shù)量巨大 沒有一個搜索引擎能夠覆蓋萬維網(wǎng)的16% 網(wǎng)站； 所有搜索引擎加起來覆蓋了萬維網(wǎng)的42% 極端異質(zhì) 信息值不同 長度不同 語法或輸入錯誤 內(nèi)容錯誤、過時或不可靠 多種格式 多語種 速度問題 每分鐘需要接受15,000 20,000次查詢請求,33,數(shù)字化信息量舉例,音樂作品(莫扎特)：約100MB 報紙(華爾街雜志)：100MB/年(文本) 卡片目錄(美國國會圖書館)：17GB 廣播(WAB

20、C) ：270GB/年(未經(jīng)壓縮) 網(wǎng)絡論壇(Netnews)：300GB/年 地區(qū)圖書館(加州大學圖書館)：1.4TB(圖書掃描版) Internet出版(WWW)：1997年約4TB 電視(CNN新聞)：1GB/1小時, 6TB/年(經(jīng)壓縮) 錄像帶出租(Blockbuster Video)：9TB 科研圖書館(美國會圖書館)：全部圖書館數(shù)字化20TB 來源：美國伯克利加州大學教授Peter Lyman和Alex Internet公司總裁Brewster Kahle所著文化制品數(shù)字化存檔行動綱要。,34,信息檢索的問題,查找非結構信息有困難 多數(shù)數(shù)據(jù)庫在結構化字段上工作 多數(shù)商業(yè)信息是非結構化的. 報告、電子郵件、來往公函 . 美國商業(yè)每年產(chǎn)生4500億份文件 波音747文件比飛機重量還重 索引是主觀的 索引者之間不一致, 經(jīng)驗統(tǒng)計表明索引者之間僅20% 相同. 作者與索引者之間、檢索者與用戶之間不一致. 信息超載 信息太多