4信息检索原理与方法解析.ppt

检索词的组配 字段限制符 后缀限定/ electron/ ti 前缀限定= AU=Rankin,K.M. LA=English 时间限制符： PY=1990:1999 优先运算符（ ） (baseball AND Brewers) OR Twins 词组短语检索 “” 扩检与缩检 检索过程中当检索结果偏少时，进行扩检的方法 ⑴ 删除某个用and 连接的不重要的检索词； ⑵ 增加用 or 连接的检索词； ⑶ 位置算符放宽； ⑷ 检索词后用截词符； ⑸ 多用几个副主题词，甚至选用所有副主题词； ⑹ 用相应的上位主题词扩检 ⑺ 同时用主题词和自由词检索，用or 连接； ⑻ 从在某个子类中输词检索改为在所有类目中输词检索； ⑼ 用低相关度的检索途径检索，如全文途径； ⑽ 多选几个数据库或工具书进行检索； ⑾ 扩大检索年限； ⑿ 用模糊检索。 ⒀利用文献后所附“参考文献”进行检索 当检索结果偏多时，进行相反缩检操作 检索效果评价 评价检索效果的主要指标 查全率：检出的相关文献量与检索系统中相关文献总量的比率 R= a/(a+c) x 100% a=检出的相关信息量 b=检出的非相关信息量 c=未检出的相关信息量 a+b=检出的信息总量 a+c=系统相关信息总量 查准率：检出的文献总量中相关文献所占的比率， P= a/(a+b) x 100% 检索效果评价 理想的检出结果是查全率与查准率都趋近于1。但在实际检索中，查全率与查准率之间存在互逆相关性。如果追求过高的查全率，就可能降低查准率。 1 R P 1 0 练习题 请描述检索式“污染*（海水+河水）-石油泄漏污染 ”的含义。 请举例说明“compute?”和“compute*”含义的不同。 一数据库中共有40篇相关文献，所实施的检索检出其中的30篇，实际检索出的信息资源总量为45篇，请问这次检索的检全率和检准率分别是多少？ 搜索引擎 搜索引擎概述 定义 搜索引擎（Search Engine）是一种在Web上应用的软件系统，是Internet上查找信息资源的检索工具，它以一定的策略、运用特定的计算机程序搜集和发现互联网上的信息，在对信息进行处理和组织后，形成庞大的不断更新的索引数据库，为用户提供Web信息查询、导航和检索服务，将处理后的信息显示给用户。 1994年4月，Web上的第一个搜索引擎——WebCrawler 搜索引擎分类 根据信息检索方式： 分类搜索引擎：如Yahoo 关键词搜索引擎：如百度，Google 根据信息覆盖范围及适用用户群： 综合性搜索引擎：如Google ,Yahoo 专用性搜索引擎：如音乐搜索引擎（酷狗） 根据工作原理： 目录式搜索引擎： 如Yahoo 全文搜索引擎：如百度、Google 元搜索引擎：InfoSpace 搜索引擎的组成及工作原理 组成 搜索器(Baidu Spider ,Yahoo slurp ,Googlebot)：在互联网上漫游，发现和搜集信息。 索引器：从搜集到的信息里抽取索引项，生成索引文档。 检索器：检索索引库中的文档，按相关度排序。 用户接口：搜索引擎界面。 工作原理 抓取网页 处理网页 提供检索服务 yahoo搜索引擎 1994年4月，斯坦福大学（Stanford University）的两名博士生，美籍华人Jerry Yang（杨致远）和David Filo共同创办了Yahoo。随着访问量和收录链接数量的增长，Yahoo目录开始支持简单的数据库搜索。因为Yahoo！的数据是手工输入的，所以不能真正被归为搜索引擎，事实上只是一个可搜索的目录。雅虎公司于2002年12月23日收购inktomi，2003年7月14日收购包括Fast和Altavista在内的Overture，2003年11月，Yahoo全资收购3721公司。 雅虎主页 百度 Infoseek资深工程师李彦宏与好友徐勇（加州伯克利分校博士后）2000年在北京中关村创立。 特色包括：百度快照、网页预览/预览全部网页、相关搜索词、错别字纠正提示、音乐搜索、视频搜索，输入拼音提示汉字。 限定网页标题intitle 例如：论文 intitle:信息检索 限定网域site 例如：南平 site: 限定url 例如：Photoshop inurl:jiqiao 限定文件类型filetype 例如：入党申请书 filetype:doc 百度主页 百度产品 百度产品 百度产品 Google 由Larry Page与Sergey Brin于1998年9月在美国硅谷创建。 提供关键词检索和主题目录浏览检索两种方式。 Google的PageRank技术——当从网页A链接到网页B时，Google就认为“网页A投了网页B一票”。Google根据网页的得票数评定