一罐可乐

1.1 信息社会与信息环境#

要想深入理解信息检索，首先要明确信息、知识与文献这几个核心概念。

• 信息 (Information)：是物质存在的一种方式或运动状态。在控制论中，维纳认为信息是人与外部世界交换内容的名称；在信息论中，申农指出信息是“用来消除不确定性的东西”。信息具有客观性、普遍性、时效性、传递性、共享性和增值性等特征。
• 知识 (Knowledge)：是信息被人脑接收并经理性加工后，形成的系统化成果。知识可分为显性知识（易于编码和传播，如专利、论文）和隐性知识（基于个人经验，难以公式化，如技术诀窍）。
• 文献 (Document)：是记录有知识的一切载体。信息、知识与文献的关系可以概括为：信息通过人脑加工变成知识，知识被记录在载体上形成文献。
• 信息源：包括个人信息源（口头交流，具及时性和主观性）、实物信息源（直观真实但零散）和文献信息源（系统稳定，是科学传播的主要手段）。

随着信息技术的发展，我们步入了信息社会。当前的信息环境呈现出诸多新特征：

• 信息超载：信息呈爆炸式增长，人们难以消化。
• 信息失衡：“马太效应”导致信息富国与穷国的两极分化。
• 信息污染：虚假、有害等不良信息充斥网络。
• 信息障碍与信息犯罪日益严重。

为此，我们需要通过政策法规、技术手段和信息教育来净化环境并提升个人的信息素质。

1.2 信息素质#

信息素质 (Information Literacy)是指人们敏锐察觉信息需求，并能对信息进行检索、评价和有效利用的能力。大学生的信息素质要求主要体现在五个方面：明确信息需求、高效获取信息、客观评价信息、有效利用信息以及遵守信息道德。 信息素质的核心构成包括：信息意识（对信息的敏感度）、信息能力（查询、获取与处理能力）以及信息道德（遵循的法律与伦理规范）。

1.3 信息资源的构成#

为了更好地进行检索，我们需要了解信息资源的构成方式，其核心分类如下：

1. 按载体形式分：
   • 印刷型文献：纸质文献，便于阅读但存储密度低。
   • 缩微型文献：如胶卷，存储密度高。
   • 声像型文献：录音录像等直观多媒体。
   • 机读型文献：即数字信息资源，如光盘、网络数据库，存取快且密度高。
2. 按加工程度分：
   • 零次文献：未经公开发表的灰色文献（如手稿、笔记）。
   • 一次文献：原始研究成果（如期刊论文、专著、专利）。
   • 二次文献：对一次文献加工整理的检索工具（如目录、题录、文摘、索引）。
   • 三次文献：在二次文献基础上深度分析的参考性文献（如综述、百科全书）。
3. 按出版形式分：图书、期刊、报纸、学位论文、会议文献、专利文献、标准文献、科技报告等。

1.4 信息资源的特征#

• 传统信息资源：数量大、增长快；分布既集中又分散；时效性强；内容交叉重复；载体与语种日益增多。
• 网络信息资源：数量巨大且来源广；缺乏组织，分散无序；更新快且信息污染严重；形式多样但质量参差不齐。

【复习思考题 - 第 1 章】

1. 信息、知识与文献三者之间存在怎样的演化关系？
2. 按照加工程度划分，文献分为哪四个层级？它们在检索中各有什么作用？
3. 当代信息环境存在哪些主要问题？我们应如何提升自身的信息素质以应对这些挑战？

2.1 信息检索的概念及类型#

• 信息检索 (Information Retrieval)：狭义上指从信息集合中查找特定信息的过程；广义上包括信息存储与检索两个互逆的过程。其实质是将用户的“提问特征”与系统的“检索标识”进行匹配。
• 按检索内容划分，可分为：文献型检索（查线索或全文）、事实型检索（查特定客观事实如人物、事件）和数据型检索（查数值或图表）。
• 按系统组织方式划分，可分为：全文检索、超文本检索（非线性的网状关联）和超媒体检索。

2.2 检索途径与检索语言#

为了准确匹配信息，我们需要依赖特定的途径和人工编制的语言。

• 检索途径：
  • 外部特征途径：通过题名、著者（个人或团体）、代码（专利号、ISBN 等）进行检索。
  • 内容特征途径：通过分类途径（按学科体系查找，适合族性检索）和主题途径（按具体讨论的主题词查找，直接且精确）进行检索。
• 检索语言：专供信息存储和检索使用的人工语言，用于沟通系统与用户。主要分为分类语言（表达学科体系）和主题语言（规范化的主题词汇）。

2.3 检索系统与检索方法#

• 检索系统：是信息记录的有序集合。按照著录格式，可分为目录、题录（提供线索）、文摘（附带摘要）、索引和全文检索系统。
• 检索方法主要包括：
  • 常用法：利用检索工具查找，分为顺查法（由远及近）、倒查法（由近及远）和抽查法（针对核心年代）。
  • 引文法（追溯法）：利用文献后附的参考文献进行追踪。
  • 综合法：结合常用法和引文法进行全面检索。

2.4 检索技术与检索效果#

• 常见检索技术：
  • 布尔逻辑检索：使用 AND (与，缩小范围)、OR (或，扩大范围)、NOT (非，排除) 进行组配。
  • 截词检索：利用通配符（如 * 或 ?）检索词根相同的一类词，可防止漏检。
  • 邻近检索 (位置检索)：规定检索词在文中的相对位置要求。
  • 字段限制检索：将检索词限定在特定字段（如仅在“题名”或“摘要”中匹配）。
• 检索效果的评价指标：
  • 查全率 (Recall)：检出的相关文献量 / 系统中总的相关文献量。
  • 查准率 (Precision)：检出的相关文献量 / 检出的文献总量。 两者呈反比关系。此外还有漏检率和误检率。

2.5 检索步骤与检索策略#

一个完整的检索流程如下：

1. 分析课题：明确目的，提炼核心概念。
2. 选择检索系统和数据库：根据学科和文献类型挑选。
3. 确定检索词并构建检索式：利用布尔逻辑、截词等技术。
4. 调整检索策略：若查全率低，则用 OR 扩展或截词；若查准率低，则用 AND 限制或字段限定。
5. 输出并评估结果。

【复习思考题 - 第 2 章】

1. 简述信息检索的实质是什么？
2. 查全率与查准率之间有何关系？如何通过调整检索式来提高查准率？
3. 比较“分类途径”与“主题途径”的异同与适用场景。

3.1 图书馆馆藏资源#

图书馆馆藏资源主要分为两类：

• 馆藏实体资源：图书馆物理上拥有的资源，如印刷文献、缩微资料、声像资料、光盘文献及本地服务器上的数据库资源。
• 馆藏网络虚拟资源：图书馆不具有所有权但拥有使用权的资源，即通过网络使用的外部电子信息资源。

3.2 图书的整序及查检方法#

• 图书整序：图书馆依据图书分类法对藏书进行整序。图书按**索书号（分类号 + 书次号）**排架，先按分类号排序，相同分类号再按书次号排序。
• 查检方法：普遍采用 OPAC (联机公共查询目录) 系统。读者可以通过 OPAC 进行馆藏书目简单检索、全文检索、多字段检索，还可以获取新书通报、管理“我的图书馆”、预约图书以及续借图书。

3.3 图书馆的服务#

现代图书馆除了传统的外借和阅览服务外，还提供：

• 网络信息资源服务与信息咨询服务。
• 文献检索与文献传递服务。
• 定题服务与信息推送服务。
• 科技查新服务、用户辅导及文献复制打印等。

3.4 数字图书馆#

数字图书馆 (Digital Library) 是用数字技术处理和存储各种图文并茂文献的分布式信息系统，是一个“没有围墙的虚拟图书馆”。

• 特征：信息资源数字化、信息组织网状化、信息传播网络化、信息资源共享化、信息检索智能化、信息服务个性化。
• 功能：包括内容获取与创建、存储与管理、访问查询、权限管理和信息发布。此外还具备网络资源连接、联机书目查询、电子出版物利用等功能。
• 我国主要的数字图书馆：
  • CALIS (中国高等教育文献保障体系)：包含 e 读学术搜索、外文期刊网等，支持馆际互借。
  • NSTL (国家科技图书文献中心)：提供丰富的外文科技文献和开放获取资源。

【复习思考题 - 第 3 章】

1. 什么是 OPAC？它能为读者提供哪些主要功能？
2. 数字图书馆相较于传统图书馆，具有哪些显著的特征？
3. 简述索书号的构成及其在图书馆排架中的作用。

4.1 中国知网 (CNKI)#

中国知网 (CNKI) 是国内最权威的综合性文献数据库之一。

• 主要资源：《中国学术期刊（网络版）》、博士/硕士学位论文全文数据库、重要会议论文、重要报纸等。
• 检索功能：
  • 文献检索：支持中外文混检和跨库检索。
  • 知识元检索：支持对概念、方法、统计数据等知识单元的检索。
  • 引文检索：追踪文献的被引情况。
• 结果处理：可对检索结果进行分组筛选、显示节点文献（分析文献的引证关系）以及全文下载。

4.2 万方数据知识服务平台#

万方数据 (Wanfang Data) 同样是国内重要的学术资源平台。

• 主要资源：涵盖学位论文、学术期刊、会议论文、外文文献、中外专利、标准、科技成果等。
• 检索功能：提供直接检索、跨库检索、高级检索、经典检索和专业检索。
• 结果显示：检索结果可按相关度、出版时间、被引次数排序，并支持按学科、年份等进行分组筛选。

4.3 维普期刊资源整合服务平台#

维普资讯 (VIP) 侧重于科技类期刊文献。

• 主要资源：《中文科技期刊数据库》（含引文版）、《外文科技期刊数据库》以及中国科技经济新闻数据库等。
• 特色：以收录自然科学和工程技术领域的中文学术期刊见长，提供灵活的检索与文献分析功能。

(注：部分数据库的使用和高级功能需根据各平台具体更新情况而定。)

【复习思考题 - 第 4 章】

1. 列举中国知网(CNKI)的三种主要检索入口，并简述“引文检索”的作用。
2. 比较 CNKI、万方和维普三大中文数据库在资源侧重点上的异同。
3. 简述在大型数据库中，如何通过“分组筛选”功能快速定位所需文献。

5.1 电子图书 (eBooks)#

常用的外文电子图书数据库包括：

• EBSCO eBook Collection（原 NetLibrary）：全球最大的电子图书提供商之一。
• Ebrary：覆盖商业、社科、科技等多个领域，由三大著名出版公司组建。
• Safari：主要由著名的 IT 出版商 O’Reilly 和 Pearson 联合推出，全面覆盖 IT 技术学科。
• Springer与John Wiley：全球著名的专业科技出版商，提供各自出版的权威电子图书。
• 不列颠百科全书 (Encyclopedia Britannica)：享誉世界的学术性综合百科全书。

5.2 电子期刊 (eJournals)#

外文电子期刊是获取最新国际科研成果的核心：

• Elsevier SDOS (ScienceDirect)：全球最大的科技文献出版商，是全学科的全文数据库。
• Springer Link：全球第二大学术期刊出版社，涵盖 STM (自然科学、工程技术和医学) 领域。
• EBSCO (ASP+BSP)：ASP (学术期刊精华) 偏向综合性，BSP (商业资源精华) 是最常用的商业研究数据库。
• Wiley-Blackwell：在化学、生命科学、医学和材料学等领域的学术文献极具权威性。
• Emerald：世界最大的管理学期刊出版社之一。
• IEL (IEEE/IEE Electronic Library)：电机、电子、计算机科学与通信领域的权威数据库。
• 综合顶级期刊：《Science》周刊与《Nature》杂志，代表了全球科技领域最重要的突破。

5.3 国外学位论文#

• ProQuest：世界上最大、最完备的优秀博硕士论文全文数据库，涵盖北美地区大部分高校。
• NDLTD (网络博士、硕士论文数字图书馆)：支持全球范围内电子论文的共建共享，提供部分免费摘要和全文。

5.4 美国及欧洲专利数据库#

• USPTO (美国专利数据库)：美国专利商标局免费向公众提供的全文数据库，提供授权专利及公开专利申请。
• EPO (欧洲专利数据库/espacenet)：综合性的免费专利检索网站，可检索世界多国的专利信息。
• DII (德温特专利数据库)：全球最权威的专利情报平台，将“世界专利索引(WPI)”和“专利引文索引(PCI)”整合，支持化学结构检索及专利被引检索。

5.5 国外标准数据库#

获取工业发展和技术水平规范的途径：

• NSSN：美国国家标准协会 (ANSI) 维护的全球标准化资料库引擎。
• Techstreet：世界最大的工业标准集之一。
• 主要的国际/区域标准机构如：ISO (国际标准化组织)、IEC (国际电工委员会)、ITU (国际电信联盟)。

【复习思考题 - 第 5 章】

1. 试列举三个你所学专业最常用的外文电子期刊数据库，并指出它们的学科侧重点。
2. 要查阅北美高校最新的博士学位论文全文，首选哪一个数据库？
3. DII (德温特专利数据库) 相比于免费的专利检索平台，有何独特的优势和高级检索功能？

6.1 美国《科学引文索引》 (SCI)#

SCI (Science Citation Index) 由 ISI 编制，是国际公认的权威综合检索工具，以严格的选刊标准和独特的引文索引功能著称。其网络版为 Web of Science (SCIE)，不仅可以检索文献本身，还能通过被引参考文献检索功能，追溯科学理论的发展脉络。

6.2 美国《工程索引》 (EI)#

EI (The Engineering Index) 是著名的工程技术领域的综合性检索工具。其网络版为 EI Compendex Web (依托 Engineering Village 平台)。EI 以收录全球高质量工程技术文献闻名。

6.3 会议录引文索引 (ISI Proceedings)#

会议文献是获取前沿学术信息的重要渠道。CPCI-S (原 ISTP) 和 CPCI-SSH (原 ISSHP) 汇集了全球最新的会议录资料，也是 Web of Science 平台的核心合集之一。

6.4 英国《科学文摘》 (INSPEC)#

INSPEC 是全球著名的科技文摘数据库，涵盖物理、电气、电子工程、计算机科学与控制技术等五大学科，在这些领域的文献覆盖率极高。

6.5 美国《化学文摘》 (CA)#

CA (Chemical Abstracts) 是世界上最富盛名、引用最广的化学化工文献检索工具。其网络版 SciFinder 提供了特有的物质检索和反应检索功能，支持通过绘制化学结构图来查找相关文献。

【复习思考题 - 第 6 章】

1. 简述 SCI 的“引文检索”功能如何帮助研究人员追踪某一课题的发展脉络？
2. 在工程技术领域和化学领域，分别最具权威的文摘数据库是什么？
3. 什么是“世界三大检索系统”？它们各自侧重什么类型的文献？

7.1 网络信息资源的概述#

• 网络信息资源是指以数字化形式记录，以多媒体形式表达，存储在网络计算机磁介质、光介质等存储介质上，并通过计算机网络通信方式进行传递的信息集合。
• 特点：信息量巨大、更新速度快、形式多样、分布广泛、但质量良莠不齐。

7.2 搜索引擎及检索技巧#

搜索引擎是获取网络信息资源最主要的工具。

• 主要搜索引擎：Google (谷歌)、Baidu (百度)、Bing (必应) 等。
• 学术搜索引擎：Google Scholar (提供学术论文、学位论文等的搜索，支持引文检索) 和 百度学术。
• 检索技巧：
  • 使用布尔逻辑 (AND, OR, NOT) 组合关键词。
  • 使用双引号 ("") 进行精确短语检索。
  • 使用特定的检索指令，如 site: (限定站点)、filetype: (限定文件格式如 pdf, ppt)、intitle: (限定标题)。

7.3 “看不见的网络” (Invisible Web)#

看不见的网络 (也称深网 Deep Web) 是指那些无法被通用搜索引擎 (如 Google, Baidu) 通过常规链接抓取到的网页内容。

• 成因：由于需要动态查询数据库生成、需要权限/密码访问、或是特殊的文件格式等原因，通用搜索引擎蜘蛛无法抓取。
• 挖掘方法：利用专业搜索引擎 (如 Scirus 等)、“看不见的网络”导航网站 (如 CompletePlanet)、以及直接访问各大专业数据库主页进行检索。

【复习思考题 - 第 7 章】

1. 什么是“看不见的网络”？为何通用搜索引擎无法抓取它们？
2. 试举例说明如何利用 site: 和 filetype: 语法提高检索的精准度。
3. 比较 Google 学术搜索 (Google Scholar) 与普通 Google 搜索在信息结果上的主要差异。

8.1 信息的搜集、整理与分析#

• 信息搜集途径：包括直接获取 (如实验、考察) 和间接获取 (通过一次文献和二次文献查阅)。
• 信息提炼方法：汇编法、摘要法、综述法。
• 信息分析方法：逻辑分析方法 (如分析与综合、抽象与概括、归纳与演绎) 和统计分析方法 (如相关分析、信息评估)。

8.2 学术论文的撰写#

• 表现形式：期刊论文、会议论文、学位论文。
• 论文选题：选题应当是当前科技发展的“热点”，新颖实用，与作者知识水平及兴趣一致，并具备完成课题的客观条件。
• 结构规范：
  • 前置部分：篇名 (准确简明醒目)、作者信息、摘要 (独立于正文的短文，交代背景、内容、成果及意义)、关键词 (3-8 个)。
  • 主体部分：引言 (目的、背景)、正文 (核心创造性成果)、结论 (总结)、致谢、参考文献。

8.3 文献综述及开题报告#

• 文献综述是对某一时期内某一学科所取得的研究成果、水平和发展趋势的综合叙述。
• 特点：以综合叙述为主，没有首创性，指明发展演变规律和趋势。
• 撰写步骤：选题 -> 检索和阅读文献 -> 撰写综述 (注意文献代表性、科学性，忠实原文献内容)。

8.4 学术规范与合理使用#

• 学术道德：坚持实事求是，尊重知识产权，不剽窃、不篡改。
• 合理使用：在特定条件下，允许个人或特定组织在未经版权人许可的情况下无偿使用版权作品，如为个人学习、研究或教学目的少量引用。

8.5 个人文献管理软件#

用于帮助用户组织、管理参考文献，并自动按出版社要求生成参考文献目录。

• 国外常用：EndNote (单机版/网络版)、Mendeley、Zotero。
• 国内常用：NoteExpress、NoteFirst。

【复习思考题 - 第 8 章】

1. 简述学术论文的前置部分包含哪些关键要素？
2. 文献综述与一般学术论文的最大区别是什么？
3. 在学术写作中，如何界定“合理使用”与“学术剽窃”？

A.1 网络爬虫基本原理#

网络爬虫是自动从互联网上抓取数据的程序。它基于 HTTP 协议 (发起 GET/POST 请求)，获取 HTML/JSON 响应，并通过解析提取数据。

A.2 Python 爬虫核心技术#

• 发起请求：使用 requests 库 (pip install requests)，通过 requests.get() 模拟浏览器请求。
• 解析页面：使用 BeautifulSoup4 库 (pip install beautifulsoup4) 解析 HTML/XML，或者使用 XPath / CSS Selector 定位元素。
• 爬虫框架：对于复杂的项目，常使用功能强大的 Scrapy 框架。

A.3 高级进阶与应对反爬#

• 应对动态网页：对于由 JavaScript 动态加载的网页，传统爬虫无法获取内容，需要使用浏览器自动化工具如 Selenium。
• 应对反封禁：使用代理 IP 隐藏真实 IP 地址，并合理控制爬取频率，减轻服务器压力。

A.4 道德与法律边界#

• Robots 协议 (robots.txt)：网站根目录下的标准文件，规定了爬虫哪些页面可以抓取，必须严格遵守。
• 隐私与版权：抓取数据时绝不可泄露用户隐私，也不得侵犯网站版权，以免引起法律纠纷。