信息检索课程考查论文
学号
姓名
系别
年级
专业
面向Internet 的个性化智能信息检索
摘要文中提出了一个面向Interne的个性化智能信息检索系统,该系统的研究内容属目前智能信息检索领域的重要研究课题。系统采用分布式智能体Agent技术、相关反馈学习算法和基于多用户个性化模式的层次智能信息滤波算法,并采用多模块之间在线交互机制和个性化检索与集中浏览相结合的检索方式等方法,有效地解决了现有系统在交互方式、自适应用户兴趣和信息源的变化、高效并行检索等方面的不足。该系统普遍适用于Internet 、电子商务等分布式系统中的信息检索,具有理论价值和应用价值。
关键词智能信息检索,Internet,个性化,软件智能体Agent
1 引言
近年来, 智能信息检索( intelligent information retrieval ) 作为人工智能( AI) 的一个独立研究分支得到了迅速发展。在Inter net 技术迅速普及的今天, 面向Inter net 的信息获取与精化技术已成为当代计算机科学与技术领域中迫切需要研究的课题, 将人工智能技术应用于这一领域是人工智能走向应用的一种新的契机与突破口。
由于Internet 是一个开放、分布的信息空间,它本身所固有的3个特点已经明显地阻碍了人们充分地使用Internet 上的信息资源:
( 1) Internet 上可利用的信息是无组织的,多种结构形式的,并且分布在全世界的各个站点上;
( 2) 数据和服务的类型以及数量每天都在大量增加。因而信息可利用性和可靠性也在不断地变化;
( 3) 由于信息源的动态性以及潜在的有用信息的更新和保存问题, 信息常常是模糊的,有时甚至是错误的。由于上述原因, 在Internet上进行信息检索经常会出现“信息过载”,即网上的信息是海量和无组织的,易发生“资源迷向”,即用户不知道如何更加有效地利用源等问题。
对于Inter net 这样一个分布的信息空间,采用分布式人工智能方法是实现人机交互学习的一种较好的方法,它可以代替人类完成繁杂信息的收集、过滤、聚类以及融合等任务。分布式人工智能研究中的两大方向, 即分布式问题求解( DPS) 和多智能体系统( MAS) ,是属于同一研究范畴的两个方面。MAS 是人工智能技术与传统技术相结合的产物,用MAS 处理像Internet 这样具有异构、分
布、动态、规模大及自主特性的系统,是人工智能技术在信息处理方面的一个崭新的应用。尽管有关智能体( Agent ) 的理论与技术已被成功地应用于许多应用领域,但对Agent在分布式环境下信息检索的应用研究必将会促进人工智能、信息处理等相关领域进一步向前发展。
为了实现信息检索的智能化,人们将人工智能技术引入到信息检索中, 已经研究出了各种智能信息检索方法,提出了许多智能型检索系统模型, 主要分为两大类: 一类是基于机器学习的大范围信息检索系统,另一类是智能化的用户个性化信息检索系统。人们在进行信息检索时, 总是抱有两种期望, 一种是期望找到所有与感兴趣的主题相关的文档, 也即期望获得高检索率, 同时又不希望包含与主题不相关的文档, 也就是期望获得高检索精度, 要实现这两点常常是非常困难的。尤其是在Inter net 这个开放的信息空间中实现这个目标更加困难, 这是因为用户不但需要提交高质量的检索提问方式,而且还要知道信息源位于何处, 这对一般用户来说不易做到。因此,人们希望探索一种智能化的信息检索方法。针对这一问题,目前已经提出了各种探索方法,如基于机器学习和人工智能的方法, 以及近年来发展起来的基于Agent的智能信息检索。
从当前和将来发展的观点看,分布式软件智能体Agent方法是实现人机交互学习, 代替人们从事繁杂信息收集、过滤、聚类以及信息融合的更好方法，尤其是应用在用户个性化智能信息检索方面,以及实现对现有传统信息检索系统的智能化接口封装上。
2 现有系统的缺陷和解决方案
综上所述,智能信息检索尤其个性化智能信息检索系统是帮助人们快速获取信息的有效手段。然而,现有系统仍然存在如下一些缺陷或不足。
( 1) 非个性化检索方式适应用户兴趣变化的能力较差。现有大部分信息检索系统采用关键词输入方式进行检索,对任何用户都是一种模式,很容易让用户感到迷茫, 使得用户无法准确地表述自己的兴趣。尽管有些系统为此进行了改进, 确实改善了检索效率。但是,由于没有不同个性化模式之间的相互学习和信息共享机制, 因而不能很好地适应用户兴趣变化。
( 2) 没有综合利用个性化检索和集中浏览的各自优点。现有信息检索系统不是注重发展大范围信息检索系统,就是注重解决特定需求信息检索问题, 没有综合地考虑这两种检索方式的优点。
( 3) 用户与检索系统的交互方式比较单调。现有系统普遍采用相关反馈技术作为用户和系统进行交互的主要手段。针对不同需求的用户,提供不同的输入
方式是目前现有系统所缺少的。
( 4) 缺少分布式智能信息检索和适应信息源信息变化的能力。现有系统主要通过学习用户的历史关联信息,在线引导用户检索感兴趣的信息。这种为用户导航的方式每次只能浏览一个站点,效益比较低,而且无法避免用户浏览以前已经浏览过而现在不需再看的文档或链接。此外,由于没有有效地适应信息源信息变化的机制,不能及时为用户提供新的信息,因而无法为用户快速定位感兴趣的主题。
针对上述问题,我们设计了一个面向Internet的个性化信息检索系统,下面详细介绍该系统。
3 个性化智能信息检索系统
我们设计了一个面向Internet的个性化信息检索系统,采用分布式智能体Agent技术适用于Internet上文档的并行查询与检索，该系统能够满足人们在信息检索时的个性化要求,反映了当前及今后信息检索领域发展的趋势。该信息检索系统从用户的角度出发,为了满足不同用户个性化检索的需求,采用相关反馈学习算法和基于多用户个性化模式的层次智能信息滤波算法,过滤掉了大量不相关文档,有效地消除了用户迷茫问题。采用用户与用户Agent以及用户Agent 与信息Agent的交互机制,智能化适应用户兴趣的变化及环境的变化。此外,采用个性化检索和集中浏览相结合的检索方式,使得用户使用起来灵活、方便,得心应手。
3. 1 系统结构
该系统由二层Agent结构组成,第一层是用户接口Agent,简称用户Agent,第二层是信息检索管理Agent简称信息Agent,如图1所示。每个用户一个Agent,表示一个用户个性化模式, 其主要功能是负责实现与用户Agent 和信息检索管理Agent的交互任务、相关反馈学习任务、个性化模式产生和信息过滤以及相关的策略。信息Agent主要负责处理与WWW上的各种商业化信息检索系统的交互,其作用相当于一个检索领域专家,是一种中介搜索引擎,具有交互和协调能力,同时又起到对传统数据库信息检索系统的智能Agent封装作用。此外,为了支持个性化的全局浏览检索,在信息Agent的本地上,聚类部分相关的文档,即用户以往检索过的感兴趣文档。
3．2 系统特点
该系统具有以下特点:
( 1) 实现浏览式检索与用户个性化检索的有机结合;
( 2) 快速自适应用户兴趣的变化和环境的变化;
( 3) 智能化检索用户感兴趣的Web 文档;
( 4) 自动过滤不相关文档, 提高检索精度和效率.
4系统模块的实现
在介绍系统模块之前先介绍本系统中的文档模型和文档相似度计算模型。
4.1 文档矢量空间模型
4.1.1 文献或文档的矢量空间表示
设D 是一个包含m 篇文献的文献集合
本系统中文档矢量有以下几种表示方法:
( 1) 简单的二值矢量表示
其中T ij 是术语Tj 在文档之中的出现次数, log ( N / nj ) 表示术语T j 的倒置文档频次, N 是文档数据库中文档总数, nj 是文献数据库含有术语T j 的文档数。
4.1.2文档相似度计算方法
假设用
分别表示第i个和j个文档矢量, 我们采用余弦系数法计算文档的相似度:
在系统的相关反馈学习、信息滤波及文档聚类中都用该公式计算文档矢量之间的相似度或文档矢量与类中心矢量的相似度。
4.2用户接口Agent
用户接口Agent 结构如图 2 所示,采用面向用户个性化模式进行设计, 用层次类结构描述用户接口Agent顶层是用户个性化描述类,包含若干个完成特定功能的属性类,如显示结果模式类、相关反馈学习类、信息滤波类、用户个性化模式形成和管理类、通信方式类等。这些属性类又有自己的属性类,如此逐层深入。属性类都是动态可变的,比如运行时的功能、状态是可变的。
用户开始一项个性化查询q0 ( 可能是不完全信息),通过与个性化模式库中模式的类比学习,产生精化了的个性化检索模式,提交给信息Agent协调模块选择相关信息检索引擎进行检索。返回的检索结果通过信息滤波,过滤掉不相关文档,送显示模块显示。用户通过浏览返回的结果,确认是否为感兴趣文档,若为感兴趣文档,就提交给用户相关反馈文档模块并进行聚类,产生个性化模式,同时存在该用户的个性化模式库中。如果用户对返回的结果不满意,也可将确认的结果提交给强化学习模块,进行交互学习,进一步精化检索结果。
用户Agent 中包含以下主要算法或模块:
( 1) 用户Agent以及用户Agent与信息Agent的交互;
( 2) 相关反馈学习算法,分为离线无教师学习算法和在线启发式学习算法;
( 3) 信息滤波算法;
( 4) 用户个性化模式生成算法;
( 5) 信息Agent的选择算法;
( 6) 通信模式和机制。
其中,相关反馈学习算法、信息滤波算法、用户个性化模式产生算法、通信模式和机制等是用户Agent的核心算法.
4.2.1 相关反馈学习算法
由于信息环境和用户兴趣变化不定,本系统在相关反馈学习算法中采用了相应的应变策略,即采用离线无教师学习算法和在线启发式学习算法相结合来实现
相关反馈学习算法。
( 1) 无教师学习算法,如下面将要介绍的基于多层SOM 的聚类算法等,用于离线方式情况,由下列4步实现:
步骤1: 提取样本文档关键词矢量;
步骤2: 主题域词加权矢量的生成;
步骤3: 层次聚类;
步骤4: 个性化模式形成。
其中主题域词矢量生成步骤如图3 所示。
( 2) 在线启发式学习方法。步骤如下:
步骤1: 提取反馈文档的关键词;
步骤2: 用基于提取的词进行分类决策树的学习;
步骤3: 转化决策树为检索矢量;
步骤4: 重复上述步骤直到用户满意为止。
首先采用离线方式实现无教师学习算法,产生高质量的用户个性化模式。我们设计一种定时机制,在每天夜里执行该算法,然后完成用户个性化模式的更新。若用户在一段时间内感兴趣的主题发生了变化,有可能与系统储存的个性化模式毫不相关, 这时就选择在线启发式学习方法。
4.2.2信息滤波
信息滤波的目的主要有两点,即过滤掉不相关的文档以及将相关文档列表分为新的文档和已经查阅过的文档,并按相似度大小排序。对已检索的相关文档, 通知信息Agent不必返回全文文档, 以减少通信费用。信息滤波方法种类繁多, 我们采用基于层次的智能信息滤波算法,并利用用户个性化模式对信息过滤,主要步骤如下:
步骤1: 搜索已检索文档标题表,判定反馈文档标题是否属于已检索文档;
步骤2: 提取反馈文档的关键词;
步骤3: 生成主题域词矢量;
步骤4: 层次分类、计算相似度;
步骤5: 按相似度大小过滤反馈文档。
通过信息滤波,与用户个性化模式不相关的文档或用户不感兴趣文档被过滤掉了,反馈的结果都是用户感兴趣的文档,并按相似度大小排序,从而提高了检索的精度。
4.2.3 通信协议与机制
通常,分布式Agent系统采用一种基本通信协议,其作用就是确定所有Agent 之间的可能关系。目前有各种各样的通信协议,如Massage-passing ,PRC,T duple-Space等。本系统采用Massage-passing 通信协议: 在Agent 之间的通信采用从特定Agent到另一个Agent循环信息传递方式。这种信息传递方式仅仅意味着任一Agent都可共享系统中的信息。我们在用户Agent和信息Agent之间建立基于Massage passing通信协议的抽象层。
4. 3 信息检索管理Agent
本系统中,信息检索管理Agent主要实现以下3个功能。
( 1) 检索矢量的模式转换
模式转换就是将用户接口Agent提交的检索矢量转化为符合WWW上商业化检索引擎所要求的检索提问式模式。由于商业化检索引擎种类繁多,而且不断发展变化,不可能满足所有变化。我们采用对传统布尔检索系统的智能Agent封装策略。因为布尔检索系统已经有效地运行了几十年,系统模式相对稳定,对其进行智能化Agent封装是非常有实际意义的,这一方面有效地解决了人们信息检索的困难,另一方面提高了传统系统的检索质量。
( 2) 聚类用户所有感兴趣的文档
为了在实现用户个性化检索的同时也支持浏览式检索,我们对所有用户以往感兴趣的文档按标准分类原则进行层次式聚类,层次聚类的实现采用离线方式, 即设计一种定时机制,每天夜里执行层次聚类更新本地所储存的信息,所用的算法采用基于二层SOM的聚类算法。流程框图如图4 所示。
其中, 文档预处理模块主要完成Web文档在聚类重组前的编码工作。为了SOM 方法对文档进行有效的编码,系统先对Web文档进行预处理,去掉文档中的非文本信息, 如图形、图形中的文字等。
词分类映射自组织模块实现从Web 文档中自动提取标引词( 如关键词等) , 其原理是齐夫定律—自然语言中的同类分布等级定律。
文档编码模块在词分类映射面,逐词建立词分类的统计特性，对应映射文档的分类直方图,对文档进行编码。已经证明,词的统计特性具有通用性如果词被其它的同义词或同类词所替换,文档的个性没有太大的变化。因此,我们采用分类直方图作为 SOM输入特征矢量。为了减少因文档内容的微小变动而产生分类直方图的变化的影响,我们用高斯卷积法进行平滑,将直方图变模糊。
在文档映射的自组织和文档的映射模块中,我们利用SOM 算法以直方图的“面积”作为输入特征矢量,进行文档映射。在文档映射面上相似内容的文档互相靠近,便于可视化操作,能够非常方便地找到感兴趣的主题,然后通过逐层查找, 最终找到所需的详细文档。
( 3) 自动发现新的信息源
对于新信息源的发现,我们采用的手段有: 1、从用户提供的信息中获取, 2、从相关文档中获取,3、在有确定目标的主动搜索中获取对于1、2 ,采用基于案例的机器学习算法实现。对于3 ,由于传统的搜索引擎主要的问题就是搜索的盲目性,即不论什么问题都是以一种方式或策略搜索。我们采用启发式的搜索方法,其中包括新信息源优先策略以及与搜索目标相近的信息源优先等策略。
以上介绍了实现本系统的结构原理和主要模块,本系统是采用Visual C+ + 的类结构方式进行设计的。
从系统结构考虑,用户Agent 层一般放在个人PC 机上,而信息Agent放在服务器上,相当于一种中介信息检索代理服务器。
5 结论
本文介绍了作者设计的一个面向Inter net 的具有智能化和个性化特征的信息检索系统。该系统的研究内容属目前智能信息检索领域的重要研究课题,具有很强的理论意义和实际意义。组成本系统的软件模块,既可自成系统作为个人个性化智能信息检索系统使用,也可嵌入到其它信息检索系统中作为实现智能信息检索的接口。本系统在Internet 信息检索、其它分布式情报检索、电子商务等领域有着广泛地应用前景,对实现现有商业检索系统的智能化也具有重要意义和价值。
Google搜索引擎检索性能评价 2012/12/9
Google搜索引擎检索性能评价 摘要: 网络信息和信息检索技术的发展推动了搜索引擎实践的发展，使得搜索引擎评价研究成为信息检索领域的研究热点之一。本文以搜索引擎检索结果的相关性为核心指标，对Google搜索引擎的检索性能进行了评价，旨在帮助用户在利用搜索引擎时选取恰当的检索策略。 关键词：搜索引擎信息检索评价相关性 Abstract: The development of Internet information and technologies of information retrieval accelerates the development of search engine. It has made the study of evaluation of search engine to be one of the popular issues in the field of information retrieval. This paper takes relevance of retrieval results as index to evaluate the performance of Google. The finding can be used to assist users in formulating an appropriate search strategy. Keywords:search engine; information retrieval; evaluation; relevance 前言 研究背景： 根据2012年7月由中国互联网络信息中心（CNNIC）公布的中国互联网络发展状况统计报告显示截至2012年6月底，中国网民数量达到5.38亿，互联网普及率为39.9%。伴随着如此巨大规模的网络用户而来的是海量的互联网信息，面对这些信息，用户们不免迷失于此，网络信息资源的无限增长与用户有限的效用信息需求之间的矛盾便日益凸显[1]。因此用户利用搜索引擎辅助，以尽可能得到自己所需信息也就是很自然的了。据上述报告，截至2012年6月底，搜索引擎用户规模达到4.29亿，较2011年底增长2121万人，半年增长率为5.2%；在网民中的渗透率为79.7%，使用比例与2011年6月、12月基本持平，是仅次于即时通信的第二大网络应用。但是，即使使用搜索引擎，也难免不能获取所需信息，研究表明，公认最好的搜索引擎，其检索结果中的相关信息也不会超过50%。[2]所以如何使搜索引擎用户能够获取所需信息，在信息研究领域便显得尤为重要。而这则一定离不开搜索引擎的评价研究，通过调查搜索引擎的检索性能并进行评价研究，对搜索引擎的改进将起到很大帮助。 研究目的 从上个世纪90年代初到现在，短短的20余年间搜素引擎的发展发生了巨大的变化，不断地有新的搜素引擎出现，同时也有一些搜素引擎退出了历史舞台。因此搜索引擎市场千变万化，要对它们全部进行评价研究还不现实。经过综合考虑搜素引擎的流行度与所占市场份额，笔者选取Google作为典型案例加以分析。Google当前以83.33%的搜索量占据搜素引擎
第14章索引与查询性能 索引中文词典解释根据一定需要,把书刊中的主要内容或各种题名摘录下来,标明出处、页码,按一定次序分条排列,以供人查阅的资料。如果一本书籍没有目录，要想快速检索出想要查询的资料，就只有逐页查找，这种方式效率极其底下。数据库中的索引也类似于书籍目录相同的功能。 索引是有效使用数据库系统的基础，当表中的数据量较小时，使用索引和不使用索引带来的性能差异不大；但当表中的数据量极大时，就一定需要索引的辅助才能有效的存取数据。 一般索引建立的是否适当，是决定性能好坏的关键。并由于更改索引结构不会影响数据字段的定义，也就是前端程序可以照常存取，因此当上线后的应用程序使用效率比较低的时候，可以尝试建立或优化所以，从而提高应用软件的性能。 SCMDB示例数据库中表的数据量较小，无法演示使用索引带来的效率提升。本章采用微软示例数据库AdventureWorks作为演示数据库。希望通过以下的测试，给读者一个感性认识。 【演示】查询表SalesOrderDetail中销售订单编号在48077-48080范围内的订单编号、产品ID以及订单数量。 【分析】表SalesOrderDetail的记录数为121317，其中Sales前缀为架构名称。通过参数set statistics time on开启统计时间。图14-1所示为在表SalesOrderDetail使用聚集索引后的演示效果，时间执行时间仅仅为1毫秒。图14-2所示为删除聚集索引后的运行时间为27毫秒。表中的数据量越大，使用索引与不使用索引带来的性能上的差异性越大。 图14-1 使用索引进行查询 图14-2 没有使用索引进行查询 14.1 索引的分类 SQL Server中索引分为两种类型：聚集索引（Clustered Index）和非聚集索引（Non Clustered Index）,也可称为聚簇索引和非聚簇索引。
信息检索课作业一 姓名: 张雯馨专业：数学1701 学号 20172499 一、填空（10题） 1、广义的“信息检索”是指将信息资源按照一定的方式（组织）和（存储） 起来，并根据用户的信息需求按照一定的程序找出有关信息的过程和方法。 2、在信息检索方法中，回溯法也称为引文法或（参考文献法），是利用文献末尾 所附的参考文献或引用文献，由近及远地进行逐一追踪检索。 3、在检索方法中，输入aero* 能够检出aeroplane、aeronautics、aerodynamic、 aerobic等词的记录，这种方法称为（截词）检索。 4、信息检索评价的效果主要有两项指标：（查全率）和（查准率）。 5、分类法有很多种，中国古代最著名、最常用的是“四分法”。诗集、词集、词 韵一类的书应收入四分法中的（集）部。 6、《普通高等学校图书馆规程》总则第二条规定：高等学校图书馆（以下简称" 图书馆）是学校的文献信息资源中心，是为人才培养和科学研究服务的（学术） 机构。 7、印度著名的图书馆学家阮冈纳赞提出了“图书馆学五定律”，包括：书是为了 用的、每个读者有其书、每本书有其读者、节省读者的时间、（图书馆是一个生 长着的有机体）。 7、文献有四个构成要素：信息知识、记录符号、（载体材料）、制作方式。 9、中国专利分为发明专利、（实用新型专利）和外观设计专利。 10、AND、OR、NOT属于信息检索方法中的（布尔）逻辑检索。 二、单项选择（10题） 1、《中图法》的类号采用拉丁字母和阿拉伯数字相结合的混合号码制，一个字母
标志一个大类。其中I和T分别代表（ C ）类目。 A.文学，艺术 B.艺术，交通运输 C.文学，工业技术 D.艺术，工业技术 2、“图书馆学”一词，最早由谁提出来的？（ B ） A.刘国钧 B.施莱廷格 C.阮冈纳赞 D.刘向（西汉） 3、如果想查找历年的统计数据，应通过哪类检索工具？（ D ） A.字典 B.百科全书 C.手册 D.年鉴 4、CAJViewer是下列哪个数据库全文的阅读软件？（ C ） A.读秀学术搜索 B.维普期刊全文库 C.清华同方（CNKI） D.中国数字图书馆 5、WITH是位置运算符，“information（W）retrieval”表示information与retrieval两个词同时出现在（ A ）中。 A.字段 B.文摘 C.题名 D.记录 6、文献类型标识有不同的含义，如M代表图书，J代表期刊，那么，D代表什么？（ B ） A.会议文献 B.学位论文 C.专利 D.标准 7、下列哪个数据库属于文摘型数据库？（ A ） A.ScienceDirect(Elsevier) B.Springer 电子图书 C.Medline D.JSTOR数据库 8、位置检索是常用的计算机信息检索技术，如：water（3W）pollution的含义是：（ C ） A. water 和 pollution必须同时出现在文献中，且必须间隔3个词，词序可以颠倒。 B. water 和 pollution必须同时出现在文献中，且必须间隔3个词，词序不可以颠倒。 C. water 和 pollution 必须同时出现在文献中，且最多间隔3个词，词序不可以颠倒。 D. water 和 pollution 必须同时出现在文献中，且最多间隔3个词，词序可以颠倒。 9、关于“读秀学术搜索”文献传递服务功能中，下列哪个说法是正确的？（ D ）
第七章空间索引结构 空间索引技术是从空间数据库中获取空间数据的有效方法，是提高空间数据查询和各种空间分析效率的关键技术。建立空间索引是为了缩小空间数据的搜索范围，以便在空间数据查询时不必遍历整个空间数据集，只访问空间索引数据便可快速得到一条特定的空间查询语句所请求的空间数据，或得到包含全部空间查询结果的一个较小的空间数据集。 索引文件中包含的数据称为索引数据，索引结构是索引数据的数据结构及索引创建与维护算法的总称。空间索引结构是按照空间数据在空间分布上的特性来组织和存储索引数据的索引结构。一种良好的空间索引结构应满足下列三个要求： 一、存储效率高：相对于被索引的数据集而言，索引数据的数据量应尽量小。否则，访问索引数据可能成为数据查询与更新的效率瓶颈。 二、查询效率高：空间索引结构需要选择良好的索引数据结构，设计具体的基于索引的空间访问方法（SAM Spatial Access Method），必须能够高效的实现以下几种基于位置的查询： 1、点选择：从数据集中找出包含给定点的所有空间对象。 2、范围查询：查询与给定对象间的距离小于某个给定值的所有空间对象。 3、区域（窗口）查询：查找含在区域内、与区域相交或部分位于区域中的所有空间对象。窗口是一个特殊的区域，窗口查询是GIS中最常用、最基本的查询。 4、K-最邻近查询：给定一个参照对象（点、线或区域），查询距离参照对象最近的K 1个空间对象。 5、空间关系查询：相交、相邻、包含等拓扑关系查询，方位关系和基于距离的各种查询。 6、其他查询：将满足一定空间条件的两个空间对象集合进行空间连接，空间集合运算等也是一种空间访问。 三、更新效率高：许多GIS应用中会涉及海量且不断变化的空间数据集。数据集中数据对象的增加、修改和删除将直接导致索引数据的更新，索引数据与被索引的数据集必须保持一致，才能保证基于索引数据的查询结果的正确性。索引数据的更新操作包括：插入索引项，将新数据对象的索引项添加到索引数据中；删除索引项，把数据对象的索引项从索引数据中删除；修改索引项，在索引数据中先删除再增加该数据对象的索引。数据集经常变化时，要求其索引数据的更新开销不要很大，特别要避免更新时引起的索引重组。因此，需要考虑新增索引项和删除索引项时，索引结构的快速更新能力。 很难设计一种空间索引结构同时能够提供高效的存储、高效的查询和高效的更新，实际应用中总是牺牲某些方面的效率来换取另外方面的效率。 索引结构可分为静态索引和动态索引结构。静态索引结构针对静态不变的数据，索引只建一次，不需要更新，强调索引数据的存储效率和查询效率，不强调索引更新的效率。动态索引结构强调数据在动态更新过程中保证较高的查询效率和索引空间存储效率，往往以牺牲索引更新效率为代价，这种牺牲是有限度的。 索引结构还分为内存索引和外存索引，外存索引需要考虑磁盘页面访问的效率瓶颈问题。这里主要研究面向海量空间数据的、2D空间对象的外存索引结构。 7.1空间索引分类 非空间数据库中存储的数据为结构化数据，通常以主关键字建立索引文件，以非主属性建立倒排文件，索引项按自然数序列或字符顺序排列。空间数据库存储的数据为结构复杂、不能完全结构化的空间数据，为了支持基于位置的各类查询和分析，需要以表示空间对象几何形状的坐标数据为索引字段来建立空间索引。非空间数据库的索引结构不能满足空间数据库的索引需求，必须研究和设计专用的空间索引结构和基于索引的空间访问方法（SAM Spatial Access
网上搜索的方法和技巧 我们已经知道网上有多种多样的教育资源，从技术上讲，它们是在Internet的多种服务功能的支持下实现的，包含WWW、e-mail、Usenet、FTP、BBS等，其中发展最快，也是最为流行的是WWW。因此我们着重介绍WWW信息的检索方法。 据1999年底的统计，网上大约有15亿个网页，并且以每天增加190万个网页的速度在增长，到2002年已达到80亿个网页。要想在这么大的一个资源库中查找一条具体 的信息，犹如大海捞针一般。因此，有人发出这样的感叹:"我们淹没在数据资料的的海 洋中,却又在忍受着知识的饥渴"。 现在出现了许多种在网上查找信息的方法。这些方法可以分为两类:一类是有既定目标的查找，一类是没有目标的查找，而后者往往是指一种网上"冲浪"游戏。在具有既定目标的情况下，如果已有信息线索，可以用浏览器航行的办法寻找信息对象;如果信息线索未定，则需要利用搜索工具首先获得信息线索。 搜索工具又有传统工具和现代工具之分。传统工具是在索引数据库中进行主题树/目录检索或KWDSEs(关键词搜索引擎)进行建设而索引库的建设是一个极其繁重的任 务，现在已经可以利用"机器人"程序来帮忙，它们通过跟踪最新建立的HTML网页的URL对整个网络进行浏览，可以在网上从这一个网站爬到另一个网站，并记录下它们访问过的网页的各自特征(这种只有十来年历史的搜索技术就被称为传统工具了，你觉得 奇怪吗?)。而现代搜索工具是利用智能代理来工作，它们不是对整个网络进行索引，而 是在接到一个新任务时就出发，去搜索网上资源并提取有价值的信息。因此，智能代理 是利用神经网络技术进行搜索，它试图去发现自然语言与样本网页的模式及它们之间的 相互关系，这些将与新近发现的网上资源相匹配，最后以一串网址的形式供用户访问。 图2_3_10显示了网上信息检索工具的选择方法。
化学结构式检索 第一部分：学习数据库 Dialog系统可以进行结构式检索的数据库： Beilstein Facts (File 390) Derwent Chemistry Resource (File 355) IMS Patent Focus (File 447,947) IMS R&D Focus (File 445,955) Index Chemicus (File 302) Pharmaprojects (Files 128,928) Prous Science Drug Data Report (File 452) Prous Science Drugs of the Future (File 453) 390: Beilstein Facts 389: (ONTAP Beilstein Facts) Beilstein 贝尔斯坦化学文摘（390，391，393号文档） 是世界上最大的关于有机化学事实的数据库，数据来源于175种期刊，已收录9百多万个化合物和9百多万个反应。作为最基本的化学文献数据库，Beilstein能帮助有机化学研究人员形成新思路、设计合成路径（包括起始原料和中间体）、确定生物活性和物理性质、了解外界环境对化合物的影响，等等。主要数据的索引分为3部分：其中390 Beilstein Facts即化学物质部分收集了结构信息及相关的事实和参考文献，包括化学、物理和生物活性数据；391 Beilstein Reactions反应部分提供化学物质制备的详细资料，帮助研究人员用反应式检索特定的反应路径；393 Beilstein Abstracts文献部分包括引用、文献标题和文摘，化学物质部分和反应部分的条目与文献部分有超链接。1771至今，季度更新。 355: Derwent Chemistry Resource Derwent Chemistry Resource 德温特化学资源（355号文档） 可对Derwent世界专利索引（Derwent World Patent Index，DWPI）和Derwent药学文档（Derwent Drug File，DDF）中的化学内容进行结构检索。DWPI含有全球40多个专利发布权威机构的一千一百万篇专利文献，并且每年新增一百五十万。本库提供专利中的化学信息，包括化学结构、分子式、化学名称等信息，通过它可以直接用化学结构绘图检索DWPI和DDF中的专利信息，并掌握相关的化学信息。每周更新2次。 445: IMS R & D Focus IMS R&D Focus ，IMS医药研发聚焦（445号文档） 该库侧重企业和健康研究机构新药的研发过程。提供23300种处于R&D阶段的药物，9400种表现活跃的药物，4800种生物制品，关注3000家业内公司及国际药品市场从研发到商业等一系列进展。每条记录包括药品从研发到推向市场的全部信息。信息来源于IMS HEALTH 公司出版的R&D Focus和R&D Focus Drugs News。1991至今，每周更新。 447: IMS Patent Focus IMS Patent Focus （IMS药物专利数据库）
法律检索——方法和技巧 一、学习法律检索的重要性 第一，无论你在律师行业中是什么身份处于何等地位，是初出茅庐还是经验老道，法律检索都贯穿你的执业生涯全程。这里的法律检索，是一个相对广义的概念，不仅仅包括在数据库里找具体法条。在座的每一位，可能都曾经有过这样的时候：资深律师或者合伙人交给你一沓材料，或者你刚刚听客户滔滔不绝讲了三个小时还拿到一大堆文件，你看来看去就是发现不了其中需要研究的地方，哪些是会引起争议的点。而当你们成长为资深律师或者合伙人，本身仍然要参与案件或者项目，也需要自己去进行法律研究。在合伙人与助理磨合还没有非常默契的时候，在合伙人对助理的工作能力、检索能力、认真程度尚不能完全确信的时候，他势必要亲自验证或者说核查你搜索到的是否就已经穷尽了所有正确的答案。所以，我说法律检索是做律师一辈子的工作内容之一。 第二，无论你擅长的是什么业务类型，是做诉讼还是非诉讼业务，法律检索都是必备技能之一。以诉讼业务为例，无非就是“接案子”和“做案子”。大家都有个最基本的常识，那就是法院判案要“以事实为基础，以法律为准绳”。这里的事实和法律，都需要我们通过法律检索或者说法律研究来协助法官完成，以使得判决更加有利于你这一方。在这我来说说法律检索在接案过程中的重要作用。在梳理事实现状与了解客户要求的基础上，只有做好法律检索才能制定出更加完备的策略报告，才能提供更加充实、可行、准确的诉讼方案，甚至于通过完整的法律检索得到的答案决定你主观是否要接这个案子。我曾经听过大成所张健律师“诉讼策略报告如何写作”的讲座，他谈到“在你不具备经验的时候，你只能靠逻辑”。我想这里还可以补充一点，即便是“经验”也是可以通过法律检索去获得的，比如说某种案情的案件原告如何起诉被告如何答辩，你完全可以通过在数据库中搜索同类型案件裁判文书来学习、观摩与模仿。前阵子听说律师代理案件的政府指导价要取消了，律师的价值将会由市场决定，那么你如何才能脱颖而出或者说不被远远甩在后面，让客户认可你的价值，就需要你能拿出比别人更多更好的方案，取决于你发现了哪些问题以及就这些问题你找到了什么样的答案。 第三，无论社会发展到什么程度，变幻莫测的交易模式、产品以及专业术语怎样层出不穷，法律检索仍然是每位律师必须掌握的基本功之一。我每天都会关注行业新闻，几乎几天就会出现一个新的产品或者交易架构，但是我认为从根本上讲，暂时还没有脱离民商法的基本法律概念或者说基本的法律关系。在座的助理们来自不同的合伙人团队，大家平时接触的业务也都不尽相同。我就举两个金融方面的例子来印证我刚才的观点。第一个某银行计划操作一个“信贷资产证券化项目”，考虑选用“债权转让+权利完善措施”的模式，需要律师帮他们做一个完整的法律论证。第二个互联网金融方面的争议解决，李某通过
检索效果的评价指标 克兰弗登（Cranfield）在分析用户基本要求的基础上，提出了6项检索系统性能的评价指标，它们是收录范围、查全率、查准率、响应时间、用户负担和输出形式。 （1）查全率 查全率(recall factor)是指检出的相关文献量与检索系统中相关文献总量的百分比，是衡量信息检索系统检出相关文献能力的尺度，可用下式表示： 查全率=检出的相关文献总量/系统中的相关文献总量×100%即R=b/a * 100% 设R为查全率，P查准率，M表示漏检率、N表示误检率，m为检出文献总量，a为检索系统中的相关文献总量，b为检出的相关文献总量。 例如，要利用某个检索系统查某课题。假设在该系统数据库中共有相关文献为40篇，而只检索出来30篇，那么查全率就等于75%。 （2）查准率 查准率(Pertinency factor)是指检出的相关文献量与检出文献总量的百分比，是衡量信息检索系统精确度的尺度，可用下式表示： 查准率=检出的相关文献总量/检出文献总量×100% 即P=b/m*100% 例如，如果检出的文献总篇数为50篇，经审查确定其中与课题相关的文献只有40篇，另外10篇与该课题无关。那么，这次检索的查准率就等于80%。 检索效果2 检索系统的响应时间是指从发出检索提问到获得检索结果平均消耗的时间。主要包括：
①用户请求到服务器的传送时间；②服务器处理请求的时间；②服务器的答复到用户端的传送时间；④用户端计算机处理服务器传来信息的时间。 提高检索效果的措施 1."提高用户信息素质 2."选择好的检索工具和系统 3."优选检索词 4."合理调整查全率和查准率 不同的检索课题对文献信息的需求不同，用户应根据课题的需要，适当调整查全率和查准率，优化检索策略，以达到最佳检索效果。 （1）提高查全率 提高查全率时，调整检索式的主要方法有： ①降低检索词的专指度，从词表或检出文献中选一些上位词或相关词。 ②减少AND组配，如删除某个不甚重要的概念组面（检索词）。 ③多用OR组配，如选同义词、近义词等并以“OR”方式加入到检索式中。 ④族性检索，如采用分类号检索。 ⑤截词检索。 ⑥放宽限制运算，如取消字段限制符，调松位置算符等。 （2）提高查准率 提高查准率时，调整检索式的主要方法有： ①提高检索词的专指度，增加或采用下位词和专指性较强的检索词。
□ 赵 慧 杜秋雨 一、引言 在专利申请中，存在一部分偏向于基础研究的专利申请，在这一领域中多数以高校、研究机构作为申请人，相较于这一领域的公司申请，这些大学、研究院所的发明专利申请，更有前瞻性，审查员针对这类申请的检索，一般情况下，在专利数据库中基本上很难检索到非常相关的文献。还有一类专利申请，为涉及前沿技术的公司申请，虽然申请人不是高校、研究机构，但是针对这类专利申请的检索，也需要关注非专利文献库。当遇到这些专利申请时，审查员如何实现快速全面的检索从而避免漏检，亟需深入的研究。 参考文献/引用文献的追踪检索策略研究 摘要：在专利审查中，会遇到申请人为高校、研究机构、或本领域的前沿技术的情形，针对这类申请的检索，通过以发明人或申请人为入口可以检索到相关的对比文件，但是时间晚于本申请的申请日时，这时可以尝试在检索到的申请人发表的论文、学位论文的参考文献、引用文献中进行追踪，或者在相关的会议论文中进行追踪；如果以发明人或申请人为入口检索不到相关的对比文件，那么可以以关键词或者发明人、申请人结合关键词在Google Scholar 或ISI Web of Knowledge 等外网检索资源中进行拓展检索，如果检索到的相关文献时间仍不可用，则继续关注其参考文献、引用文献，通常这一方法可以很快的检索到相关的对比文件，获得事半功倍的效果。本文将通过几个实际案例来表现如何进行参考文献/引用文献的追踪，从而拓宽检索的思路，避免漏检。 关键词：参考文献 引用文献 追踪 检索 下面，笔者将结合几个实际案例来具体探讨以下三种情形的追踪检索： ⑴直接以申请人、发明人为入口进行检索后,如何进行追踪。 ⑵以关键词为入口追踪检索后,如何进行再追踪。⑶以申请人、发明人结合关键词为入口追踪检索后,如何再追踪。 通过对这三种情形的追踪检索的研究，拓宽检索的思路，以期对该领域的检索策略的完整性做一个补充。 二、案例分析及研究 （一）直接以申请人、发明人为入口检索后的追踪【案例一】 申请号：200910069163.4 发明名称：一种基于电磁层析成像的钢水流速测量方法和装置 申请人：天津大学发明人：尹武良 申请日：2009年6月5日1.初步检索 审查员在检索时，首先选择在中国全文期刊数据库（CNKI ）中以发明人“尹武良”为检索入口，进 行了检索，其中涉及本申请发明人的文章共有9篇， 本文作者：赵慧
逻辑设计 索引顺序查找主要涉及整型变量和数组整个程序分四大模块（函数）：（1）主菜单（main 函数）；（2）创建主表函数（CreateDTSSTable）；（3）创建索引表函数（CreateIDSStable）；（4）查找函数（Search）；模块图如图3.1所示： 主表及其索引表如图3.2所示： 图3.1 程序模块图 图3.2 主表及其索引表图
详细设计 （1）创建主表函数 主要运用for循环语句及if条件语句来实现，流程图如下所示： 图4.1 创建主表函数流程图
（2）创建索引表函数 索引表主要分为最大关键字和每块的起始地址，函数主要使用for循环语句及if条件语句来实现，流程图如下所示： 图4.2 创建索引表函数流程图
（4）主函数 图4.4 主函数流程图
程序编码 #include CNKI数据库使用方法 一、简单检索 点击检索方式选择区的“简单检索”按钮，进入简单检索界面。简单检索提供了类似搜索引擎的检索方式，检索者只需要输入所要找的检索词，点击“简单检索”进行检索，就可查到与检索词相关的文献。 二、标准检索 点击检索方式选择区的“标准检索”按钮，进入标准检索界面。系统提供了检索范围和文献内容特征两部分的检索控制，另外通过分类导航区和数据库选择区的内容选择，能够精确地检索到相关文献。 (一)检索范围控制条件 该部分可对发表时间、文献来源、国家及各级科研项目、作者四部分进行限定和选择。所有检索框在未输入关键词时默认为该检索项不进行限定，即如果所有检索框不填写时进行检索，将检出库中的全部文献。 1.发表时间 提供了具体时间、最近一周、一月、半年、一年选项，能够精确地对时间范围进行限定;具体时间输入可通过日历表进行选择，将光标移至输入框时，系统自动弹出日历表。 2.文献出版来源 是指在检索中限定文献的来源范围、出版媒体、机构或提供 单位等。可直接在检索框中输入出版媒体、机构的名称关键词，也可以点击检索框后的“文献来源列表”按钮，跳转至“文献出版来源”检索界面进行检索，在检索结果中选择文献来源输入检索框中。此项限定功能提供了精确和模糊检索。 3.国家及各级科研项目 是指在检索中可限定文献的支持基金，可直接在检索框中输入基金名称的关键词，也可以点击检索框后的“基金列表”按钮，跳转至“科研基金检索”界面进行检索，在检索结果中选择基金输入检索框中。此项限定功能提供了精确和模糊检索。 4.发文作者控制 是指在检索中可限定文献的作者和作者单位。可通过点击“+”图标增加多个作者和作者单位(最多可增加至4个)，扩大检索范围，提高查准率。此项限定功能提供了精确和模糊检索以及逻辑运算(并且、或者、不含)选项。 (二)文献内容特征部分 提供了基于文献的内容特征的检索项：全文、篇名、主题、关键词、中图分类号。可通过点击“+”图标增加多个条件(最多可增加至4项)，提高查准率。 1.扩展词推荐 在检索框中输入一个检索词后，点击检索框后的扩展按钮 浅谈背景技术文献追踪检索在专利审查实践中的应用 发表时间：2019-07-09T16:43:40.647Z 来源：《科学与技术》2019年第04期作者：程京京王冬雪[导读] 通过追踪背景技术文献来获取准确关键词进行检索，以期寻求一种审查关键词表达难度较大的权利要求的方法。国家知识产权局专利局专利审查协作湖北中心 摘要：本文指出专利审查实践中，通过追踪背景技术文献来获取准确关键词进行检索，以期寻求一种审查关键词表达难度较大的权利要求的方法。 关键词：背景技术追踪检索 引言 按照专利法实施细则的规定，说明书背景技术部分应当写明对发明或者实用新型的理解、检索、审查有用的背景技术，并引证反映这些背景技术的文件[1]。因此，审查实践中，背景技术文献对理解发明、检索等起到重要的作用，充分挖掘背景技术文献信息可以有效提高检索效率。 一、案例分析 案例一 该案权利要求为：“1.一种基于偏振干涉的带内光信噪比检测方法，其特征在于，所述方法具体包括……。2.如权利要求1所述的方法，其特征在于，所述步骤A中测量光信号中的噪声功率具体包括……”。 对于光信噪比检测领域，其结构表达难度较大，实际检索中，首先确定准确的CPC分类号：H04B 10/07953、H04B 10/07955，然后使用CPC分类号在外文库中检索到相关文献US7149407B1，其说明书背景技术中提到一篇期刊“IEEE：Orthogonal-Polarization Heterodyne OSNR Monitoring Insensitive to Polarization-Mode Dispersion and Nonlinear Polarization Scattering”，其测量噪声功率的方式是正交极化外差的方式进行测量，不是本案所述的“偏振干涉测量”的方式，但通过查看其参考文献，发现一篇文献“OSNR Monitoring Technique Based on Orthogonal Delayed-Homodyne Method”，根据分析可发现其与权利要求2中测量噪声功率的方式一致，可作为评述本案创造性的文献。通过阅读该文献，发现其使用了“Homodyne”（零差）一词，其可以准确表达延时、干涉的测量方式，是较为专业的表述方式。使用准确的关键词进行补充检索，得到可用对比文件US2008205886A1。 案例二 该案权利要求为：“1. 一种采用水热反应法制备单分散三角形银纳米盘的方法，其特征在于……”。 本案涉及一种采用水热反应法制备单分散三角形银纳米盘的方法，属于纳米功能材料技术领域，首先选取非专利数据库，在CNKI中检索得到一篇期刊文献，通过追踪其参考文献，得到可用对比文件“Mechanistic Study of the Synthesis of Au Nanotadpoles Nanokites and Microplates by Reducing Aqueous HAuCl4 with Poly(vinylpyrrolidone)”。 案例三 该案权利要求为：“1.一种用于缓冲吸能材料的泡沫镁制备方法，其特征在于，包括如下步骤：（1）称取23.40～51.89重量份的尿素和48.11～76.60重量份的镁粉……；（2）用钢制模具将前一步所得的混合料静压成型……；（3）将生坯放入真空碳管炉内进行烧结……”。 本案涉及泡沫金属材料制备技术领域，首先在CNKI中检索，在一篇名为“泡沫镁的制备及其性能和应用”的综述性文章中提到一种通过有造孔剂的粉末冶金法制备泡沫镁的方法，该方法由日本结构和功能材料研究所C.E.Wen等提出，以工业纯镁为基体材料，尿素为造孔剂制备泡沫镁，通过追踪其参考文献，得到可用对比文件“processing and mechanical properties of magnesium foams”。 二、启示 这三个案例均通过对背景技术文献进行追踪，进一步挖掘参考文献信息，例如关注与发明或实用新型技术方案相关的综述性文章，有利于梳理现有技术发展脉络，关注文章引用的参考文献，有利于获取有效证据。 三、结论 以上，通过对三个案例的分析，对于专利审查实践中如何通过追踪背景技术文献获取有效证据提供了思路，有助于提高专利审查中证据获取的能力和效率。 参考文献 [1]中华人民共和国国家知识产权局.专利审查指南2010[M].北京：知识产权出版社，172-175. 专利检索方式之基本检索法说明 专利基本检索是一种基于某一特定的检索字段进行的简单检索，即检索人利用己知的、确定的检索词，输入到某一个检索入口中，查找所需专利信息。基本检索可分为主题检索、人名检索和号码检索。 1.主题检索 主题检索是指根据技术主题进行查找专利信息的工作，其检索的结果是找出含有该技术主题的相关专利信息。通过分析技术主题可以查出该主题对应的分类号，以及代表其技术特征的关键词，因此可以利用这两个检索字段分别检索。 也就是说，主题检索实际上是分类号检索或关键词检索。可以将技术主题所对应的分类号，输入到分类号入口中进行检索；也可以将代表其技术特征的关键词，输入到关键词入口中进行检索。 例如，用中国专利文摘检索数据库检索有关“电饭锅”方面的专利信息。通过分析“电饭锅”技术主题，查到其相关分类号是A47J2’7/00，将其输入到分类号入口中检索，得到1265 条相关专利信息。 “电饭锅”一词是代表该技术主题特征的关键词，将其输入到关键词入口中检索，得到349 条相关专利信息。 2．人名检索 人名检索是利用已知的专利权人、专利受让人、专利申请人或者发明人的名称作为专利检索字段，进行查找专利信息的工作，其检索的结果是找出与该人名有关的特定或全部专利信息。一般的专利检索系统中均为专利权人名称、发明人名称设立了专门的入口，因此可以分别就专利权人名称、发明人名称进行检索。 例如，检索富士公司专利。在专利权人入口中输入“富士”或Fuji Film，即可检索出该公司的相关专利。 3．号码检索 号码检索是指用专利或专利申请的特定号码作为专利检索字段，查找该专利或专利申请有关信息的工作，它所涉及的号码有申请号、优先权申请号和文献号（专利号）等。可以用申请号查专利号，以便索取专利说明书；可以用专利号查申请号，以便了解专利的法律信息；还可以用优先权申请号查同族专利的信息。 实验：搜索引擎性能评价 小组成员：黄婷苏亮肖方定山 一、实验目的： 依据MAP，P@10，MRR等评价指标对各个搜索引擎（百度、搜狗、必应）的查询性能进行评测，对搜索引擎满足不同信息需求的情况加以比较。 二、实验方案： 1.构建查询样例集合： （1）构建查询样例集合 规模：100个查询 热门程度：冷门/热门 类型：导航类/信息类/事务类（2：5：3） （2）根据个人经验，撰写每个查询样例的信息需求内容 2.构建Pooling： （1）抓取各个搜索引擎对步骤一查询词的查询结果 抓取的搜索引擎：五个中文搜索引擎(百度、搜狗、必应) 抓取范围：查询结果的前30位结果 注：pooling method的大概意思是查询结果去重 3.构造标准答案集合： （1）根据步骤1中撰写好的信息需求，对Pooling里的结果进行标注，标注为“答案”和“非答案”两类即可 4.查询性能评价： （1）根据标注结果，依据MAP，P@10，MRR等评价指标对各个搜索引擎的查询性能进行评价 （2）对搜索引擎满足不同信息需求的情况加以比较 5.扩展内容： （1）可以尝试对搜索引擎处引擎处理非中文查询、有错别字查询等情况的不同策略进行分析、比较 三、实验结果及分析： 根据实验结果及目的，详细分析实验结果。 1.实验结果： 百度：https://https://www.doczj.com/doc/864173021.html, 搜狗：https://https://www.doczj.com/doc/864173021.html, Bing国内版：https://https://www.doczj.com/doc/864173021.html, 综合比较： 2.结果分析： （1）导航类搜索词 对于导航类搜索关键词，RR一般用作评价导航类的查询需求，用于表示用户在知道目标前需要浏览的结果数目，可以看到，搜狗事务类的MRR指标偏高，可以发现，当用户想要搜索的信息为已知资源，主页，资源等信息时，搜索引擎可能会更倾向于返回给用户一些官方的主页信息，以使用户能够尽快找到目标，对于导航类信息的其他指标，相差也不大，但是P@10的指标值差异有些明显，搜狗和百度的P@10值是较好的，而必应的结果则稍差，查看原始搜索结果标记， 化学领域非专利文献的高效追踪检索 摘要：文献追踪检索是一种高效的检索手段。本文通过几个典型案例，介绍追 踪检索这一重要检索手段在化学领域非专利文献检索中的应用及其发挥的重要作用，从而扩宽检索思路，提高检索效率，达到提质增效的目的。 1. 前言 在专利审查中，非专利文献的高效检索一直是重点和难点。尤其是化学领域，非专利文献浩如烟海，数以亿计。如何在众多非专利文献中准确高效地命中目标 对比文件，一直是检索的研究重点。本文笔者结合实际审查工作，通过几个典型 案例，介绍追踪检索这一重要检索手段在化学领域非专利文献检索中的应用及其 发挥的重要作用。 2. 追踪检索 追踪检索，顾名思义，是以案头在审专利文献为基础，利用其给出的有效线 索如申请人、发明人以及关键技术细节等，进行层层抓取，进而顺藤摸瓜，命中 目标文件。 2.1. 申请人/发明人的追踪 对于高校、科研院所提交的专利申请，考虑到其研究具有连续性，在申请专 利的同时也会将研究成果发表在期刊杂志上。此时以申请人/发明人为入口进行追踪检索是非常必要的。 对于中文期刊，我们一般在知网、万方等数据库以作者为字段进行检索，即 可得到满意的结果。但对于外文期刊，通常我们以作者为字段在Web of Science 进行检索，有时因姓名重名率高，导致噪音很大，需要花费时间和精力逐篇筛选。 此时我们可以尝试在Scopus数据库进行高效检索。Scopus数据库作为目前全 球规模最大的文摘和引文数据库，其涵盖了全球3000多万学者信息，每位作者 在Scopus赋予了一个作者编码Author ID，该作者编码实现了对特定申请人/发明 人的高效追踪。下面以一个具体的审查案例来介绍Scopus数据库对申请人/发明 人的高效追踪流程。 案例1：一种机械球磨法合成粉煤灰稳定化钙基CO2吸附剂的方法，申请人 为清华大学，发明人为蒋建国团队。 2.2 引用文献/对比文件的追踪 高效的追踪检索，除了可以追踪申请人/发明人外，还可以追踪引用文献，甚 至是对相关的对比文件作进一步追踪检索，以期实现满意的检索结果。 案例2：一种甘油选择性脱水生产丙烯醛的催化剂制备方法，申请人为清华 大学，发明人为王铁峰团队。其涉及一种甘油选择性脱水生产丙烯醛的催化剂制 备方法，创新点在于采用真空浸渍法将Cs负载到载体氧化铌上。 通过Scopous数据库我们很快就可以检索到王铁峰团队在后发表的相关期刊 论文，但公开时间在本发明申请日之后，不能当作现有技术。但通过浏览期刊论文，在催化剂制备这部分给出了关键信息点“Vacuum-assisted impregnation method(即真空浸渍法)”，并标引了相关引用文献；直接对此进行追踪，即可获取 相关的对比文件。 案例3：一种光催化剂，是PCT申请，申请人为新加坡创新市场私人有限公 检索效果的评价指标 克兰弗登（ Cranfield）在分析用户基本要求的基础上，提出了 6 项检索系统 性能的评价指标，它们是收录范围、查全率、查准率、响应时间、用户负担和 输出形式。 （ 1）查全率 查全率 (recall factor)是指检出的相关文献量与检索系统中相关文献总量 的百分比，是衡量信息检索系统检出相关文献能力的尺度，可用下式表示： 查全率 =检出的相关文献总量 / 系统中的相关文献总量×100% 即 R=b/a * 100% 设 R 为查全率， P 查准率， M 表示漏检率、 N 表示误检率， m 为检出文献总量， a 为检索系统中的相关文献总量， b 为检出的相关文献总量。 例如，要利用某个检索系统查某课题。假设在该系统数据库中共有相关 文献为 40 篇，而只检索出来 30 篇，那么查全率就等于 75%。 （ 2）查准率 查准率 (Pertinency factor)是指检出的相关文献量与检出文献总量的百 分比，是衡量信息检索系统精确度的尺度，可用下式表示： 查准率 =检出的相关文献总量 / 检出文献总量×100% 即 P=b/m*100% 例如，如果检出的文献总篇数为 50 篇，经审查确定其中与课题相关的文 献只有 40 篇，另外 10 篇与该课题无关。那么，这次检索的查准率就等于80%。 检索效果 2 检索系统的响应时间是指从发出检索提问到获得检索结果平均消耗的时 间。主要包括： ① 用户请求到服务器的传送时间；② 服务器处理请求的时间；② 服务器的答复到用户端的传送时间；④用户端计算机处理服务器传来信息的时间。 提高检索效果的措施 1."提高用户信息素质 2."选择好的检索工具和系统 3."优选检索词 4."合理调整查全率和查准率 不同的检索课题对文献信息的需求不同，用户应根据课题的需要，适当调 整查全率和查准率，优化检索策略，以达到最佳检索效果。 （1）提高查全率 提高查全率时，调整检索式的主要方法有： ① 降低检索词的专指度，从词表或检出文献中选一些上位词或相关词。 ②减少 AND 组配，如删除某个不甚重要的概念组面（检索词）。 ③多用 OR组配，如选同义词、近义词等并以“ OR方”式加入到检索式中。 ④ 族性检索，如采用分类号检索。 ⑤ 截词检索。 ⑥ 放宽限制运算，如取消字段限制符，调松位置算符等。 （2）提高查准率 提高查准率时，调整检索式的主要方法有： ① 提高检索词的专指度，增加或采用下位词和专指性较强的检索词。 浅谈检索中追踪的应用 发表时间：2019-08-15T15:23:18.043Z 来源：《科技新时代》2019年6期作者：常珊权义柯 [导读] 但是通过阅读参考文献可以获得其导师邓军的一篇外文论文，其中记载了粘结界面最大主应力计算公式，其公开时间在本案申请日之后。 (国家知识产权局专利局专利审查协作湖北中心湖北武汉 430070) 摘要： 本文主要通过对实际案例的具体分析，挖掘建筑领域发明专利检索过程中一些追踪检索的线索，并针对建筑领域常用的一些追踪方式总结追踪检索策略，旨在为类似案件的客观高效检索提供参考。 关键词：检索，追踪，建筑施工 一、前言 建筑领域，由于领域特点，所审查的案件很大一部分是建筑施工方法及其设备，一是常规建筑结构施工方法，就是指建筑结构中的常见结构或构件的施工方法，该类案件一般都只保护方法，如钢筋工程施工方法、基础工程施工方法、混凝土工程施工方法等；二是基于设备的施工方法及其设备，就是指为了某些特殊需要根据实际工况而出现的一些特定构件或设备，该类案件通常既保护设备又保护方法，也有只保护方法或只保护设备的，且该设备一般是安装、拆卸设备，该方法一般是基于该设备的安装、拆卸方法。 因此，在建筑领域案件的检索过程中，针对常规建筑结构施工方法中一些特殊步骤的检索，或针对特殊施工方法及其设备的检索，使用客观高效的检索尤为重要。而追踪检索是指从一个比较相关的文件出发，利用文件之间的某些线索，检索其他相关文件；追踪检索包括发明人追踪、申请人追踪和引用文件/被引用文件追踪；也可以在检索过程中对检索到的重要相关文件进行上述追踪检索1。根据案件具体情况可以通过多种追踪方式实现案件的快速检索，实现客观高效的检索。 下面将通过实际案例分析和总结建筑领域常用的一些追踪检索线索和追踪检索策略。 二、案例分析 案例对案件本身进行追踪检索 （1）案情介绍 传统的工字钢梁翼缘带裂缝加固方法是通过将钢盖板或者型钢焊接或者粘结到在役工字钢梁的翼缘带的裂缝部位修复承载力，但是这种方法也存在许多缺陷，比如粘钢加固后增加了工字钢梁的自重，耐腐蚀性较差，且由于对结构胶粘剂厚度的控制采用压力控制，操作繁琐不易控制，并且施工过程中往往需借助大型机械设备，浪费时间、人力及物力。 权利要求1. 一种工字钢梁翼缘带裂缝加固方法，其特征在于，该方法包括： 制作标示(100)，在待加固工字钢梁(1)的翼缘带的界面上标示出待加固区域； 裁制碳纤维增强复合材料板(200)，根据所述待加固区域的尺寸裁制相应尺寸的碳纤维增强复合材料板(4)； 喷砂处理(300)，对所述待加固区域的表面进行喷砂处理获得第一喷砂表面，对所述碳纤维增强复合材料板(4)的表面进行喷砂处理获得第二喷砂表面； 丙酮擦洗(400)，用丙酮溶液擦洗经所述第一喷砂表面和第二喷砂表面； 涂胶处理(500)，在所述第一喷砂表面和/或所述第二喷砂表面涂制结构胶粘剂(3)，且所述结构胶粘剂内具有多个直径相同的小球珠；粘贴(600)，经所述涂胶处理后，将所述第二喷砂表面粘贴至所述第一喷砂表面上，并对所述碳纤维增强复合材料板(4)施加压力，使得所述结构胶粘剂的胶层的厚度等于小球珠的直径，所述碳纤维增强复合材料板的厚度和宽度的选取原则为加固后粘结界面最大主应力不大于结构胶粘剂的抗拉强度，具体粘结界面最大主应力计算公式采用： 压力保持(700)，对所述碳纤维增强复合材料板(4)施加压力保持的时间不小于72小时。 （2）发明点 通过对说明书的阅览，可以对权利要求的技术方案进行概括，可以确定本案有三个要点： 1、粘贴碳纤维增强复合材料板加固工字钢梁； 2、结构胶粘剂内具有多个直径相同的小球珠，所述结构胶粘剂的胶层的厚度等于小球珠的直径； 3、粘结界面最大主应力计算公式。 （3）常规检索 在专利库中，通过常规检索获得对比文件1（CN1425730A）、对比文件2（US2010276065A1）分别公开了发明点1和2。对比文件1（CN1425730A）公开了粘贴碳纤维增强复合材料板加固工字钢梁的相关内容； 对比文件2（US2010276065A1）公开了结构胶粘剂内具有多个直径相同的小球珠，所述结构胶粘剂的胶层的厚度等于小球珠的直径的相关内容。 对于发明点3，涉及计算公式，在专利库中，通过常规检索采用“粘结界面”、“最大主应力”等关键词，并没有获得粘结界面最大主应力计算公式相关内容。“粘结界面”、“最大主应力”等关键词不好扩展；分类号也仅能体现领域，也无与该发明点相关的分类号；且公式也不易表达和检索。 在非专利库cnki中用关键词“粘结界面”、“最大主应力”等进行常规检索，也没有获得粘结界面最大主应力计算公式相关内容。CNKI检索技巧
浅谈背景技术文献追踪检索在专利审查实践中的应用
专利检索方式之基本检索法说明
搜索引擎性能评价报告
化学领域非专利文献的高效追踪检索
检索效果的评价指标.doc
浅谈检索中追踪的应用
相关主题
文本预览