信息检索原理与检索语言-PPT.ppt

《信息检索原理与检索语言-PPT.ppt》由会员分享，可在线阅读，更多相关《信息检索原理与检索语言-PPT.ppt（22页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、信息检索原理与检索语言第一节 信息检索原理与检索语言 The Principles and Language of Information Retrieval信息检索原理图A.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。B.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。1.1.信息信息检索原理检索原理简言之，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

2、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。概念：概念：概念：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

3、来的约定人工语言。2.信息检索语言功能功能功能功能：对文献的信息内容及其外表特征加以规范化的标引对内容相同及相关的文献信息加以集中或揭示其相关性可使文献信息的存储集中化、系统化、组织化，便于用户按一定的排列次序进行有序化检索。便于将标引用语和检索用语进行相符性比较例如：有三篇文献篇名如下：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 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

4、对其进行标引，标引结果为：文献1：篇名篇名(title)：A Model of multimedia information retrieval 主题主题(subject)：information retrieval,multimedia computer applications文文献献2 2：篇篇名名(t ti it tl le e)：T Th he e I In nf fo or rm ma at ti io on n r re et tr ri ie ev va al l i in n c ch he em mi is st tr ry y 主主题题(s su ub bj je ec

5、ct t)：c ch he em mi is st tr ry y,e ed du uc ca at ti io on na al l m ma at te er ri ia al ls s 文文献献3 3：篇篇名名(t ti it tl le e)：E ER RI IC C r re es so ou ur rc ce es s 主主题题(s su ub bj je ec ct t)：e ed du uc ca at ti io on na al l m ma at te er ri ia al ls s 标标标标引引引引后后后后这这这这三三三三篇篇篇篇文文文文献献献献分分分分别别别别被被被

6、被存存存存储储储储进进进进数数数数据据据据库库库库。大家应该也有点累了，稍作休息大家有疑问的，可以询问和交流大家有疑问的，可以询问和交流大家有疑问的，可以询问和交流大家有疑问的，可以询问和交流在信息检索过程中：在信息检索过程中：在信息检索过程中：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，

7、并将检索范围限定在主题主题中，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。（1 1）分类检索语言）分类检索语言）分类检索语言）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

8、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。其中，类目是组成分类语言的基本单元，每一个类目都是一个相同事物构成的集合，体现单一的概念意义或复合的概念意义，表达这些概念意义的自然语言词语为类目名称或类名。2.1 2.1 检索语言的分类检索语言的分类检索语言的分类检索语言的分类 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

9、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。中国图书馆分类法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汉语拼音字母与阿拉伯数字的

10、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：例如：F经济（大类）经济（大类）F2-经济计划与管理（二级类）经济计划与管理（二级类）F25-物资经济（三级类）物资经济（三级类）F250-物资经济理论（四级类）物资经济理论（四级类）F251.1-物资管理（五级类）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

11、设计得很细。因此，分类法只是一种“族性检索”，而非“特性检索”。概念概念：主题语言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。主题词又称叙词，在标引和检索中用以表达文献主题的规范化的词或词组。类型：类型：主题检索语言包括标题词语言、单元词语言、叙词语言和关键词语言，它们可统称为主题法系统（2 2）主题语言）主题语言）主题语言）主题语言选择主题词的原则选择主题词的原则选择主题词的原则选择主题词的原则 实用性原则实用性原则：所选择的主题词应能够满足标引文献和检索文献的要求

12、。准确性原则准确性原则：所选择的主题词应能够准确地表达概念的含义。通用性原则通用性原则：应选择通用的为人们普遍接受的词语作为主题词。概念概念：就是将千百年来存在于人类社会生活中自然形成的非正式语言，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。而就信息用户而言，自然语言检索则主要反映在提问输入和对话接口的语言检索方式上。特点：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。（3 3）自然语言）自然语言）自然语言）自然语言自然语言（自然语言

13、（natural languagenatural language）检索用词是从信息内容本身抽取的，主要依赖于计算机自动抽词技术完成，辅以人工自由标引，是非规范词（uncontrolled term）。自然语言的标识包括：自然语言的标识包括：（1 1）关键词）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 2）题名）题名：信息资源的名称，如论文篇名、图书书名、网站名称等。（3 3）全文：）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 4）引文：）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。自然语言检索系统对同义词、近义词、多义词和其他一些与其相关的词语没有进行规范和统一，词间缺乏有机的联系。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，这势必会影响查准率。