检索技术概念

[TOC]

1.1 什么时候用到信息检索

1.1.1 前沿跟踪

保持在相应领域的与时俱进，因选题需要了解领域动态

解决方案：博览群书

新书
目次推送/信息推送
- 个性化服务
- 需要注册
- E-mail 或 RSS推送
微信

注意事项：

数量少而精
目次推送：重点文献（期刊、会议或专利）
微信关注：重点人物、实验室；信息源的可靠性

大型项目申报前

需求：

短时间把握领域热点
确定领域内的重点文献

解决方案：借助文献分析工具

基于文献计量、引用、聚类
- 重点作者、实验室和机构
- 高被引论文
- 热点论文
- 研究前沿
工具
- 计量分析：数据库
- 引用分析：SCI/ESI, Scopus/SciVal

1.1.2 立项开题

检索工具：

国际联机检索系统
文摘型检索工具
- SCI
- EI
- Inspec
专业性较强的或大型的全文数据库
- IEEE
- Elsevier
- Springer
谷歌/百度学术搜索

检索词：

确定检索主题
- 找出核心关键词
- 分解主题时，应做概念组配
- 深入了解课题内容，挖掘更多核心关键词
扩展检索主题
- 同近义词、下位词和相关词
- 方法：主题词表、数据库测词、阅读综述文献
翻译检索主题
- 最好源自于英文文献
- 可借助翻译工具，但规避中国式英语
- 注意中英表达差异
- 慎用简称（通用的除外，如UAV，ECG，
  HTTP）
将检索主题转换为检索式
- 截词检索、位置算符
- 逻辑运算符
检索字段选择
- 尽量不要使用all fields(所有字段)
- 灵活利用不同的检索字段进行检索

检索策略(检索表达式)=检索词+检索技术

不断调整检索策略，实现最佳检索结果

1.1.3 研发过程

获得科学技术的新知识
创造性地运用科学技术新知识
探索技术的重大改进
开发创新性的产品、工艺和服务

信息需求

具体的技术与方法及其应用
同类产品及其性能、生产工艺等
关注文献中的内容-全文阅读
多种文献类型，如期刊论文、会议
论文、专利、标准等
多种信息来源，文献和网络信息
文献知识与数值数据兼而有之

全文数据库

Elsevier
Springer
Wiley
SPIE
AIAA
IEEE

图书馆馆藏

机构内图书馆
区域性图书馆
国家科技图书文献中心

网络资源

竞争对手网站
各国专利局网站
标准制定机构网站

参考工具书

世界竞争力年鉴
简氏世界铁路
国家预测报告

1.1.4 出版成果

规范写作
评审跟进
查重服务；查收查引服务；查新服务

1.2 信息检索概念

1.2.1 基本概念

广义：指将信息按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的信息过程，故全称：“信息的存储与检索(Information Storage and Retrieval ) 。

狭义：仅指上述过程的后半部分，即从信息集合中找出所需要的信息的过程，相当于人们通常所说的信息查（Information Search)。

1.2.2 检索类型

特定文献检索

目的：找到特定文献的全文

重点：找到收藏该篇文献的来源渠道。

指标检索

目的：查找特定的指标

重点：检索工具

国家标准馆：标准指标的揭示
文摘数据库：EI和INSPEC

https://www.nssi.org.cn/nssi/front/neirongzhibiao.jsp

知识检索

目的：针对检索提问，给出计算后的答案。

重点：检索工具

计算引擎: https://www.wolframalpha.com/
ChatGPT

https://www.wolframalpha.com/

1.2.3 检索技术发展历程

手工检索阶段(1876年-1954年)
脱机批处理检索(1954-1965)
计算机检索：联机检索(1965-1991)
计算机检索：网络化检索(1991-)

1.3 检索技术

检索词（中英文）：表达一个完整概念

一个检索词包括一个或多个汉字（单词)

电动汽车：电动/汽车，电/动/汽/车
Electric vehicle: Electric/vehicle

1.3.1 截词检索

查全率

适用场景：英文单词，单复数、词性的词尾变化、词根相同的词、同一词拼法变异

中文数据库无截词检索

万方截词检索通过通配符实现

截断位置

右截断(后截断，前方一致)
librar*: Library; libraries
中截断(中间屏蔽，词间截断)
Propell?r : Propeller; propellor
左截断(前截断，后方一致）
*ilingual: Bilingual; trilingual

截断字符数量

无限截断
librar* : Library; libraries*
*ilingual: Bilingual; trilingual
有限截断(中间屏蔽，词间截断)
Propell?r : Propeller; propellor

自动截词

以所输入词的词根为基础的所有派生词

用户输入：management
系统检索：managing, managed, manager, manage, manager, managers

注意

不同数据库的截词规则和算符不尽相同
如何截词：将所有单词形式写出来，从不一致的位置开始截取

1.3.2 位置检索

查准率

适用场景：一个检索词包括多个单字或单词

位置算符：通过限制各个检索词之间的相对顺序，提高查准率

用位置算符连接两个单词，两词的相互位置必须符合规定的相邻度才能被命中检出。
位置算符主要用于限定两词间的位置关系
不同的检索系统其位置算符的表示方法不尽相同。

确定性以太网Deterministic Ethernet

如：

Deterministic Real-Time Ethernet；
Deterministic Communication of Ethernet
Deterministic communication using Ethernet
Ethernet based on Deterministic network

1.3.3 短语检索

查准率

固定词组检索

在检索屏幕上选择［短语检索］或者［phrase search］
用双引号（“”）将检索词引起来
精确或模糊短

相关检索中，一般不建议使用短语检索来限定两个词的位置，以免影响查全率。但是，可以用于单个词，避免自动截词的影响，提高查准率

Train

Train, trains, training, trained
“Train” or “Trains”

1.3.4 布尔检索

查准率

应用场景：

同一个提问涉及多个检索词（中英文）
同一个检索词涉及多个单词（英文）

布尔逻辑运算符：在检索过程中用于表达词与词之间的逻辑关系的算符。

逻辑与：AND

A AND B：检索词A和检索词B同时出现在一条记录中。
其作用是缩小检索范围，提高查准率。

逻辑或：OR

A OR B：记录中出现检索词A或检索词B
作用：扩大检索范围，提高查全率

逻辑非：NOT

A NOT B：记录必须包含检索词A但不能包含检索词B

默认优先次序：NOT > AND > OR

( )号里的部分运算优先
(A OR D) AND B
各个数据库的优先顺序都不一样：检索界面上罗列着多个检索框，允许多个逻辑运算符同时运行，可能会出错（数据库操作）
布尔逻辑由词与词之间的关系来确定，不能调整
- 两个不同的概念：AND
- 同近义词：OR
不用NOT，影响查全率
- 排除特定文献，领域内容

1.3.5 字段检索

查全率和查准率

字段

字段（Field）文献数据库：每个字段描述文献的某一特征,多个字段集合组成一条记录。

外部特征：作者、作者机构、基金项目、来源出版物等
内容特征：
- 检索词：标题、关键词和摘要（最常用）；主题（复合字段）
- 代码标识：如：分类号；WOS号
  - CNKI：中图分类号
  - 专利：IPC分类号（推荐）

字段检索

查准率

字段检索：又称为限制检索，通过限制检索词在记录的不同字段位置，来提高检索的查准率。

常用字段：主题（subject, topic等）
复合字段：同时检索多个字段，方便，其复合的字段相关性差异不大
- 一般包括标题、关键词和摘要
- 是否采用，视情况而定
- 慎重使用复合字段，包括all fields(所有字段)
- 了解各个数据库的每一个字段及其含义
  - 关注特色字段（专业的编排方式）
- 标题/关键词/摘要/主题：文献的相关性不一
检索词在标题关键字中检索结果相关性比较大
- 相关性：标题、关键词和摘要(标题>关键词>摘要)

限制符：用于高级检索或专家检索；不同数据库的限制符不尽相同