北京交通大学《信息检索教程》系列课件-第2章-计算机信息检索技术.pptVIP

北京交通大学出版社《信息检索教程》（Information Retrieval Textbook）系列课件 北京交通大学出版社《信息检索教程》系列课件 4 计算机检索技术 　计算机检索技术是指应用于信息检索过程的原理、技术、方法、策略的总称，是检索系统为了提高检索效率，从概念相关性、位置相关性等方面对检索提问进行组配、加权、扩展、截词、邻近、限定的比较和运算处理技术。 常用的计算机检索技术 布尔检索 布尔检索（boolean retrieval）是用布尔逻辑算符将检索词、短语或代码进行逻辑组配的一种技术，也是目前最常用的一种检索技术。 逻辑“与” 具有概念交叉或概念限定关系的组配，用“*”或“AND”算符表示。 　 　 　 　检索词A和检索词B用“与”组配，检索式为： 　　　A AND B，或者 A * B 　它表示检出同时含有A、B两个检索词的记录。 逻辑“或” 逻辑“或”是一种具有概念并列关系的组配，用“+”或“OR”算符表示。 检索词A和检索词B用“或”组配，检索式为： 　　A OR B，或者 A＋B 它表示检出所有含有A词或者B词的记录。 逻辑“非” 逻辑“非”是一种具有概念排除关系的组配，用“–”或“NOT”算符表示。 检索词A和检索词B用“非”组配，检索式为： 　　A Not B，或者 A-B 它表示检出含有A词，但同时不含B词的记录。 截词检索 截词检索（truncation retrieval）是指在检索词的适当位置截断，用截断的词的一个局部进行的检索。由于检索词与数据库所存储信息字符是部分一致性匹配，所以又称部分一致检索。 由于西文的构词特性：单复数形式不一致、英美拼写不一致 、词干＋前缀、词干＋后缀。 检索时，计算机会将所有含有相同部分标识的记录全部检索出来。在西文检索系统中，使用截词符处理自由词，对提高查全率的效果非常显著。 按截断的位置来分；按截断的字符数量来分。 截词符多采用通配符“？”、“$”、“*”等，因此，截词检索有时也称为通配符（wildcard）检索。 邻近检索 邻近检索（proximity retrieval），又称为“位置检索”、“词位检索”、“全文检索”是一种可以不依赖叙词表而直接使用自由词进行检索的一种技术，它以数据库原始记录中词语的相对次序或者位置关系为对象进行组配运算。 (W)与(nW)算符 (W)算符是“With”的缩写，表示此算符两侧的检索词必须按此前后邻接的顺序排列，顺序不可颠倒，而且检索词之间不允许有其他的词或字母，但允许有空格或连字符号。例如：输入gas(W)condensate可检索出包含gas condensate 和gas-condensate的记录。 (nW)算符是“nWords”的缩写，表示此算符两侧的检索词之间允许插入n个实词或虚词，但两个检索词的次序还是不能颠倒。例如：laser（1W）printer可检索出包含“laser printer”、“laser color printer”和“laser and printer”的记录。 (N)与(nN)算符 (N)算符是“Near”的缩写，表示此算符两侧的检索词彼此必须相邻接，但两个检索词的前后关系可以颠倒, 即查找两个连在一起的单词，但两词之间不能插入任何词。例如：money（N）supply可检索出包含money supply和supply money两个词组的记录。 (nN) 算符是“nNear”的缩写，表示此算符两边的检索词之间插入词的最多数目是 n 个，且两个检索词的次序可以任意颠倒。例如：economic(2N)recovery 可以检出包含economic recovery、recovery of the economy 、recovery from economic troubles的记录。 (S)算符 (S)算符是“Sub-field/Sentence”的缩写，表示在此运算符两侧的检索词只要出现在记录的同一个子字段内（例如在文摘中的一个句子就是一个子字段），此信息即被命中。要求被连接的检索词必须同时出现在记录的同一句子（同一子字段）中，不限制它们在此子字段中的相对次序，中间插入词的数量也不限。例如，“high(W)strength(S)steel”表示只要在同一句子中检索出含有“high strength 和steel”形式的均为命中记录。 (F)算符 (F) 算符是“Field”的缩写，表示在此运算符两侧的检索词必须同时出现在文献记录的统一字段内，如出现在篇名字段、文摘字段、叙词字段、自由词字段，但两个词的前后顺序不限，夹在两个词之间的词的个数也不限。要求被连接的检索词出现在统一的字段中，字段类型和词序均不限。例如：environment