信息检索技术.pptx

第三节 信息检索技术  The Information Retrieval Technology ; 1.检索算符 2.检索策略 3.检索评价 ;第三节 信息检索技术;首先列出相关的检索词：互联网、青少年、影响。要注意的是，通常名词比形容词、介词、代词更适合作为检索的主题词，你知道吗？有些没有实际意义的虚词在检索中被称为禁用词(stopword)，禁用词在检索时通常会被忽略掉；接下来试着把这些检索词组配起来：“互联网”和“青少年”和“影响” 常用到的连接词有AND（与）、OR（或）和NOT（非），下面的篇幅??向你展示连接词的用法;;（1）逻辑“与”（AND或*）;当你希望所找的文章中包含两个或两个以上的检索概念时,你可以在检索式中用“AND”将这些关键词连接起来,表示这些关键词必须同时出现在记录中的某处。使用“AND”将缩小检索范围。 如：　students AND Internet?　　输入上面这个检索式,会找到关于students和internet同时出现的文章,只包含其中一个词的文章是不会被检索到的。因此, 在连接不同概念的检索词时，AND是非常有用的。在一个检索式中，AND可以被使用多次。如: students AND Internet AND assignments有的中文数据库用“*”来代替AND,就象下面的这个例子。当然,不是所有的中文数据库都支持这种用法,你可以查看帮助文件加以确认。如：学生 * 互联网 ;（2)逻辑“或”：用“OR”或“+”表示 ;例如　Internet OR Web 　　使用上面这个检索式，使用了网络的同义词。会找到有关Internet 或 Web的文献或Internet 与Web 同时出现的文献。也可以在一次搜索中多次使用OR：如：Internet OR Web OR online OR digital OR wired有的中文数据库在使用OR时需用“+”来代替：互联网 + 网络 + 在线  OR用于组配具有并列关系、概念相同或相近的检索词，如同义词、相关词等。用OR算符的基本作用是扩大检索范围，增加命中的文献量，提高检索的查全率。如：查找“肿瘤”的检索式为：cancer（癌）or tumor（瘤）or carcinoma（癌）;（3）逻辑非：“not”或 “-”表示;需要注意的是，有的中文数据库在使用NOT时需用“-”来代替,就象下面的例子。当然，不是所有的中文数据库都支持这种用法,你可以查看帮助文件加以确认.如：　　计算机 - 软件上述检索式用于查找只出现计算机而不出现计算机软件的文献，用于连接排除关系的检索词，即排除不需要的和影响检索结果的概念。用NOT连接检索词A和检索词B，检索式为：A NOT B (或A—B)表示检索含有检索词A而不含检索词B的信息，即将包含检索词B的信息集合排除掉。 　　如：查找“动物的乙肝病毒”的文献的检索式为：hepatitis B virus（乙肝病毒） not human（人类）;;1.2 截词算符（ truncation ） ;截词符用来对检索词（干）进行扩展。在不同的检索系统中，截词符有不同的表示方法，通常用 “?”或者“*”来表示。截词方式： 按截断的位置来分共有三种：后截断、中间截断、前截断；按截断的字符数量来分：有限截词（limited truncation）、无限截词（unlimited truncation）。平时用得较多的是后截断（无限截词和有限截词）和中间截断（仅允许有限截词）。 （1）后截断后截断即前方一致检索，是最常用的检索技术。将截词符放在一个词干的后边，以表示其后可有无限或有限个字符。;★后截断无限截词不说明具体截去字符的数量。截词符是在一个词尾加一个 ？ 号，表示在其后可添加任意多个字符，这些字符都被作为检索词进行检索。无限截词通常用 ？ 或 * 来表示把截词符放在字根的最后。如：behav?; 系统将找出 “behave， behaviour，behavioural”等等。  ★后截断有限截词说明具体截去字符的数量，截词符是在一个词尾加有限个 ？号，n个 ？号表示其后可添加的字符数少于等于n个。 如：smok?? ；系统 将对smoke ， smoky ， smoked ， smoker ， smokes等进行检索。对于最多允许添加一个字符的情况， 则用 ? ? 的形式表示。如：smok? ?；将只对 smoke ， smoky进行检索。;（2）中间截断 中间截断是把截词符号放在一个检索词的中间。一般中间截断只允许有限截断。中间截词符也称通配符，是在一词中间用若干个