第一讲 信息检索基础知识(续).ppt

第一讲 信息检索基础知识（续） 主讲：钟辉新 主要内容 一、关键词的确定 （一）关键语言 一、关键词的确定 （二）关键词选取的原则 1.准确性——专指意义较强 古代语言演变=古代语言+语言演变 =古代语言+演变（X） 2. 全面性——充分覆盖主题内容 协同设计+协同工作 Collaborative design+cooperative design Collaborative work+cooperative work 3. 规范性——符合检索系统的要求 化学结构式、反应式和数学式原则上不能为关键词。 冠词、介词、连词、感叹词、代词、助动词不能作为关键词。 理论、报告、试验、问题、对策、途径、特点、概念等名词 一般不作关键词 一、关键词的确定 （三）关键词的选取 切分 将课题语句分割为一个一个的词。 例如： |计算机|情报|检索|方法| 电动汽车|的|研究现状|及|发展趋势 一、关键词的确定 删除 从语句切分出来的词中删除那些 （1）不具有检索意义的虚词（包括介词、连词、助词、副词等）及其他非关键 词； （2）过分宽泛和过分具体的不必要的限定词，过分宽泛难以触及问题实质，太狭义具体的限制词则会挂一漏万； （3）存在蕴涵关系的可合并词。 例如： 基于Web的数据库? Web *数据库 稀土材料的研究现状及发展趋势?稀土材料 电磁波教学用的多媒体课件?电磁波*多媒体*课件 一、关键词的确定 替换 从课题语句中得来的词也许偏于模糊、宽泛、狭窄或不可行，不能取得所希望的结果，这时可以引入更明确、更具体、更本质、更可行的概念词来替换原词，或作为原词的同义词和相关词一并见面所。 例如： 稀土材料的研制?钐钴(用户实际上是研究钐钴材料) 空气中细菌的计算方法?空气污染的计算方法 聚类 即把切分、删除、替换后所得出的单元词按语义概念进行同类合并，将那些可以相互等效、相互替换、相互补充的同（近）义词、相关词归成一组。聚类的实质是进行组面分析，将语句和词转换成概念（组面）的集合。 一、关键词的确定 补充 包括（1）补充来源词，即找出缩略词的来源词组，将两者一并作为检索词；（2）补充同义词和相关词（包括上位词、下位词和同位词等）。 例如： 模拟计算机?模拟计算机+模拟系统*计算机 lirad?lirad + laser radar “毫米波”：“millimeter wave”与“millimetre wave” 限定 针对一词多义导致误检的问题，需采取限定措施，即增加”限定词“。具体方法有两种，一是逻辑乘，一是逻辑非。 例如： 线路?线路*(电子+无线电+??) 线路?线路-(道路+车辆+??) 关键词选取练习 工程制图 CAI系列课件的研制 工程制图 机械制图 画法几何 计算机辅助教学 教学软件 课件 调度集中仿真系统研究 调度集中 行车指挥 仿真 计算机网络 基于WEB平台的动态扩展ERP系统研究企业资源计划（ERP） 供应链 客户关系 扩展 开放结构 二、检索表达式的构建 检索式将各个检索单元（其中最多的是表达主题内容的检索词）之间的逻辑关系（主要是布尔逻辑）、位置关系等用检索系统规定的各种组配符连接起来，成为计算机可识别和执行的命令形式。 检索式主要表述布尔逻辑检索和字段限定检索。 二、检索表达式的构建 1）要求检索2005年以来钱伟长在清华大学或上海 大学时发表的文章。 检索式：作者=钱伟长 and (作者单位=清华大学 or上海大学) and 年限＞=2005 2）要求检索钱伟长在清华大学期间发表的题名或 摘要中都包含“物理”的文章。 检索式：作者 =钱伟长 and 作者单位=清华大学 and (题名 =物理 or 摘要= 物理) 3） 检索式：主题=北京奥运 and 环境保护 and年限＞=2005 and 年限=2008 表示检索“2005年到2008年间北京奥运环境保护”的文献。 4） 检索式：主题=(经济发展+可持续发展) and 经济转变-泡沫 and 年限＞=2005 表示检索“经济发展或可持续发展中的非泡沫的经济