The Principles and Techniques of Social sciences Information Retrieval 第三章 社科信息检索原理与技术 The Principles and Techniques of Social sciences Information Retrieval 深圳大学图书馆 2015年6月

第一节 信息检索原理 第二节 信息检索语言 第三节 信息检索技术

本章主要内容： 第三章主要讲述信息资源的检索原理、检索语言及检索 技术。要求学生了解检索语言和步骤，掌握布尔逻辑检 索、截词检索、限制检索等基本检索技术，能正确的制 定检索策略。 本章的重点：检索功能、检索算符、检索策略 本章的难点：检索式的制定和调整

The methods of Information retrieval 第一节 信息检索的原理 The methods of Information retrieval

第一节 信息检索的原理 1. 基本概念: 信息检索原理就是用户将信息需求转变为检索系统所能识别的检索标识，与信息检索系统中存储的信息特征进行逐一比对，两者完全一致或基本一致时，即为检索命中信息，可按用户要求从检索系统中输出。其检索结果既可能是用户需要的最终信息(一次信息)，也可能是用户需要的信息线索(二次信息)，用户可据此线索进一步进行判断、筛选，以获取所需要的最终信息。

1.1文献信息存储过程： 将大量分散的文献信息搜集起来，根据其内容特征或外表特征进行标引，形成表征这些 文献信息的特征标识，并存储在一定的载体上，成为有查询功能的检索工具。 1.2 标引： 对文献内容特征和外部特征进行分析形成概念标识，再依据一定的标准或规则 （检索语言：如分类号、主题词、关键词及著者选用规则等）将其用相应的标 识充分、准确地表达出来。 1.3 文献信息检索过程： 用户根据自己的信息需求，提出检索提问，然后使用有关的标引语言（也称检索语言） 将拟定的检索提问规范成检索标识，用于检索的过程。

信息检索原理图

The Language information retrieval 第二节 信息检索语言 The Language information retrieval

1.检索语言的概念 2.检索语言的功能 3.检索语言的分类

检索语言的概念 信息检索语言就是信息组织和信息检索时所使用的语言（ 包括自然语言）。信息检索语言是文献信息标引的规则和 标准，标引人员可用它来标引文献以便将文献整理、加工 、存储于检索系统中，同时，检索人员可用它来表达检索 课题信息的内容，以便把特定文献从检索系统中检索出来 。 因此，检索语言就是一种把文献的存储与检索联系起 来，把标引人员和检索人员沟通起来的约定人工语言。

检索语言的功能 检索语言大致分为以下四点主要功能： ①对文献的信息内容及其外表特征加以规范化的标引 ②对内容相同及相关的文献信息加以集中或揭示其相关性 ③可使文献信息的存储集中化、系统化、组织化，便于检 索者按一定的排列次序进行有序化检索。 ④便于将标引用语和检索用语进行相符性比较

检索语言在检索中的作用

例如：有三篇文献篇名如下： 文献1：A Model of multimedia information retrieval 文献2：The Information retrieval in chemistry WWW server 文献3：ERIC resources 在对信息存储的过程中，对这三篇文献内容分别进行了分析，并使用检索语言对其进行标引，标引结果为： 文献1：篇名(title)： A Model of multimedia information retrieval 主题(subject)： information retrieval, multimedia computer applications 文献2：篇名(title)： The Information retrieval in chemistry WWW server 主题(subject)： chemistry, educational materials 文献3：篇名(title)： ERIC resources 主题(subject)： educational materials 标引后这三篇文献分别被存储进数据库

在信息检索过程中： 如果用户输入“information retrieval”一词，并将检索范围限定在篇名中，则文献1与文献2 符合用户要求，成为检索结果。 如果用户输入“information retrieval”一词，并将检索范围限定在主题中，则只有文献1符合 用户要求，成为检索结果。 如果用户输入“educational materials”一词，并将检索范围限定在主题中，则文献2和文献3 符合用户要求，成为检索结果。 在上述例子中，“information retrieval”、“educational materials”都是检索语言，篇名和主题则是检索语言的标识，检索系统就是通过他们将用户需求与信息内容进行运算匹配，最终找到检索结果的。 由这个例子可以看出，检索语言的主要作用就是对文献的外部特征和内容进行多层次描述，提供多种检索途径，以方便用户从不同角度检索查找。

3.检索语言的分类 3.1 分类检索语言 文献分类的实质是按照知识体系分类和概念逻辑的方法，对文件的信息进行区分和归类。分类 语言的词表即为分类表，它是由众多类目按照一定的知识分类和概念逻辑秩序，并考虑文献分 类的需要而构成的体系。 由于分类语言通常采用字母或数字符号来构词，因而表达这些概念意义的分类语言词语就 是类目的号码，即类号，通过自然语言的类名，可以直接的理解类目的含义，借助形势化符号 的类号，可以系统的揭示与组织文献信息。 文献分类的意义在于，根据文献信息的内容特征和分类词表，把相同内容的文献集中起来 ，同时，又把不同内容的文献信息区别开来，以实现相关集中的功能。

分类检索语言的类型有： （1）体系分类法 （2）组配分类法 （3）混合式分类法  使用较多的是体系分类法，其主要特点是按学科、专业集中文献，并从知识分类角度揭示各类文献在内容上的区别和联系，提供从学科分类检索文献信息的途径。体系分类法具有按学科或专业集中系统地向人们揭示文献资料内容的功能，这对于希望系统掌握和利用某一专业范围的文献而言，无疑是有效的。

如 《中国图书馆分类法》是国家推荐统一使用的分类法，被许多检索工具采用或改编，分5大部类22大类，类号采用汉语拼音字母与阿拉伯数字的混合号码，用一个字母代表一个大类，以字母的顺序反映大类的序列，在字母后用数字表示大类下类目的划分，数字的设置尽可能代表类的级位，并基本上遵从层累制的原则。 例如：  F—经济（大类）  F2--- 经济计划与管理（二级类）  F25 --物资经济（三级类）  F250 --物资经济理论（四级类）  F251.1 ---物资管理（五级类）….

由此可见，按体系分类法检索的长处是，能满足从学科或专业角度广泛地进行课题检索的要求，达到较高的查全率。查准率的高低与类目的粗细多少有关，类目越细，专指度越高，查准率也越高。但类表的篇幅是有限的，类目不可能设计得很细。因此，分类法只是一种“族性检索”，而非“特性检索”。

3.2主题语言 概念：是指经过控制的，表达文献信息内容的语词。是以自然语言的语词为字符，以规范化或未经规范化的名词术语为基本词汇，以概念之间的形式逻辑作为语法和构词法，用语词字顺排列，主题概念以参照系统显示概念之间关系的一类检索语言。 　　 主题检索语言可分为标题词语言(标题法)、单元词语言(元词法)和叙词语言(叙词法)。标题词语言属于先组式语言，单元词语言和叙词语言属于后组式语言。关键词语言(键词法)因其性能与上述几种语言相似，通常也归入主题检索语言一类，实质上它是一种在情报检索中直接使用自然语言的方法，对取自文献本身的语词只作极少量的规范化处理，也不显示文献主题概念之间的关系，是一种准情报检索语言。

3.3 自然语言 概念： 就是将千百年来存在于人类社会生活中自然形成的非规范语言，通过一定的语言处理技术，使之应用于信息检索系统的信息组织、标引与输出 特点： 对信息检索领域来说，采用自然语言的方式，可以有效解决潜在语义表达上的不匹配因素，自然语言的语言思维形式，对信息的表达对应性较强，因而有利于形成在语言无损耗 意义上的排序输出问题。

自然语言的标识包括： （1）关键词（keyword）：直接从信息资源名称、正文或文摘中抽出的代表信息主要内容的重要语词。这部分有时由人工自由标引进行，如期刊论文中的作者关键词，大部分由计算机标引系统自动完成。 （2）题名：信息资源的名称，如论文篇名、图书书名、网站名称等。 （3）全文：从资源的全部内容中自动抽取、查找，是目前网上各类搜索引擎使用得最多的方法。 （4）引文：将文献所引用的参考文献的作者、篇名、来源出版物抽取出来进行标引。 此外，还有责任人（作者）、摘要等。由于自然语言检索系统对同义词、近义词、多义词等与其相关的词语没有进行规范和统一，当用户提问的检索概念具有多种表达形式时，采用单一的关键词或自然语言索引词匹配方式势必会影响查全率。自然语言检索系统的选词没有严格限制，词量过多过杂势必会影响查准率。

思考题 1.检索语言具有哪些功能？ 2.分类语言使用较多的是哪种分类法？ 思考题 1.检索语言具有哪些功能？ 2.分类语言使用较多的是哪种分类法？