•人工收集：跟踪和选择一定范围或领域的 WWW 站点或页面，
按规范方式进行分类标引并组建索引数据库； •自动收集：通过自动采集器软件搜寻页面并自动维护数据库。
第16页
管理信息学 杨善林 胡笑旋编著
第3章 信息采集与存储
常用网络搜索
• 通用搜索引擎： • 常用科学文献搜索引擎： 万方数据库 中国期刊网 ProQuest ABI/Inform ISI Web of Science Sciencedirect IEEE Springer …
铁锹实验（科学管理之父---泰勒）
早先工厂里工人干活是自己带铲子。铲子的大小也就 各不相同，而且铲不同的原料时用的都是相同的工具，那么在铲 煤沙时重量如果合适的话，在铲铁砂时就过重了。
泰勒通过实验发现，每个工人的平均负荷是 21磅，后来他就
不让工人自己带工具了，而是准备了一些不同的铲子，每种铲子 只适合铲特定的物料，这不仅使工人的每铲负荷都达到了 21磅， 也是为了让不同的铲子适合不同的情况。
c i 1
i
为x的总概率，是与x相关的常量。则二元识别公式为：
如果P(x|ω1)P(ω1)>P(x|ω2)P(ω2) ，那么x∈Ω1，否则x∈ Ω2 如果P(x|ω1)/P(x|ω2)>P(ω2)/P(ω1) ，那么x∈Ω1，否则x∈ Ω2 似然函数比
先验概率阈值
第26页
管理信息学 杨善林 胡笑旋编著
第3页
管理信息学 杨善林 胡笑旋编著
第3章 信息采集与存储
信息的收集——实验方法
•实验方法可以在一定程度上直接观察研究到某些参量之间的 相互关系，甚至是因果关系。这有利于对事物本质的研究。 •实验方法有物理实验、对比实验等形式。物理实验是研究具 体的物理系统或物理对象的内在规律；对比实验一般是从较 高级别研究同类个体在不同的环境和条件下的差异及其内在
获取正常手段难以获得的信息或结论。
•特定信息是指在被考察对象的自然状态下，用普通的观察 （调查）方法难以获得的准确、真实的信息。
第2页
管理信息学 杨善林 胡笑旋编著
第3章 信息采集与存储
信息的收集——实验方法
•限定信息产生条件是获得信息的实验方法的本质特征，也是
一个方法能够称之为实验方法的必要条件 •实验参与者对实验结果将会产生重要影响，所以对参与者有 恰当的限制 •信息或数据的产生过程是每一个实验设计都必须完成的工作， 但其方法和手段，在不同的实验中，差异很大
如果P(ω1 |x)>P(ω2 |x)，那么x∈Ω1，否则x∈ Ω2
第25页
管理信息学 杨善林 胡笑旋编著
第3章 信息采集与存储
统计分类识别：二元识别
•实际上，根据贝叶斯公式有：
P i x p x i P i p x
其中 p x p x P i
•事实检索是以事实为检索内容的信息检索，事实是从原始文献 中抽取的，并有简单的逻辑判断能力，是有关某一事物的具体 答案。
第13页
管理信息学 杨善林 胡笑旋编著
第3章 信息采集与存储
文献检索方法
•文献检索方法有直检法、引文法、工具法和循环法等。
–直检法是从浏览查阅原始文献中直接获取所需文献的方法； 为线索，进行逐一追踪的查找方法； –工具法就是通过检索工具和检索系统查找文献的方法，是
第3章 信息采集与存储
3.3 信息组织 3.3.1 信息组织的概念 3.3.2 信息组织的原理 3.3.3 信息组织的层次
第27页
管理信息学 杨善林 胡笑旋编著
第3章 信息采集与存储
3.3.1 信息组织概念
信息组织环节位于信息采集环节之后 ,它是对所采集的信息资源
进行序化处理的过程。：
索。
•计算机检索是文献检索的主流和趋势。 •计算机检索组成：文献数据库和信息检索系统。
•文献数据库是将原始文献按照主题词表或分类表及使用
原则进行处理，形成特征标识后，按一定规则存放的数据 库； •信息检索系统是一种信息检索工具，它将提问标识与文 献数据库中的标引标识进行比较，两者一致或标引标识包 含提问标识，则输出该信息。
Ω=Ω1∪Ω2 Ω1∩Ω2= Ωi ={ωi} i=1,2
第24页
管理信息学 杨善林 胡笑旋编著
第3章 信息采集与存储
统计分类识别：二元识别策略
在自然状态下,先验概率P(ω1) 和P(ω2)通过统计是可以知道
的,先假定收到一个未知模式 x ,问题是识别这个模式究竟是
属于Ω1还是属于Ω2?
若能计算出条件概率 P(ω1 |x)和P(ω2 |x)，那么合理的决策 (二元识别公式)是：
管理信息学 杨善林 胡笑旋编著
第3章 信息采集与存储
模式匹配法：余弦测度
•余弦测度：设输入模式 x 与标准模式 rk 均为 p 维空间
向量，则x与rk的类似度被定义为： 其中：
s k x x, r k / x r k

k

( x, r ) x r
k
p
1
第23页
•文献有零次文献、一次文献、二次文献和三次文献 四个级别
•一次文献以作者本人取得的成果为依据而创作的论文、报告等 经公开发表或出版的各种文献。如：期刊论文、学位论文、科 技报告、专利说明书、技术标准等。 •一次文献在整个文献中数量最大、种类最多、使用最广、影响 最大，是文献检索和利用的主要对象。 •一次文献内容新颖丰富，叙述具体详尽，参考价值大，但数量 庞大、分布分散。
包括专题评述、年鉴、百科全书、词典、索引与文献服务目
录、工具书目录等。
第12页
管理信息学 杨善林 胡笑旋编著
第3章 信息采集与存储
文献检索对象
•文献检索分为原文检索、数据检索、事实检索和全文检索
•原文检索以文献原文为检索对象；
•数据检索是以数据为检索内容的信息检索，这些存储在系统的
大量数据是经过测评、评价、筛选过的、可直接用于定量分析；
用户在特定的时间和条件下所需文献的过程。
•文献资源是指传统的介质(纸张)和现代介质(如微缩胶片、 磁盘、光盘、优盘、硬盘等)记录和存储的知识信息。 •文献通常包括图书、期刊、会议文献、科技报告、专利文 献、标准文献、学位论文、产品资料、技术档案和政府出版 物等。
第8页
管理信息学 杨善林 胡笑旋编著
第10页
管理信息学 杨善林 胡笑旋编著
第3章 信息采集与存储
文献检索资源分类
•文献有零次文献、一次文献、二次文献和三次文献 四个级别
二次文献是按照特定目的对一定范围和学科领域内的一次文献进行
鉴别、筛选、分析、归纳和加工整理等，使之有序化后出版的工具
书和书刊； •二次文献主要功能是检索、通报、控制一次文献，帮助人们在较
第15页
管理信息学 杨善林 胡笑旋编著
第3章 信息采集与存储
信息的收集——网络收集方法
•网络方法是通过网络特别是Internet收集有关网络信息资源 •网络信息资源可理解为“通过计算机网络可以利用的各种信息资源 的总和” •网络收集方法是通过网络搜索引擎实现对有关信息的收集 •网络搜索引擎：按照一定的规律和方式对网络上 WWW、FTP等站 点进行搜索，并将搜索到的页面信息存入临时数据库。
•语言学。 我们一般将事物的属性抽象为字、词或概念 ,然后再通
过字、词或概念的序化来表征信息的组织。 •逻辑学。 信息组织本身是思维的一种表现形式 , 概念是思维的元 素,逻辑则是思维的规则。 •系统论。 信息组织也是一个系统化的过程 , 其最终目的是将无序
第6页
管理信息学 杨善林 胡笑旋编著
第3章 信息采集与存储
信息的收集——实验方法
霍桑实验（梅奥）
• • • • 照明实验 福利实验 访谈实验 群体实验
第7页
管理信息学 杨善林 胡笑旋编著
第3章 信息采集与存储
信息的收集——文献检索 •文献检索是以文献为检索对象的信息检索，即利用相应的 方式与手段，在存储文献的检索工具或文献数据库中，查询
的原因，或研究不同条件对个体的影响。
第4页
管理信息学 杨善林 胡笑旋编著
第3章 信息采集与存储
信息的收集——实验方法
•
从实现实验的手段看，可分为： • 仿真实验：创设与真实环境几乎完全相同的情境（实 验室仿真和计算机仿真） • 现场实验
第5页
管理信息学 杨善林 胡笑旋编著
第3章 信息采集与存储
信息的收集——实验方法
“信息组织是将处于无序状态的特定信息 ,根据一定的原则和方 法,使其成为有序状态的过程,其目的是将无序信息变为有序信息,方 便人们利用信息和有效地传递信息。”
第28页
管理信息学 杨善林 胡笑旋编著
第3章 信息采集与存储
3.3.2 信息组织原理
信息组织是是基于事物属性的一种序化方法 ,事物具有多少种 属性,就可能形成多少种序化方法。
管理信息学 杨善林 胡笑旋编著
第3章 信息采集与存储
统计分类识别：工作原理 统计分类是基于概率统计模型得到各类别的特征向量分布，
以取得分类的功能。
统计识别法的基本工作原理(贝叶斯分类方法的二元识别 )： 设任一模式只有两种可能的类属 ω1和ω2，用符号Ω表示模式 空间，Ω1表示第一类模式的子空间，Ω2表示第二类模式的子 空间，满足：
第17页
管理信息学 杨善林 .2.4 信息的识别
信息识别模型
信息识别方法：模式匹配法
信息识别方法：统计分类识别 信息识别方法：神经网络方法
第18页
管理信息学 杨善林 胡笑旋编著
第3章 信息采集与存储
信息识别模型 •信息识别是判断所感知、收集的信息是否是所希望的信息。 信息感知是确定“有没有信息” ，信息识别是确定“有什么