科技文献检索实用教程第3章_计算机信息检索基础教材教学课件.pptVIP

第3章 计算机信息检索基础;3.1 计算机化的文献信息源3.1.1 文献的载体和媒体——信息、情报和知识的依托文献信息的载体除了物理的以外，还有逻辑的载体，即用什么符号或文字表达文献信息。为了与真实的载体区别，人们把字符之类的信息载体称为“媒体”或“媒质”（media）。（1）信息媒体的种类信息媒体是信息传播的形式，它们有符号、文字、声音、图像、动画等。信息可从一种载体或媒体转移到另一种不同的载体或媒体上。信息必然始终附于某种“壳”（shell），即使是在转移过程中也是如此。（2）信息在空中的传播媒介空中传播的无线电广播电视信号，是将视频图像信号调制到载波（射频）频率上，利用地球磁场，把信号送到千家万户。;;电视接收机收到信号后，经过高频头进行高频放大，再经过变频和3级中频放大，最后经过鉴频取出视频和音频信号。图3.2是图文电视信号的发送原理。可知，对于在空中传输的广播电视信号或图文电视信号而言：◆载体：电磁波。◆媒体：电视信号制式。◆内容：电视节目或图文信息。◆情报：你热衷于收看的节目内容。◆知识：从情报中你得到了解的事物的规律性的东西。结论：信息无论何时何地，即使在传输过程中，时时刻刻都不能离开物质载体和逻辑媒体。;图3.2 图文电视信号的数据包插入广播电视信号中的位置;总之，文献必然有载体和媒体，在其上必然承载信息内容，在信息内容中才可能含有情报（如果对人有用或有趣）或知识（如果有真实反映客观现实事物规律的东西存在的话）。文献的结构如图3.3所示。;3.1.2 符号、文字、声音、图像、动画的特点比较作为多媒体的信息载体，文字、符号、声音和图像在传递信息上有着许多截然不同的特点。（1）符号符号最不直观，或最“抽象”，你可用一个极怪异的符号代表一种只有你自己才知道的含义。（2）文字文字则以其“永久”构成人类文明的历史。其表达信息的能力可以“明察秋毫”到无与伦比的程度。（3）声音声音表达信息的细节最为丰富，使用面最广。（4）图形和图像图形化的“语言”给人们带来丰富多彩的感受。;（5）动画动画的交互性强，比其他媒体更有吸引力。动画作为一种交流手段，有着特有的表现形式和优点。3.1.3 计算机化的文献信息源——ASCII码和汉字内码美国标准信息交换代码（ASCII）用8个位（bit）来表示一个ASCII码，构成一个字节（byte），因此一个字节就是信息、实质上是文献信息的最小构成单位。汉字国标码是用2个字节表示的双7位编码，其内码实质上就是用扩展ASCII码字符集中的2个ASCII码。汉字输入码属于外码。不同的输入方法，形成了不同的汉字外码。常见的输入法有以下4类：①按汉字的排列顺序形成的编码（流水码）：如区位码。;②按汉字的读音形成的编码（音码）：如全拼、简拼、双拼、搜狗等。③按汉字的字形形成的编码（形码）：如五笔字型、郑码等。④按汉字的音、形结合形成的编码（音形码）：如自然码、智能ABC。常见的汉字编码有3种，即GB码（又称“国标码”，相当于我国的“ASCII”码，流行于我国大陆及新加坡，含简体汉字6763个）；BIG5码（又称“大5码”，流行于我国港澳台地区，含繁体汉字13 000个）；HZ码（海外华人中曾流行）。3.1.4 GBK汉字内码扩展规范（1）GBK标准简介GBK是新的汉字编码标准，全称《汉字内码扩展规范》（GBK），英文名称Chinese Internal Code Specification，中国信息技术标准化技术委员会1995年12月1日制订，确定为技术规范指导性文件。;（2）编码特点GBK 也采用双字节表示，编码范围为8140-FEFE。总计23 940个码位，共收入21 886个汉字和图形符号。全部编码分为3大区域：汉字区、图形符号区和用户自定义区。（3）GBK的应用在基本操作环境方面，微软公司自Windows 95简体中文版始，系统采用GBK代码。从浏览器IE 4.0开始，简体、繁体中文版内部提供了一个GBK-BIG5代码双向转换的功能。微软公司为Internet Exporer提供的语言包中，简体中文支持的两种字库宋体、黑体，也是GBK汉字（珠海四通电脑排版系统开发公司提供）。其他一些中文字库生产厂商，也开始提供TrueType或PostScript GBK字库。许多外挂式的中文平台，如南极星、四通利方（Richwin）等，提供GBK码;（2）文书文本第二类是文章编辑软件，如WPS或Word编辑的文本，这种文本允许较多的字体字号选择，并产生一些如“软回车”之类的用于自动排版的控制符。（3）排版文本第三类文本应当是桌面排版系统或桌面印刷系统文本（如北大方正或国外流行的Pagemaker），它们采用