4.1布尔检索.PDFVIP

1第四章 信息检索技术与方法（一） 本章主要介绍各种文本检索技术以及若干重要文献数据库 检索系统和联机检索系统的使用方法（配合实习）。（10学时） 4.1 布尔检索 4.2 截词检索 4.3 限制检索 4.4 位置检索 4.4a 聚类检索 4.4b 联机辅助检索技术 4.5 常用书目数据库及其检索 4.6 常用全文数据库及其检索 4.7 数值数据库及其检索服务系统 4.8 著名联机检索服务系统 4.1 布尔检索 布尔检索主要以倒排档（Inverted file）为基础，利用 布尔逻辑算符对检索词或代码进行逻辑组配，是信息检索 系统中最基本、最常用的一种检索技术。 4.1.1 布尔逻辑算符 4.1.2 布尔逻辑算符的使用 4.1.3 布尔逻辑检索式的变换处理 4.1.4 布尔检索的实现 A B 4.1.1 布尔逻辑算符 ●逻辑或OR ● 逻辑与AND ● 逻辑非NOT ● 逻辑异或XOR A B A B A B 24.1.2 布尔逻辑算符的使用 ●运算优先次序 ——早期的混乱状态 ——某项系统的特殊做法 ● 组配使用方法 ——直接使用检索词进行组配 ——先确定各个检索词的命中结果号，利用结果号进行组配 ——允许检索词与命中结果号的混合组配 ● 检索式构造注意事项 ——逻辑OR问题 ——逻辑NOT问题 4.1.3 布尔逻辑检索式的变换处理 ●逆波兰变换法（福岛法） ●准波兰变换法 ——占用工作区最少的逆波兰表达式 ●范式法 ——任一布尔逻辑检索式都可以化成与之等价的析取 （或合取）范式 AB+C*DE-F*+ AB+CD+* ABC*+ 逆波兰表示法 （后缀） +*+ABC*-DEF *+AB+CD +A*BC 正波兰表示法 （前缀） （A+B）*C+（D-E)*F （A+B）*（C+D） A+B*C 一般表示法 （中缀） 4.1.3 布尔逻辑检索式的变换处理(续) 同一检索词可能 会需要多次访问 倒排档，检索速 度稍慢 基本无溢出4 化为析取范 式，算法较 简单 逻辑范式 法 检索速度较快基本无溢出5 生成准波兰 式，算法稍 复杂 准波兰 变换法 检索速度较快有时会溢出7 生成逆波兰 式，算法较 简单 逆波兰 变换法 检索特点溢出情况 内存工作 区个数 检索式的 变换处理 指标 方法 34.2 截词检索 截词检索是一种比较常用的书目检索技术，尤其在西文检索 中更是得到广泛使用。 4.2.1 截词检索的概念 4.2.2 截词检索的类型 4.2.3 截词检索的功能 4.2.4 截词检索的实现 4.2.2 截词检索的类型 ●按照截断的字符数量划分 ——有限截断 ——无限截断 ● 按照截断的位置划分 ——后截断（前方一致检索） ——前截断（后方一致检索） ——中截断（内嵌字符截断或屏蔽） ● 后截断 后截断检索技术最为常用，其主要用途有： ——词的单复数，例如：book？，potato？？ ——年代，例如：199？， 19？？ ——作者，例如：Lancaster * ——同根词，例如： biolog*， physic* 4● 前截断 前截断因为实现技术上较困难，在检索系统中比较少见。其主要 用途在于：进行一个学科的不同应用领域的检索。例如： *magnetic *phosphate ● 中截断 中截断一般仅允许有限截断，主要用于英美单词的不同拼写方 式或单复数的特殊变化。例如： defen？e organi？ation 4.2.3 截词检索的功能 截词检索实际上是防止漏检的有力手段。作为一 种后控制措施，目前在大多数检索系统中得到了实现。 各种截词检索方法，具有隐含的逻辑或（OR）运算 功能。运用截词检索，不仅能扩大检索范围，提高查全 率（R），而且还可以减少检索词的输入量，简化检索 步骤（不需要用OR进行同义词的组配）。 4.2.4 截词检索的实现 以后截词检索为例。任何一个检索系统，如果要求具备后 截词检索能力，其关键在于系统中词典文档（IX）的结构设计。 词典文档的结构设计主要考虑以下2方面因素：一要便于系统中 数据库数据的维护与更新（主要是数据的添加）；二对检索词访 问时具备一定的词扩展能力。此外，很多情况下还要考虑对词间 关系的处理与维护。以树表结构为例，目前可以选用的数据结构 主要有： —— AVL树（平衡二叉树） —— 字符树（数字查找树或键树） —— B/B+树 通常，各种DBMS软件系统都能对数据库中的索引字段建立高 效的B/B+树或AVL树型索引，从而支持截词检索功能。 54.3 限制检索 限制检索泛指检索系统中提供的缩小或约束检索 结果的检索方法。主要有以下方式： ●字段检索 ●在检索结果中再检索（二次检索） ● 字段检