第2单元 计算机信息检索技术.pptVIP

北京交通大学出版社《信息检索教程》（Information Retrieval Textbook）系列课件 北京交通大学出版社《信息检索教程》系列课件 第2章计算机信息检索技术 1 信息检索的基本概念 1.1 信息检索的涵义 从广义上讲，信息检索包括两个过程， 一是信息存储(information storage)，即信息的标引、加工和存储过程： 二是信息检索(information retrieval)，即信息用户的查找过程。 从狭义上讲，信息检索仅指后一部分。 信息检索的本质是一个匹配的过程 即用户的信息需求和信息存储的信息集合进行比较和选择的过程 信息存储和检索过程的基本原理 计算机信息检索是对信息进行收集、分类、标引、著录，并加以有序化组织，将信息储存到计算机存储信息系统中，编制出一个信息检索系统或信息检索工具的过程。 计算机信息检索的基本原理 1.3 信息检索的类型 按信息检索的内容划分 文献检索 数据检索 事实检索 概念检索 2 检索系统 检索系统（retrieval system）是指根据特定的信息需求而建立起来的一种有关信息搜集、加工、存储和检索的程序化系统，其主要目的是为人们提供信息服务。 2.1 检索系统的功能模块 信息源选择与采集子系统——对通常的计算机检索系统来说，信息选择与采集主要由人工完成，但对于网络信息检索系统来说，则主要通过网络有哪些信誉好的足球投注网站机器人Robot自动进行，并且可以定期更新。 标引子系统——标引处理的类型：人工赋词标引、机器标引、无标引（或全标引）；标引要求：不漏标（全面）、不错标（准确）、不滥标（简练）。 建库子系统——工作流程主要包括数据录入、错误检查与处理、数据格式转换、生成并定期更新各种文档。 2.1 检索系统的功能模块 词表管理子系统——主要功能：管理维护系统中已有词表的结构、词汇，使它与标引、建库、检索等多个子系统相连接；支持用户的各种词汇查询操作；输出各种形式的词汇数据或词表产品等。 用户接口子系统——一般有5种界面风格：命令/指令语言（command language）、菜单选择（menu selection）、表格填充（form fill-in）、直接操纵（direct manipulation）、自然语言（natural language）。 提问处理子系统——检索系统（数据库）的核心，负责处理用户输入的检索词或提问式，并将它们与数据库中存储的数据进行匹配运算，然后把运算结果返回给用户。 2.2 文档——记录——字段 检索系统的基本组织形式由三个层次构成。 文档（ file ）：检索系统至少包括一个顺排文档（sequential files）。有的还包括一个倒排文档（inverted files）。 记录（record）：文档的基本单元，由若干字段组成的信息单元，是对某一信息实体的全部属性进行描述的结果。 字段（field）：是记录的基本单元，它是对信息实体的具体属性进行描述的结果。 2.2 文档——记录——字段 检索系统的基本组织结构关系： 数据库 database 文档 file, archive 　 顺排文档 记录Record 字段Field 　　倒排文档（索引index） 3 检索语言 检索语言（retrieval language）是文献信息标引和检索提问而约定的人工语言。 检索语言是为沟通文献标引与文献检索而编制的人工语言，也是连接信息存储和检索两个过程中标引人员与检索人员双方思路的渠道。 ——在存储的过程中用于标引信息称为标引语言； ——用于编制索引就称为索引语言； ——用于信息检索则称为检索语言。 3.1 检索语言的种类 分类语言（classification language）是用分类号表达各种概念的检索标识，将各种概念按学科性质进行系统排列，反映科学知识分类体系的检索语言。 主题语言（subject language）是直接以表达文献主题的语词作为检索标识，按字顺编排并通过参照系统等方法提示词间关系的检索语言。 代码语言（code language）是对事物的某一方面特征用某种代码系统来加以标引和排列的检索语言。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，允许用户从分子式出发，检索相应的化合物及其相关的文献信息。 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。 分类语言 分类语言中最常见的是体系分类语言，它按照学科体系由上至下，从总体到局部，由一般到具体，从低级到高级，从简单到复杂 的逻辑次序逐级展开。 专利分类表 中国