计算机信息检索概述

计算机信息检索概述1计算机信息检索理论基础2计算机信息检索的发展历史3计算机检索技术与实现4计算机检索策略与实施技巧1计算机信息检索理论基础使用计算机检索信息，是专业人员在开展科学研究中不可或缺的一项基本技能。一个具有这方面能力并善于从电子信息源中获取所需信息者，将在今后的信息社会中获取更多的成功机会。1计算机信息检索理论基础•计算机信息检索的定义•计算机检索系统的构成•数据库的概念计算机信息检索的定义•所谓计算机信息检索，就是在计算机和人的共同作用下，按照一定的方法组织和存储信息，并通过人机对话从计算机存储的大量数据中自动输出用户所需的那部分信息的过程。计算机检索系统的构成•硬件•软件•数据库硬件•系统中采用的各种硬件设备的总称，包括具有一定性能的计算机主机、外围设备以及怀数据处理或数据传输有关的其他设备。主机，是计算机检索系统的中枢。外围设备包括外部存储器，输入输出设备如键盘、光笔、鼠标、光学字符识别装置，显示终端、打印机等。软件•系统中有关的程序和各种文件资料的总称，包括系统软件（如操作系统，输入输出控制程序）和应用软件。数据库•“一组文件的集合”，就是以一定的组织方式存贮在一起的相关数据的集合。数据库的概念•数据库的定义•数据库的类型数据库的定义•数据库是至少由一种文档组成，并能满足某一特定目的或某一特定数据处理系统需要的一种数据集合。通俗地说，数据库是在计算机存储设备上按一定方式存储，并提供给确定范围内的各类用户共享的相互关联的数据集合。数据库是计算机技术与信息检索技术相结合的产物。它既是现代人们从事信息资源管理的工具，同时也是计算机信息检索的基础。数据库的类型•参考数据库•源数据库•混合数据库参考数据库指用户从中获取信息线索后，还需进一步查找原文或其他资料的一类数据库。它包括书目数据库和指南数据库。(1)书目数据库。它是存储某个学科领域的二次文献的数据库，有时又称作为二次文献库。它依照二次文献的不同类型又可分为题录文摘数据库、索引数据库和图书馆书目数据库。(2)指南数据库。它是存储有关某些机构、人物、出版物、项目、程序、活动等简要描述性信息的一类数据库，亦称指示性数据库。例如，机构名称数据库、人物传记数据库、产品数据库等都属于这一类数据库。源数据库又称为数据银行。它是能够直接为用户提供原始资料或具体数据的一类数据库。源数据库又分为：•数值型数据库•文本—数值型数据库•术语数据库•图像数据库•全文数据库•超文本数据库数值型数据库•是指专门提供以数值方式表示的调查数据和统计数据的一类数据库。文本-数值型数据库•是指能够同时提供文本信息和数值数据的一类数据库。术语数据库•是指专门存储和检索名词术语、词语信息等的一种源数据库。图像数据库•是指用来存储和检索各种图像或图形信息及有关文字说明资料的一种源数据库。全文数据库•是指存储和检索文献全文或其中主要部分的一种源数据库。超文本数据库•这种数据库存储时将存储内容分割为若干独立利用的结点，使用链路连接结点等方式进行存取，从而构成一个不拘泥于形式逻辑推理，不遵循某种正规模式的一种网络框架结构，因而具备了类似于数据库又优于一般数据库的特点。混合数据库这类数据库兼有源数据库和参考数据库的特点，按载体形式它又可分为以下四种类型：•磁媒体数据库•光盘数据库•多媒体数据库：是一种能够对文字、数值、声音和图像等不同性质的媒体进行一体化处理和管理的新型数据库•超媒体数据库。通过外部树形的链接将多种类型的媒体连成一个集合，该集合称为超媒体数据库。2计算机信息检索的发展历史•脱机批处理检索•联机情报检索•国际联机检索•光盘检索•网络信息检索脱机批处理检索•1954一64。定期由专职检索人员把许多用户课题汇总，批量处理提问要求，并把结果提供给用户。直接在计算机旁检索，不需要远程终端设备及通信网络。用户在计算机处理成批检索课题之后才知道检索结果，不能直接、及时修改检索策略，查全率和查准率受到一定限制。联机情报检索•20世纪70年代投入商业运营。用户在计算机检索系统的终端上，通过通信网络，使用特定的指令和算符，以人机对话方式，查询远程计算机检索系统核心的数据库，从中获取所需信息的计算机检索系统。•联机系统的诞生，使许多相互独立的终端实现了“对话”方式的信息检索。所谓对话方式，就是用户利用系统提供的、为数不多且简单易记的检索命令，每次输入一条命令或由命令组成的表达式查看结果。系统方面则每次显示出可能的信息，帮助用户选择下次该用的命令或表达式，用户通过与系统双向对话，可不断改变或完善检索策略，直至获得满意的检索结果为止。联机检索系统由三个部分组成：•主机系统•通讯系统•终端设备主机系统是联机检索系统的核心，它具备处理速度快、多道程序和分时功能，内存容量大，多样化的输入输出设备。主机系统通讯系统通讯系统是指终端设备与主机系统进行通信的设备。通信线路分为两种：专用的直达线路；通过拨号选择对方的交换线路。前者是特定通信线路，后者使用电话网和用户电报网，联机系统使用的通信线路就属于后一种。终端系统终端系统是人与系统的接口设备。它能将字符、声音以及人类的信息表现形式转换成系统的机器代码。反之，将系统的结果还原成字符、声音等形式，传送给终端用户。国际联机检索•70年代中后期。(联机检索基础上的扩充到国际)•优点：这种方式可以边检索边修改检索策略，而且检索速度快，多用户可同时检索，检索不受地理位置限制，检索功能多样化，打印输出灵活，检索结果可进行多种分析处理，大大方便检索用户和提高检索质量。缺点：•注重系统自身工作效率的提高，如改进算法、改进存储结构与存取技术等；让用户去适应、配合系统，很少分析、考虑用户对使用系统的要求。•面向检索专家或中介机构。要求检索者熟悉系统的一整套检索指令和检索技术，用户的提问必须采用规范化的检索语言，从而依赖于专业检索人员，用户自己完成检索必须受过系统培训。•人机交互界面不友好，且费用较高。光盘检索•80年代初期，其全称为高密度光盘(CompactDisk)，主要是利用激光、计算机及光电集成等技术实现信息存储的数字化。以光盘为介质的光盘数据库检索系统由于信息存储量大，简单易用而取胜。•优点：一次购买，无限制使用，不必考虑检索时间，远程通信费用等因素；存贮容量大；检索途径多；适用于通信不发达，联网较困难的地区，是联机检索、网络检索的有效补充。•局限：数据更新有一定的周期，时效性、灵活性比不上联机检索；目前光盘数据库容量有限，一般是按专业和领域建库，收录范围不够广泛；适用对象的局限性，因为一次性购买费用高，对使用频率不高的单位或个人来说成本较高；设备和软件的兼容性较差，各种光盘数据库检索系统目前还难以实现标准化和统一化。•光盘检索系统的构成：计算机、CD-ROM驱动器、检索软件、CD-ROM数据盘。网络信息检索•是通过标准通信方式将世界各地的计算机网络连接起来，形成一个基于客户机-服务器模式的网络分布数据库结构。它在全球范围内把科技信息、商贸信息、经济信息、时事新闻以及日常生活信息通过互联网络合在一起，向亿万联网用户提供广泛的信息检索与服务。它是信息化社会应用最广泛、最活跃的领域。网络信息检索服务的特点：•信息检索服务的开放性•超文本的多链接性•用户界面友好且操作方便•具备良好的导航和编辑功能信息检索服务的开放性•网络信息系统中包含信息资源、信息设备、信息通道、信息检索软件及信息终端等子系统，各个子系统都是开放的，其信息资源面向所有用户。超文本的多链接性•以超文本技术为基础链结构将不同地方的相关信息有机联系起来，使用户可通过点击文本或图表中的超文本链接点访问另一个相关的文档。用户界面友好且操作方便•采用客户机/服务器结构，通过交互式的图形界面，为用户提供友好的信息查询要求，检索途径多，可保留检索历史。正是这一特点，使Internet能广泛深入学校、家庭、办公室乃至每一个人。具备良好的导航和编辑功能•网络信息检索一般都可以引导读者在复杂的网络信息资源中漫游而不致迷失方向，用户可以利用导航机制，了解其所在网络图中的位置。网络信息检索具有良好的编辑功能，包括修改、增加、删除节点和链的能力，此外对节点内的信息也具有良好的编辑能力，可进行多窗口编辑。3计算机检索技术与实现•布尔逻辑检索•位置算符•截词检索•词组检索•括号检索•字段限制检索布尔逻辑检索•即运用布尔逻辑算符(Booleanoperators)对检索词尽心逻辑组配，表达两个概念之间的逻辑关系。•布尔逻辑算符主要有:ANDORNOT•在中文数据库里，布尔逻辑运算符又是用AND、OR、NOT表示，有时用“*“、”＋“及”－“。逻辑与（逻辑乘）用运算符号：AND或*连接检索词例查“有关计算机在图书馆中的应用”的文献，检索式=计算机*图书馆AANDBAB逻辑或用运算符号“OR”或“+”连接两检索词例1查“苹果或梨”方面的文献检索式=苹果+梨它在同义词检索中使用，能提高查全率。例2查“计算机或机器人”方面的文献检索式=计算机+机器人AORBAB逻辑非用运算符号“NOT”或“—”连接两检索词ANOTB例1查“玉米但不是甜玉米”方面的文献。检索式=玉米—甜玉米例2查“不是铬合金”方面的文献。检索式=合金—铬ANOTBAB位置算符检索文献记录中词语的相对次序不同，所表达的意思就可能不同。同样在检索式中，检索词的相对次序不同，表达的检索意图也不一样，布尔逻辑运算符有时难以表达某些检索课题的确切提问要求，用词间位置算符来限定和组配检索词，可弥补布尔逻辑算符只是定性规定检索词的范围，而没有限定检索词位置关系，易造成误检的不足。位置算符检索就是利用一些特定的位置算符来表达检索词之间的位置关系，并且可以不用叙词表而直接使用自由词进行检索的方法。有的书上还把这种检索称为原文检索。这种检索在利用TI和AB途径检索时，对检索质量影响很大。常用的位置算符有：W、W/N、WITH、WITHIN、nW、PRE、N、NEAR、ADJ、nN、F、SAMEW、W/N、WITH、WITHIN功能：两词相邻，按输入时顺序排列（也有数据库允许顺序颠倒）表达式：Education（W）school或EducationWITHschool检索结果：Educationschool；educationschoolsnW功能：两词相邻，按输入时顺序排列（也有数据库允许顺序颠倒）,两词之间允许插入0~n个词。表达式：Education（1W）school检索结果：Educationschool；educationschools；Educationandmusicschool；PRE功能：两词相邻，按输入顺序排列表达式：EducationPREschool检索结果：EducationschoolEducationschoolsN、NEAR、ADJ功能：两词相邻，顺序可以颠倒表达式：Education（N）schoolEducationNEARschool检索结果：EducationschoolEducationschoolsSchoolofEducationnN功能：两词相邻，顺序可以颠倒，两词中间可以插入0～n个词表达式：Education（1N）school检索结果：EducationschoolschoolofeducationEducationandsicschoolschoolofmusicandeducationF功能：两词必须出现在同一字段中，词序与词量不限表达式：Education(F)school/DE检索结果：Education和school必须同时出现在叙词字段内即可SAME功能：两词出现在同一自然句中，其词序与词量不受限制表达式：EducationSAMEschool检索结果：Education和school两词出现在同一句子中即可。截词检索•截词运算符号有两个：“？、*”。其在不同系统中表示的含义不同。•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。•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