[高等教育]第一篇 文献信息检索概论 第二章 信息检索基础.pptVIP

计算机检索的基本原理 计算机检索如同手工检索一样，都需要首先将文献信息进行整理排序，然后按照用户的要求从检索工具（手工检索）或文档（计算机检索）中找出合适的信息。因此为了使计算机能够工作必须：（1）编制文档，即通过文献压缩整理而成的二次文献，按一定的规律组成的信息集合；（2）把用户的要求翻译成计算机能理解的语言即编制提问逻辑式；（3）按照一定的检索程序检出文献。 信息存贮与检索是信息学中最活跃的研究分支之一，检索理论研究近年发展非常迅速，涉及的问题有：检索系统、检索策略及其设计、检索技术及其实现等。检索技术及其实现、检索策略及其设计和描述检索效果的参数于下一节简介。 例如， 对“微藻生长因子”这一课题来说，检索策略可编为： （海藻+藻类+微藻）*生长（）因子? ? 　　(algae+algal+microalgal) * growth()factor? ? 实检后调整（考虑提高检准率）、优化（低频词和关键词前置）为： (microalgal+algae+algal)(s)growth()factor? ? 　　(microalgal+algae+algal)(3n)growth()factor? ? 又如，对“图象理解专家系统”这一课题，检索策略可编制为： 　　IMAGE()UNDERSTAND???*(EXPERT()SYSTEM? ?+ARTIFICIAL()INTELLIGEN?? 3.描述检索效果的参数 主要有：查全率(recall factor)、查准率(也称适中率，Pertinency factor) 、漏检率(omission factor) 、 误检率( 也叫检索噪音， noise factor)以及新颖率、检索速度等。 　　设n为检索系统中文献总量，m为检索输出的文献量，a为n中与检索课题有关的 文献量，b为m中与检索课题有关的文献量(检准文献量)，则n、m、a、b之间的关系如图1.4所示。 令R表示查全率、P表示查准率、M表示漏检率、N表示误检率，则R、P、M、N定义如下： 　　R=b/a*100％ 　　 　　P=b/m*100％ 　　 　　M=(1-b/a)*100％=100％-R 　　N=(1-b/m)*100％=100％-P 　　最理想的检索效果是M、N均为0，即R、P均为100％，但实际上这是不可能的。 实验表明：R和P之间存在相反的相互依赖关系，即提高R会降低P，反之亦然，如图1.5检索特性曲线所示。 有人认为：在物理、技术科学信息检索范围内，P提高1％将导致R降低3％。实践经验证明：在现代科技信息检索系统中，R为60-70％，P为40-50％。 检索特性曲线还与文献专业特点有关，例如在具体概念为主、对象描写明确的化学等专业中，产生误检较少，特性曲线向右移（说明查的较准）；而在抽象概念多的心理学等领域中，特性曲线则向左移（说明查全率较高，漏检率小）。 此外特性曲线还与对查出的文献适用性的评价有关，若评价标准严格，则曲线编左；反之，曲线偏右。 对于检索来说，漏检是影响检索质量的最主要因素，故必须将M 降低到最低限度； 误检会降低检索的效率，也会影响检索质量。因此，任何检索工具和检索系统必须力争克服漏检(必要条件)，同时尽量避免误检(充分条件)。 　　至于新颖率和检索速度，则可定义如下： 至于新颖率和检索速度，则可定义如下： 能检出的最近单位时间内发表的文献量　 新颖率＝───────────×100％ 　最近单位时间内发表的文献总量　 　　　　　检索输出的文献量(m) 检索速度＝────────　　　　　　　　　　　 　　　　　检索所用时间(t) 4.机检与手检的异同 5.文献检索的基本步骤 根据文献的特征，可以有两种检索途径： （1）外表途径 　　a.文献名途径：相当于我们一般所见到的书本目录（文献目录），其价值不大。 　　 （2）内容途径 　　a.主题途径：从一篇文献中找出几个相关度大的词编为主题词索引（关键词索引、叙词索引、轮排主题索引等）。主题途径检出的文献比较准确，但在全面性上较为逊色。 　　b.分类途径：假如编一份分类目次表，而文献条目也按分类来编排，则可以从分类途径去查。它适于族性检索，检出的文献较全面，但切题性较差。 b.作者途径 作者包括个人作者和团体作者，还包括专利发明者、专利权所有者等。 作者索引按字顺编排，使用于各种类型的文献，几乎所有的检索工具都配有作者索引。 从作者途径检索必须事先已知作者姓名，所以作者途径只能作为辅助途径。 c.号码途径 有一些文献如专利、科技报告等每篇文献都有一个或多个号码，这些号码可编为号码索引。 它也要首先知道号码。 信息检索的具体步骤