[工学]信息检索上海工程技术大学课件ppt.pptVIP

从表1-1可以看出，核心区期刊论文刊登率最高，每种期刊平均刊载27.5 篇论文，相关区期刊平均刊载5.5篇论文，边缘区平均刊载1篇论文。 在各区相关论文数相等的条件下，这个的期刊数与布拉德福分布系数有如下比例关系（其中，n1表示核心期刊数，n2表示相关区期刊数，n3表示边缘区期刊数）：n1 : n2 : n3 = 1 ：a ：a2 例如，核心期刊基数为8（ n1 ），布氏系数a=5，则各区的比值为8：（8×5）：8×52。 某一学科文献的“半衰期”指：一定年限内被使用的该学科中50%文献的发表年代。例如，机械工程文献的半衰期为5.2年，表示在统计期间内所引用的机械工程文献中有一半是在5.2年之内发表的。文献老化曲线见课文第3页 图1-2 一定年限内被使用的该学科中百分之五十文献的发表年代。 * 信息检索的基本原理，其本质就是对信息集合和需求集合的匹配和选择。要实现信息检索，首先需要进行信息组织。对大量的信息进行收集加工处理 ，从无序到有序，使信息获得特征性描述，让原来隐含的、不易识别的特征显性化。 对用户提出的信息需求也要做类似加工，即分析需求的内容，提取主题概念和其他属性。 将用户的检索提问标识与系统中的文献特征标识进行比较，相匹配的就作为检索结果提供给用户。 * 布拉德福定律举例： 假如在统计期间内，某一学科的所有660篇论文共刊登在248种期刊上，则期刊分布情况如下： n1:n2:n3 = 1:a:a2 一般 a = 5 区域 期刊数量(n) 论文数量 核心区1 8 220 相关区2 40 220 边缘区3 200 220 文献的使用寿命缩短 据统计，各种科技文献的平均寿命大致是： 图书10－20年； 科技报告10年； 学位论文5－7年； 期刊3－5年； 标准文献5年。 2. 文献老化规律（半衰期） 文献老化——指的是随着出版年代的远去，文献逐渐失去了作为情报源的价值，或者越来越少地被人们利用。 文献老化的四种情形： 文献中的信息仍然有用，但现在已被包含在更新的其他论著中； 文献中的信息仍然有用，但现在正处于一个人们对其兴趣下降的学科； 文献中的信息仍然有用，但为后来的著作所超越； 文献中的信息不再有用。 半衰期——某学科领域现时尚在利用的全部文献中的一半是在多长一段时间内发表的。 现用文献 的相对量 出版年龄 50% 0 半衰期第一次揭示并用数学方式描述了文献出版年代越久利用率越低这一现象。 1.4 信息检索概述 信息检索的定义 —— 到目前尚无统一定义 最早提出信息检索概念的是美国数学家穆尔斯于1950年提出，他认为信息检索是一种时间性的通讯形式，即通过信息检索得到一些文献资料，从而使作者与读者间建立一种通讯。 信息检索(Information Retrieval)——用户使用检索语言对自己的信息需求予以描述，并在一定的信息资源系统中进行描述匹配的过程。 要实现信息检索，首先需要进行信息组织。原始文献(如包含文本、图像、视频、音频等数据，又称文档集)不能直接进行检索。 广义的“信息检索”—— 指将信息按一定方式组织和存贮起来，并针对用户的需求找出所需要的信息的过程。又称为“信息存贮与检索”(Information Storage and Retrieval) 信息检索的基本原理 特征 描述 特征 描述 匹配与选择 需求集合 信息集合 信息检索系统 信息检索系统由下列要素构成： ①信息数据库（文档集）； ②存储、检索信息的装备； ③存储、检索信息的方法； ④人员。 信息检索系统具有选择、整理、加工、存储和检索信息等功能。 信息检索系统的一般模式 1.5 检索效果的评价 技术效果的评价标准 与用户投入无关的、对系统服务质量的满意度，包括查全率和查准率两项指标。 社会经济效果的评价标准 反映了检索结果对用户的技术经济方面的影响，与用户花费的检索时间和检索费用有关。 数据库中的相关文献总量 查全率 = 查出的相关文献量 查出的文献总量 查准率 = 查出的相关文献量 数据库 收录 文献 总量 数据库中的相关文献总量 查出的文献总量 查出的相关文献量 检索效果分析 相关 文献 非相关文献 总计 被检出文献 a = 78 b = 22 a+b =100 未被检出文献 c = 42 —— —— 总计 a+c =120 —— —— 查全率 —— R = a/(a+c) * 100% = 65% 查准率 —— P = a/(a+b) * 100% = 78% 漏检率 —— O = c/(a+c) * 100% = 35% 误检率 —— N = b/(