信息检索技术

《信息检索技术》由会员分享，可在线阅读，更多相关《信息检索技术（6页珍藏版）》请在金锄头文库上搜索。

1、信息检索的濮击炽理亦:点图F文献（图书、期刊、会议、专利、学位论文）为主要检索对象；以各类文摘、题录、和目录 瞒求从用性工具书为可利用的主要检索工具；以图书馆 的参考咨询部门为开展信息检索服务的中心 机构。（2）计算机化检索阶段（脱机批处理检 索时期、联机实时检索时期、联机网络化与多 元化检索时间），主要特点：以各类机读数据仃息集合选样与匹配第一章信息检索概述1, 什么是信息检索？它有哪些主要类型？ 信息检索指将信息按照一定的方式组织和存 储起来，并能根据信息用户的需要找出其中相 关信息的过程。有目的和组织化的信息存取活 动，其中包括“存”和“取”两活动。旧分类方法：文献检索、事实检索、数据检

2、索 新分类方法：文本检索、数值检索、音/视频 检索2, 试分析阐述信息检索的基本原理，信息集 合、需求集合、匹配与选择，信息检索三阶段 及期特点?答：即信息集合与需求集合的匹配与选择。（1）信息集合是指有关某一领域的，经采集、 加工的信息的集合。形成可供用户访问与检索 的对象，在某种意义上说，它是以一种公共知 识结构，它有可能弥补某个特定用户的知识结 构缺陷，即可以向用户提供所需要的知识或信 息，或是获取知识的线索，或者提供某种信息 区激活人脑中存储的知识。（2）需求集合：用 户的信息需求是在社会实践活动中产生的。众 多用户不同形态的信息需求的汇集，就形成了 需求集合的存在。信息需求的产生与满

3、足，是 实施信息检索行为的前提与基础，也是实施信 息检索行为的目的所在。（3）选择与匹配：面 对信息集合与需求集合，如何在两者之间建立 起了解与沟通的桥梁，以便能够从信息集合中 快速获取用户所需要或所缺少的信息与知识 呢？这就需要信息检索提供一种“匹配”机制。 它的主要功能在于：能够把需求集合与信息集 合依据某种相似性标准进行比较与判断，进而 选择出符合用户需要的信息。这里，我们要求 匹配机制至少包括两个要素：一是匹配标准， 即相似性标准；二是执行匹配的动因。3，信息检索主要经历了哪些不同的发展阶段？各阶段有何特点?（1）手工检索阶段，主要特点可以概括为印库为检索对象；各类信息中心，联机服务中

4、心 作为新兴的信息服务部门而存在；信息检索用 户逐渐由专业检索人员（检索中介）向个人终 端用户转移和扩散。（3）网络化检索时期，分 布式存储、分布式检索、分布式处理，检索范 围领域广，传统技术与网络技术的结合，用户 界面友好度，检索效率低。4、名词解释1）文本检索：指以各种自然语言符号系统所 表示的信息作为主要检索对象的信息检索活 动。2）数值检索：针对数值型数据的查询而发展 起来的一类有特色的信息检索。3）音视频检索：针对各种数字化音频与视频 信息而进行查询的一类新兴的信息检索操作。4）信息存储与检索：将信息按照一定的方式 组织和存储起来，并能够根据信息用户的需求 找出其中相关信息的过程。信

5、息检索是一种有 目的和组织化的信息存取活动，其中包括“存” 和“取”两活动。5）文献检索：以文献（包括文献、题目、或全 文）为检索对象的一类信息查询活动，是一种 相关性检索。6）数据检索：以经过选择、整理、鉴定的各种 数据信息的性能参数作为检索对象的一类检 索，是一种确定性检索。7）事实检索：针对从文献中提取出来的各种 事实（或知识项）所进行的检索活动，是一种 确定性检索。第二章信息源1, 如何鉴别高质量的期刊？目前国内外公认的鉴别方式有2种：核心期刊 和同行评审期刊。（1）核心期刊：指的是刊载某一学科或专业 有关的信息较多，且学术水平较高，能够反映 该学科最新成果和前沿动态，受到该专业读者

6、特别关注并成为检索与阅读首选的那些期刊。（2）同行评审期刊：它是国内外高水平期刊 对来搞评审普遍采用的方式。具体做法是：整 理将文稿寄交编辑部并经初审合格后，为了审 查论文的学术质量需要将论文稿送交有关专 家（即同行）进行评审。2，我国出版的专利文献有哪些？ 目前我国出版的专利文献主要包括专利说明 书、专利公报、专利索引等。既有一次文献， 也有二次文献，他们是：（1）发明专利公报、实用新型专利公 报和外观设计专利公报（每周一次）； （2）发明专利申请公开说明书，发明 专利申请审定说明书 及实用新型专利申 请说明书。（3）专利年度索引； 3，书目数据库的特点是：信息密度高，文献 报道范围广，数据

7、量大，连续性和积累性强； 数据结构简单，记录格式较为固定，费用低廉； 检索途经多，速度快；更新周期较长。 4，全文数据库的特点：可直接利用；简化数 据库标引和建库工作；避免了文献二次加工中 的人为差错；后处理能力强。5，名词解释： 1）电子信息源：指以数字化形式（即二进制 码）将文字、图像、声音、动画等存储在光、 磁等存储介质上，并能通过计算机、通信设备 再现出来的信息资源。用于信息检索的机读数 据库和网络信息源是目前 2 类最重要的电子 信息源。2）书目数据库：是一种专门存储二次文献信 息的数据集合，亦称二次文献数据库，通常收 录有关主题领域的各中书目信息，包括文摘、 题录、目录等，以向用户

8、提供文献信息，指引 用户查找、使用原文献，包括文摘索引数据库 和图书馆目录数据库。3）文摘索引数据库主要是简要地通报有关领 域某一时期发表的文献，供人们查阅与检索。4）全文数据库:是一种源数据库，主要存储文 献全文或其中的主要部分。它可以包括题名、 著者、摘要、关键词、正文、参考文献和著作 日期在内的数据全部收入数据库，供用户查询 利用。5）网络信息资源：是指以电子数据的形式将 文本、图像、声音、动画等多种形式的信息存 放在光磁等非印刷型载体的介质中，并通过网 络通信、计算机或终端等方式再现出来的电子 信息源。6）机读数据库：为了整理检索工具而输入计 算机中的文献，进行组织和排序。这些有序化

9、的数据经过日积月累就形成了机读数据库。7）图书馆书目数据库：又称“机读目录”。机 读目录主要报道和存储特定图书馆实际收藏 的各种文献资料的书目信息和存储位置。既是 图书馆业务部门的业务管理工具也是一般用 户查找图书馆馆藏资料的工具。8）OPAC检索系统：全称为 online public access catalogue system 即公共联机书目查询系统， 是利用计算机终端来查询基于图书馆局域内 的馆藏数据资源的一种检索方式，即通过联机 查询为用户提供馆藏文献的线索。第三章 信息检索系统 1，一个通用信息检索系统的基本结构如何？ 它主要有那些主要模块构成？（2大功能 6个 模块） P412

10、 大功能：信息存储、信息查询6 个模块：信息采集、信息标引、创建与更新 数据库、用户界面、提问处理与检索匹配、知 识组织工具。以中间的虚点竖线为界，信息检索处理过程被 分解为信息存储和信息查询两个部分，其中， 信息存储部分包括信息采集，信息标引处理， 创建与跟新数据库及索引文档等多个处理模 块，这样最终就以数据库的形式完成了信息的 收集、加工（标引）和存储任务；信息查询部 分则通过用户界面，提问处理，检索匹配等一 系列功能模块的配合，以人机对话方式完成用 户对系统的访问和信息查询的功能；而中间的 知识组织工具模块，则同时与信息存储和信息 查询的多个模块相关联，以便它们之间建立一 种沟通和协调，

11、进而使全部功能模块相互了解 形成一个有机的整体。2, 什么是标引深度和标引的专指度？ 标引深度：又称标引的网罗度，是衡量标引详 尽性的指标，其含义是标引词对数据库每条记 录各方面内容表达和识别的详尽程度。 标引的专指度：是用于衡量标引词对信息记录 特定内容描述的精细程度。3，什么是自动标引？ 自动标引：通过利用计 算机对标引特征的出现频率、出现位置、提问 频率等进行统计，进而采用一定的加权策略来 实现，主要分为自动抽词标识和自动赋词标 识。自动抽词标引：是指利用计算机直接从文 献的题名、文摘或正文中抽取关键词来标识文 献内容，并自动生成关键词索引文档（或倒排 文档）。自动赋词标引：让计算机模仿

12、标引员 的赋词标引方法，通过分析文献内容，从词表 中选取与文献主题相符或密切相关的词语符 号做索引词。4，何谓文档？主文档与倒排文档。文档是按 一定结构组织的若干逻辑记录构成的信息集 合。是数据库数据组织的基本形式，作为一个 处理单位存储在介质上；分为主文档（顺序文 档）和倒排文档，随机文档。顺序文档：是文档在计算机存储器中的一种存 放形式，文档中的全部记录按顺序一个接一个 地存放，记录的物理位置通常按照存取号由小 到大排列，记录之间的逻辑顺序与物理顺序一 致。倒排文档：是把数据库检索中的一切可检索字 段或属性值（主题词、著作名、自由词、出版 年）抽出来，作为索引标识，按某种顺序重新 加以组织

13、后得到的一种文档。5，什么是精确匹配？什么是局部匹配？ 精确匹配：是指要求结果记录（标识）中包含 的需求模式必须与提问式所表达的模式完全 匹配，才能作为命中结果输出。局部匹配：是 指要求结果记录（标识）中包含的需求模式与 提问式所表达的模式部分匹配，即为命中。6. 记录：是作为一个单位来处理的有关数据的 集合，是对某一实体的属性进行描述的结果。 字段：是记录的下级数据单位，用来描述实体 的某一属性 7，信息检索系统的物理结构有哪些优缺点？ 1）集中式检索系统：是资源在空间上集中配 置的系统，单机检索系统是典型的集中式系 统，它将软件、数据和主要外部设备集中在一 套计算机系统之中。优点：信息资源

14、集中，便 于管理，资源利用率高；专业人员相对集中， 有利于发挥其作用。缺点：维护代价大，系统 的安全性差，一旦主机出现故障，可能导致整 个系统的瘫痪。2）分布式检索系统：是指通过计算机网络把 分布在不同地点的计算机硬件、软件、数据库 等设备和资源了解在一起，以服务于一个共同 的系统目标而实现的相互通信、互操作的资源 共享的系统。优点：可根据用户应用需求来配 置资源，提高系统对用户检索需求和环境变化 的应变能力，且便于扩展，具有较强的健壮性， 在网络上某一节点的故障不会以其他节点系 统的工作。缺点：越来越多的检索系统寻求基 于分布式协作工作模式的检索服务解决方案。 第四章1，截词检索主要有哪些类

15、型？ 截词检索预防漏检提高查全率的一种常用检 索技术。作为一种后控制措施，目前大多数检 索都提供有截词检索能力。截词检索有多种不 同方式，按照截词的位置来分，截词右有后截 断、前截断、中截断三种类型；按照截断的字 符数量来分，可分为有限截断、无限截断两种 类型。例如：后截词检索：具有隐含的“逻辑 或”（OR）运算特性2,位置算符（nW）和（nN）的运算含义分别是 什么？（1）（nW）在检索式中nw所连接的两个检 索词必须在文本信息中按照前后顺序紧挨着 出现，两个检索词之间的相互距离不超过n 个单词（或汉字）。（2）（nN）在检索式中nN所连接的两个检索 词必须在文本信息中紧挨着出现，两个检索词

16、 之间的相互距离不超过n个单词（或汉字）4, 聚类检索的基本算法思想是什么？实施过程：（1）文档聚类（2）聚类检索，2 个步骤，P71;聚类检索的实施，首先要以系统 中的文献聚类处理为基础。而文献聚类，则是 指针对系统中的全部文献向量，使用一定的相 似性（或相异性）度量指标和聚类方法，计算 出文献与文献之间的相似度，并把相似度较高 的文献聚集在一起，形成一个个的文献类目， 进而生成文献的聚类文档（cluster file）。聚类 检索针对文献的聚类文档进行，只需在已经确 定的、与提问向量最相关的文献类目内部进行 访问匹配5, 目前常见的布尔检索式的变换处理方法有 哪些？有何特点?常见的有逆波兰变换法、准波兰变换法、范式 变换法。逆波兰变换法：投入使用最早，影响最大主要 的处理思想是：