数据库基本概念在专利检索中的运用.ppt

1,数据库基本概念在专利检索中的运用,陈卫明 许瑛 姚文 闫小苏2007.7.23,2,目录,1、数据、信息和数据处理 2、数据库系统概述 3、关系型数据库的三种操作 4、布尔逻辑运算（集合运算）5、三种字段类型,3,1、数据、信息和数据处理,1.1、三个世界按照数据库理论，有现实世界、信息世界、计算机世界等三个世界。现实世界的“客观事物”（事实、事件）在信息世界中抽象为“实体”，并定义了各种“属性”来描述“实体”。“实体”在计算机世界被描述成一条“记录”。客观事物-实体-记录,1、数据、信息和数据处理,1.2、数据（data）是一些符号，用来描述客观事物的特征。这些符号可以是数字形式、文字形式（以及图形、图像和声音等）。例如学生成绩、飞机班次、测量温度、（CPRS中的）发明人姓名、发明名称、文摘、优先权项、文献号、申请号、分类号、申请日、公开日等。,5,1、数据、信息和数据处理,1.3、信息（information）信息是经过加工（记载、分类、组织、关联、解释、提炼、消化理解）而具有使用价值的数据。（信息=数据+数据处理）有的信息由一个数据构成，比如分类号；有的信息由几个数据构成，比如优先权项、CPRS中的一条记录。数据和信息在形式上往往并无区别，尤其是那些由一个数据构成的信息。例如分类号。,6,一、数据、信息和数据处理,1.4、数据和信息的关系（信息是数据的内涵、二者是形与质的关系。）（数据是信息的载体，信息的表现形式仍是数据。）（信息是经过加工而具有使用价值的数据，信息=数据+数据处理。）数据只是把客观事物记录下来，并没有特定目的；而信息是有针对性的（某一问题、某一论点、某一特定目的）来收集、处理数据，用来作为决策或参考的依据。所以两者的差别在于是否存在某一特定目的。,7,1、数据、信息和数据处理,1.5、数据处理数据处理是指对各种类型的数据进行加工（收集、存储、分类、计算、检索、传输）的过程。数据处理的目的使之成为信息。数据处理通常也称为信息处理。,8,2、数据库系统概述,2.1、数据库（Datebase，DB）长期存放在外部存储设备（外存储器、外存介质）上、可以以各种方式进行组织、可以共享的数据（包括这些数据之间的联系）集合。（这些数据与应用程序例如VB相互独立）,9,2、数据库系统概述,2.2、数据库系统（Database System，DBS）数据库不能独立存在，是数据库系统的一部分。在实际应用中，人们所面对的其实是数据库系统。数据库系统具有管理和控制数据库的能力（输入、输出、组织数据）。,10,2、数据库系统概述,数据库系统包括： 硬件（计算机）数据库（DB）数据库管理系统（DBMS，常用的数据库管理系统有FoxPro、Oracle、SYBASE、INFORMIX等，用来建立、管理、控制数据库）数据库管理员用户和应用程序,11,2、数据库系统概述,2.3、信息世界的术语实体（Entity）对应于现实世界中的“客观事物”。实体可以指代具体事物，如一个学生，一本书（一件专利文献）；也可以指代抽象事件，如一场足球比赛。,12,2、数据库系统概述,属性（attribute）属性用来描述实体的特性。如学生实体可以用若干属性（学号、姓名、年龄、性别、出生日期、班级）来描述。属性的具体值称为属性值，如CN2745142Y（授权公告号）、马林（申请专利权人）、2004年9月16日2004.9.16（申请日）是属性值。,13,2、数据库系统概述,2.4、计算机世界的术语记录（record）、元组对应于信息世界的“实体”，二维表中的一行。  字段（field）对应于信息世界的“属性”，二维表中的一列。每个字段有字段名（标头），例如“发明人”、“申请号”等等。字段值（value）、数据项对应于信息世界的“属性值”，二维表中的一格。关系（relation）、数据库文件,14,2、数据库系统概述,一个关系就是一个二维表，每个关系有一个关系名。一个关系可以存储为一个数据库文件。例如某专利文献数据库可以有专利号的表，发明名称的表，专利权人的表等。下面是一个模拟数据库，该表是由一个以上的表（关系）通过“关联”而成。,15,模拟数据库（不是真的）,（一列表示一个属性）,2、数据库系统概述,16,2、数据库系统概述,2.5、关系的三种类型一对一的关系（例如一个学生只有一个学号；再例如一件专利只有一个申请号）一对多的关系（例如某班主任老师可以有多个学生，再例如一个发明人可以有多件专利）多对多的关系（例如一个学生可以选修多门课，一门课可以供多名学生选修；再例如一个分类号之下可以有多件专利文献，一件专利也可以有多个分类号）,17,2、数据库系统概述,2.6、数据库的三种类型数据模型是数据库结构的组织形式，目前数据库系统中常用的数据模型有三种：层次模型（Hierarchical Model）：用树形结构表示数据及其联系的数据模型，树形结构只能表示一对多联系：,18,2、数据库系统概述,19,2、数据库系统概述,网状模型（Network Model）：用网络结构表示数据及其联系的数据模型。网状模型可以直接表示多对多联系，但其中的结点间连线或指针更加复杂，因而数据结构更加复杂：,20,2、数据库系统概述,21,2、数据库系统概述,关系模型（Relational Model）：用关系表示的数据模型。关系是指由行与列构成的二维表，关系不但可以表示实体间一对多的联系，通过关系间的连接，也可以表示多对多的联系（见连接）：,22,微机871班学生表（A）,2、数据库系统概述,23,选修表（B）,2、数据库系统概述,24,课程表（C）,2、数据库系统概述,25,3、关系型数据库的三种操作,3.1、选择：从关系中找出满足给定条件的记录（元组），即在二维表中选行。（例（例如：对表A中李峰的选择）3.2、投影：从关系中找出若干字段（属性）组成新的关系，即在二维表中选列。（例如：对表B课程编号的投影）3.3、连接：将两个关系按某种条件提取部分（或全部）记录及部分（或全部）字段组合成新的关系。（例如：表B、表C按照课程编号关键字连接）,26,连接而成的新表（D）,3、关系型数据库的三种操作,27,4、布尔逻辑运算（集合运算）,4.1、并（或、or）（AB）A集合和B集合所有元组合并，再删去重复的元组，这种运算称为“并”（或）；所组成新的C集合，称为A、B的并集4.2、差（非、not）（A-B）A集合中删去（A集合中）与B集合相同（重复）的元组，这种运算称为“差”（非）；所组成新的C集合称为A、B的差集4.3、交（与、and）（AB）既属于A集合又属于B集合的元组，这种运算称为“交”（与）；所组成新的C集合，称为A、B的交集,28,交（，与，and）,属于集合A且属于集合B的元素组成的集合C，叫做A，B的交集（属于A又属于B的元素组成的集合，A and B=C）例：A-汽车，B- 发动机，C-即有汽车也有发动机的记录集caps中两词间空格，“and”， “+”,集合B,集合A,集合C,29,并（，或，or）,属于集合A或属于集合B的元素组成的集合C，叫做A，B的并集（A，B所有元素合并，删除重复元素组成的集合，A or B=C）。例：A-汽车，B-发动机，C-仅有汽车的记录集，仅有发动机的记录集，即有汽车也有发动机的记录集。caps中用“or”，“，”,集合A,集合B,集合C,30,差（-，非，NOT，与非，ANDNOT）,属于集合A而不属于集合B的元素组成的集合C，叫做A，B的差集（在A中排除属于B的元素后组成的集合，A not B=C）例：A-汽车，B-发动机，C-从所有含汽车的记录集中去掉含发动机的记录集caps中用“without”，“not”，“#”,集合A,集合B,集合C,31,4、布尔逻辑运算（集合运算）,4.4、差并（ornot、或非）从总集合排除B，再与A集合合并。三种情况4.4.1、A集合的所有元素都是B集合的元素时，还要考虑A集合与B集合哪个更大：4.4.1.1、如果A集合更大，或非结果=总集合；4.4.1.2、如果B集合更大，总集合被挖去部分B只填入了局部，有“空区”）,32,4、布尔逻辑运算（集合运算）,4.4.2、A集合的所有元素都不是B集合的元素，或非结果=总集合 not B4.4.3、A集合的部分元素是B集合的元素，总集合被挖去部分B只填入局部，有“空区”）,33,或非（4.1.1.1、A所有元素都是B的元素，且A>B）,34,总,或非（4.1.1.1、A所有元素都是B的元素，且A>B）,35,或非（4.1.1.2、A所有元素都是B的元素，且A<B）,36,或非（4.1.1.2、A所有元素都是B的元素，且A<B）,37,或非（4.1.2、A所有元素都不是B的元素）,38,或非（4.1.2、A所有元素都不是B的元素）,39,或非（4.1.3、A部分元素是B的元素）,40,或非（4.1.3、A部分元素是B的元素）,41,4、布尔逻辑运算（集合运算）,4.5、举例在检索时，可能会对这样的情形感到困惑：为什么当我们将两个检索结果进行集合运算时（或、与、非），却常常会得到我们所意想不到的结果（比如3+2=3）？这是因为集合运算所强调的是（集合中的）元素的种类。,42,（3+2=3）,A,B,+,C,或的讨论1（1）:B集中所有元素都属于A集,43,（3+2=3）,+,或的讨论1（2）:B集中所有元素都属于A集,44,（3+2=3）,A,C,或的讨论1（3）:B集中所有元素都属于A集,45,B,+,=,A,C,（3+2=3）,或的讨论1（4）:B集中所有元素都属于A集,46,（3+2=5）,A,+,B,C,或的讨论2（1）:B集中所有元素都不属于A集,47,（3+2=5）,+,或的讨论2（2）:B集中所有元素都不属于A集,48,B,C,A,3+2=5,或的讨论2（3）:B集中所有元素都不属于A集,49,3+2=5,+,=,C,或的讨论2（4）:B集中所有元素都不属于A集,50,（3+2=4）,A,B,+,C,或的讨论3（1）:B集中部分元素属于A集,51,（3+2=4）,+,或的讨论3（2）:B集中部分元素属于A集,52,（3+2=4）,A,C,或的讨论3（3）:B集中部分元素属于A集,53,（3+2=4）,+,C,=,或的讨论3（4）:B集中部分元素属于A集,54,非的讨论1（1）：（A集有几个B集没有的元素？）B集中所有元素都属于A集（3-2=1）,A,B,-,C,55,非的讨论1（2）：（ A集有几个B集没有的元素？）B集中所有元素都属于A集（3-2=1）,-,56,非的讨论1（3）：（A集比B集多几个元素？）B集中所有元素都属于A集（3-2=1）,B,A,C,57,非的讨论1（4）：（A集比B集多几个元素？）B集中所有元素都属于A集（3-2=1）,B,-,=,58,非的讨论2（1）：（ A集有几个B集没有的元素？）B集中所有元素都不属于A集（3-2=3）,A,B,-,C,59,非的讨论2（2）：（ A集有几个B集没有的元素？）B集中所有元素都不属于A集（3-2=3）,-,60,非的讨论2（3）：（ A集有几个B集没有的元素？） B集中所有元素都不属于A集（3-2=3）,61,非的讨论2（4）： （ A集有几个B集没有的元素？） B集中所有元素都不属于A集（3-2=3）,-,=,C,62,非的讨论3（1）: （ A集有几个B集没有的元素） B集中部分元素属于A集（3-2=2）,A,B,-,C,63,非的讨论3（2）：（ A集有几个B集没有的元素？） B集中部分元素属于A集（3-2=2）,-,64,非的讨论3（3）： （ A集有几个B集没有的元素？） B集中部分元素属于A集（3-2=2）,B,A,C,65,非的讨论3（4）： （A集有几个B集没有的元素？） B集中部分元素属于A集（3-2=2）,-,=,C,66,A,B,*,C,与的讨论1：B集中所有元素都属于A集（3*2=2）,67,（3*2=0）,A,B,与的讨论2：B集中所有元素都不属于A集,68,A,B,C,（3*2=1）,与的讨论3：B集中部分元素属于A集,69,5、三种字段类型,5.1、文本型（人名、地址、发明名称、文摘）5.1.1、注意词组和人名（公司名）的输入方式（核心问题是词之间如何连接，car body、air conditioner，methyl tert-butyl ether甲基叔丁基醚；中文不必考虑）情形1：USPTO中网站“search patents”中 ，人名为Last name-first name-initial，例如John E. Doe要这样输入：IN/Doe-John-E，为了模糊检索也可以：Doe-$、Doe-John$、Doe-J$情形1a：USPTO网站“search patents”中，AN/“general motors”、ABST/“bowling balls”、TTL/“bowling balls”情形2：欧洲局网站“espacenet”的applicant(s)和inventor(s)字段中，词之间连接用缺省或and；title和abstract也类似情形3：epoque中例如：Int business machines corp用w连接成为：International w business machines w corporation/pa(w),70,5、三种字段类型,5.1.2、操作符的使用5.1.2.1、截词符（截断符、通配符、模糊符、前方一致、白搭、wildcards、truncation symbol、right truncation）（1）第一种截词符表示任意字符（2）第二种截词符表示0-1个字符、或1个字符要考虑截词符能否用于词的中间情形1：国知局网站“中国专利检索”用“%”（词右可以缺省）代表任意字符，并可以用于词的中间、“？”代表0-1个字符例如：陈卫%、陈%明、北京海淀%（地址）、波%（发明名称）、波浪%（发明名称）情形2：CPRS没有截词符，用缺省表达,71,5、三种字段类型,情形3：USPTO网站“search patents”用“$”代表任意字符，不能插置于词的中间，没有其它截词符情形4：欧洲局网站“espacenet”（Title、Abstract、Applicant、Inventor）用“*”代表任意字符、“？”代表0-1个字符、“#”代表1个字符，但均不能插置于词的中间情形5：epoque用“+”（使用时至少要输入3个字母）代表任意字符、“？”代表0-1个字符、“#”代表1个字符（均可用插置于词的中间）例如colo?r，可查出color、colour例如fu#ee，可查出fuzee、fusee,72,5、三种字段类型,5.1.2.2、布尔算符（boolean operator）：and（*/spacebar）、or（+/，）、not（-/without）情形1：国知局网站“中国专利检索”and（*），or（+），not（-）情形2：CPRS用“*”、“+”、“-”情形3：USPTO网站“search patents”用“and、or、andnot”情形4：欧洲局网站“espacenet”用“and、or、not”，但各文本型输入框，各词之间缺省（空格）时为and情形5：epoque用and、or、not,73,5、三种字段类型,5.1.2.3、邻近算符（proximity operator）和同在算符（Co-occurrence operator） 情形1、epoque用w代表两词前后位置固定，d代表两词前后位置不固定（CAPS用adj、near）例如：air conditioner、car body用邻近算符：air w conditioner；car w body情形2：F(ield)、P(aragraph)、S(entence)例如：Ep s A8/pn,74,5、三种字段类型,5.2、代码型（IPC、文献号、申请号、国家代码）5.2.1、 注意分类号的输入方式情形1：CPRS不但要补零，还要去“/”，例如G06F19/00，输入时为：G06F01900情形2：USPTO网站“search patent”的CCL字段输入时，G06F19/00要成为G06F019/00情形3：国知局网站、“espacenet”、epoque（/ic）则不用加零，即保留原样：G06F19/00,75,5、三种字段类型,5.2.2、操作符的使用5.2.2.1、截词符情形1：国知局网站“中国专利检索”用“%”（词右可以缺省，并可以插置于各数据的中间）和“？”（申请专利号、公开公告号、分类号、主分类号、国际公布有3个子值等）情形2：CPRS没有截词符，用缺省表示：891（申请号），32（公开号），c01（IPC）,76,5、三种字段类型,情形3：USPTO网站“search patents”用“$”，但至少在3个字符之后（PN专利号DN公开号/APN申请号/ICL国际分类号/CCL美国分类号）例如：427/$（美国分类）；5641$（美国专利号），（检索结果为1000，而5641为0）情形4：欧洲局网站“espacenet”用“*”代表任意字符、“？”代表0-1个字符、“#”代表1个字符，但均不能插置于各数据的中间情形5：epoque在代码型字段的输入值可以用“+”右截断，例如us500+/pn，但us/pn是可以用的,77,5、三种字段类型,5.2.2.2、布尔算符各输入框中能否连续输入号码？情形1：国知局网站“中国专利检索”不能连续输入代码情形2：CPRS用“+”（不能有空格）情形3：USPTO网站“search patents”用or连接，上括号，例如：pn/(5000001) or 5000000)情形4：欧洲局网站“espacenet”（Publication Number、Application Number、Priority Number、IPC Classification、EC Classification），输入值间可用缺省或不缺省or情形5：epoque用or（AN、AP、PR、PN、IC）,78,5、三种字段类型,5.3、日期型（申请日、公开日）情形1：国知局网站“中国专利检索”范围检索符（时间区间）用“to”，例如：1998 to 1999；年月日中间用“.”，例如1999.10.5、1999.10、1999情形2：CPRS范围检索符（时间区间）用“>”；必须输入完整的年月日（YYMMDD>YYMMDD），例如：850101>020831；可用YYYY和YY；年月日格式；连续输入时可用“+”,79,5、三种字段类型,情形3：USPTO的“patent search”（ISD授权日PD公开日/APD申请日/PRIR优先权日）,输入值间不能用or，“日”可用“$”,时间区间用“->”。授权专利数据库日期型输入值有多种输入格式：20030403、4-30-2003（月日年）、4/30/2003（月日年）、20030327->20030403（时间区间）情形4：欧洲局的“espacenet”只有公开日检索框，不能使用范围检索，而且只能是YYYYMMDD情形5：EPOQUE(OPD、ORDPD)，年月日中间用“-”，范围检索更为精确,80,5、三种字段类型,81,结束语,主要参考目录：数据库原理与应用李春葆著 清华大学出版社数据库的基本概念许瑛 讲稿谢谢大家！,