第1章 信息检索基础

第1章 信息检索基础

1.1 有关信息检索的一些概念

1.2信息检索的类型及特点

1.3信息检索的基本步骤

1.4检索工具

1.5 检索语言

1.6 信息检索的发展趋势

2008-6-27 3

1.1.1信息、文献、知识

1.信息的定义、特征和分类

信息的定义

信息是所有事物的存在方式和运动状态的反映，是

频率变化的一种感知，并且总是借助于一定的物质载

体传输和存储（或者说信息是指消息接受者来说预先不

知道的报道）。对于这个定义可以从两个方面理解：其

一，客观世界中不同的事物是千差万别的，呈现出不同

的状态和特征，从而在人们认识的过程中形成不同的信

息。其二，人们感知外部世界，通常是通过声频或视频

的变化而产生的，正如我们能听到雷鸣，鼓乐，能看到

闪电，图像…

2008-6-27 4

2.信息的特征

（1）传递性

（2）时效性

（3）共享性

（4）客观性

其他的特性还有开发性、存储性、价值的

不定性、变换性、可伪性等。

2008-6-27 5

信息的分类

（1）以存在环境为依据分为：

• 自然信息

• 生物信息

• 机器信息（自动控制系统)

• （人类)社会信息。

（2）以认识主体为依据分为：

• 客观信息，是指对事物不加判断的如实和公正的报

道，即关于认识对象的信息。

• 主观信息，一般是依据事实和分析，阐明个人对论题

的观点和见解，是经过思维主体加工的信息。

2008-6-27 6

（3）以信息的逻辑意义和利害关系划分：

• 有益信息：对社会发展有积极作用的、能够消

除人们对未知事物不确定性的信息，它是人类

社会的资源和财富。

• 无用信息：指对信息使用者所从事的某种活动

没有作用的、多余的信息。

• 有害信息：指对社会发展和信息用户有消极和

阻碍作用的不真实或庸俗、媚俗的信息，主要

有虚假信息和信息等。

2

2008-6-27 7

（4）按信息表现形式划分为：

• 文字信息

• 图像信息

• 数值数据信息

• 语音信息

（5）按信息的媒体形式分为：

• 文本信息，按线性顺序排列的，阅读时，人们跟随文本的线性流

向吸收其中的知识单元。

• 超文本信息，按知识单元及其关系建立的知识结构网络。其数据

库由结点和链路组成，查阅超文本信息时，以知识片段及其关系

作为追踪、检索的依据。

• 多媒体信息，多媒体是包括文本、图像和声音在内的各种信息表

达或传播形式的总称。多媒体信息系统能针对用户的需求提供各

种形式的信息。

• 超媒体信息，是指通过计算机控制，把各种文献载体和各种内容

综合为一个整体，从而向读者提供各种形式和各种内容的资料。

超媒体是超文本与多媒体两种技术的结合，即在信息浏览环境下

超文本的信息管理方式与多媒体的信息表现方法结合在一起时，

就称为超媒体。

2008-6-27 8

2.知识的定义和分类

知识的定义

• 知识，是人类对于客观世界的认识。在这里，

知识作广义的理解，包括消息、情况、事实、

数据。知识可分为理性知识和感性知识。理性

知识，是对客观事物的本质和规律性的认识，

是经过思维、逻辑加工的知识，构成知识体

系；感性知识，是对客观事物的描述和对现象、

事实的感知，是未经逻辑加工的知识。

2008-6-27 9

知识的分类

知识按不同标准可作如下分类：

• （1）依照反映对象的深刻性和系统性程度，知识分为

生活常识和科学知识；

• （2）按知识的成熟程度，分为经验知识、理论知识。

• （3）按领域：哲学知识、社会科学知识和自然科学知

识；

• （4）按用途：科学知识、技术知识、文化知识；

• （5）按水平：低级知识、中级知识和高级知识；

• （6）按性质，普通知识、专业知识；

• （7）按载体：隐性知识、显性知识。

2008-6-27 10

3.文献的定义和分类：

文献的定义

• 文献是记录有知识和信息的一切载体，是固化

在载体（纸张、光盘）上的知识。文献是物化

的精神产品，或者说，文献是知识信息的物化

形态。其中，信息内容是文献的知识内核，载

体材料是文献的存在形式和外壳，而符号系统

和记录方式则是二者联系的桥梁和纽带。这4

个要素相互联系就构成了文献的四维框架结构。

2008-6-27 11

文献的分类

根据其内容性质和加工程度的不同，文献可分为以下四个级别：

• （1）零次文献：未经出版发行的文献，包括手稿、个人通信、原

始记录等。

• （2）一次文献：首次出版的各种文献，也称原始文献。如期刊论

文、科技报告、会议论文、专利说明书等。一次文献是以科研生

产活动的第一手成果为依据而创作的文献，内容丰富，参考价值

大，是我们利用的主要对象。

• （3）二次文献：报道和查找一次文献的检索书刊，如各种目录、

题录和文摘等。二次文献是图书情报工作者在大量收集原始文献

的基础上，经过分析、归纳、重组后出版的。二次文献是一次文

献的集约化、有序化的再次出版，是贮藏、利用一次文献的主要

的、科学的途径。

• （4）三次文献：利用二次文献提供的线索，选用大量一次文献的

内容，经综合、分析和评述再度出版的文献，如各种述评、进展

报告、动态综述、手册、年鉴和百科全书等。我们使用的各种教

科书也属三次文献。

2008-6-27 12

文献按存储载体可分为：

• （1）印刷型：通过铅印、油印和胶印等手段，将知识固化在纸张

上的一类文献。例如，图书、期刊以及各种印刷资料。这是一种

有着悠久历史的传统文献形式，至今仍广为应用。它的主要优点

是便于阅读和流传，缺点是体积大，信息密度低。以纸张为存储

介质，用印刷技术出版。如：书、刊等。

• （2）缩微型：以印刷型文献为母本，采用光学摄影技术，把文献

的影像固化在感光材料上的一类文献。常见的缩微型文献有缩微

平片和缩微胶卷两种。这种文献的优点是体积小，信息密度高，

缺点是阅读必须借助阅读机或利用缩微复印机。

• （3）声像型：这是一种非文字形式的文献。常见的有各种视听资

料，如唱片、录音带、电影胶片、激光声视盘（CD-ROM）、幻

灯片等。这类文献记录声音和图像，通过唱机、录音机、录像机、

放影机和投影机等予以重现，可以使人闻其声、观其形。

• （4）机读型：这是近年来由于计算机的广泛应用而产生的一种新

文献。常见的是各种已录有内容的磁带、磁盘和光盘。这种文献

的存贮、阅读和查找利用都须通过计算机才能进行，所以既有信

息量大、查找迅速的优点，又有设备昂贵、使用费用高的缺点。

3

2008-6-27 13

按出版方式，文献可分为：

• 图书 Book：对已有的研究成果或生产经验作概括论述。

• 期刊Periodical：特点：名称固定，定期出版、并计划无限期出

版；出版周期短、报道快；数量大、内容丰富。

• 报纸Newspaper：出版周期最短的定期连续出版物。特点：内容

新、涉及面广，读者最多，影响面广。

• 专利文献Patent Literature：纪录有关发明创造信息的文献。一

般分为国际标准、地区标准、国家标准、行业标准、企业标准。

• 会议文献Conference Literature ：在各种会议上宣读和交流的

论文、报告和其他有关资料。

• 科技报告Scientific & Technical Report：对科学技术研究结果

的报告或研究进展的纪录。目的：向上级主管部门汇报。

• 学位论文Dissertation for Academic Degree：作者为获取某

种学位而撰写的科学论文。硕士博士论文具有较高的参考价值；

• 政府出版物Government Publication：各国政府部门及其所属

机构颁布和出版的文献资料。

• 产品样品资料Product Sample Book：厂商为向用户宣传和推销

其产品而印发的介绍产品情况的文献。如：水利水电出版社教材

目录与简介。

• 此外档案ArchivesRecords、Music Score、Map等都是文献家

族中的重要成员。

2008-6-27 14

4.信息、文献、知识三者的关系：

三者之间的联系：

（1）信息概念不仅包括人与人之间的消息的交换，而且

还包括人机之间、机器与机器之间的消息交换，以及

动、植物界信号的交换。

（2）知识是人类通过加工吸收信息，对自然界、人类社

会以及思维方式与运动规律的认识与掌握，是人的大

脑通过思维重新组合的系统化信息的集合。

三者之间转换：

（1）物质运动发出信息；

（2）信息经人脑加工变成知识；

（3）知识被记录形成文献、被传递成为情报；

2008-6-27 15

1.1.2信息检索的定义和分类

信息检索：简单地说就是将信息按照一定的方式组织和存

储起来，并根据信息用户的需要找出有关信息的过程。

信息检索的类型，按检索手段分为：

• （1）手工检索（简称手检）：例：以前到图书馆使用卡片目录找

书。

• （2）计算机检索（简称机检）：又分为几个阶段：脱机信息检索、

联机信息检索、光盘信息检索、网络信息检索。

按信息检索手段划分：

• （1）传统信息检索：就是手工信息检索，是利用各种印刷型检索

工具来查找文献的一种方法。

• （2）现代信息检索：现代信息检索即计算机信息检索，是指利用

计算机和网络来处理和查找文献信息的检索方式。

2008-6-27 16

1.1.3 信息检索的几个技术指标

（1）检索的方便性

（2）收录全面性

（3）检索效率。

• 检索效率主要用查全率和查准率两个指标来衡

量。

（4）报导及时性

2008-6-27 17

1.2信息检索的类型及特点

1.2.1 手工信息检索

• 以人工方式查找和提供情报的系统。其特点是

人直接参与检索过程。所使用的情报检索工具

包括书本式目录、文摘、索引以及各种卡片

（穿孔卡片、元词卡片）。手工信息检索具有

操作简单、费用低廉、查准率高等优点，但耗

时较多效率低。随着计算机的普及，手工信息

已逐渐被计算机信息检索所代替。

2008-6-27 18

1.2.2 脱机信息检索

以批处理方式进行的脱机检索，即检索只能在检

索系统所在地进行，由检索人员定期将用户课题

汇总，批量输入计算机，用户不能参与检索过

程，不能即时浏览检索结果，修改检索方案，即

不能人机对话。

脱机检索所存在的几点不足表现在：

• （1）地理上的障碍，指用户与检索人员距离较远时，

不便于检索要求的表达，也不便于检索结果的获取。

• （2）时间上的迟滞，指检索人员定期检索，用户不能

及时获取所需信息。

• （3）封闭式的检索，指检索策略一经检索人员输入系

统就不能更改，更不能依据机检应答来修改检索式。

4

2008-6-27 19

1.2.3 联机信息检索

建立在计算机联机处理方式上的信息检

索，即检索者通过检索终端和通信线路直

接查寻检索系统数据库的计算机检索方式。

用户采用终端并通过通信线路，以与检索

系统对话的方式直接访问数据库，进行存

储、检索、打印、修改数据等处理。

2008-6-27 20

1.2.4 光盘信息检索

光盘检索具有储量极大而体积微小，要求

设备简单，可随地安装，使用方便、易于

操作，检索费用低（不需要昂贵的联机检

索通讯费用），因可随时修改检索策略而

具有很高的查全率和查准率等优点

2008-6-27 21

1.2.5 网络信息检索

（1）交互式作业方式

（2）用户透明度

（3）信息检索空间的拓宽

（4）友好的用户界面

2008-6-27 22

1.3信息检索的基本步骤

1课题分析，明确检索范围

2选择检索系统和检索工具

3确定检索点和检索途径

4构造检索式

5选定检索方法

6索取原始文献

2008-6-27 23

1.4检索工具

1.4.1 检索工具概念及作用

• 检索工具泛指查找信息所使用的一切工具和设

备，包括检索工具书、穿孔卡片、电子计算机

等。

• 检索工具的作用：

1）报道作用

2）存储作用

3）检索作用。

2008-6-27 24

1.4.2 检索工具基本类型

按照信息加工的手段或设备划分：

（1）手工检索工具；（2）机械检索工具；（3）计算机检索工具。

按照信息载体形态划分：

（1）书本式检索工具，包括期刊式、单卷式和附录式；

（2）卡片式检索工具；

（3）缩微式检索工具；

（4）磁性材料式检索工具。

按收录范围划分：

（1）综合性检索工具；（2）专科性检索工具；

（3）专题性检索工具；（4）全面性检索工具；

（5）单一性检索工具。

按时间范围划分：

（1）预告性检索工具；（2）现期通报性检索工具；

（3）回溯性检索工具。

按编制方法划分：目录、文摘和索引等。

5

2008-6-27 25

1.5 检索语言

定义

• 检索语言是保证和检索一致的一种共同性的人

工语言，它把文献的存储与检索联系起来，使

文献的标引者和检索者取得共同理解，从而实

现检索。检索语言是应文献信息的加工、存贮

和检索的共同需要而编制的专门语言，它是表

达概括文献信息内容和检索课题内容的概念及

其相互关系的一种概念标识系统。

2008-6-27 26

1.5.2 检索语言的类型

（1）分类语言。

• 所谓分类，是按事物的性质将客观事物加以区

别，并按逻辑顺序将其排列，用以区别事物，

认识事物的一种方法。以文献为对象的分类，

即为文献分类。

• 目前，我国社会科学文献的分类与检索，主要

根据三种分类语言，即《中国图书馆图书分类

法》（简称《中图法》）、《中国人民大学图

书馆图书分类法》（简称《人大法》）和《科

学院图书馆图书分类法》（简称《科图法》）

2008-6-27 27

（2）主题语言

① 标题词语言。是从文献的题目和内容中抽出来，经过规范化处理

的主题语言。从标题词作为文献信息内容的标引标识和检索标识。标

题词一般分为主标题和副标题，词表中按级一一列举各级标题，把主

标题和副标题加以组配，作为标引和检索使用中的依据；

② 叙词语言。是以表达文献主题内容的概念单元为基础，经过规范

化处理，可以进行逻辑组配的一种主语语言。以规范化的标引词形成

词表，各词独立，标引时根据需要进行组配，可表达文献内容方面的

复杂概念，属后组配式，适用于机检和手检；

③ 关键词语言。直接从文献信息的标题、摘要或内容本身抽取出来

的用于揭示信息主题内容的自由词。是一种无词表的自然语言。关键

词选自文献的题目和内容，属于非规范的后组配式；

④ 单元词语言。以文献中的单元词表达文献信息的内容性质，一般

无词表。单元词是文献内容中最基本的不能再加复分的知识单元，单

元词之间可以进行组配，属后组配式；

⑤ 引文语言。利用文献的引文关系而建立的一种自然语言，无词

表，标引词为文献中的主要著录项目，属后组配式。

2008-6-27 28

1.6 信息检索的发展趋势

1.6.1 信息检索的最新技术

• 1.推技术

• 2.集合数据挖掘技术

• 3.自然语言理解技术

• 4.人机交互界面技术

2008-6-27 29

1.6.2 新一代信息检索的特点

智能化搜索

个性化搜索

结构化搜索

垂直化专业领域搜索

本土化的搜索__