网络信息检索(一)基础与搜索引擎

1网络信息检索（一）基础与搜索引擎王建涛2007-10QQ:470720052信息检索能力的三个层次1.知道在哪里能找到信息（了解不同的信息源）2.能从信息源中检索出合适的信息（课题分析和检索技术）3.能对检索结果进行评价和分析（选择、综合利用）3网络社会在现在的网络信息环境下，网络信息资源是我们学习、工作、生活中利用率最高的信息资源之一。对网络信息资源的利用是终身学习的需要，也是个人信息素养中的重要内容。相对与本馆纸质文献信息资源和数字资源的检索利用，其对人的影响更为深远。所以在本课程中不仅仅介绍网络信息资源及其利用，还对网络融入生活、网络融入学习与方面的内容做了介绍。4聚沙成塔：网摘工具---收集网页信息，天天网摘：•先进行免费注册。然后下载下载并安装插件(一个注册表文件)。安装完后，重启浏览器就能够使用天天网摘了。使用时，在页面点右键，从弹出菜单中选择“加入天天网摘”。天极网摘:•使用方法同上。•文章按类型整合，阅读方便。有文摘、图摘、闪摘、MP3摘。•能制作图文并茂的网摘，更生动形象。其它：GoogleNotebook5移动网络导航：网络收藏夹---收集网址央库百度收藏：Winodwslivefavorites四楼Googlebookmark（基于google工具栏）首页网抽屉socialbookmarking个人仓库：网络存储空间、网络硬盘存储你的文档超大邮箱(原Hotmail)5GB（3个月不登录将自动清除）其实，有1个G就可以存很多文章了。7网络信息资源检索基础1.网络基础（自学）2.网络信息资源概念、类型及其特点3.网络信息资源的评价与选择4.网络信息检索工具[教材P35~40]81.1认识IP地址人们为了通信的方便给每一台计算机都事先分配一个类似我们日常生活中的电话号码一样的标识地址，称作网络协议地址，是分配给主机的一个32位地址，由4个字节组成。分为动态IP地址和静态IP地址两种。动态IP地址指的是每次连线所取得的地址不同，而静态IP地址是指每次连线均为同样固定的地址。如在图书馆无线上网就是动态IP地址，每次所取得的地址不同。静态地址如学校网站的IP10.80.96.202通常一经设定，变动较少。91.2网络地址和认识域名虽然可以通过IP地址来访问每一台主机，但是要记住那么多枯燥的数字串显然是非常困难的，为此，Internet提供了域名(DomainName）。域名也由若干部分组成，各部分之间用小数点分开，例如我校主机的域名是：“”。域名前加上传输协议信息及主机类型信息就构成了网址(URL），例如我校就是：“”。通常，进行网络访问时，域名的可以省略。如，可以直接输入。不能省略的与域名服务器的配置有关。域名一般不会变动。101.3网络地址---网址---URL网络地址是URL（UniformResourceLocator）的俗称，一般由三个部分构成，各个部分如下：•服务器标识符通过选择服务器标识符能够确定将要访问的服务器的类型，URL中的服务器标识符可以有HTTP://、FTP://、GOPHER://、TELNET://、NWES://等等类型，分别指定为采用超文本传输协议连接、采用文件传输协议连接、与GOPHER服务器连接、与TELNET会话连接、与USENET新闻组相连接。•信息资源地址信息资源地址是由两部分构成的，一是机器名称，如是用来指示资源所存在的机器，另一个是通信端口号，如HTTP的标准端口号为80，TELNET的标准端口号为23，FTP的标准端口号为21等等。•路径名路径名是给出资源在所在机器上的完整文件名.如：域名与网络信息资源有什么关系？由于Internet最初是在美国发源的，因此最早的域名并无国家标识，人们按用途把它们分为几个大类，它们分别以不同的后缀结尾：随着Internet向全世界的发展，除了edu、gov、mil、一般只在美国专用外，另外三个大类com、org、net则成为全世界通用，因此这三大类域名通常称为国际域名。ac代表科研机构由于国际域名资源有限，各个国家、地区在域名最后加上了国家标识段，由此形成了各个国家、地区自己的国内域名，如：.com.cn中国的商业.org.hk香港的组织.net.jp日本的网络对网络信息资源的获取与评价有参考作用.com商业公司.org组织、协会等.net网络服务.edu教育机构.gov.政府部门.mil军事领域12全世界为美国打工目前，全世界共有13台根服务器，其中10台在美国，而且2台由美军使用，1台由美国国家航空航天局使用。也就是说，每天世界各地的电子邮件有很多要先由美国人“过目”之后才能去它该去的地方。此外，美国私营公司掌握着全世界互联网域名的分配大权。假如美国与日本的关系急剧恶化，只要美国通过技术手段删去日本的域名“.jp”，日本马上就会成为“网上孤岛”，无法通过网络与外界联系。全世界的网络用户都要向美国支付费用，“全世界都在为美国打工”。中国已经建成了世界第一个同时也是规模最大的纯IPv6网13更多……指的是什么？即是万维网()：是基于超文件的、方便用户在因特网上搜索和浏览信息的信息服务系统。它将位于全世界因特网上不同地点的相关数据信息有机地纺织在一起。媒体形式可以是文本、图片、动画、声音等，可以跳转，“网上冲浪”。浏览web信息的网络浏览器有哪些?微软IE(InternetExplorer)遨游(maxthon)火狐(FireFox)网景(Netscape)腾讯TT浏览器14更多……在以后的上机和课余时间，欢迎就更多的计算机基础知识和网络话题进行探讨，我很乐意同大家一起学习。今后的社会，网络是一个基本要素，它将对社会经济、科技教育、国防乃至政治产生决定性的影响152网络信息资源概念、类型、特点2.1概念网络信息资源是指信息资源以电子数据的形式存放在非印刷型的介质中，并通过网络通信手段，在计算机等终端上再现的信息的总和。162.2网络信息资源的类型按信息内容的表现形式和内容划分可分为全文型信息：它指直接在网上发行的电子期刊，网上报纸，印刷型期刊的电子版，网络学院的各类教材，政府出版物，标准全文等；事实型信息：天气预报，节目预告，火车车次，飞机航班，城市或景点介绍，工程实况、IP地址等；数值型信息：主要是指各种统计数据；数据库类信息：如DIALOG，万方等，是传统数据库的网络化；微信息（web2.0特征）：如博客、播客，BBS，聊天，邮件讨论组，网络新闻组等。其它类型：投资行情和分析，图形图象，影视广告等。17按所采用的网络传输协议可分为网络资源：因特网信息资源的主流，它使用http协议，使用简单，功能强大，能方便迅速的浏览和传递分布于网络各处的文字、图象、声音和多媒体超文本信息。FTP信息资源：它使用ftp协议，该协议主要用语连网计算机之间传输文件。FTP相当于在网络上两个主机之间复制文件。目前仍是发布、传递软件和长文件的主要方法。TELNET信息资源：telnet是远程登陆协议。telnet信息资源包括硬件资源和软件资源。许多机构都提供远程登陆的信息系统，如图书馆的公共目录系统，信息服务机构的综合信息系统等。用户服务组资源：包括新闻组，电子邮件组等。这些电子通信组形式所传递和交流的信息资源是网络上最自由、最具有开放性的资源。news182.3网络信息资源的特点复杂性：网络信息资源具有大数量、多类型、多媒体、非规范、跨时间、跨地域、跨行业、多语种等特点。在很大程度上网络的增长和信息资源的动态快速增加是由用户驱动的，但缺乏有效的统一管理机制，信息安全和信息质量的不均衡性。信息分布和构成缺乏结构和组织，信息源不仅分散无序，而且其更跌和消亡也往往无法预测，因此增大了信息资源管理和利用的难度。信息发布具有很大的自由性和任意性，隐私型信息进入了公共信息传播渠道；由于缺乏必要的过滤、质量控制和管理机制，不仅学术信息、商业信息，政府信息、个人信息、不合适（反动、黄色）的信息混为一体，质量良莠不齐。增加了信息识别和利用的难度。30个月全球网站数量翻一番总数已突破1亿大关【2006年11月03日】19续正式出版物和非正式信息交流交织在一起，使传统的人类信息交流链的格局被打破，各方在网络上既可以是信息的生产者、发布者，也可以是传播者和使用者，对学术交流环境和信息利用产生了深刻的影响。网络营造了“地球村”，既极大地促进了人类信息资源的共享，又带来了一些意想不到的问题，如文化冲突、信息侵略、信息威慑等。使用成本低共享程度高是信息资源的宝库……203网络信息资源的评价与选择相同内容的信息资源的载体形态或利用、获取的方式不同，可以根据需要选择。网络信息资源的评价与选择主要是针对信息源。内容因素。内容是评价与选择的核心和重点，从中可以反映网络信息资源的本质。评价网络信息资源的内容因素主要有：权威性、完备性、可靠性、原创性、新颖性、稳定性等。形式因素。形式指标反映了外部特征以及操作使用等方面，是为提示内容服务的，主要包括：美观性、条理性、查检性、帮助性、快捷性、低耗性等。定量的评价：Google的pagerank，星数评价等级。21权威性在本学科领域具有一定的影响、具有较高的学术水平、具有较高的知名度；Google网页级别评价作为重要的指标，非独特性资源网页级别需3/10以上。主要关注如下问题：所采集的网站（页）的主办者是否为有声誉的大学、学会/协会、实验室？网站是否通过权威评价机构评价过？所选的站点是否被多个internet站点链接？网站是由某公司、机构还是某领域的著名的权威或专家赞助？信息提供者的教育背景和职业背景及其研究方向？责任者有知名的出版物吗？信息是否经过过滤？信息是否经同行评议过？资源是否由相关的权威推荐？是否有与权威机构的页面的共同链接？出版社是否知名和有声望？出版社是否是公认的出版界的权威？出版社是否是大学的出版社？是否有任何原创作品？选择的资源与其它作品有相关性吗？22准确性信息资源需严肃正规、准确无误、完整规范。一方面是内容的准确性，另一方面是格式和链接的准确性。对资源的导航需能正常访问。主要考虑所选网站（页）提供的信息是否准确？是否提供了信息的来源和出处以备用户进一步核查；网页引证的书目或提供的参考能否证实信息的准确性？页面的句法和拼写是否准确？有否排印错误？提供的信息是否完整规范？23稳定性信息资源需有较长的稳定期或有稳定运行的保障机制。主要看所选网站（页）提供信息的时间、更新频率、最近的修改日期，链接速度，断线率等。是否能持续提供给用户使用？24可获得性信息资源揭示信息的层次中，至少一个能无障碍地获得。主要要考虑的是题名信息还是文摘信息或全文信息?是否有对信息结论的阐述标准？是否给出了表明信息内容的关键词或主题词？希望在该网页上找到何种信息？主题的涵盖面是否全？索引或目次页