信息检索实验报告
以下是为大家整理的信息检索实验报告的相关范文，本文关键词为信息,检索,实验,报告,，您可以从右上方搜索框检索更多相关文章，如果您觉得有用，请继续关注我们并推荐给您的好友，您可以在综合文库中查看更多范文。
《信息资源文献检索》实验报告院系：经济与管理学院专业：信息管理与信息系统班级：20XX学号：130403010034学生姓名：许思
琴实验指导老师：崔新华
完成日期：20XX年06月10日
目录
1.文献检索的意义....................................................32.检索主题..........................................................33.课程实验地点......................................................44.检索主题分析 (4)
4.1各主题分析...................................................44.2各主题检索策略...............................................55.检索步骤的制订. (7)
5.1手工检索.....................................................75.2计算机检索...................................................86.检索内容 (10)
6.1图书馆专业图书检索..........................................106.2中文科技期刊信息检索........................................106.3网络科技信息检索（含报纸和网络）............................257.检索主题结果的分析与总结.........................................298.信息资源检索课程心得 (31)
1.文献检索的意义
文献检索是教育研究过程中必不可少的一环。
通常课题确定后，接下来一步就是文献检索，即按照课题的目的要求，寻找研究所需要的文献资料。
通过查阅检索到的文献，研究人员能及时地吸收和借鉴他人的研究成果、思想、经验、扩大视野，掌握最新的研究动态，使自己的课题研究站在更高的起点上。
文献检索的意义
文献检索就是从众多的文献中查找并获取所需文献的过程。
“文献检索”和“文献查阅”常常互用。
“检”和“查”都有寻求、查找的意思。
“索”指索取、获得文献的意思，“阅”指阅读文献，并有分析评价之意，似乎文献查阅意义更宽泛些。
文献检索是教育研究过程中一个重要的步骤，它不仅仅是在研究的准备阶段被运用，而且贯穿于研究的全过程。
当研究课题尚未确定时，课题的产生常常是从泛泛地浏览文献、阅读文献开始的；当研究课题初步确定后，研究人员则必须围绕课题内容广泛地收集和查阅有关的文献以了解前人在这一领域的研究成果。
甚至在研究实施过程中，在分析研究结果、撰写研究报告时，仍需反复核查文献，分析评价文献，仍需时刻关注文献资料的进展情况。
一般来说，在确定研究课题前后，查阅文献相对集中一些。
查阅文献是进行科学研究的基础，任何研究都是在前人研究成果基础上的创新。
通过查阅文献有助于确定研究课题，形成研究假设，制定研究计划；有助于分析研究结果，撰写研究报告。
无论什么研究，它的实施与成果总是同占有什么样的文献资料联系在一起的。
掌握文献检索的方法是研究者从事研究的一项基本功。
文献检索的意义在在于几个方面1）为研究提供参考内容。
2）进一步限制和确定研究课题和假设。
3）提供前人的研究信息。
4）为如何进行研究提供思路和方案。
5）完善原有的研究设计和方案。
6）避免重复前人犯过的错误。
7）为解释研究结果提供背景材料。
2.检索主题
商务智能、关联分析、决策树、聚类分析
3.课程实验地点
贵州师范大学教学楼
检索主题的分析就是对各个检索词进行含义的解释。
4.检索主题分析
4.1各主题分析
1）商务智能
商务智能是什么?简而言之,它是能够帮助用户对自身业务经营做出正确明智决定的工具。
一般现代化的业务操作,通常都会产生大量的数据,如订单、库存、交易帐目、通话记录、及客户资料等。
如
何利用这些数据增进对业务情况的了解,帮助我们在业务管理及发展上作出及时、正确的判断,也就是说,怎样从业务数据中提取有用的信息,然后根据这些信息来采用明智的行动--这就是商业智能的课题。
目前，商业智能产品及解决方案大致可分为数据仓库产品、数据抽取产品、oLAp产品、展示产品、和集成以上几种产品的针对某个应用的整体解决方案等。
2）关联分析
关联分析又称关联挖掘，就是在交易数据、关系数据或其他信息载体中，查找存在于项目集合或对象集合之间的频繁模式、关联、相关性或因果结构。
或者说，关联分析是发现交易数据库中不同商品（项）之间的联系。
关联分析是指如果两个或多个事物之间存在一定的ud,那么其中一个事物就能通过其他事物进行预测.它的目的是为了挖掘隐藏在数据间的相互关系
在数据挖掘的基本任务中关联(ass()ciation)和顺序序贯模型(seqtlencing)关联分析是指搜索事务数据库(trarisactionaldatabases)中的所有细节或事务,从中寻找重复出现概率很高的模式或规则。
3）决策树
决策树是数据挖掘分类算法的一个重要方法。
在各种分类算法中，决策树是最直观的一种。
决策树（DecisionTree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。
由于这种决策分支画成图形很像一棵树的
枝干，故称决策树。
在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值之间的一种映射关系。
entropy=系统的凌乱程度，使用算法ID3，c4.5和c5.0生成树算法使用熵。
这一度量是基于信息
学理论中熵的概念。
4）聚类分析
聚类与分类的不同在于，聚类所要求划分的类是未知的。
聚类是数据分类到不同的类或者簇这样的一个过程，所以同一个簇中的对象有很大的相似性，而不同簇间的对象有很大的相异性。
从统计学的观点看，聚类分析是通过数据建模简化数据的一种方法。
传统的统计聚类分析方法包括系统聚类法、分解法、加入法、动态聚类法、有序样品聚类、有重叠聚类和模糊聚类等。
采用k-均值、k-中心点等算法的聚类分析工具已被加入到许多著名的统计分析软件包中，如spss、sAs等。
从机器学习的角度讲，簇相当于隐藏模式。
聚类是搜索簇的无监督学习过程。
与分类不同，无监督学习不依赖预先定义的类或带类标记的训练实例，需要由聚类学习算法自动确定标记，而分类学习的实例或数据对象有类别标记。
聚类是观察式学习，而不是示例式的学习。
聚类分析是一种探索性的分析，在分类的过程中，人们不必事先
给出一个分类的标准，聚类分析能够从样本数据出发，自动进行分类。
聚类分析所使用方法的不同，常常会得到不同的结论。
不同研究者对于同一组数据进行聚类分析，所得到的聚类数未必一致。
从实际应用的角度看，聚类分析是数据挖掘的主要任务之一。
而且聚类能够作为一个独立的工具获得数据的分布状况，观察每一簇数据的特征，集中对特定的聚簇集合作进一步地分析。
聚类分析还可以作为其他算法（如分类和定性归纳算法）的预处理步骤。
4.2各主题检索策略1）商务智能①商务智能的检索策略检索工具名称访问方式百度搜索引擎/施普林格数据库/文献类型网页期刊论文期刊论文期刊论文图书
最后，小编希望文章对您有所帮助，如果有不周到的地方请多谅解，更多相关的文章正在创作中，希望您定期关注。
谢谢支持！。