中文信息处理的应用.PPT

第四章 中文信息处理的应用 授课时间：2007年1月8号 授 课 人：徐艳华 教学目标 计算机情报检索的工作过程 计算机情报检索的类型 计算机辅助教学的类型 计算机辅助教学的基本理论 计算机辅助教学的优点 计算机辅助教学的工作原理 一、计算机情报检索的工作过程 情报检索是指按特定方式和特定需要贮存和查找知识信息的过程（information retrieval简称IR），采用计算机实现这一过程就叫计算机情报检索。计算机情报检索系统是建立在计算机技术、缩微存贮技术和高速通信技术基础上的，即利用计算机预先编制存储的情报文档，建立计算机情报中心的数据库，情报中心通过通信网络联结许多终端：检索者在各个终端上可以通过提问的方式，从文档中快速提取符合要求的情报，用打印或显示的方式提供给检索者。 计算机情报检索的工作过程： 1、标引加工 要让计算机记住文献资料，就要将所需要存储的图书、报刊、杂志的原文输入计算机，这种原始的文献就是所谓的一次情报。它们既是情报存贮的对象，又是情报检索的对象。但是，在存贮与检索之间，不是以一次情报的形式直接进行的，而是借助于二次情报。 所谓二次情报，是指文摘、索引、书目卡片等等。情报检索首先要查阅二次情报，才能检索到所需情报。 事实上，计算机情报检索与人工检索有着共同的基础，这就是两者都要从一次情报中提取二次情报，这个提取二次情报的过程就叫标引加工。标引加工是对一份文献书目及内容抽象、概括过程。计算机情报检索系统的文档相当于由众多书目卡片组成的卡片箱，而文档的一个记录正相当于一张卡片，在文档记录上存贮什么信息或在一张卡片上填写什么内容，这些也是标引加工所要考虑的问题。 2．文档编排 在情报检索中，独立的文献集合叫做一个文档，每一篇文献情报叫做一个记录。经过标引加工的“二次情报”的内容就成为一个个的文档、一个个的记录。这些文档通常储存在磁盘或光盘上。一个磁盘或一张光盘可以存储几万乃至几十万张表格或卡片的“二次情报”的内容。 3．检索服务 检索数据，即为用户提供的信息是数字、人名、地名和术语，检索时要查询数据资料档，并对提问输出答案。订票系统、电话查号系统、查户口地址、查化学结构式等都属于此类。 检索事实，即为用户提供的信息是各种事实，实际上也仍然是数据。但输入提问后，要由计算机对被检索的事实作某种逻辑推理，并进行比较、分析，然后再输出答案。 检索文献，即为用户提供的信息是文章标题、著作的各项目和关键词所组成的文献单元，需要检索的对象是文献资料。 二、计算机情报检索的类型 1、关键词检索 关键词（Key word）是从文献原文中挑选出来的，例如从论文的篇名书名中选出最能表示主题的词语。依靠关键词，我们就能很方便地查找到有关文献。现在，我们可以利用计算机自动地从文献中选取题内关关键词（KWIC， 即 Key word in content）关键词不是规范化的词，因此标引和检索用词都是自由的。 关键词检索的优缺点 关键词检索的优点是：系统占用空间小、标引灵活、检索快速、软件编程实现简单。 关键词检索的缺点是：与叙词检索相比，虽然关键词检索的标引难度和检索难度都比叙词检索大大降低，但它将关键词用于标引词（index word）必须原样照搬，不得改变，不得用它的同义形式（因此，关键词也称为文献语言或自然语言）。所以，关键词检索的查全率和查准率远不如叙词检索；与全文检索相比，关键词检索又增加了关健词的标引工作，信息入库滞后，检索的灵活和效用也远远落后。 2．叙词检索 为了提高情报检索的查全率，建档标引可采取各专业的标准术语，这就是“主题词标引法”。因为“主题词”也叫“叙词”（descriptor），这种检索方法称作叙词检索法。叙词检索也称受控检索，其检索入口就是上述文献中事先标引的叙词，叙词是从词义的关键词中归纳、提炼出来的，叙词是规范化的主题词，也就是规范的关键词。这样，用“计算机”作为主题词标引建档，实际上也包括了题名中虽然没有“计算机”这个词、却有其同义词（如“电脑”）的那些文献。所以，用主题词检索就不必进行同义词替换即可查全。 叙词检索的优缺点 叙词检索具有系统占用空间小、检索用词规范、响应速度快等特点。由于用词规范，既可使同类文献主题标引一致，又保证了检索用词与标引的一致，具有较高的查全率和查准率。但是，叙词检索人为地给文献附加叙词，作为检索标识也带来一些问题：首先是需要对文献进行叙词标引。目前机器自动标引技术尚未成熟，而人工标引工作量大、效率低、质量因人而异，致使文献人库慢、信息时效性差、检索效用低；其次是检索操作困难，庞大的叙词表和复杂的组配规则成为检索人员的沉重包袱；再次，新词检索也不尽理想。因此，叙词检