信息檢索基本方法

1、第五章 信息檢索的基本方法5.1 布爾邏輯檢索 Boolean logic 由GEORGE BOOLE 1815-1864提出，目前大多數(shù)搜索引擎都采用 與 AND， *， & 或 OR， + ， 非 NOT， ， !邏輯“與”:用關(guān)系詞AND表示(可寫作“*”或“&”)。邏輯“與”表示AND所連接的兩個(gè)檢索詞必須同時(shí)在結(jié)果中出現(xiàn)才滿足檢索條件。邏輯“或”:用關(guān)系詞OR表示(可寫作“+”或“”),邏輯“或”表示OR所連接的兩個(gè)檢索詞只要有一個(gè)能出現(xiàn)在結(jié)果中就算滿足了檢索條件。邏輯“非”:用關(guān)系詞NOT表示(可寫作“and not”“ ”或“!”),邏輯“非”表示NOT后面的那個(gè)檢索詞一定不能在

2、檢索結(jié)果中出現(xiàn)。例如： 校慶 AND 武漢大學(xué) 高等教育 * 中國 湖南 OR 湖北 移動(dòng)學(xué)習(xí) + 泛在學(xué)習(xí) 大學(xué) NOT 武漢大學(xué) 玉米 甜玉米例如，用GFsoso檢索， 電子 AND 讀書筆記 電子讀書筆記 OR 讀書筆記軟件5.2 位置限制檢索臨近檢索（Proximity Search）以Dialog為例，收900多個(gè)數(shù)據(jù)庫 （1）PRE/0，P/0 表示前后詞序不能顛倒，中間不能插入其他詞，但可以插入符號(hào)。 With, （W） 例如：Wuhan P/0 University （2）PRE/#，P/# 表示前后詞序不能顛倒，中間可插入一定數(shù)量的單詞，即插入#個(gè)單詞。例如：Wuhan P/

3、1 University 檢索結(jié)果： Wuhan Medical University； Wuhan Agriculture University； Wuhan Technology University； （3）NEAR/0，N/0 表示前后詞序可以顛倒，但中間不能插入單詞。 例如： Wuhan N/0 University檢索結(jié)果： Wuhan University； Wuhan University；Wuhan ，University University, Wuhan; University-Wuhan; University Wuhan （4）NEAR/#，N/# 表示前后詞序可以顛

4、倒，中間可以插入#個(gè)單詞。例如： Wuhan N/1 University檢索結(jié)果： Wuhan Medical University； Wuhan Agriculture University； Wuhan Technology University； University of Wuhan； University in Wuhan； University at Wuhan（5）（s）是sentence的縮寫，A（s）B表示A和B必須同時(shí)出現(xiàn)在記錄的同一個(gè)句子或短語中，但次序可以隨意改變，A與B之間可以有若干個(gè)其他的詞。如：resin (s) ester (酯化樹脂)【練習(xí)】1、查找comp

5、uter和game的間隔不大于100個(gè)單詞的網(wǎng)頁2、檢索“雜交玉米”的外文文獻(xiàn)，要求兩詞間隔1個(gè)詞，前后次序固定。hybrid、corn答案：1、computer near/100 game2、hybrid p/1 cornhybrid w/1 corn5.3 短語檢索（精確檢索）（Phrase Search Exact Search） 一般用“”表示。常見類型： （1）機(jī)構(gòu)名稱檢索：“Wuhan University” “The World Intellectual Property Organization” （2）人名檢索： 如“George W. Washington”否則可能出現(xiàn)：G

6、eorge W. Bush spoke at Washington D.C about human rights （3）用于專有名稱檢索：如 “information retrieval” “sleepless in seattle”電影名 電子讀書筆記 與 “電子讀書筆記”的檢索結(jié)果是不同的5.4 截詞檢索（Truncation Wildcat）是指在檢索式中用專門的截詞符號(hào)(一般用* 表示)表示檢索詞中的某一部分允許有一定的詞形的變化。因此，檢索詞的不變部分加上由截詞符號(hào)所代表的任何變化形式所構(gòu)成的詞匯都是合法檢索詞。 截詞符號(hào)可以用*，？，位置可分左截?cái)唷⒂医財(cái)?、中間截?cái)唷⒆笥医財(cái)啵?）

7、左截?cái)啵?physics可檢索出physics, bio physics, chemophysics, geo physics等。*ology Biology, geology, zoology *ism, *graphy（2）右截?cái)啵篊omput*可檢索出Comput, Computing,Computer,Computerized等。econom*，economy; economic; economics; economical; economist; economize; （3）中間截?cái)鄔om*n 一個(gè)？代表一個(gè)字符，結(jié)果是woman, women （4）左右截?cái)?toxic* cyto

8、toxic; neurotoxicities; hepatoxicologic; 表5-1 世界上主要數(shù)據(jù)庫截詞算符數(shù)據(jù)庫平臺(tái)1個(gè)字符多個(gè)字符0或1個(gè)字符MEDLINEPubMed*MEDLINE,SCIWOS?*$MEDLINE,CSAProQuest?*Agricola?EBSCO?*#Lexis-Nexis*!SDOL,Springer?*5.5字段限制檢索（Field Limiting） 通過對(duì)檢索詞出現(xiàn)的位置進(jìn)行限定，以實(shí)現(xiàn)精確檢索。 例如：中國有多少政府網(wǎng)站？ 無固定答案，因該題是一個(gè)動(dòng)態(tài)變化的過程。網(wǎng)站的構(gòu)成規(guī)律，斜杠越多，層次越多。 例如：cn 國家或地區(qū)代碼，美國沒有used

9、u 機(jī)構(gòu)類型代碼，如gov表示政府機(jī)構(gòu)；org表示非盈利機(jī)構(gòu)；com表示商業(yè)性機(jī)構(gòu)whu 表示機(jī)構(gòu)名稱sim表示某機(jī)構(gòu)下面的子機(jī)構(gòu)，此處代表School of Information Management（1）網(wǎng)址字段：URL: Uniform Resource Locator 例如： url: 結(jié)果有多少個(gè)記錄，就有多少個(gè)政府網(wǎng)站（2）題名字段： title(ti): Wuhan University（3）出版字段：PY =2010 (PY=Publication Year)（4）語種字段：la = english（5）鏈接字段：link: （link用來查找鏈

10、接到某個(gè)網(wǎng)站的所有的網(wǎng)頁，如果某人有自己的博客或主頁，通過這種方法可以看到它被鏈接的情況，從而了解到本人的知名度。此外，用link還可以查看其它網(wǎng)站的鏈接情況）（6）多字段組合檢索例如： admission AND site: （site表示檢索結(jié)果要限制在后面這個(gè)網(wǎng)址當(dāng)中，即只能從這個(gè)網(wǎng)站去找資料。上式表示從哈佛大學(xué)的官網(wǎng)中找入學(xué)的資料）例如：au = wang li AND （CS=Wuhan Univ.） （CS=corporate source）例如：比較下三個(gè)檢索式檢索結(jié)果的不同之處 “information retrieval”/TI informa

11、tion AND retrieval /TI information （F）retrieval (F=field)檢索結(jié)果中，第3個(gè)最多，第1個(gè)最少。第一個(gè)結(jié)果表示在題名字段中檢索，并且必須與輸入的形式完全相同；第二個(gè)表示在題名字段中檢索，但不嚴(yán)格限制是短語，如“information organization methods for effective retrieval”；第三個(gè)表示只需要在同一個(gè)字段中即可。5.6 區(qū)分大小寫檢索（Case-Sensitive） China 中國；china 瓷器 Apple蘋果公司（產(chǎn)品）；apple蘋果 Windows windows操作系統(tǒng)； win

12、dows窗戶 Jobs 喬布斯； job 工作Web萬維網(wǎng)、web蜘蛛網(wǎng)例如：國家圖書館聯(lián)機(jī)公共目錄查詢系統(tǒng)中的“多字段檢索”采用的就是字段檢索； Metacrawler的高級(jí)檢索等。5.7 多語種檢索方法的綜合運(yùn)用（Integrating Different Search Methods）表達(dá)一個(gè)概念的詞有很多，如移動(dòng)學(xué)習(xí)、數(shù)字學(xué)習(xí)、泛在學(xué)習(xí)；信息素質(zhì)、信息素養(yǎng)、咨詢素養(yǎng)等，因此在構(gòu)造檢索式時(shí)要充分考慮每個(gè)檢索詞的不同表達(dá)形式，盡量不要遺漏，最好的方法是采用積木型檢索式構(gòu)造方法。例1：查找與電子圖書標(biāo)準(zhǔn)化有關(guān)的文獻(xiàn)（“電子圖書” OR “電子書” OR “數(shù)字圖書” OR “在線圖書” OR

13、 “線上圖書” ）AND （“標(biāo)準(zhǔn)化” OR 標(biāo)準(zhǔn) OR 規(guī)范）上述的問題若換成英文檢索，其中標(biāo)準(zhǔn)的表達(dá)是standard; standards; standardize; standardizing; standardization; standardizations等，很麻煩，可以考慮用截詞符號(hào)代替，即standard*，上述檢索式可轉(zhuǎn)換為：（e-book OR “electronic book” OR “digital book” OR “online book” ）AND （standard* OR specification）例2：查2009年出版或發(fā)行的關(guān)于克隆人立法方面的英文著作或論文中文檢索式： PY=2009 AND 克隆人 AND （立法 OR 法律 OR 法規(guī)） AND LA=English AND （DT=book OR article）英文檢索式：PY=2009 AND “human cloning” AND （law OR laws OR leg