第7章 信息检索.pptVIP

第7章　信息检索 7.*1概述 7.1.1 信息检索基本概念 7.1.2 信息检索的发展 联机检索系统：由联机服务的中心计算机、检索终端、通讯终端、联机数据库及检索软件等组成，其特点是检索范围广泛、检索速度快、检索功能强、及时性好，并可以联机订购原文。它拥有的数据库数量大且更新及时，但检索技术复杂，设备要求高，检索费用昂贵； 网络检索系统：由计算机服务器、用户端、通讯网络及网络数据库等组成，其特点是检索方法较简单，检索较灵活、方便、及时性好，检索费用和速度均低于联机检索系统。 7.1.3计算机信息检索原理 计算机信息检索系统组成:计算机信息存储和信息检索两个过程。 计算机信息存储过程： 将收集到的原始文献进行主题概念分析，根据一定的检索语言抽取出主题词、分类号以及文献的其他特征进行标识或者写出文献的内容摘要。 然后再把这些经过“前处理”的数据按一定格式输入计算机存储起来，计算机在程序指令的控制下对数据进行处理，形成机读数据库，完成信息的加工存储过程。 例如：图书馆将具体的一本书比如《红楼梦》分解为书名、作者、图书编号、图书类别、出版社、出版时间及版次、库存情况、内容简介等信息储存在图书馆书目库中供读者检索。 7.2数字图书馆 数字图书馆是以电子格式去存储海量的多媒体信息并能对这些信息资源进行高效的操作，如插入、删除、修改、检索、提供访问接口和信息保护等。 数字图书馆提供的核心服务是帮助用户发现信息，也就是尽可能多的检索出用户需要的信息资源。 数字图书馆的数字资源主要包括：电子图书、期刊、报纸与会议论文、影音资源、光盘资源、特色馆藏资源等。 其中最常用的两类资源，一是电子化的图书资料，以超星图书馆最具代表性，二是期刊全文数据库，以中国期刊全文数据库(CNKI)最典型。 7.2.1超星数字图书馆 7.2.2 网络专题数据库信息检索 目前中文网络专题数据库资源主要有： 中国知网 / 万方数据资源系统/ 维普资讯网(重庆) / 侧重点不同： 中国知网全称是中国知识基础设施工程(China national Knowledge Infrastructure，CNKI)，主要侧重于教育领域 万方数字资源系统侧重于为科技、企业服务 重庆维普侧重于科技期刊的检索服务。 三大数字化资源专题数据库服务商具有的共同特点。 (1)主要提供科技期刊的信息检索服务； (2)信息服务器的数据库组织形式根据分类都是按照树形目录层次结构进行组建； (3)用户检索方法大同小异。 下面以CNKI为例详细介绍一下网络专题数据库的大致情况 2. 网络专题数据库的检索 首先要登陆到该专题数据库 网络专题数据库大多为付费站点，用户必须购买账号与密码，才能进入使用。对于没有相应账号与密码的用户，可以浏览免费信息，如文献摘要等内容，但不能浏览或下载文献全文，大部分高校图书馆集中购买，采用IP地址控制的方式供校园内用户使用，如果以校园网外的IP地址登录，即使有账号与密码，也不能正常使用。 在进行数据库检索时主要需要设定检索条件部分和查询范围两部分。 7.3　搜索引擎 7.3.1 搜索引擎的工作原理 7.3.2常用搜索引擎介绍 1. Google 2. 百度 百度目前主要提供中文(简/繁体)网页搜索服务。如无限定，默认以关键词精确匹配方式搜索。 支持“－”号、“.”号、“|”号、双引号““””、书名号“《》”等特殊搜索命令。 “-”号表示:逻辑“非”操作 “.”、“|”号表示:逻辑“与”操作 双引号和书名号表示:精确匹配，也就是将引起来或括起来的一组词不再打散和拆分进行搜索，如《南华大学》则仅搜索含有完整“南华大学”四个字的内容，不拆分成“南华”和“大学”进行搜索。 7.3.3 搜索引擎的发展趋势 小结 … … 搜索引擎其实就是一个专门为用户提供信息“检索”服务的网站。它使用特有的spider (蜘蛛)程序把Internet上的信息归类，以帮助人们在浩如烟海的信息海洋中搜寻到自己所需要的信息。 搜索引擎的工作原理如图所示。 机器人程序 索引数据库 建立索引 网页数据库 分析检索式 进行检索 结果排序 用户 检索模块 WEB站点2 WEB站点1 WEB站点N WEB站点3 … 索引模块 机器人程序模块 … … 目前Internet上的搜索引擎较多，国外的有：Yahoo、Google、Infoseek、Altavista、Opentext、Excite等；国内的有：百度、中文Yahoo、搜狐、天网、网易、东方网景、新浪等，且有继续发展增多的趋势。在这些搜索引擎中一般都提供专题分类和关键词检索两种检索方法。 Google由Larry Page和Sergey Brin设计，于1998年9月发布测试版，一年后正式开始商业运营。Googl