問題二：pubmed怎麽主題途徑加權檢索 IM EM CA中專利索引 BA SCI 特種文獻 專利類型 機檢4個階段副主題詞 數據庫結構種類 CBM 加權檢索 PUBMED全文重點 EBM 壹，名解： 1， 文獻：
問題三：MeSH數據庫中檢索詞、主題詞、副主題詞有什麽區別求大神幫助 檢索詞，顧名思義就是妳在檢索框中輸入的詞，很大壹部分是自由詞檢索。主題詞是經過規範的詞，讓有不同名稱的疾病用“官方”壹個名稱來稱呼，主題詞可以搭配副主題詞以提高檢索的精度，不同的主題詞有不盡相同的副主題詞搭配，需要註意。其中還有加權的問題，視妳檢索需要而定。
問題四：設計方法學中加權系數的確定有幾種，分別是什麽，有什麽特點 問答題 1.簡述信息、知識、文獻的概念及其三者之間的關系。 1.答：信息：是事物存在方式、運動狀態及其特征的反映，是事物發出的信號、消息。 知識：是人類對自然界、人類社會中各種現象、規律的信息反映進行思維分析，加工提煉，經過系統化、理論化的結果。 文獻：記錄有知識的壹切載體 三者從概念範疇上看，信息大於知識大於文獻，知識是信息的壹部分，是理論化系統化的信息，文獻是知識中記載下來的那部分。 2.文獻按載體形式不同分為哪幾種類型，並舉例說明。 2.答：文獻按載體形式的不同分為： 手寫型文獻，如甲骨文、金文 印刷型文獻，如圖書、期刊 縮微型文獻，如縮微膠卷、縮微膠片 視聽型文獻，如錄像帶、錄音帶、科技電影 電子型文獻，如數據庫文獻和網絡文獻 3.文獻的級別及其相互關系。 3.答：文獻按照加工程度不同分為零次、壹次、二次和三次文獻四種。 其中零次文獻是指未公開出版的實驗記錄、原始錄音（像）、書信、手稿、口頭交流的信息或實物等；零次文獻在作者的加工處理後公開出版進入社會流通領域就變成壹次文獻；根據壹次文獻的各種特征按照壹定的規則和方法對其進行整理、加工、濃縮，後形成的文獻就是二次文獻；利用二次文獻線索對大量的壹次文獻內容進行綜合、分析、加工、提煉後形成的文獻就是三次文獻。 4.在計算機檢索中，如何縮小檢索範圍？ 4.答：在計算機檢索中，縮小檢索範圍的方法包括： （1）增加用and連接的檢索詞，或用“二次檢索” （2）用特定的副主題詞進行限定 （3）用字段限定檢索，如標題詞檢索、主題詞檢索、加權檢索等 （4）進行文獻類型、語種、重要期刊、臨床核心期刊、年份等的限定檢索 （5）進入更專指的分類範圍內輸詞檢索 5.獲取文獻全文的方法有哪些？ 5.答：獲取全文的方法包括： (1)檢索網上全文數據庫 (2)利用網上出版社、雜誌 (3)利用圖書館館藏目錄（館藏聯合目錄） (4)利用“網上全文傳遞服務” (5)向著者索取 6.常用的檢索途徑有哪些？ 6.答：常用的檢索途徑包括： 自由詞檢索、主題詞檢索、分類檢索、著者檢索、機構檢索、引文檢索、限定檢索等 7.簡述信息檢索的原理 7.答：信息檢索的原理是：將描述特定用戶所需信息的提問特征，與信息存儲的檢索標識進行異同的比較，從中找出與提問特征壹致或基本壹致的信息。本質是用戶的信息需求與存儲在信息 *** 中的信息進行比較和選擇， 即匹配的過程。 8.計算機檢索通常包括哪些步驟？ 8.答：信息檢索的步驟包括： (1)分析檢索課題，明確目的和要求 (2)選擇合適的檢索工具 (3)選擇檢索途徑，確定檢索標識。 (4)查找文獻線索。 (5)瀏覽檢索結果，獲取原始文獻。 9. 簡述IM主題索引的編排規則。 9.答：主題索引的排列規則如下 (1)整個索引按主題詞字順排 (2)同壹主題詞下按副主題詞字順排 (3)相關內容的文獻題錄分別納入相應的主題詞或者主題詞/副主題詞之下;壹般總論性文獻直接入主題詞下，專指性文獻入相應的副主題詞下;同壹文獻題錄可入多個主題詞之下 (4)同壹主題詞或副主題詞下的文獻題錄，先排列英文文獻，後排列非英文文獻，非英文文獻的英譯標題用[ ]括起，以示區別 (5)英文文獻按刊名縮寫字順排 (6)非英文文獻先按文種縮寫字順排，同壹文種下按刊名縮寫字順排。 10.《醫學主題詞表》(MeSH)字順表的參照系統有哪幾種?舉例說明其意義。 10.答：第壹組：用代參照，用於處理詞與詞間的等同關系。在MeSH詞表中，對於多個同義詞只采用其中壹個比較科學而通用的詞作規範化主題詞，其它......>>
問題五：什麽意思 什麽
基本解釋
對名詞的提問用語，通常表示對事物的提問。
1. 未知的東西。
2. 所有的東西。
3. 與啥意義相同。
4.表示疑問。
詳細解釋
1. 表示詢問某人、某物或某事的本身或性質，妳從那裏得到了哪些消息。
2. 表示詢問某物或某事的情況，告訴我妳在找哪些。
3. 虛指，表示不肯定的事物，聞到壹種花香。
4. 表示否定
他算什麽,妳竟掛念他
5. 表示責難
妳笑什麽?
6. 表示詢問在它前面的詞或壹系列的詞中所未包括的可能性
這是爬行動物、兩棲動物，還是別的什麽東西？
7 表示驚訝或激動
什麽，不吃早餐啦!
8. 壹切事物
無論大地――生育壹切的母親――出產什麽
9. 用在“也”前,表示所說的範圍之內無例外
他什麽也不怕
10. 用在“都”前,表示所說的範圍之內無例外
只要認真學,什麽都能學會
11. 作代詞用：所有、全部、壹切；例如：只要妳答應了，我什麽都給妳。 ....我什麽都不怕。
問題六：信息檢索重點 問答題
1.簡述信息、知識、文獻的概念及其三者之間的關系。
1.答：信息：是事物存在方式、運動狀態及其特征的反映，是事物發出的信號、消息。
知識：是人類對自然界、人類社會中各種現象、規律的信息反映進行思維分析，加工提煉，經過系統化、理論化的結果。
文獻：記錄有知識的壹切載體
三者從概念範疇上看，信息大於知識大於文獻，知識是信息的壹部分，是理論化系統化的信息，文獻是知識中記載下來的那部分。
2.文獻按載體形式不同分為哪幾種類型，並舉例說明。
2.答：文獻按載體形式的不同分為：
手寫型文獻，如甲骨文、金文
印刷型文獻，如圖書、期刊
縮微型文獻，如縮微膠卷、縮微膠片
視聽型文獻，如錄像帶、錄音帶、科技電影
電子型文獻，如數據庫文獻和網絡文獻
3.文獻的級別及其相互關系。
3.答：文獻按照加工程度不同分為零次、壹次、二次和三次文獻四種。
其中零次文獻是指未公開出版的實驗記錄、原始錄音（像）、書信、手稿、口頭交流的信息或實物等；零次文獻在作者的加工處理後公開出版進入社會流通領域就變成壹次文獻；根據壹次文獻的各種特征按照壹定的規則和方法對其進行整理、加工、濃縮，後形成的文獻就是二次文獻；利用二次文獻線索對大量的壹次文獻內容進行綜合、分析、加工、提煉後形成的文獻就是三次文獻。
4.在計算機檢索中，如何縮小檢索範圍？
4.答：在計算機檢索中，縮小檢索範圍的方法包括：
（1）增加用and連接的檢索詞，或用“二次檢索”
（2）用特定的副主題詞進行限定
（3）用字段限定檢索，如標題詞檢索、主題詞檢索、加權檢索等
（4）進行文獻類型、語種、重要期刊、臨床核心期刊、年份等的限定檢索
（5）進入更專指的分類範圍內輸詞檢索
5.獲取文獻全文的方法有哪些？
5.答：獲取全文的方法包括：
(1)檢索網上全文數據庫
(2)利用網上出版社、雜誌
(3)利用圖書館館藏目錄（館藏聯合目錄）
(4)利用“網上全文傳遞服務”
(5)向著者索取
6.常用的檢索途徑有哪些？
6.答：常用的檢索途徑包括：
自由詞檢索、主題詞檢索、分類檢索、著者檢索、機構檢索、引文檢索、限定檢索等
7.簡述信息檢索的原理
7.答：信息檢索的原理是：將描述特定用戶所需信息的提問特征，與信息存儲的檢索標識進行異同的比較，從中找出與提問特征壹致或基本壹致的信息。本質是用戶的信息需求與存儲在信息 *** 中的信息進行比較和選擇， 即匹配的過程。
8.計算機檢索通常包括哪些步驟？
8.答：信息檢索的步驟包括：
(1)分析檢索課題，明確目的和要求
(2)選擇合適的檢索工具
(3)選擇檢索途徑，確定檢索標識。
(4)查找文獻線索。
(5)瀏覽檢索結果，獲取原始文獻。
9. 簡述IM主題索引的編排規則。
9.答：主題索引的排列規則如下
(1)整個索引按主題詞字順排
(2)同壹主題詞下按副主題詞字順排
(3)相關內容的文獻題錄分別納入相應的主題詞或者主題詞/副主題詞之下;壹般總論性文獻直接入主題詞下，專指性文獻入相應的副主題詞下;同壹文獻題錄可入多個主題詞之下
(4)同壹主題詞或副主題詞下的文獻題錄，先排列英文文獻，後排列非英文文獻，非英文文獻的英譯標題用[ ]括起，以示區別
(5)英文文獻按刊名縮寫字順排
(6)非英文文獻先按文種縮寫字順排，同壹文種下按刊名縮寫字順排。
10.《醫學主題詞表》(MeSH)字順表的參照系統有哪幾種?舉例說明其意義。
10.答：第壹組：用代參照，用於處理詞與詞間的等同關系。在MeSH詞表中，對於多個同義詞只采用其中壹個比較科學而通用的詞作規範化主題詞，其它......>>
問題七：PUBMED數據庫中僅限主要主題詞檢索和不擴展下位主題詞的區別是什麽？ 用pubmed漢化版，所有操作的區別壹目了然
問題八：數據挖掘中的列聯表分析之前為什麽要先加權？ 數據倉庫，數據庫或者其它信息庫中隱藏著許多可以為商業、科研等活動的決策提供所需要的知識。分類與預測是兩種數據分析形式，它們可以用來抽取能夠描述重要數據 *** 或預測未來數據趨勢的模型。分類方法（Classification）用於預測數據對象的離散類別（Categorical Label）；預測方法（Prediction ）用於預測數據對象的連續取值。
分類技術在很多領域都有應用，例如可以通過客戶分類構造壹個分類模型來對銀行貸款進行風險評估；當前的市場營銷中很重要的壹個特點是強調客戶細分。客戶類別分析的功能也在於此，采用數據挖掘中的分類技術，可以將客戶分成不同的類別，比如呼叫中心設計時可以分為：呼叫頻繁的客戶、偶然大量呼叫的客戶、穩定呼叫的客戶、其他，幫助呼叫中心尋找出這些不同種類客戶之間的特征，這樣的分類模型可以讓用戶了解不同行為類別客戶的分布特征；其他分類應用如文獻檢索和搜索引擎中的自動文本分類技術；安全領域有基於分類技術的入侵檢測等等。機器學習、專家系統、統計學和神經網絡等領域的研究人員已經提出了許多具體的分類預測方法。下面對分類流程作個簡要描述：
訓練：訓練集――>特征選取――>訓練――>分類器
分類：新樣本――>特征選取――>分類――>判決
最初的數據挖掘分類應用大多都是在這些方法及基於內存基礎上所構造的算法。目前數據挖掘方法都要求具有基於外存以處理大規模數據 *** 能力且具有可擴展能力。下面對幾種主要的分類方法做個簡要介紹：
（1）決策樹
決策樹歸納是經典的分類算法。它采用自頂向下遞歸的各個擊破方式構造決策樹。樹的每壹個結點上使用信息增益度量選擇測試屬性。可以從生成的決策樹中提取規則。
(2) KNN法(K-Nearest Neighbor)
KNN法即K最近鄰法，最初由Cover和Hart於1968年提出的，是壹個理論上比較成熟的方法。該方法的思路非常簡單直觀：如果壹個樣本在特征空間中的k個最相似(即特征空間中最鄰近)的樣本中的大多數屬於某壹個類別，則該樣本也屬於這個類別。該方法在定類決策上只依據最鄰近的壹個或者幾個樣本的類別來決定待分樣本所屬的類別。
KNN方法雖然從原理上也依賴於極限定理，但在類別決策時，只與極少量的相鄰樣本有關。因此，采用這種方法可以較好地避免樣本的不平衡問題。另外，由於KNN方法主要靠周圍有限的鄰近的樣本，而不是靠判別類域的方法來確定所屬類別的，因此對於類域的交叉或重疊較多的待分樣本集來說，KNN方法較其他方法更為適合。
該方法的不足之處是計算量較大，因為對每壹個待分類的文本都要計算它到全體已知樣本的距離，才能求得它的K個最近鄰點。目前常用的解決方法是事先對已知樣本點進行剪輯，事先去除對分類作用不大的樣本。另外還有壹種Reverse KNN法，能降低KNN算法的計算復雜度，提高分類的效率。
該算法比較適用於樣本容量比較大的類域的自動分類，而那些樣本容量較小的類域采用這種算法比較容易產生誤分。
(3) SVM法
SVM法即支持向量機(Support Vector Machine)法，由Vapnik等人於1995年提出，具有相對優良的性能指標。該方法是建立在統計學習理論基礎上的機器學習方法。通過學習算法，SVM可以自動尋找出那些對分類有較好區分能力的支持向量，由此構造出的分類器可以最大化類與類的間隔，因而有較好的適應能力和較高的分準率。該方法只需要由各類域的邊界樣本的類別來決定最後的分類結果。
支持向......>>
問題九：文獻檢索題目 20分 第壹個基礎檢索就可以啊 第二個是高級檢索吧 是限定條供 輸入作者 時間段 然後二次檢索 有限定核心期刊 第二作者的 新手吧 這些都是很基礎的 自己看看