信息检索

网络信息检索

摘要：信息检索是指将信息按一定的方式组织和存储起来，并根据信息用户的信息需求查找所需信息的过程和技术。针对网络信息内容庞杂、分散无序、更新快、不易查络信息检索的方法和技巧，以提高检索效率。搜索引是一种网上信息检索工具，介绍了搜索引擎技术的定义、原理及检索方法，如何使用户获得有用的信息已成为信息检索系统急需解决的问题，文章对目前检索的关键技术进行了归类与分析，并讨论了搜索引擎的发展趋势，通过对网络信息检索一些主要问题的探讨，分析了其现存的一些不足之处以及今后可能的发展方向。不过网络信息检索也存在很多局限性。

关键词：信息检索检索技巧检索方法搜索引擎局限性

随着网络技术尤其是www站点的快速发展和普及，我们所需要的信息绝大部分可以通过Intemet获取，网上海量的信息资源拓展了图书馆的服务模式。图书馆越来越重视对网络信息资源的开发和利用，但是由于网络信息资源内容庞杂、分散无序。那么网络用户如何便捷地找到自己所需的内容呢?那就需掌握好网络信息检索的方法与技巧，以便提高检索的效率与准确率。搜索引擎(Search En．gine)是一种网上信息检索工具，能帮助用户迅速而全面地找到所需要的信息。

1．网络信息检索简介

信息是现代社会的宝贵资源，随着社会的发展进步，信息的价值将不断飚升。正如世界著名未来学家阿尔温·托夫勒预言：“谁掌握了信息，控制了网络，谁就掌握了整个世界。”Intemet是当今世界上规模最大、覆盖面最广、信息资源最丰富、发展最为迅速的信息网络，基于Intemet的网络信息检索的研究，无论对研究人员还是一般用户来说。都有着很强的现实性和实用性。

1．1信息检索概念

信息检索是指将信息按一定的方式组织和存储起来，并根据信息用户的信息需求查找所需信息的过程和技术。人们获取信息源的方式主要有：(1)传统的信息检索方法，通过人工查询在图书馆等提供文献的机构进行文献的查询和获取活动；(2)联机信息检索相对于前者来说具有实时性、完整性、共享性、广泛性等优点；(3)网络信息检索是指通过网络信息检索工具检索存在于Internet信息空间中各种类型的网络信息资源。

1．2网络信息检索的原理

网络信息检索工具是网络信息检索技术的实物体现。目前，常用的网络信息检索模型有布尔逻辑模型、模糊逻辑模型和概率模型等几种方式。

1．2．1布尔逻辑模型：用户可以根据检索项在文档中的布尔逻辑关系提交查询。搜索工具根据事先建立的倒排文档结构确定查询结果。标准的布尔逻辑模型为二元逻辑，所搜索的文档要么与查询相关，要么与查询无关。利用这种模型进行查询，其查询结果一般没有按照内容的相关特性排序。

1．2．2模糊逻辑模型：在查询结果处理中引进了模糊逻辑比较，并且按照相关的优先次序排列查询结果，这样就可以克服布尔逻辑模型信息查询结果的无序性。

1．2．3概率模型：它是基于贝叶斯概率原理而提出的，根据词条、文档间的内在联系．利用词条间和词条与文档间的概率相依性来进行信息检索。

2网络信息检索的特点

2．1网络信息检索的范围不断拓宽

由于Intemet是由分布在全球的各个计算机网络组成的一个“网际网”，它跨越了地域的界限，真正实现了全球化连接，是一个全球性的网络。其信息资源分布在世界各地的服务器上，各类信息资源通过网络互联，实现了全球范围的共享，可供检索的资源包括大量的主页、多种报纸期刊全文、各种组织机构发布的信息以及原始技术报告、各类数据库等，人们可以随时进行文献、数据、图片等资源的检索，以获取所需的信息。网络信息资源分布及服务的全球化，极大地扩展了网络信息检索的空间和范围。

2．2信息检索手段更加容易

随着网络和计算机的普及，信息检索用户逐渐由专业人员向个人用户转移，这就决定了大部分信息检索用户不可能像图书情报专业的专业人员那样熟练地使用主题词、分类号、逻辑组合等严格的专业查询语言来检索网上的信息资源。而互联网良好的“人一机”会话界面、强大的搜索引擎和方便的帮助支持系统，不需要用户花太多时间去学．只要掌握一些简单的检索方法和技巧就可以检索自己需要的信息，使用起来简单、方便。

2．3信息检索的途径更加灵活

网上信息种类繁多，因此用户可以根据需要从多种载体、多种角度进行检索，如可以利用搜索引擎从网站、网页等各种途径检索自己所需的信息。另外，在专门的数据库检索系统中，多提供标题、作者、机构、刊名、关键词等检索途径，用户可以根据需要灵活选择，以提高检索效率。

3信息检索方法

3．1直接到信息源查找

利用域名的命名规则查找信息源的URL。Intemet的域名结构是南若干个由圆点隔开的分量组成的，可简单地表示为计算机名．单位(或机构)．机构所属类别(或区域)名[．国家代码】。如清华大学的域名为WWW．tsinghua．edu．ca。其中机构所属类别有如下规定：edu表示教育机构，net表示网络服务机构，com表示公司企业，gov表示政府部门等。国家代码的规定为：cn表示中国，US表示美国等。

3．2利用搜索引擎查找信息

搜索引擎是一种提供信息检索服务的计算机系统，是互联网产生后派生出的一个为网上用户快速查询信息的新生事物。可以说利用搜索引擎检索信息是Intemet上最重要的一种手段。但要想利用有限的时间和费用，获得有效的查询信息，就必须掌握一定的使用方法与技巧。如可以选择适当的搜索引擎、使用加减号限定查找、使用双引号进行精确查找、明确搜索目标等。

搜索引擎的分类

按照用户查找的途径划分，可将搜索引擎分为如下几种：

①基于关键词的搜索引擎主要通过使用自动采集软件来对网络上的数据进行采集标引，建立成索引数据库。它主要采用自动搜索和标引方式来建立和维护其索引数据库，供用户查询使用。

②基于分类目录的搜索引擎一般依赖于按照某种分类标准进行人工编排的分类体系。

③联合式搜索引擎是基于关键词的搜索引擎的另外一种表现形式，是后者与基于类目的搜索引擎的一种结合。

搜索引擎最常用的检索方法有如下三类：

(1)简单搜索(simple search)：指输入一个单词(关键词)，提交搜索引擎检索后反馈结果，也叫单词搜索．这是最基本的检索方法。

(2)词组搜索(phrase search)：指输入两个单词以上的词组(短语)，提交搜索引擎检索并反馈结果，也叫短语搜索。现有搜索引擎一般都约定把词组或短语放在引号(”’)内。如果查找的是一个词组或多个汉字，最好的办法就是将它们用双引号括起来，这样得到的结果最精确，这就是使用双引号进行精确查找。一般在网页搜索引擎中，用词组搜索来缩小范围从而找到搜索结果是最好的办法。但是，运用词组搜索涉及如何选择一个词组来准确的表达检索问题，有时简单搜索就能奏效。有时则需要输入一个词组才能奏效。故选择合适的词组对提高搜索效率是很重要的。

(3)高级搜索(sdvanced search)：指用布尔逻辑组配方式检索。也叫定制搜索。常用的逻辑运算为AND(与)、OR(或)、NOT(非)，对A、B两词而言，A AND B是指取A和B的公共部分(交集)，AOR B是指取A和B的全部(并集)，A NOT B是指取A中排除B后的部分。其中NOT只作用于一个词，称为一元操作符，其余的作用于二个词，称作二元操作符。A、B本身为多词时，可以用括号分别括起来作为一个逻辑单位。

3．3利用网络新闻组查找信息

新闻组(News Group)，简单地说就是一个基于网络的计算机集合，新闻服务器上存在各种主题的栏目，

内容覆盖社会生活的各方面，在其中的大多数新闻组中，每个人都可以自由地发布信息、提出问题或答复别人的问题，有些组里还有专家主持，解答各种问题。

3．4利用已有网站的导航功能

一些网站精心挑选使用频度高或与其相关的网站以超链接的方式放在其主页上，用来给所有的网络用户提供导航。因此，登陆这些网站也可以帮助我们很好地查询所需的信息。

3．5利用网上数据库查找有用信息

网卜数据库是搜索引擎站点的发展和完善，不同的是：网上数据库的信息有较强的针对性，其信息资源是针对特定的用户而精心挑选的，并且还能针对自己的用户群建设特色库，以提高用户的网上查询效果。如在很多大学图书馆的网站上都有可供读者使用的专题数据库，以及本校的学位论文的全文资料等。

4搜索引擎技术的未来发展趋势

随着互联网用户使用水平的不断提高和搜索引擎技术的不断创新，未来搜索引擎技术的发展趋势呈现个性化、智能化、专业化、多媒体化和综合集成化等特点。

4．1个性化

搜索引擎个性化的核心是跟踪分析用户的搜索行为，充分地利用这些信息来提高用户的搜索效率，这种搜索行为分析技术是一种正在发展的很有前途的搜索引擎人机界面技术。通过搜索行为分析技术提高搜索效率的途径主要有两种：群体行为分析(比如“相关检索”就是这种分析的运用结果)和个性化搜索。群体行为分析是通过对一段时间内用户的大量检索词进行分析，从而得出与某一个检索词的相关信息。个性化搜索是搜索行为分析技术最有前途的方向，它通过积累用户搜索的个性化数据。将使用户的搜索更加精确。

4．2智能化

搜索引擎的智能化体现在两方面。即对搜索请求的理解和对网页内容的分析。其中通过对用户的检索计划、意图和兴趣方向进行推理、预测．为用户提供有效的答案是这种系统的关键技术。自然语言搜索能力也是智能化的一个体现．是目前相对易于开发的技术。智能搜索过程主要由三部分组成：语义理解、知识管理和概念检索。应用智能技术的搜索引擎与传统搜索引擎相比不仅搜索的易用性更好，而且搜索结果的范围定位更加准确，这是由于采用知识(概念)检索技术明确和缩小了搜索范围．减少了对无用信息的搜索。由于智能搜索引擎有综合知识库为背景，知识库中的知识有助于解决表达差异的问题，使得信息检索与导航服务更具有智能性。此外，还可用基于智能代理的信息过滤和个性化服务，以及采用分布式体系结构等技术来提高系统的规模和性能。

4．3专业化

搜索引擎的专业化是为了专门收录某一行业、某一主题或某一地区的信息而建立，非常实用。如商务检索、企业检索、人名检索、电子邮件地址检索和招聘信息检索等，这种专业化的搜索引擎是将来的发展方向。

4．4多媒体化

多媒体搜索引擎是随着宽带技术而发展起来的，未来的互联网是多媒体数据的时代．如何开发可同时查询文字、图像、声音和电影等的搜索引擎是一个新的研究方向。

4．5综合集成化

综合集成化的典型表现是研发与门户网站技术相结合的交叉语言检索技术。作为互联网第一核心技术的门户网站与作为互联网第二核心技术的搜索引擎相结合，可以在技术和经济上互利互助。随着网络的普及，人们对各种类型的信息需求越来越大，只有进一步加强对搜索引擎技术和方法的研究，使其功能更强大、更完善，查阅速度更快捷、服务更人性化，才能满足人们对文献信息的个性化需求。

5．网络信息检索的局限

用户在查找网络信息资源时，网络信息检索工具的优劣很大程度的影响了用户的检索效率。虽然网络

信息检索工具在最近几年有了长足的发展，但是到现在网络信息检索仍然存在着这样或是那样的局限。

5．1文本信息检索的局限

5．1．1网络信息标引的准确度不够

当用户要进行特定的文献检索时．有时还会发现现存的检索工具无济于事．检索出来的数据完全被无用信息所覆盖。如想要通过搜索引擎查询清朝雍正年间李卫任浙江巡抚的资料．你只能够查到大量《李卫当官》之类无用信息。

5．1．2搜索引擎的查全率不高

由于互联网上的信息资源以爆炸性的速度不断增长，搜索引擎采集数据的速度远远落后于信息资源的增长速度。单个搜索引擎的数据库所收集的Web页面大大不足，就是所有的搜索引擎所储存的数据也只占全球Web页面的50％强。

5．1．3搜索引擎的查准率不高

一是返回的信息过多，这是现有搜索引擎检索信息的普遍现象；二是返回重复的信息，搜索引擎的检索结果中还经常重复出现同一信息源的不同部分，甚至出现不同信息源的相同内容信息。

5．2多媒体信息检索的局限

5．2．1检索效果不够理想：目前，几乎所有的多媒体搜索引擎在多媒体信息的查准率方面都不能达到令人满意的程度。用户将在返回的几百个甚至上千个图像中筛选需要的那一幅。这是很费时和令人难以忍受的，而且有时你所用的搜索引擎根本检不出你想要的东西。归其原因。一方面是在于查询方式的单一，另一方面在于对图像的标引深度不够。这就要求完善图像检索和索引机制。

5．2．2用户查询接口单一：理想的多媒体检索系统中，人是主动的，用户的查询接口能提供丰富的交互能力，且直观易用，使用户能够在主动交互过程中通过调整检索参数．这就涉及到如何把用户的提问转换为可以执行检索的特征矢量、交互方式的设计。如何获取用户的内容感知等问题。目前的多媒体搜索引擎用户查询接口比较单一，大多只提供描述查询接口。即关键词提问框。

结语

网络信息检索是一种需要不断探索、不断实践的课题．一次成功的搜索也经常是由好几次搜索组成的，如果对自己所搜索的内容不熟，即使是搜索专家，也不能保证第一次搜索就能找到想要的内容。相信随着计算机技术和信息检索技术的不断提高与改进，图书馆网络信息检索将更快捷、更方便。如何实现Intemet 上个性化的信息搜索是信息检索领域中大家最关注的问题。

参考文献

【l】朱俊卿．搜索引擎Google研究【J】．现代图书情报技术，2002，(1)

【2】赵岩碧．应用科学技术网络数据库检索系统研究明．情报杂志，2003，(1)

【3】丁大可，李树青．试论多媒体信息检索的发展啪．图书馆论坛，2004，(12)

【4】卢晓亮，佘诗武．对网络环境下多媒体信息检索的研究【J】．情报杂志，2005，(9)

【5】谢彬．浅谈网络信息检索技巧[J]．江两图书馆学刊，2008(4)：113-114．

【6】焦玉英，符绍宏，何绍华．信息检索．武汉：武汉大学出版社，2001．