网络资源的开发与利用：第2章 信息检索技术.ppt

主题语言主题语言（标题词、单元词、叙词）的规范化处理：①词义规范：对同义词（如计算机与电脑）、近义词（如实验与试验）、学名和俗名（如发动机与马达）、不同译名（激光与莱塞）、简称与全称（如中国与中华人民共和国）、不同写法（如X射线与爱克斯射线）等进行选择；对多义词、同形异义词进行限定说明，如杜鹃既表示一种鸟，也表示一种花，就须限定说明为，杜鹃（动物）、杜鹃（植物）。②词类规范：即确定词类的范围。能用作叙词的词类一般要求控制在具有实质意义的名词或动名词的范围之内。③词形规范：即对词的繁简体、词序、字母符号等的规定。代码语言代码语言是指对事物的某方面特征，用某种代码系统来表示和排列事物概念，从而提供检索的检索语言。例如：根据化合物的分子式这种代码语言，可以构成分子式索引系统，允许用用户从分子式出发，检索相应的化合物及其相关的信息。自然语言自然语言是直接从原始信息中抽取出来的未经规范化处理，用以揭示信息主题概念的检索语言。抽取出来的词包括自由词、关键词、事物名称、科学术语、俗名、商品型号和缩写等，具有不用编制词表，及时跟上事物发展，准确表达事物新概念，选词灵活方便，专指性强，标引和检索速度快等优点。例如：如有人输入：howtocontroldriversofharddisk，检索系统会自动提取检索词，然后进行过滤和检索。注意：Google和专业数据库的检索语言区别。3.2信息检索的途径3.2信息检索的途径责任者途径：①姓前名后，名缩写；②姓名中的“De”、“Von”、“Della”等前缀，与姓一起按字顺排，如DeLeferore,AlfredVonKampf；③团体机构名称名按名称字顺排。号码途径：号码包括编号（number）、代码（code）等，特定的号码如：技术标准的标准号，专利说明书的专利号，科技报告的报告号，学会的会议论文连续号，或合同号、任务号、国际标准书号（ISBN）、国际标准刊号（ISSN），以及文献收藏单位编的馆藏号、索取号、排架号等，都可以此作为检索点。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技术1邻近检索技术3字段限定检索技术4截词检索技术２布尔检索布尔检索（booleanretrieval）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：AANDB，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：AORB，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：ANotB，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（truncationretrieval）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。后截断中截断前截断无限截断如:economic???有限截断截词检索与截词检索算符economiceconomicseconomicsteconomicalismeconomiceconomicseconomicst如:economic*如：wom?nwomanwomen如:?lishsul*ursulfursulphur无限截断有限截断前后截断如:?computer？可检出:computer、computers、