資料庫結構與組織.

Presentation on theme: "資料庫結構與組織."— Presentation transcript:

1 資料庫結構與組織

2 資料庫結構 資料庫組織方式 資料庫組成元素 Database  Records  索引循序檔 indexed-sequential
隨機檔 random file 索引循序檔 indexed-sequential hierarchical 資料庫組成元素 Database  Records  Fields  Subfields

3 資料庫結構 網路型： 多父多子 階層型 hierarchical 一父多子 關係型 relational 表格關聯

4 資料庫的組織 線上資訊系統Dialog 資料庫 ERIC 是Dialog 的file 1
記錄(record) ERIC records >1,000,000 資料欄位(field)每一record 有一連串的資料欄位。 次欄位(sub-field) |a吳|b政叡 資料元(data elements)

5 資料庫的層次 File檔案 -- A file is an organized collection of related records.由一組相關的記錄所組成。 Record記錄-- A record is a collection of related data items or fields.由一組相關的數據欄組成。 Field欄 -- A field is an item of data.在記錄中的一項數據。 Name : Peter Chan Sex : M Age : 22 Academic Qualification :- ……… ……..

6 資料庫基本名詞定義 Field（欄位） Subfield（次欄位） Data（資料） Record（紀錄） 用來儲存以供檢索之文件描述
Entity（實體） 儲存資訊的物件 e.g.一本書、一篇文章 Attribute（屬性） 可用來描述實體的特性 Value（屬性質） 用來描述實體特性的內容 Field（欄位） 用來描述屬性質的一串字元 Subfield（次欄位） Data（資料）

7 Attribute Values（屬性值)
屬性與屬性值—以書為例 Attributes（屬性） Attribute Values（屬性值) 作者（Author） 吳政叡 書名（Title） 都柏林核心集與圖書著錄 出版商(Publisher) 臺灣學生 出版地(city of publication) 臺北市 出版年(date of publication) 2000[民89] 頁數(number of pages) 218

8 資料組成元素 Data Element Example Text represented Bit 1 or 0 Byte 0100110 &
Subfield Place of publication Chicago, Illinois field Publication statement Chicago, Illinois: Academic Press, 1985 Record An ERIC index record 大於 983,000 Database The ERIC database Library All Dialog databases >200個databases

9 檔案的組織 Sequential File 循序檔：最簡單、依序 Random File 隨機檔：以數學函數算位址
Indexed- Sequential File 索引檔 ： 主要資料區:儲存檔案資料 溢位區:溢位被擠出之資料存放區 索引區:記載每一存放記錄的儲存位置

10 檔案組織--循序檔 特性：將檔案中的資料依照一筆一筆地存放在儲存裝置上，如欲存取檔案中之資料時，必須依照檔案中資料排列的順序讀取資料。

11 檔案組織--循序檔 優點：檔案中的紀錄長度沒有限制且最節省儲存區空間。
缺點：存取效率差及不適於即時處理作業且資料的更新作業可能涉及大量資料搬移動作因此較不經濟。 適用儲存裝置：讀卡機、磁帶、磁碟、磁鼓與磁片。 循序檔適用時機：整批處理。

12 檔案組織 直接存取檔(DAM) 1.特性：紀錄利用數學函數來計算其位址，再根據此位址將紀錄直接存放在儲存裝置內。 2.優點：
b.若資料有異動不會有大量資料搬移的動作。 c.適合即時處理作業。

13 檔案組織--索引檔 特性：利用一個索引表格來記載在檔案中的位置，當程式欲尋找紀錄之位置時，必須先透過索引表格作找尋紀錄位址之動作。

14 檔案組織--索引檔 組成： 1.主要資料區(Prime Data Area)： 儲存檔案資料得區域。
2.溢位區(Overflow Area)： 當主要資料區的空間不敷檔案使用時，會將 無法存入主要資料區中的資料存在此區。 3.索引區(Index Area) ： 所有紀錄在主要資料區中的位址均會記錄在此區中，藉以方便資料存取的動作。

15 檔案組織--索引檔 優點： 1.支援循序、直接存取。 2.若資料有異動,不會有大量資料搬移 的動作。 3.適合即時處理作業。

16 檔案組織--索引檔 缺點： 1任何資料存取均需兩次因此較耗時。 2.索引區固定會佔用一部份額外儲存空間。
3.需留溢位空間因此無法妥善利用儲存空間。 4.若溢位情形嚴重將使效能降低。 5.循序存取效率較循序檔差，隨機存取效率較 直接檔差。 適用存取裝置：磁碟、磁鼓及磁片

17 主檔與異動檔 主檔： 特性：主檔會儲存全部的資料，因此資料最完整、內容最多且較少修改。 例：圖書館系統的讀者資料檔、書目資料檔。

18 主檔與異動檔 異動檔： 特色：用於修正主檔內容，又稱為明細檔，因此內容較少且僅包含某段時間內主檔修正的資訊。 例：每日流通資料。

19 檔案組織--相對檔 相對檔(relative file)是以紀錄中之某一特定欄位做為紀錄之位址，此欄位稱為相對鍵。
以相對鍵(relative key)之內容來將紀錄儲存在儲存裝置中。

20 檔案組織—倒置檔 在檔案中欲搜尋某筆記錄時，通常是利用主要鍵欄來找尋；若再建立一個檔案結構時定義了由輔助鍵欄來找出紀錄在檔案中的位址及對應之主要鍵欄之方法，則此種檔案結構即為所謂的倒置檔或反轉檔(inverted file) 。

21 基本檔案結構 Linear file（線性檔）--Print file Inverted file（倒置檔）-- Index file
依每一筆資料的編號連續儲存 Inverted file（倒置檔）-- Index file 將線形檔中每一個可供檢索的字依字母順序排列，並指出此字在線形檔中的位置 可知此字出現在哪些紀錄，且方便直接調閱該紀錄 常見倒置檔 基本索引檔 (basic index file) 附加索引檔 (additional index file) 索引典檔 (thesaurus index file) 訊息檔(Posting file)

22 書目記錄結構與欄位— 以ERIC為例 DIALOG BlueSheet 所提供之資料
Resources in Education (RIE) 14,000 documents each year Current Index to Journals in Education (CIJE). 20,000 journal articles, extracted from more than 750 serials

23 DIALOG—ERIC 線形檔

24 DIALOG—ERIC 基本索引檔

25 DIALOG—ERIC 附加索引檔

26 DIALOG—MathSCi 索引典

27 ERIC -- OCLC

28 ERIC – EBSCO

29 ERIC – ProQuest

30 資料庫索引法 常見索引法 輔助索引法 單字索引法（word indexing） 片語索引法（phrase indexing）
單字與片語混合索引法（word and phrase indexing） 數字索引法（numeric indexing） 輔助索引法 布林邏輯運算元（Boolean logic operator） 切截法（truncation） 相近運算元（proximity operator） 特定限制欄位檢索法 檢索用法查證法

31 求全率v.s.求準率 求全率 recall ratio 求準率 precision ratio a b a+b c d c+d a+c
成功檢索到相關資料的比率 = 求準率 precision ratio 沒有檢索到不相關文獻的比率 相關 不相關 總數 檢出 a b a+b 未檢出 c d c+d a+c b+d a+b+c+d a a+c a a+b

32 單字索引法（word indexing） 將欄位中所有可供檢索的字逐一索引，鍵入倒置檔 通常用於主題相關欄位，以非控制詞彙表示
如題名、摘要、全文 剔除停用字（Stop word） DIALOG的停用字： as 、and 、by 、for 、from 、 of 、the 、to、with 可透過後組合（post-coordination）方式，以布林邏輯運算元組合查詢 the evaluation of databases evaluation、databases

33 片語索引法（phrase indexing）
或稱複合語索引法 以一個獨立款目為單位進行檢索，包含空白與標點符號 作者、資料型態、期刊名稱、出版語言 檢索者在檢索時，必須以系統製作時的著錄方式檢索，甚至所有的標點符號和空格都需一致，方能檢索到資料 如Bush, George Herbert Walker

34 單字與片語混合索引法（word and phrase indexing）
多出現於與主題標目相關欄位 保有單字索引法的組合彈性和片語索引法的精確 檢索者知道控制語彙時採用片語檢索，以提高確性 檢索者不知道控制語彙時利用單字組合檢索，提高檢索的回現率

35 單字與片語混合索引法（word and phrase indexing）(cont.)
檢索點較多，如consumer attitudes 以單字索引法 “consumer”、”attitudes” 使用片語索引法”consumer attitudes” 使用混合索引法 “consumer”、”attitudes”、 “consumer attitudes” 缺點為佔用資料庫儲存空間

36 數字索引法（numeric indexing）
常用於欄位內所包含的內容均為數字時 商情名錄資料庫之公司基本資料公司資本額、人數、銷售數據 統計資料庫 可依據數字大小排列，進行各項排序、比較、計算

37 前組合索引v.s.後組合索引(1) 前組合索引（pre-coordinate indexing），又通稱為非操作型索引（non-manipulate indexing） 索引者，在索引階段即進行字詞組合的檢索方式 紙本索引常用方法，並利用系統輪迴法（systematic rotation）方式，將可能出現的詞彙列出

38 前組合索引v.s.後組合索引(2) 後組合索引（post-coordinate indexing），又通稱為操作型索引（manipulate indexing） 檢索者，在檢索階段自行組合字詞的檢索方式

39 前組合索引v.s.後組合索引(3) 資料庫 後組合 使用者 索引詞彙 資料庫 使用者 檢索策略 利用指導 檢索策略 利用指導 前組合 資料庫

40 布林邏輯--1 AND  intersection 交集 OR  union 集合 NOT  difference 差別 AND

41 布林邏輯--2 優先順序 括弧優先執行 NOT  AND  OR (cats OR dogs) NOT pets cats pets

42 括弧優先 布林邏輯運算元的優先順序，一般而言，括弧必須優先執行，如果沒有括弧，則一般為NOT > AND > OR
Dialog: ss (cataloging or classification or indexing) and theory

43 切截法 在設定字根後，加上各種特殊符合 ”?”、”#”、”$”，則可檢索到全部字根相同的字 範例 用於複合語欄位檢索更能彰顯其功能
librar? horse?? librar??? ?computer wom?n 用於複合語欄位檢索更能彰顯其功能 如Bush, George Herbert Walker 可不必擔心標點符號或空格 但若切截過廣，會檢索出許多不相關的資料

44 相近運算元 w限制單字出現的順序 n不限制單字出現的順序，但利用阿拉伯數字限制二字之間的間隔 l限制其前後字詞必須屬於同一個敘述語
information (w) theory n不限制單字出現的順序，但利用阿拉伯數字限制二字之間的間隔 Ronald (n) Reagan Marilyn (2n) White l限制其前後字詞必須屬於同一個敘述語 cancer (l) prevention s限制其前後字詞必須出現在同一個副欄位中 優先順序：wnsl

45 相近運算元w 主要功能在限制單字出現的順序。其規定在w之前的字必須出現在前方的位置。
例： information (w) theory information (3w) theory Information theory information processing theory

46 相近運算元n 表示Ronald 與 Reagan 必須緊鄰出現，但並未限制此二字出現的先後順序。
Ronald (n) Reagan 表示Ronald 與 Reagan 必須緊鄰出現，但並未限制此二字出現的先後順序。 Marilyn (2n) White 表示Marilyn 與White並未限制此二字出現的先後順序，而且Marilyn 與White 間可以間隔二個字以內，因此包含她的名字或其他名字。

47 相近運算元l 運算元前後的字詞都必須屬於同一敘述語。因為很多資料庫都以LCSH為索引典，LCSH同一敘述語常會標點隔開，為了完整檢索LCSH 所以有運算元l 如 cancer (l) prevention cancer-prevention food habits (l) health aspects food habits – health aspects

48 相近運算元s 限制其前後字詞必須出現在同一個副欄位中(或出現在同一個句子中)