信息检索实验报告.docx
《信息检索实验报告.docx》由会员分享，可在线阅读，更多相关《信息检索实验报告.docx（31页珍藏版）》请在冰点文库上搜索。
信息检索实验报告
信息检索（实验报告）
徐州工程学院
管理学院实验报告
实验课程名称：
信息存储与检索
实验地点：
经济管理实验教学中心
2012年月至2012年12月
专业信息管理与信息系统
班级10信管
学生姓名xx
学号 20101511215
指导老师xxx
实验报告
实验项目：
信息获取技术
实验学时：
2
实验日期：
2012-11-1
实验要求：
（1）熟悉扫描仪、智能手机、数字摄录、条形码、触摸屏、手写技术、音频处理、网络信息采集等各种常用信息获取技术的有关知识及应用技能。
（2）在实验室提供的计算机等设备的基础上，尽可能全面地提前自备上述各类信息产品或功能相同、相近的信息产品，以便进行实物操作。
（3）确实无实物或功能近似产品可用于实习的，可以用文字描述及粘贴图片的方式记录在实验报告上。
实验内容：
1、使用任一款扫描仪设备扫描任一书籍、报刊、票据等，并用扫描仪配备的OCR软件进行文字识别及图像编辑，最终将所选定的信息资料转化成硬盘中的电子文档。
（确无设备的，可查阅相关资料，将简要的文字叙述及软件窗口粘到报告中。
）
中晶扫描仪的尚书OCR7.5文字识别软件使用
①图像的输入：
打开尚书OCR软件，从“文件”菜单中，我们能够看到有两种选择，就是“打开图像”和“扫描”两种方式。
一般用户的图像是通过扫描得到。
在扫描之前，如果用户是第一次使用，建议用户进入“选择扫描仪”的项目；
②用户选择对应自己使用扫描仪的驱动，我们这里用Scanmaker3870扫描仪所对应的MicrotekScanWizard56.60版本的驱动。
然后按下“确定”按钮；
③在保证扫描仪已经联机的状态下，将要扫描的稿件放置在玻璃平台上，请点击“文件”菜单下的“扫描”选项；
④需要做的是选择扫描范围，针对我们现在要扫描的报纸，我们可以将扫描范围选择得大一些，只要包含了要识别的内容即可。
下面就要进行扫描前的设置：
首先是选择“原稿”，默认是照片，建议此时用户选择“文档”；
接下来选择“扫描类型”，这里推荐使用“真彩色”或者“灰阶”；
然后是“输出目的”选择，这推荐使用“OCR文字识别”或者“自定义”中键入“300DPI”；
如此，我们就进行完毕了扫描的设置，在控制界面窗口的下面，就可以看到扫描参数的设置信息了。
⑤点“扫描”按钮。
扫描仪将进行扫描工作。
扫描完毕后，扫描的图象会传送到尚书OCR内。
识别与校对
对于简单的文稿，直接用“识别”菜单下的“开始识别”。
识别完成后，画面会进入文字校对的画面。
如果需要，用户可以在这里，做一个字一个字的校对。
通过对比，修改识别结果。
在校对的时候，可以看到尚书软件已经提供了此行的行图像在文字的上方，用户可以比较方便的做原图像与识别后结果的核对工作。
遇到有些字，可能识别错误，软件提供了类似字型的参考字备选。
输出结果
需要用菜单上的“输出”到“指定格式文件”的功能。
默认保存的路径是：
尚书软件下的OUTPUT目录。
保存TXT格式
2、使用数字照相机（或具有近似功能的设备，如摄像功能手机）获取本人实验用的计算机显示器上显示的任一屏幕图像，保存成JPG格式图片，粘贴到实验报告上。
并用文字简要叙述你所使用设备的工作原理。
（实验目的不同，请不要用计算机本身的屏幕抓图功能）
数字照相机的工作原理：
数码相机是集光学、机械、电子、电功一体化的产品。
它集成了影像信息的转换、存储和传输等部件，具有数字化存取模式，与电脑交互处理和实时拍摄等特点。
光线通过镜头或者镜头组进入相机，通过成像元件转化为数字信号，数字信号通过影像运算芯片储存在存储设备中。
数码相机的成像元件是CCD或者COMS，该成像元件的特点是光线通过时，能根据光线的不同转化为电子信号。
佳能数码照像机
3、够读取条形码的设备有哪些？
任意选取一种，并将其图片粘贴到实验报告中，并在图片下方给出设备名称信息。
读取条形码的设备：
光笔、条码卡槽、扫描枪、激光全向扫描台、扫描仪、扫描器
条形码扫描设备：
手持式激光条码扫描器LS2208（摩托罗拉）
4、叙述一下本人触摸屏手机（没有的可以借用同学的）的触摸屏类型（电容式、电阻式…）及其工作原理。
并用图片说明。
手机信息：
步步高vivioS3,AndroidOS2.3系统,电容屏。
5、叙述一下本人手写板手机（没有的可以借用同学的）的手写板类型及其工作原理。
并用图片说明。
手机信息：
三星GalaxyTabP1000，7.0英寸超大电容触摸屏
工作原理：
数位电磁板和压感式电磁板的工作原理都是采用了电磁感应技术。
它由手写笔发射出电磁波，由写字板上排列整齐的传感器感应到后，计算出笔的位置后报告给计算机，然后由计算机做出移动光标或其它的相应动作。
压感电磁板中又加入了压力感应技术：
笔尖可以随着用力的大小微微的伸缩，一个附加的传感器能感应到你在笔尖上所施加的压力，并将压力值传给计算机，计算机则在屏幕上放映出该值笔迹的粗细。
6、将本人任意一句话进行话音获取及处理，生成音频格式的文件保存在硬盘上。
并用几张图片对采样、量化、编码等过程进行示意说明。
采样是每隔一个时间间隔在模拟声音的波形上取一个幅度值。
量化是对声波波形幅度的数字化。
编码是按照一定的格式把经过采样和量化得到的离散数据记录下来，并在有用的数据中加入一些用于纠错、同步和控制的数据。
7、选取任一种互联网信息采集软件，叙述其工作原理。
网络掘金者信息采集软件（Webminer）1.0
网络掘金者是一款用于网络信息定向采集与垂直搜索引擎建设的系统。
它可以从互联网上采集任意网页上的信息，并根据设定的规则从网页中分析提取出特定信息并整理存放在你指定的数据库中。
本款软件适用于任何行业、任何部门，因为每一个组织都有自己所需要的信息。
你可以用《网络掘金者》从互联网上抓取一系列的网页，只要输入起始网址和要抓取的Url地址标识，并定义元数据在网页中大概存放的位置，其余的工作《网络掘金者》会帮助你自动完成。
本软件立足于快速的信息采集，实时在线的信息监测，为企业网络情报信息采集决策,网站建设,新闻系统建设等提供快速完整的方案。
8、利用我校图书馆网站提供的“书目检索”功能，查找书名中含“信息检索”的图书，点击检索结果中任一书名，注意新页面右侧“手机二维码”的相关信息。
要求：
用手机摄像头读取该二维码（需要的软件请自行下载，或直接利用微信、UC浏览器、QQ浏览器中的功能）。
在实验报告中将该二维码图片粘贴到报告中，并把读取出的二维码信息中的书名附在图片下方。
信息检索张德文主编
实验项目：
信息存储技术实验
实验学时：
2
实验日期：
2012-11-8
实验要求：
（1）熟悉信息的印制存储、缩微存储、磁介质存储、激光存储、电子纸电子书、等各种信息存储技术以及计算机信息的存储结构、存储系统相关知识。
掌握一定的信息存储技能。
通过搜集资料了解NAS、SAN等的基本知识。
（2）在实验室提供的计算机等设备的基础上，尽可能全面地提前自备上述各类信息产品或功能相同、相近的信息产品，以便进行实物操作。
（3）确实无实物或功能近似产品可用于实习的，可以用文字描述及粘贴图片的方式记录在实验报告上。
实验内容：
（1）TP印刷技术的四种含义（即包含的具体四种印刷技术）?
并且请分别找到计算机直接制版机与数字打样机的任意图片各一张粘贴到实习报告中。
CTP包含四种含义：
1）Computertoplate：
从计算机直接到印版，即“脱机直接制版”。
最早由照相直接制版发展而来，所有采用计算机控制的激光扫描成像，然后通过显影、定影等工序印版。
这一技术免去了胶片这一中间媒介，使文字、图像直接转变成数字，减少了中间过程的质量损耗和材料消耗。
通常说的CTP就是这一种。
2）Computertopress：
从计算机直接到印刷机，即“在机直接制版”。
计算机控制的激光束将图文信息直接输出到印版上，而印版装在滚筒上。
这种印版只能使用一次，可以记录图文信息。
3）ComputerToPaperPrint：
计算机直接到纸张或印品，即直接印刷技术。
曼罗兰首先推出了computertoprint：
“数码柯式轮转印刷机”DICOweb。
4）ComputerToproof：
计算机直接出样张，即彩色数字打样。
计算机直接制版机
数字打样机
（2）缩微胶片主要有哪几种？
分别任选一幅缩微胶片及缩微阅读机的图片粘贴到实习报告中。
1）卷片缩微品是卷线在片盘或片盒内进行管理和使用的缩微品；
2）按胶片宽度分类
16mm卷式缩微品；35mm卷式缩微品；70mm卷式缩微品；105mm卷式缩微品。
3）按装片方式分类
4）片盘式缩微品；单轴盒式缩微品；双轴盒式缩微品；片夹式缩微品。
5）片式缩微品是指以单张胶片为单位进行管理和使用的散页式缩微品。
条片；封套片；开窗缩微卡片；缩微平片。
缩微胶片缩微阅读机
（3）选择自己认为比较有学习价值的移动硬盘内部结构图及磁带机结构图粘贴到实习报告中。
移动硬盘内部结构图磁带机结构图
（4）搜集至少10个含“RAM”并且含义与“随机存储器”相关的缩略词（如DRAM），并选择任一种的实物图片粘贴到报告中。
SRAM（StaticRAM/静态存储器）和DRAM（DynamicRAM/动态存储器）
SDRAM同步动态存储器、DRAM分为很多种，常见的主要有FPRAM/FastPage、EDORAM、SDRAM、DDRRAM、RDRAM、SGRAM以及WRAM等
（5）通过网络了解“全息光存储”的相关知识。
选择一幅有关“全息光存储”技术的图片粘贴到实习报告中。
全息光存储实际上还是一种光盘存储技术，采用复用技术，可大幅度地提高存储容量和系统性能。
在各种未来高密度光存储技术中，全息光存储以其所具有的高存储容量、高存储密度、高信息存储冗余度和超快存取速度等优点一直为人们所重视。
存储中的复用技术是全息光存储所特有的技术特征，采用合理的复用技术可以有效地增加系统的存储容量，提高存储系统的性能。
全息光存储中的复用技术主要包括空间复用、体积复用和混合复用三大类。
全息光存储的目标是要实现超大存储容量、超高存储密度和超快存取速度的数字信息存储，然而如果不采取有效的信号处理方法来抑制其记录通道中存在的各种各样噪声，将导致读出数据的误码率上升，系统的存储容量下降。
（6）通过网络了解“电子纸”和“电子书”的最新技术进展。
选择一幅“电子纸”的图片粘贴到实习报告中。
电子纸的最新技术进展：
旋转球电子纸技术、电泳显示器（electrophoreticdisplay）/电子墨水【电泳微粒（electrophoreticparticles），悬浮液、染料、CCA和稳定剂，微胶囊化，塑料晶体管】。
电子书的最新技术进展：
电子书产业链应由内容原创、编辑加工、数字转换、芯片植入、平台投送、设备生产、市场销售和进出口贸易等环节构成。
（7）绘制或复制计算机硬盘的逻辑结构图到实习报告中。
（8）用一幅图来表示计算机存储系统的多层次存储体系。
实验项目：
文本、多媒体信息编码压缩实验
实验学时：
2
实验日期：
2012-11-15
实验要求：
（1）熟悉字符编码、汉字编码的各种常用编码方案。
了解霍夫曼编码方法。
（2）熟悉图书、期刊等信息源的机读目录（MARC）格式。
（3）熟悉及掌握常用的文本压缩技术、音频、视频压缩技术。
实验内容：
（1）常见的字符编码除了7位ASCII编码，还有哪几种？
GB18030、Unicode、UTF-8
（2）常用的汉字编码除了GB2312外还有哪些？
“信”、“管”两字的区位码各是多少？
GBK、GB12345-90
“信”：
4837，“管”：
2560
（3）选择自己比较熟悉的两种汉字输入／输出编码，分别给出“信”、“管”两字的输入编码。
（例如“检”字的全拼编码是jian，五笔编码是swgi）。
“信管”：
全拼编码：
xinguan五笔编码：
wytpn
（4）自举任意一个霍夫曼（Huffman）编码的小例子，并将其粘贴到报告中。
设将信源符号按出现的概率大小顺序排列为：
信号字母表U：
（a1，a2，a3，a4，a5，a6，a7）p=（0.20，0.19，0.18，0.17，0.15，0.10，0.01），求信源的霍夫曼编码。
信息源为2.61bit
（5）访问我校图书馆网站下“馆藏资源”－“书目查询”栏目，任意设置条件检索出一批中文图书或期刊，任选其中一条记录阅读其“书目信息”及“机读格式”，并将“机读格式”中包含“200”字段在内的任意10个字段的内容（若全部粘贴则内容太多）粘贴到实习报告中。
（参阅教材P58-62）
《信息检索与利用》编著曹丽娟,白首晏中国电力出版社 2011
机读格式显示（MARC）
00001230nam2200313450
0010000459165
00520121030150700.0
010__|a978-7-5123-2069-7|dCNY26.00
099__|aCAL012011453953
100__|a20111221d2011emy0chiy50ea
1010_|achi
102__|aCN|b110000
105__|aaka000yy
106__|ar
2001_|a信息检索与利用|AXinXiJianSuoYuLiYong|f编著曹丽娟,白首晏
（6）从以下四种文本信息压缩技术中任选两种技术并各举一例来说明：
①空格压缩技术
②位图压缩技术
③游程编码技术
④前端／后端压缩编码技术
空格压缩技术：
空格压缩是将一串空格用一个压缩码代替，压缩码后面的数值代表空格的个数。
游程编码技术：
游程编码又称“运行长度编码”或“行程编码”，是一种统计编码，该编码属于无损压缩编码。
对于二值图有效。
行程编码的基本原理：
用一个符号值或串长代替具有相同值的连续符号（连续符号构成了一段连续的“行程”），使符号长度少于原始数据的长度。
例如：
5555557777733322221111111
行程编码为：
（5，6）（7，5）（3，3）（2，4）（l，7）。
可见，行程编码的位数远远少于原始字符串的位数。
在对图像数据进行编码时，沿一定方向排列的具有相同灰度值的像素可看成是连续符号，用字串代替这些连续符号，可大幅度减少数据量。
行程编码分为定长行程编码和不定长行程编码两种类型。
行程编码是连续精确的编码，在传输过程中，如果其中一位符号发生错误，即可影响整个编码序列，使行程编码无法还原回原始数据。
（7）JPEG的有损压缩编码分为哪几步？
MPEG视频压缩算法的两个基础技术是什么？
JPEG压缩编码算法的主要计算步骤：
正向离散余弦变换（FDCT）；
量化（Quantization）；
Z字形编码（ZigzagScan）；
使用差分脉冲编码调制（DifferentialPulseCodeModulation，DPCM）对直流系数（DC）进行编码。
使用行程长度编码（Run-LengthEncoding，RLE）对交流系数（AC）进行编码；
熵编码（EntropyEoding）。
JPEG是有损编码，是在量化过程中取整而产生的。
MPEG视频压缩算法的两个基础技术：
一种是基于16*16子块的运动补偿，用来减少帧序列的空域冗余，在帧内压缩及帧间预测中均使用了DCT变换；
一种是基于DCT变换的ADCT技术。
（8）列举出至少三种音频信息的压缩技术。
时域压缩或称为波形编码技术、子带压缩技术、变换压缩技术
（9）比较WinRAR与WinZip最新版本的优劣势（不写在报告上）。
总结提高WinRAR压缩率的一些技巧。
1、选中并右击要压缩的文件，选择“添加到压缩文件”，在“常规”标志符下选择“创建固实压缩文件”（选择“锁定压缩文件”可使其不能修改其压缩的内容），并在“压缩方式”下选择“最好”。
2、点击“高级”标签下的“压缩”按钮，这时会打开“高级压缩参数”窗口。
进行如下操作：
（1）一般程序或文档将“文本压缩”下的“预测顺序”设置为“30”，“内存使用”，“MB”设置为“30”，这两项值越高，压缩率越高。
（2）未压缩过的音频文件比如WAV文件，将“音频压缩”下的“声道”设置为“4”（0为自动）。
（3）未压缩过的图片文件比如BMP、TIF等，可将“真彩压缩”下设置为“强制”。
有可能会压缩得比JPG文件还小。
3、从“常规压缩”下的“字典大小KB”下拉菜单中选择“4096”项（如果内存高于64MB的话）。
最后点击“确定”开始压缩。
4、将一个任意较小的文本文件，与压缩后的压缩包重新压缩，具体方法请参照1~3步，只是在设置“字典大小KB”时，选择“2048”即可。
（提示：
如果是JPG、MP3、EXE等已经压缩过的文件，上述方法就不会提高压缩率了。
）二、自动添加注释的方法选择“注释”标签，点“浏览”选择压缩包注释文件，如“说明文件.htm”或“说明文件.txt”。
推荐把“常规”标签中的“压缩选项”里面的“创建固实压缩文件”和“锁定压缩文件”勾上，这样可以加大压缩率，还可以防止别人轻易修改压缩包。
在“高级”标签里面还可以选择是否“后台压缩”和设置压缩密码。
首先用鼠标右击目标文件，选择“添加到压缩文件”，勾选“创建固实压缩文件”，在压缩方式下选择“最好”。
再切换到“高级”标签页面，点击压缩，弹出“高级压缩参数”对话框，下面根据目标文件的类型进行设置：
若为文本类型的文件，在文件压缩栏下选择“强制”，将“预测顺序”设置为“63”（范围为2～63），“内存使用”设置为“256”。
这两个值可以根据实际情况设定。
值越大，占用的内存资源就越多，而且当解压缩时机器的内存小于压缩时机器内存时，文件可能会出现问题；若为“CD”或其他没有经过压缩的音频文件或视频文件（AVI、MP3文件已经过压缩），可在“音频文件”下选择强制，声道处的设置范围是“0～31”，一般设置为“4”或“0”，设置为“0”时，WinRAR会自动选择声道数。
“真彩压缩”选项是专门针对图片文件的，选择其中的“强制”就可以了。
最后设置“字典大小”为“4096”，就可以点击确定，进行压缩了。
（10）辨析“压缩率”与“压缩比”两个概念。
（选做题）
压缩率（Compressionratio），描述压缩文件的效果名，是文件压缩后的大小与压缩前的大小之比，比如你把100m的文件压缩后是90m，压缩率就是90/100*100%=90%，压缩率一般是越小越好，但是压得越小，时间越长。
压缩比是发动机中一个非常重要的概念，压缩比表示了气体的压缩程度，它是气体压缩前的容积与气体压缩后的容积之比，即气缸总容积与燃烧室容积之比称为压缩比。
通常汽油机的压缩比为6—10，柴油机的压缩比较高，一般为16—22.
实验项目：
文本、多媒体、Web信息检索技术实验
实验学时：
2
实验日期：
2012-11-22
实验要求：
（1）熟悉并巩固布尔、加权、截词、限定性、多媒体、标记语言、DC元数据等相关知识。
（2）能够利用相关知识和技能，访问我校的各类数字资源库，按需求检索出相关文献或数据信息。
熟练使用中外文著名搜索引擎检索Web信息。
（3）初步应用并掌握图像、音频等多媒体信息的检索技术。
实验内容：
（1）访问“中国期刊全文数据库”，利用其“高级检索”功能，试检索2007年以来，篇名中含“信息管理与信息系统”或者“信管”，并且全文中含“信息存储与检索”的文章有多少篇，要求匹配方式为“精确”。
请将屏幕中自检索项设置界面向下至检索结果的前两条记录这部分内容截图粘贴到实验报告中。
（2）任意选择
（1）中的一条记录打开阅读全文，复制全文中的任意连续语句（不少于100汉字）到实验报告中，并注明该篇文章的篇名、刊名、年（卷）期、起讫页码等信息。
内容：
摘要：
专业定位是高校人才培养的基本问题。
本文在深入调查研究的基础上,结合所在学校信息管理与信息系统专业的现状,分析了
该专业存在的主要问题,明确了该专业的人才培养定位--技术主导型应用人才,给出了技术主导型应用人才所需要的专业能力结构,据
此设计出相应的课程体系。
关键词：
信息管理信息系统应用型人才人才培养定位人才培养目标
中图分类号：
G642.0文献标识码：
A文章编号：
1674-098X（2010）01（c）-0160-02
篇名：
信息管理与信息系统专业人才培养定位思考作者：
王养廷、杜启军
刊名：
科技创新导报ScienceandTechnologyInnovationHerald
年（卷）期：
2010NO.03起讫页码：
160-161
（3）利用“维普中文科技期刊全文数据库”的“高级检索”功能，在页面下半部分采用“直接输入检索式”方式，试检索2006年以来，篇名中含“信息管理与信息系统”或者“信管”，并且全文中含“实验”的文章有多少篇。
要求将检索结果界面中自“检索结果 **篇；您的检索式…”至第一条结果相关信息这部分内容截图粘贴到实验报告中。
（4）访问“中文社会科学引文索引（CSSCI）”数据库，点“包库用户入口”进入。
1998――2012年全部选中，点击“被引文献”进入被引文献检索界面。
在“被引文献期刊”后输入“徐州工程学院学报”，“排除自引”复选框选中，点击“检索”。
试查找1998――2012年《徐州工程学院学报》中文献被其它期刊文献引用的有几篇？
选择所有，显示，选择任意一对“被引文献”与“来源文献”，将两者的篇名、作者、刊载期刊名、卷期号、起讫页码等信息粘贴到实验报告中。
29篇
被引文献：
李军.试论电视广告的语言美.徐州工程学院学报.2005，
（2）
来源文献（1篇）：
1程琪.论当下广告语对语言美的破坏倾向.云南民族大学学报（哲社版）.2006,23（01）:
158-160
实验项目：
文本、多媒体、Web信息检索技术实验
实验学时：
2
实验日期：
2012-11-29
实验要求：
（1）熟悉并巩固布尔、加权、截词、限定性、多媒体、标记语言、DC元数据等相关知识。
（2）能够利用相关知识和技能，访问我校的各类数字资源库，按需求检索出相关文献或数据信息。
熟练使用中外文著名搜索引擎检索Web信息。
（3）初步应用并掌握图像、音频等多媒体信息的检索技术。
实验内容：
（1）使用谷歌（.hk）检索“信息管理与信息系统”相关的信息，要求将“信息管理与信息系统”作为固定词组进行完全匹配，并且搜索到的结果均为PDF文件格式，并且限定在.edu类型网站中检索。
请将标准搜索界面（默认首页）中输入的检索式通过截图粘贴到实验报告中。
（2）使用谷歌，从本地或网络上任选一幅有水印或尺寸较小（如网民头像等）的图片，检索出相应的无水印或尺寸较大的图片。
将检索图及检索出的任一满意结果图粘到实验报告中。
有水印的图片去水印的效果图
（3）使用XX识图（）完成“（6）”中任务（要求用与“（6）”中相同的图片进行检索，若检索结果为零也须将实际情况写在报告中）。
XX图片：
（4）列举出反向图片搜索引擎Tineye（）在日常工作生活中
升级会员 