第3章文獻(xiàn)數(shù)據(jù)庫與計算機(jī)檢索

1、文獻(xiàn)數(shù)據(jù)庫與計算機(jī)檢索1. 文獻(xiàn)信息數(shù)據(jù)庫2. 計算機(jī)信息檢索基礎(chǔ)3. 檢索效果評價及其優(yōu)化1. 文獻(xiàn)信息數(shù)據(jù)庫 文獻(xiàn)是記錄知識的載體。數(shù)據(jù)庫是結(jié)構(gòu)化的數(shù)據(jù)集合，至少由一種文檔組成并能夠滿足某種特定目的或特定數(shù)據(jù)處理系統(tǒng)需要的數(shù)據(jù)集合 。當(dāng)數(shù)據(jù)庫記錄的對象為文獻(xiàn)信息時，就稱為文獻(xiàn)信息數(shù)據(jù)庫 。文獻(xiàn)信息數(shù)據(jù)庫的結(jié)構(gòu)一個數(shù)據(jù)庫通常由一個主文檔(Master File) 和若干個索引文檔或稱倒排文檔(Inverted File) 組成。文檔是具有某種特征的全部記錄的集合。記錄是構(gòu)成文檔的基本單元，由各種反映 文獻(xiàn)特征的字段組成。如一篇論文、一件專利、 一本圖書、一個標(biāo)準(zhǔn)的相關(guān)信息都能夠成為文 檔中的

2、一條記錄。字段是記錄的基本組成元素。一條記錄的 常見字段通常包含題名字段、著者字段、主題 詞字段、文獻(xiàn)出處字段（如刊名等）多種字段。文獻(xiàn)數(shù)據(jù)庫中常見的字段和段碼2022-3-17文獻(xiàn)數(shù)據(jù)庫的類型按數(shù)據(jù)庫文獻(xiàn)記載的詳細(xì)度可分為書目型數(shù)據(jù)庫（二次文獻(xiàn)數(shù)據(jù)庫）：僅提供文獻(xiàn)檢索，讀者根據(jù)其提供的線索查找文獻(xiàn)原文。 可以分為：題錄型 文摘型EI SCI 中國科學(xué)引文索引文獻(xiàn)數(shù)據(jù)庫的類型按數(shù)據(jù)庫文獻(xiàn)記載的詳細(xì)度可分為全文數(shù)據(jù)庫：不僅提供文獻(xiàn)的基本信息及線索，同時還提供原始文獻(xiàn)本身的數(shù)據(jù)庫。主要包括全文數(shù)據(jù)庫、術(shù)語數(shù)據(jù)庫、圖像數(shù)據(jù)庫等等。如: CNKI 萬方 Elsevier IEL文獻(xiàn)數(shù)據(jù)庫的類型按數(shù)據(jù)庫

3、文獻(xiàn)記載的詳細(xì)度可分為混合型數(shù)據(jù)庫:數(shù)據(jù)中的數(shù)據(jù)，一部分只是提供參考數(shù)據(jù)庫中的信息（文獻(xiàn)的基本情況及線索）；另一部分則可以提供全文數(shù)據(jù)庫中的信息（原始文獻(xiàn)本身）。如： EBSCO (ASPBSP)文獻(xiàn)數(shù)據(jù)庫的類型按文獻(xiàn)數(shù)據(jù)庫收錄信息的學(xué)科范圍可分為 (1) 專業(yè)性文獻(xiàn)信息數(shù)據(jù)庫 (CA)(2) 綜合性文獻(xiàn)信息數(shù)據(jù)庫 (中國期刊網(wǎng))文獻(xiàn)信息數(shù)據(jù)庫的評價標(biāo)準(zhǔn)收錄內(nèi)容范圍系統(tǒng)準(zhǔn)確。揭示文獻(xiàn)詳略完備詳細(xì)。更新速度快慢及時快速。檢索字段多寡途徑豐富。檢索功能強(qiáng)弱高效完善。用戶使用方便易學(xué)易用。維護(hù)服務(wù)質(zhì)量及時到位。計算機(jī)信息檢索基礎(chǔ)計算機(jī)信息檢索指利用計算機(jī)及相關(guān)軟件和通信設(shè)施，對本地計算機(jī)、遠(yuǎn)程服務(wù)器

4、及網(wǎng)上信息進(jìn)行檢索的過程或活動。隨著信息技術(shù)的快速發(fā)展及對各種文獻(xiàn)信息的數(shù)字化處理，計算機(jī)文獻(xiàn)信息檢索已經(jīng)成為文獻(xiàn)信息檢索的主要手段。計算機(jī)信息檢索發(fā)展過程脫機(jī)檢索階段（50年代中期到60年代中期）聯(lián)機(jī)檢索階段（60年代中期到70年代中期）光盤數(shù)據(jù)庫檢索階段（70年代中期到80年代末）網(wǎng)絡(luò)化檢索階段（90初年代至今） 1）分析檢索課題,明確檢索要求（2）選擇適當(dāng)檢索系統(tǒng)(數(shù)據(jù)庫)（3）確定檢索途徑及檢索詞（4）構(gòu)建檢索提問式（5）上機(jī)檢索并調(diào)整檢索策略（6）輸出檢索結(jié)果 (具體）計算機(jī)檢索的一般程序計算機(jī)檢索的一般程序主題分析明確檢索需求及檢索目標(biāo)（1）檢索信息的學(xué)科范圍（2）檢索信息的類型（

5、3）檢索的目的選擇檢索系統(tǒng)（數(shù)據(jù)庫等）（1）根據(jù)檢索目的確定所需數(shù)據(jù)庫的類型（2）根據(jù)信息需求的內(nèi)容、專業(yè)范圍選擇數(shù)據(jù)庫（3）根據(jù)記錄來源選擇數(shù)據(jù)庫（4）根據(jù)熟悉程度選擇數(shù)據(jù)庫計算機(jī)檢索的一般程序主題概念分析（注：是課題檢索的重點和難點）檢索目的（申報課題、開題報告、學(xué)術(shù)論文、成果查新、課程論文、商業(yè)需求以及其它需求類型等）文獻(xiàn)類型（期刊論文、會議論文、科技報告、圖書、專利、標(biāo)準(zhǔn)、網(wǎng)站等）?結(jié)果形式（全文、文摘、題錄、數(shù)值、事實等）檢索年限（如2000年以來的文獻(xiàn)）語種（中文、外文；英文、日文）檢索結(jié)果數(shù)量（100？50？）2.計算機(jī)檢索基本技術(shù)布爾邏輯檢索技術(shù)布爾檢索技術(shù)是指利用布爾運(yùn)算符連

6、接各個檢索詞，然后由計算機(jī)進(jìn)行相應(yīng)邏輯運(yùn)算，以檢索出所需信息的方法。常用算符及含義:AND (*) OR (+) NOT (-)布爾邏輯檢索技術(shù)AND (*)接不相容的主題概念(或不同字段)檢索結(jié)果同時出現(xiàn)連接的詞限定， 縮小范圍， 提高準(zhǔn)確率。OR （+)?連接同義詞 ，同族詞， 相關(guān)詞檢索結(jié)果至少含有其中一詞或同時有擴(kuò)大，檢索范圍， 提高查全。NOT (-)縮小檢索范圍,起到減少文獻(xiàn)輸出量。布爾邏輯檢索技術(shù)優(yōu)先處理算符“（ ）” 邏輯算符OR和AND的使用方法，如果歸納成一個模式，比如有A、B、C、D四個檢索詞（其中A和B，C和D分別為同義概念）， 檢索提問式為：（A OR B）AND （

7、C OR D） 即，同一組檢索提問既含有OR算符，又含有AND算符，此時須使用優(yōu)先處理算符“（ ）”，將OR算符前后的詞放入括號中，計算機(jī)將優(yōu)先運(yùn)算括號內(nèi)的算符。位置算符位置檢索可要求檢索詞以用戶所規(guī)定的相對位置出現(xiàn)。比如:以詞組形式表達(dá)的概念;彼此相鄰的兩個或兩個以上的詞;被禁用詞或特殊符號分隔的詞以及化學(xué)分子式等。位置算符是調(diào)整檢索策略的一種重要手段。 輸入：COMMUNICATION SATELLITE系統(tǒng)認(rèn)為 ：COMMUNICATION AND SATELLITE結(jié)果: communication satellite ,satellite communication , commun

8、ication devices for satellite ;communication links without satellite位置算符常用的位置算符及含義： (W)算符（WITH） 表示兩個檢索詞緊挨著，詞序不能顛倒， 中間不得插入其他詞、字母或代碼，但允許有空格或標(biāo)點符號，也可用（）表示。 例:COMMUNICATION(W)SATELLITE （n W）算符（n WORD）表示兩個檢索詞中間可插入n個詞，但它們之間的順序不可顛倒。 （N）算符 （NEAR） 表示兩個檢索詞必須相連，不得插入其他詞，但詞序可以顛倒。位置算符（n N）算符(n NEAR) 表示兩個檢索詞中間可以插入n

9、個詞，且詞序可以顛倒。 （S）算符（SUBFIELD） 表示兩個檢索詞必須出現(xiàn)在同一個子句子中，但兩詞的詞序和插入的詞數(shù)不限。句子位置算符 （F）算符（FIELD）表示兩個檢索詞必須同時出現(xiàn)在同一個字段內(nèi)，但兩詞的詞序和中間插入的詞數(shù)不限。字段位置算符 （C）算符（CITATION）表示兩個檢索詞必須出現(xiàn)在同一記錄中，但兩詞的詞序和所在的字段不限。 （L）算符（LINK）表示兩個檢索詞之間存在從屬關(guān)系或限制關(guān)系，如果其中一個為一級主題詞，另一個就為二級主題詞。截詞檢索技術(shù) 截詞檢索是為擴(kuò)大檢索范圍與增加檢索結(jié)果而采用的一種檢索技術(shù)。常件的截詞符號及含義：“*”可代表多個字符“#”代表單個的字符

10、一個“？”或者“n？”代表0個到9個額外的字符 。加權(quán)檢索技術(shù)加權(quán)檢索是在檢索提問式中,根據(jù)每個提問詞在檢索要求中的重要程度,分別給予一定的加權(quán)數(shù)值加以區(qū)別,我們稱這個數(shù)值為權(quán)數(shù)。同時再給出檢索命中的閾值。當(dāng)檢索結(jié)果達(dá)到所設(shè)定的閾值時，系統(tǒng)將顯示為命中記錄。采用加權(quán)檢索的目的在于提高檢索結(jié)果的準(zhǔn)確程度限制檢索技術(shù)具體形式主要有：（1）字段限制檢索（2）使用符號限制（3）進(jìn)行范圍限制（4）采用限制指令字段限制檢索基本字段限制字段限制(TI,AB,DE,ID)基本字段限制的用法是在需要指定字段（題目、敘詞、識別詞和文摘）的檢索詞后加上后綴運(yùn)算符“/”和段碼。例如，檢索策略“OPTICAL/TI A

11、ND FIBER/TI”的含義是指定在題目字段中查找含有 “optical” 和“fiber”兩詞的所有記錄。字段段碼可以多個連用，段碼之間加“，”即可。例如，檢索策略“FIB?/TI,DE”的含義是指定在題目和敘詞字段中查找以 “fib”為詞干的所有記錄。字段限制檢索輔助字段限制輔助字段運(yùn)算符的用法是在需要指定字段的檢索詞（有時檢索詞須放在雙引號內(nèi)）之前加上段碼和前綴運(yùn)算符“=”。例如檢索策略AU=“Robert, S.”的含義是在作者字段中查找含有“Robert, S.”的所有記錄。下面是其他常用的輔助字段限制及其實例：指定著者單位字段 CS=SHANGHAI UNIVERSITY指定刊物

12、名稱字段 JN=APPLIED MATHEMATICS 指定語言字段 LA=ENGLISH 指定文獻(xiàn)類型字段 DT=JOURNAL3.檢索式的調(diào)整檢索表達(dá)式輸入檢索系統(tǒng)后，輸出的檢 索結(jié)果有時不一定能滿足課題的要求：檢出的篇 數(shù)過多，而且不相關(guān)文獻(xiàn) 所占比例很大檢出的文獻(xiàn)數(shù)量太少，有時甚至為零，需要調(diào)整檢索策略。調(diào)整檢索策略對于輸出篇數(shù)過多的情況a .選用了多義性的檢索詞；b .截詞截得過短；c. 輸入的檢索詞太少；d. 應(yīng)該使用“與（AND）”的使用了“或（OR）”；e.優(yōu)先運(yùn)算符“（）”使用錯誤。調(diào)整檢索策略對于輸出篇數(shù)過少的情況a. 檢索詞拼寫錯誤；b. 遺漏重要的同義詞或隱含概念；c.

13、 檢索詞過于冷僻具體；d. 沒有使用截詞算符；e. 位置算符和字段算符使用的過多；f. 使用過多的“AND”算符。計算機(jī)檢索實例檢索需求查找某概念的確切含義如：什么是“blog” 查找某概念的背景知識如：誰最先發(fā)現(xiàn)青霉素查找某些事物的數(shù)值及量化指標(biāo)特征型知一般通過事實型、數(shù)值型數(shù)據(jù)庫和搜索引擎獲得。查找某一學(xué)科的一般知識如：關(guān)于分子生物學(xué)有哪些專著查找學(xué)科專業(yè)領(lǐng)域的新進(jìn)展如：有關(guān)納米技術(shù)的研究綜述查找課題相關(guān)的專業(yè)文獻(xiàn)最常見的！文獻(xiàn)數(shù)據(jù)庫 電子元器件的技術(shù)特性數(shù)據(jù)，可用有關(guān)的電子元器件類手冊、產(chǎn)品目錄、樣本或書查找； 查過去某年度某種電氣電子類產(chǎn)品的產(chǎn)銷、貿(mào)易、市場概況，可用有關(guān)年鑒類資料；

14、查國內(nèi)外哪些大學(xué)招收電氣電子類研究生，可查大學(xué)類的機(jī)構(gòu)名錄或校方的招生簡章資料； 查“自動化”一詞的概念與含義，可用百科全書、學(xué)科術(shù)語類解釋辭典和相關(guān)手冊； 查電子產(chǎn)品的電路圖，可用相應(yīng)的電路圖集或手冊； 查錢學(xué)森的主要論著和貢獻(xiàn)，可用名人錄；等等。主題分析實例 直接從檢索項目中獲取相關(guān)概念例：項目“聚乙烯的合成（synthesis of polyethylene）”主要概念：聚乙烯、合成（synthesis、polyethylene）檢索式： 聚乙烯 and 合成 Synthesis and polyethylene主題分析實例 排除重復(fù)無關(guān)的概念項目“河豚毒素的液相色譜分析”從項目名稱上看

15、，其主要概念為“河豚毒素”、“液相色譜”和“分析”，但由于液相色譜本身就是一種分析方法，它隱含了“分析”這一概念主要概念：河豚毒素、液相色譜檢索式：河豚毒素and液相色譜主題分析實例 檢索詞之間存在部分與整體關(guān)系例：1.檢索“歐洲能源”方面的文獻(xiàn)按照“歐洲”；同時包括許多國家。英 法 德 意 2.國外綜述 主題分析實例 隱性概念的處理課題：高溫下使用的不銹鋼“不銹鋼” “耐熱鋼”主題分析實例 隱性概念的處理項目“灌溉用的橡塑多孔管”Rubber-Plastic Porous Pipe For Irrigation 橡塑多孔管也稱為橡塑滲灌管，其主要原料為橡膠粉(由廢舊輪胎制得)和塑料(如粉狀聚

16、乙烯)。隱含概念：橡膠、塑料 該產(chǎn)品主要用于農(nóng)林、園藝等方面的灌溉。主要概念：橡膠、塑料、多孔管、灌溉檢索式：(橡膠or塑料or橡塑)and多孔管and灌溉2022-3-17主題分析實例 隱性概念的處理 文昌魚的遺傳多樣性顯性主題概念 :文昌魚 遺傳多樣 隱含主題概念： 文昌魚 -頭索動物 遺傳 -基因 同義 近義詞： 基因 -DNA主題分析實例 隱性概念的處理項目“唐山綜合防災(zāi)的研究” 由于唐山是一個城市，因此該項目實際上是“城市綜合防災(zāi)的研究”。 該項目針對的主要災(zāi)害是地震、洪水和火災(zāi)，所采用的研究手段是決策支持系統(tǒng)和專家系統(tǒng)。防災(zāi)：地震、洪水、火災(zāi)研究：決策支持系統(tǒng)、專家系統(tǒng)主要概念：城

17、市、地震、洪水、火災(zāi)、決策支持系統(tǒng)、專家系統(tǒng)檢索式：城市and(地震or洪水or火災(zāi))and(決策支持系統(tǒng)or專家系統(tǒng))主題分析實例 概念間邏輯關(guān)系的處理同義詞、近義詞是或的關(guān)系上位詞即擴(kuò)檢，如“教育心理學(xué)”下位詞即縮檢，如“智育心理”、“德育心理”、“美育心理”、“教學(xué)心理學(xué)”、“學(xué)習(xí)心理學(xué)”、“教師心理學(xué)”、“學(xué)生心理學(xué)”等。若多個下位詞都用來檢索，相對于一個上位詞來說，一般是擴(kuò)檢。一個下位詞相對于一個上位詞來說，一般是縮檢。檢索詞的選擇 規(guī)范詞 選擇檢索詞時，一般應(yīng)優(yōu)先選擇主題詞作基本檢索詞，但為了檢索的專指性也選用自由詞配合檢索。如查找“人造金剛石”的文獻(xiàn)，很可能用“manmade(

18、人造) ”、“diamonds( 金剛石) ”作為檢索詞，但“人造”的實質(zhì)是“人工合成”，檢索詞的范圍可放寬至：synthetic(W)diamonds 合成金剛石；synthetic(W)gems 合成寶石；synthetic(W)materials 合成材料；synthetic(W)stones 合成石；synthetic(W)crystals 合成晶體；artificial(W)crystals 人造晶體；diamonds 金剛石。檢索策略：1+(2+3+4+5+6)*7盡量使用代碼不少文檔有自己的各種代碼，如世界專利索引(WPI) 文檔的國際專利分類號代碼IC ，世界工業(yè)產(chǎn)品市場與技術(shù)

19、概況文檔中的產(chǎn)品代碼PC 和事項代碼EC，化學(xué)文摘(CA) 中的化學(xué)物質(zhì)登記號RN 等。如查找“20 年來CA 收錄的錫酸鋇導(dǎo)電機(jī)理”的文獻(xiàn)，就應(yīng)該用化學(xué)物質(zhì)登記號表示，即rn 12009-18-6 。其檢索式可為：rn 12009-18-6*electric？(w)conduct？ 。而用如下檢索式則不能保證文獻(xiàn)查全：(barium (w)stannate+BaSn03)*eletrical(w)conductivity同義詞盡量選全 檢索時為保證查全率，同義詞盡量選全。同義詞選擇應(yīng)主要考慮以下幾點：同一概念的幾種表達(dá)方式，如化學(xué)分析有chemical analysis，analytical

20、 chemistry，chemical determination，composition measurement等。同一名詞的單、復(fù)數(shù)、動詞、動名詞、過去分詞形式等，如生產(chǎn)有product，production，producing，produce，productive等，詞根相同時，可用截詞符解決。同義詞盡量選全要考慮上位概念詞與下位概念詞，如水果榨汁，不僅要選fruit ，也應(yīng)選各種水果，如pear( 梨) 、orange( 橙) 、plum( 李子) 、peach( 桃) 、apple( 蘋果) 、pineapple( 菠蘿) 等，反之，如某一種水果保鮮則應(yīng)參考水果保鮮?；瘜W(xué)物質(zhì)用其名稱

21、也要用其元素符號，如氖，Nitrogen 和N 。植物和動物名，其英文和拉丁名均要選。 注意選用國外慣用的技術(shù)術(shù)語查閱外文文獻(xiàn)時，一些技術(shù)概念的英文詞若在詞表查不到，可先閱讀國外的有關(guān)文獻(xiàn)，再選擇正確的檢索詞同義詞盡量選全 表示研究方法、技術(shù)方法的名詞術(shù)語，如分析（化學(xué)）、針刺手法、有限元法、結(jié)構(gòu)功能法、力學(xué)性能試驗等 表示工藝方法、加工技術(shù)的名詞術(shù)語，如鑄造、鍛造、熱處理、焊接、釀造、取心鉆進(jìn)、爆破成型、激光切割等；激光加工技術(shù)在航空工業(yè)中的應(yīng)用有關(guān)激光加工；在航空工業(yè)中的應(yīng)用。第一組面：激光。從詞表中可以選取(1) laser (激光) (2) laser bean (激光束)第二組面：激

22、光加工技術(shù)。3-6 從詞表中可以選?。?）laser annealing（激光熱處理）（4）laser cutting (激光切削)（5）laser drilling (激光鉆孔)（6）laser welding (激光焊接)7-10加工技術(shù)(7)Suface alloying （表面合金化)(8)Surface hardening (表面硬化)(9)Remelting (再溶化)(10)Radiation hardening (表面硬化)第三組面：航空工業(yè)（11）aircraft （12）aircraft industry（13）aircraft equipment擬定檢索式（1+2）*（7+8+9+10）+（3+4+5+6）*（11+12+13）注意：對于復(fù)合詞可以用位置算符，截詞符。 檢索效果評價的指標(biāo)評價檢索效果的常用指標(biāo)有：查全率（Recallratio）用R表示查準(zhǔn)率（Precisionratio）用P表示漏檢率（Omissionratio）用O表示誤檢率（Fall-outratio）用F表示高查全率或查準(zhǔn)率是人們在檢索活動中通常所追求的目標(biāo)。查全率 查全率是指被檢出的相關(guān)文獻(xiàn)量與系統(tǒng)文檔中實有的相關(guān)文獻(xiàn)量之間的比率。它是衡量信息檢索系統(tǒng)收錄內(nèi)容及其用戶檢索結(jié)果的完整程度的指標(biāo)?？捎孟率奖硎荆?被檢出相關(guān)文