第二章 信息检索基本原理.ppt

第二章 信息检索基本原理 内 容 信息检索基础 信息检索语言 信息的组织 信息自动标引 文本分类与聚类 信息检索基础 信息检索的类型 按信息检索内容划分 数据信息检索 事实信息检索 文献信息检索 按信息组织方式划分 全文检索 超文本检索 超媒体检索 按信息检索手段划分 手工检索 机器检索 信息检索语言 检索语言：是信息存储和检索过程中，用于描述检索系统中信息的内部及外部特征（信息存储过程）和表达用户信息提问（信息索取过程）的一种专门语言。 检索语言是文献的标识系统。它的基本成分是“检索词”，如各种分类法`主题词表、书名、人名等。 检索语言的作用：文献的存贮和检索过程实现表达方式上的同一，保证人们正确和高效地进行文献检索。 检索语言的分类 按人工干涉程度划分（规范化程度）：人工语言（受控语言）和自然语言（非受控语言） 按描述信息的特征：外表特征语言和内容特征语言 按内容性质：主题语言和分类语言 按组配方式：先组式检索语言和后组式检索语言 根据描述信息的特征划分 分类检索语言 古代分类语言 七分类 四部分类法：《四库全书》的四部分类最为经典。其将文献划分为经部、史部、子部和集部，其中医学类入子部的医家部分 当代分类语言 按知识的学科属性，运用逻辑分类的原理将学科概念作多层次划分，形成一个能充分体现事物的隶属、平等、派生关系的严格、有序的线性知识门类的等级制体系。 根据文献内容的学科属性，从知识分类的角度来揭示各类文献的特点和联系，使大量的文献 按 “类 ” 排列 集中反映学科的系统性、反映它们的相关、从属、派生等关系，从总体到局部分层、分面展开，形成分类体系。 分类语言的特点 优点 （1）从学科知识分类角度组织文献，便于族性检索 （2）便于文献的组织管理，可以用于图书、期刊排架和数据库中文献标引归类 （3）概念之间有从属、派生、相关关系，具有等级结构便于检索文献时概念切换，利于文献检索时的放大和缩小 （4）用分类号做检索标识，不存在文种的限制。 缺点 （1）分类体系及内容一般相对稳定，对于新兴学科而言，不利于采用此种方法检索 （2）分类语言是根据学科进行分类排序的，不利于交叉学科的检索 （3）隶属于一个门类下，会造成漏检。 较权威的分类语言 杜威十进分类法（Dewey decimal Classification system)DDC 国际十进分类法或通用十进制图书分类法(Universal Decimal Classification)UDC 冒号分类法 (Colon Classification)CC 美国国会图书馆分类法(Library of Congress Classification)LC 中国图书馆图书分类法（重点掌握） 杜威十进分类法 美国M.杜威编制的综合性等级列举式分类法。英文简称DC或DDC。 有详、简两个版本。详本于 1876年出第一版,1996年已出21版。简本篇幅约为详本的10%，主要供中、小型图书馆使用。1894年首次出版，已出13版。 详本共分四卷：卷一为编制说明和通用复分表、卷二和卷三都是类表，卷四为索引和使用手册。 主要由：主表、附表、索引和使用说明组成。 主表是以学科为中心对已知主题进行详细列举，其每一级类目都包含9个类和1个总类，共10个类。 附表主是指一些复分表：①标准复分表，②地区复分表，③文学复分表，④语言复分表，⑤人种、种族、民族复分表，⑥语种复分表，⑦人物复分表。 杜威十进分类法 采用阿拉伯数字作标记符号，并采用小数制（即十进制）的层累标记制。 以三位数(000～999)形成前三级的等级结构。在三位数中，凡带“0” 的号码均表示总论性类目：后二位为“0” 的号码表示一级类（大类），末一位为“0” 的号码表示二级类，凡末尾不带“0” 的三位数号码均属三级类。凡在三位数之后展开的号码，均须在三位数后面加一小数点隔开。 例：600　应用科学 630　　农业 631　　　农业经营 631.5　　　作物栽培 杜威十进分类法 特点 ①体系结构完整、严谨，类目详尽，层次清楚，易于理解，便于按学科进行检索。 ②采用严格的层累标记制，类号等级分明，具有较强的助记性，但有时号码过于冗长。 ③首创仿分、复分等具有组配性质的编号法。 ④最先为分类表编配详细的相关索引，提供一条简便的字顺检索的途径。 ⑤拥有实力雄厚的管理机构，定期修订，使分类法不断得到更新。 ⑤用简明的号码标记类目，便于图书排架、目录组织和检索。 国际十进分类法 是一种列举—组配相结合的分类法。 由比利时人P.-M.-G.奥特莱和H.-M.拉封丹在《杜威十进分类法》第6版的基础上编成。 共分4种版本,即完全版、 中型版、节略版和