1、第四章,计算机信息检索的基本技术与方法,一、计算机信息检索的基本技术： 布尔逻辑、截词检索、加权检索，位置算符等。 在进行计算机检索时，有时有一些比较复杂的课题，如：“GPS在建筑中的应用”，既涉及GPS，又涉及建筑，还有“应用”，这时候就要编制出满足要求的计算机检索式，它是机检的基础。 1布尔逻辑检索（Boolean Logic Retrieval） 逻辑检索的基础是逻辑运算，逻辑运算中最常用的是布尔逻辑运算符（Boolean Logic Operators）,即与、或、非三种运算符号，用它们可以表示概念之间的逻辑关系。,2 位置算符(Proximity Operators) 位置算符是表示
2、检索词之间位置关系的一种运算符。由于英文对一句话有多种表达方法，写法可能不同。如：“GPS在铁路桥研究中的应用”这个课题，用英文表达可能是“Using of GPS in Railway Bridge”, 也可能是“Using of GPS in Bridge of Railway”，因而可能编制出这样的检索式，GPS AND (Railway (2N)Bridge) 我们可以通过位置检索提高检索的准确率,（1） (W)算符与(nW)算符 W 是word与 with的缩写。 特点：W词序不变，中间不可插词，但两词间可有一个标点，连字符或空格。 nW词序不变，中间可插入N 个词。 如：poten
3、tial (w) energy可能检出potential energy and function 又如：gone (2w)wind 可能检出gone with the wind （2） (N)与(nN)算符 N是near的缩写 特点：N词序不限，中间不可插词，但两词间可有一个标点，连字符或空格。 nN词序不限，中间可插入N 个词。 如：econom? (2N)recovery可能检出economic recovery,recovery of the economy,（3）同字段检索A(F)B，F是field的缩写。 特点：A、B两词必须出现在同一字段中，词序与词量不限。 如：environme
4、nt (F)impact/DE,表示两个词必须同时出现在叙词字段内。 （4） 同句检索A(S)B，S是sentence的缩写。 特点：A、B出现在同一自然句中（子字段），其词序与词量不受限制。 如：electric (S)plant可检出electric power plants 如：EI中的NEAR;PQDD中的W/n (两词间距小于n个单词，且前后位置任意)，Pre/n (两词间距小于n个单词，且前后位置一定),3截词算符(Truncating operators) 原因：在英语词汇中，一个词可能有多种形态，如词的单、复数形式的不同，英美拼写方法不同、词性不同等。如果检索时将这类词全部输入
5、进去，会增加检索时间和费用，采用截词法可解决这一问题。 所谓截词检索，是指在检索标识中保留相同的部分，用相应的截词符代替可变化部分。检索中计算机会将所有含有相同部分标识的记录全部检索出来。常用“？”、“*”符号表示。 （1）有限截词。即在检索词后后截几个有限的字母，如名词的单复数，动词的词尾变化等。 如输入computer?表示有0-1个字母变化，可检出computer和computers. 输入stud?表示截断处有0-3个字母变化，可检出study,studies,studied,studing.,（2）无限截断：在检索词后加一个“？“，表示该词后可加任意个字符。使用无限截词，所截词根不能
6、太短，否则会输出许多无关文献，造成误检。 如：computer?可检出computers,computering,computered,computerization. （3）中间截断：在检索词中间加一个或几个？号，主要解决一些英美拼写不同，单复数形式的不同的词的输入，可简化输入。 如：输入wom?n可检出woman,women,各种算符在数据库中的实际应用 位置算符,1）EINEAR Bridge NEAR Piling* 表示这两个词要彼此接近，前后顺序不限。 W/n Pig*W/2pine*表示两个词的距离不能超过n个单词 Adj Channel adj tunnel表示含有这两个词，两
7、个词相邻，位置一定 2）ISI Proceedings 用同句算符(SAME)：如Channel same tunnel，表示channel 和tunnel 出现在同一句子中才符合检索条件。,3）CSA：,within “X“表示两词之间不得多于x个词，前后位置任意 如“women within 8 movement” (顺序不定) 4）Elsevier：ADJ表示两词相邻，前后顺序固定，与“词检索“的结果相同；NEAR或NEAR（N），表示两词相邻，中间可插入少于或等于n个单词，前后顺序可以发生变化，如果不使用（N），系统默认值为10,5）PQDD W/n (两词间距小于n个单词，且前后位置
8、任意)，Pre/n (两词间距小于n个单词，且前后位置一定) 6）ProQuestW/n（表示连接两个词之间可以插入n个词 ，前后位置可颠倒）如：Education w/5 intenet 表示education和internet之间可以插入5个词 ，并且前后位置可以颠倒。Pre/n（表示前后两词之间最多插入n个词，前后位置一定 ）如：U.S pre/n economic policy可检出U.S aid economic policy,or U.S wartime economic policy 。,截词符或通配符,如：CSAISI ProceedingsProQuestCA用通配符“？”和
9、截词符“* ” 输入 “patent*”，可以检索到 patent、patents、 patented等，（无限截断） 输入“wom?n“，可以检索到woman和women。输入“fib?”，可检索到fiber和 fibre。（有限截断）而EI用“* ” 和“$”(词根算符) 如：Optic*检索结果中包括以optic 开头后面加任意 多个字母的词例如optic, optics,optical 等$manager（强调语义）检索出与该词根具有同样语意的词如$manage 将检出managers, managerial和management 等词 通配符不能用在检索词的最前面,4括号检索（Par
10、entheses） 用于改变运算的先后次序，括号内的内容做优先运算。 用“( )”可以表示优先级。如比较 （GPS OR GIS）AND China GPS OR GIS AND China EI 中的表示方法：Relevance AND ( Aalbersberg within AU)OR (cool within AU),5、字段限制检索 组成数据库的最小单位是记录，一条完整记录中的每一个著录事项为字段。献书目型数据库的记录基本包括下列字段： （1） 存取号字段（AN, Access Number）这是计算机检索系统为每个数据库的每篇记录规定的能被计算机识别的特定号码。在同一数据库中，每篇
11、文献记录只有一个存取号； （2） 篇（题）名字段（Title Field, /TI） （3） 文摘字段（Abstract Field, /AB),（4） 叙词字段或受控词字段（Destriptor Field, /DE; 或 Controlled term Field-SU) 这一字段是标引人员给文献标引的反映其主题概念的词，这些词来自规范化的词表。也称主题词。 （5）自由词字段或非受控词字段（Identified Field, /ID; Keyword Field , /KY ；Uncontrolled term Field） 这一字段也是标引人员给文献标引反映其主题概念的词，但这些词不是规
12、范化词表中的词。,(6) 著者机构子段（corporate source,CS或AF） (7) 刊名字段（journal,JN或ST） (8) 出版年子段（publication,year,PY） (9) 文献类型子段（ducument type,DT或TY） (10) 语种子段（language,LA） (11) 分类号子段（classification,CC）,注意事项：作者检索的缩写形式: 在SCI中, 姓 （全称）空格 名（首字母并且连写）如：LI DR；GONG JY 在EI中, 姓 名，全称(中文); 姓（全称）名（缩写） 机构检索中 SCI中有多个作者单位, 在同一字段中 EI
13、只收入第一作者的单位 多字段检索时要选所有字段(all field),基本索引子段和辅助索引子段 一篇记录中主要用来表达文献内容的子段称为基本索引子段（basic index fields),如篇名子段、文摘子段、叙词子段、自由词子段；而表达文献外部特征的子段称为辅助索引子段（additional index fields),包括著者子段、著者机构子段、文献类型子段、语种子段等。,6短语检索（phrase search)即精确检索 短语用“”表示，检索出与“”内形式完全相同的的短语，以提高检索的精确度和准确度 7自然语言检索（natural language search) 直接采用自然语言中
14、的字、词、句进行提问式检索，同一般口语一样。这种基于自然语言的检索方式又被称为“智能检索”，适合不太熟悉网络信息技术的人员使用。支持自然语言检索的有中文的悠游，英文的AltaVista, Excite,Infoseek,HotBot,AskJeeves等,8多种语言检索multilingual search) 提供多种语言的检索环境供用户选择，系统按用户选定的语种进行检索并反馈结果，支持多语种检索的 如：中文天网，英文AltaVista,Google等。,9模糊检索（fuzzy search) 又称概念检索。当我们输入一个检索词时，搜索引擎不仅反馈包括了该关键词的网址，同时也发来与关键词意义相
15、近的内容。比如：我们查找“查询”一词时，模糊检索会反馈来包含了“查询”、“查找”“查一查”、“寻找”、“搜索”等内容的网址。反馈网址的排列，一般是完全符合关键词的在最前边，其次是相近的。现在大多数搜索引擎都有这种功能，只是模糊的程度不同。,10 字母大小写检索 如果用户的检索式用小写字母表示，搜索工具既匹配大写又匹配小写，如：china(瓷器），china(中国）；如果用大写字母表示，搜索工具认为用户指定了只要大写，就只会查找那些与用户键入的输入形式完全相同的结果，如：china,只检索出china。Alta Vista等搜索引擎支持区分大小写的检索,注意：自然语言检索、模糊检索、多种语言检索
16、和区分大小写的检索是网络检索所特有的。 在实际检索中，往往将多种检索技术混合使用。如：查找标题中含有“网络营销”的资料，它的计算机检索提问式（表达式）可以是： TI（Web OR WWW) AND market* 又如：ISTP中的综合表示方法 TS=(nanotub* SAME carbon) NOT AU=Smalley RE,二、数据库的检索方法,检索界面,浏览方式 ( Browse ),检索方式 ( Search ),浏览方式 ( Browse ) 一般包括作者、作者单位、出版物名称及出版社索引或者按学科划分的分类索引如：EI Elsevier CSA PROQUEST IEEEIEE
17、 重庆维普以及中国期刊网等等都提供了各种不同的浏览方式,检索方式 ( Search ),基本检索 (basicquicksimpleeasy)属于一般性的检索，它是根据自己的检索需要，输入字、词或简单的检索式（不能使用位置检索）来完成检索的，是一种初级性的检索方式。高级检索 (advanceexpendfullexpert)属于专家性的检索，可以根据自己的检索需要，构件比较复杂的检索式（可以使用逻辑、括号、截词以及位置算符）来完成高层次、高质量的检索，检索结果快速、准确。高级检索分为：菜单式检索和命令式检索,三、 检索效果的评价,查全率与查准率是检索质量的两个重要的评价指标。 查全率(reca
18、ll ratio)=检出的相关文献量/检索系统中相关文献总量 即检出文献中合乎需要的文献数量占数据库中存在的合乎该需要的所有文献的比例。查全率高说明有用的东西都被你检中了，但对于数量巨大的数据库而言，要达到100%的查全率是不可能的，在网络条件下尤其如此。,查准率(precision ratio)=检出的相关文献量/检出的文献总量。指检出文献中合乎需要的文献数量占检出文献全部数量的比例。 准确率高说明你检出的东西都是有用的东西。一般地说，很少能达到100%的查准率。 在查全与查准两个方面一般难以两全，为了获得很多有用的东西（达到高的查全率），需要较少的限制检索条件，但这样检出的无用的东西就会很
19、多（查准率不高），反之亦然。,四、 检索策略的实施技巧 检索策略：为实现检索目标而实施的方法。 检索策略制定的原则： 第一 快，即从检索请求的提出到检索结果的提交要快速： 第二 准，即检索结果要准确，避免检索出过多无关内容； 第三 全，检索结果全面，满足用户的需求； 第四 效益原则，即以最低的费用获取所佳的信息。,归纳起来包括：(1)认真进行课题分析，确定正确的主题词及学科 分类情况(2)正确选择各种算符，如逻辑算符，位置算符，截词符。 (3)编制合理的计算机检索式。(4)随时调整检索策略，减少漏检和误检，提高查全率和查准率。 首先，扩大命中文献数量以提高查全率：选用文摘字段检索；使用上位词或
20、近义词、同义词用逻辑或(OR)连接；利用截词检索。 其次，缩小检索范围以提高查准率。检索词限定在篇名和叙词字段；使用下位词，利用逻辑非去掉无关信息；利用逻辑积限定相关主题。,五、 计算机信息检索的具体步骤 （方法） 1分析检索课题，明确检索要求 (这是检索的出发点，依据) 分析检索课题：分析检索课题的中心内容和所属学科范围，以便准确选择反映文献内容特征的主题词、关键词，确定出所属学科的学科性质 明确检索需求，即弄清检索目的及要解决的问题。用户的检索目的和要求是多种多样的，是撰写学位论文，还是申报科研课题，是技术革新还是成果鉴定，目的不同，检索的策略和范围也不同。检索需求主要反映在用户对命中文献
21、的类型、语种及所需文献的年代等不同。,2 选择检索系统和数据库 在分析检索课题，明确检索要求的基础上，必须综合考虑检索系统的特点、收录的学科范围、各数据库的专业范围、主题内容、数据来源与文献类型、技术含量、数据的存贮年限、更新频率、检索费用以及使用方法。,3 确定检索项与检索途径 检索项主要指文献记录中的文献特征标识。反映文献内容特征的检索词如：标题词、叙词、和关键词；反映文献外表特征的如：作者、语种、文献类型等。 检索途径指主题检索或分类检索。 4 编制计算机检索式,十、 计算机检索逻辑表达式举例： 例1：GPS在建筑事业中的应用 主题词：A：全球定位系统；B：建筑测量；组配词：C：应用 表
22、达式：A AND B AND C 例2：加拿大遥感活动展望 主题词：A：遥感；B：测绘科技活动；组配词：C：加拿大；D：展望 表达式：(A OR B)AND C AND D 例3：Peter教授在测量平差理论方面的研究 主题词：A：测量平差；组配词：B：理论；C：研究；D：Peter 表达式：A AND B AND C AND D 例4：Batson关于土地规划与地籍测量方面的论述 主题词：A：土地规划；B：地籍测量；组配词：C：评论；D：Batson; 表达式：(A OR B)AND C AND D,例5：专题测图用于土地利用制图和植被制图 主题词：A：专题测量仪；B：土地利用制图；C：植被
23、制图; D：测绘仪器；E：地图制图；F：专题制图 表达式：(A OR D )AND (B OR C OR E OR F ) 例6：新型的自动化数字制图软件的开发与利用 主题词：A：机助制图系统；B：系统软件；C：软件技术；D：自动化测图 组配词：E：开发；F：应用 表达式：(A OR D)AND (B OR C )AND (E OR F ) 例7：利用人造卫星数据及地理信息分析森林用途 主题词：A;卫星影象；B;卫星遥感；C;地理信息系统；D：森林遥感;E;森林判读；F;森林调查；G;森林监测；H;数据处理 表达式:（A OR B）AND C AND（D OR E OR F OR G）AND
24、H,5 选择检索方法（常用法、追溯法和循环法） 常用法：顺查、倒查和抽查 追溯法：参考文献法和科学引文法被引用作者查 如：ARIKAWA K 80 NATURE 268 700 KATAGIRI N J ELEC MICR 39 363 90 87 J COMP PHYSL A 161 1161 STOWE S CELL TIS RE 262 483 90 87 NATURWISSENSCHAFTEN 74 297 SHIMOHIG M CELL TIS RE 263 46 91 循环法：常用法和追溯法的结合,6 查找文献线索，索取原始文献 在检索过程中，由于可以随时修改检索策略，因此一方面要以制定的检索式为基础，要服从检索式，但不要过多地受构造检索式的限制，要把条件适当放宽一些，逐步缩小检索范围，多次试验，以找到最佳检索式,结束,
