《第三章》.ppt

第三章 计算机信息检索的 基本原理 第三章　计算机信息检索的 基本原理 §3.1　计算机信息检索概况 §3.2　机读数据库 §3.3　计算机信息检索原理 §3.4 计算机信息检索的基本 　　　 程序与策略 §3.1　计算机信息检索概况-1 一、计算机信息检索的定义与类型 定义 计算机信息检索是指利用计算机进行信息存贮和检索的过程。 计算机信息检索系统由三部分组成： 　　① 计算机硬件 ② 计算机软件 ③数据库 类型 可从不同角度分类，一般按检索系统的工作方式划分① 脱机检索 ② 联机检索 　 ③ 光盘检索 ④网络检索 二、计算机信息检索的发展 国外计算机检索的发展 我国计算机信息检索的发展 §3.1　计算机信息检索概况-2 三、计算机信息检索的特点 ①操作简便、检索速度快 ②检索范围广 ③检索信息新 　　 ④检索不受时空的限制 　⑤检索功能完善 ⑥检索结果的输出方式丰富多样 四、计算机信息检索的作用 ① 了解已有的研究成果，避免科研工作中的重复劳动，为研究工作（包括可行性研究）提供有关研究课题的发展现状和发展动向 ② 为编制科技发展规划和决策论证以及撰写论文，编制可行性报告提供参考资料。 ③ 提供世界经济统计数据，便于用户了解世界经济形势，预测经济发展趋势。 ④ 提供各国有关的市场信息，包括进出口情况、价格、销售、利润等方面数据，从而为工业生产和贸易等部门提供准确的依据。　 §3.2　数据库 3.2.1、数据库的定义和类型 1.数据库的定义:数据库是指至少由—种文档(file)组成，能满足特定的或特定功能数据处理系统需要的数据集合。 2. 数据库的类型 (1)参考数据库是指用户从中获取信息线索后，还需要进一步查找原文或其他资料的一类数据库。它包括书目数据库和指南数据库。 ① 书目数据库（Database），又可称为二次文献数据库，包括机读版的文摘、索引、目录等　 ② 指南型数据库 (Directorty Database) 是存储能够提供用户参考、给予用户指南的各类信息，如商业、企业等机构名称、地址电话、人物、出版物、项目、程序、活动等简要描述性的一类数据库，亦称指示性数据库。 (2) 源数据库是指用来存储事实、数值、概念、图形等非文献数据的数据库。能够直接为用户提供原始资料或具体数据的一类数据库。 包括全文数据库，数值型数据库、术语型数据库、图像数据库、超文本数据库、新闻数据库 (3) 混合型数据库是兼有参考数据库和源数据库特点的一类数据库，多媒体数据库(Multimedia Database)就属于这一类。它是存贮声音、图像、文字、动画等多媒体信息的数据库。　　　　　　　　　　　　　 数据库的形成过程 3.2.2、数据库的构成 数据库由文档（File）构成，文档又由一个个记录组成。 每一个记录就是按标准化著录的一篇文献或文摘。记录中的每一著录项目称为字段， 如文摘号（AN）、篇名（TI）、著者（AU） 组成记录的每一个字段均可作为检索途径，字段中的第一个词和代码可作为检索入口。 数据库的文档结构 文档：将一批相关的文献记录输入计算机，并存储起来，就形成了有序的可供检索的文档（File） 文档结构：文献记录在文档中的组织排列。分为：顺排文档，倒排文档。 顺排文档　　　　　　　　　　　　　　　　　　以文献记录输入的顺序（即文摘序号）排列文档。 倒排文档　　　　　　　　　　　　　　　　　　它是把顺排文档中标引词抽出，以标引词的字母顺序依次排列而形成的文档。 记录 记录是文档的基本单元。它是对某一实体的全部属性进行描述的结果。记录格式有： ①固定格式，固定长字段。 固定格式是指每一条记录中的字段（著录事项）数量和种类不变以及字段排列的次序固定不变。 固定长字段是指每条记录中的字段长度（即字符数）都是一样的，固定不变。 ②固定格式，可变长字段 可变长字段是指每条记录中的字段长度（即字符数）可以是不一样的，不是固定不变的。 ③可变格式，可变长字段 可变格式是指每一条记录中的字段（著录事项）数量和种类是可变的，及字段排列的次序也是可变的。 字段 字段是记录的基本单元。它是对实体的全部属性进行描述的结果。在各类数据库中字段的内容是不相同的。一般字段与信息的著录项目相对应。如在OPAC中，记录中含有题名、著者、出版年、主题词、文摘等字段。别外，根据与文献内容相关与否，信息数据库的字段通常分为基本字段和辅助字段两类。见表3.2－4。 §3.3　计算机信息检索原理 3.3.1、计算机信息检索原理-1 §3.3　计算机信息检索原理 3.3.1、计算机信息检索原理-2 3.3.1、计算机信息检索原理-3 检索词与标引词之间相似性运算的方法可分为