网络信息采集技术介绍.doc

2 网络信息采集技术介绍 学习内容 1.网络信息采集概述 2.网络信息采集技术的发展 3.网络信息采集软件简介 实训内容 网络信息采集软件的使用 学习目标 掌握：理解： 了解： 时效性原则：及时收集最新的、有效的信息，并定期对原有信息资源进行更新，方能使所保有的信息常新。这样既能够保证资源得到有效的保存，又能保证信息资源的高质量。 选择性原则：采集时首先应对信息来源有所选择，重点采用信誉高、稳定性强的网站的信息。其次，资源采集所用的方法要有所选择，应用不同的信息采集方法所获得的信息往往不同，要善于通过多种途径进行信息的采集工作。再次，采集的信息应把质量放在首位，在保证质量的情况下兼顾数量。 全程性原则：信息采集是一个全过程的连续性的工作。信息资源必须持续不断地补充，进行长期的积累。这样才能反映这些资源的历史、发展状况、特点及规律，从而保证所收集的资源具有较高的使用价值。 2.1.2网络信息资源采集的特点 网络信息资源采集的特点主要表现为采集对象的多样化、采集方式的多元化以及采集手段的现代化。 1．采集对象多样化 传统的文献信息资源采集是以纸张为载体的印刷型文献为主，采集种类单一。而在网络环境下，各种各样名目繁多的电子文献和网络文献层出不穷，文献信息资源的种类呈现出多样化发展的趋势，文献信息资源的采集种类不仅包括传统的印刷型文献(如各类纸质型图书、期刊、报刊等)，还包括各类电子文献(如电子图书、电子报刊、计算机软件等)和各类网上信息资源(即以数据库和网络为基础，通过联机系统或互联网向用户提供的文献信息)。 2．采集方式多元化 传统的文献信息资源采集主要是根据需要，通过订单向出版社或书商订购或直接到书店选书，采集方式比较单一。而在网络环境下，由于信息存储、传输和再现发生了变化，文献信息资源的出版发行渠道变得更加复杂多样，人们采集文献信息资源的方式除了订购、现购、交换、接受赠送等传统方式外，还包括入网、联机使用、租用、免费获取等方式，采集方式呈现出多元化的趋势。 3．采集手段现代化 传统的文献信息资源采集，主要是以手工操作的方式进行，程序复杂、烦琐，不但花费大量的时间，而且容易出现差错。网络环境下的文献信息资源的采集实现了现代化、电子化和网络化，用先进的计算机技术可以从事查重、打印订单、统计、验收等工作，不仅速度快、效率高，而且不容易出现差错。另外，现代化的采集工具不仅提高了工作质量和工作效率，也节约了采集人员的时间和精力，使他们能够有足够的精力了解、掌握、研究文献信息资源方面的出版动态，保证文献信息资源的采集质量不断提高。 2.1.3网络信息资源采集的质量标准 严格的资源采集标准是信息资源可靠性的关键保障之一。可以从内容和形式两个方面对网络信息资源的质量进行评价。 1．内容标准 内容标准主要包括权威性、实用性、准确性、实效性、独特性、全面性等。 权威性：信息发布者是学术权威或者是有影响的学术机构，专业性网站评价机构对其有较好的评价结果，资源在本领域有一定知名度与学术号召力，得到本领域相当数量专业学者的公认。 实用性：广告所占比例低，对信息进行了深度揭示，包括与其他外部信息的链接，对链接列表中的资源有注释说明。 准确性：资源内容基本覆盖资源标题所言范畴，内容客观，信息(包括引用信息)准确可靠，语法和拼写错误很少甚至是没有，转载的内容有来源说明，链接有效性高。 时效性：资源内容反映学科的最新发展，近期内进行过内容更新且注明了最后更新日期。 独特性：资源包含信息基本上是其他网络资源不具有的，网站上的内容主要为原始信息而非转载或指向其他网站的链接。 全面性：资源内容包含了该领域的尽可能全的信息，资源来源渠道多样化。 2．形式标准 形式标准主要从三个方面去衡量，即资源的组织与利用方式、资源的接入条件、网站的页面设计。 资源的组织与利用方式：包括资源的分类与组织是否科学、合理，浏览导航结构是否清晰、易用，网站资源是否具有供用户检索的搜索引擎，搜索引擎是否允许逻辑运算，搜索结果能否按相关度排序等。 资源的接入条件：资源的接入是否便利，对用户的硬件和软件是否有特别的要求(比如安装插件或特殊软件)，是否有知识产权方面的限制条件，是否需要注册才能访问，资源接入时反应是否快捷。 网站的页面设计：用户界面是否友好，页面是否整洁、柔和、协调、美观，网页各部分的位置关系和所占比例是否合适，是否具有准确的站点导航图。 2.1.4网络信息资源采集的途径与策略 1．网络信息资源采集的途径 目前流行的采集技术主要是人工采集、网站系统抓取以及定制信息等。 （1）人工采集 人工采集是通常的网络信息采集方式。在现在的互联网世界里，用户接触最多的网络信息是以Web 页面形式存在的。另外，电子邮件、FTP、BBS、电子论坛、新闻组也是互联网上获取信息的常见渠道。以学科信息为例