萬方、維普、CNKI以及搜索引擎檢索能力的定量研究

黎子輝

（華南理工大學(xué)圖書館情報(bào)咨詢部 廣東 廣州 510640）

在網(wǎng)絡(luò)資源飛速發(fā)展的大環(huán)境下，科技網(wǎng)絡(luò)資源的建設(shè)逐步完善，在我國(guó)開展科技查新工作的二十多年歷程中，以往以手工檢索書本型檢索工具為主的工作模式，也逐漸轉(zhuǎn)變?yōu)橐杂?jì)算機(jī)檢索科技數(shù)字資源為主的檢索方式?？萍疾樾拢?jiǎn)單地說就是基于文獻(xiàn)檢索判定前人有無相似的研究或成果，為判斷目標(biāo)項(xiàng)目是否具有新穎性提供客觀依據(jù)，以防止低水平重復(fù)研究開發(fā)而造成的人力、財(cái)力、物力的浪費(fèi)和損失。要完成一個(gè)項(xiàng)目查新，證實(shí)該項(xiàng)目涉及的研究?jī)?nèi)容在檢索范圍內(nèi)未見有文獻(xiàn)報(bào)告，就要求立足于對(duì)相關(guān)文獻(xiàn)檢索的全面性，而檢索人員則通過多個(gè)電子數(shù)據(jù)庫聯(lián)用的方式來應(yīng)對(duì)“查全”的要求[1]。

萬方、維普、CNKI作為中文文獻(xiàn)檢索的三大常用數(shù)據(jù)庫資源，它們?cè)诟鱾€(gè)學(xué)科領(lǐng)域的查新過程中基本成為必檢的數(shù)據(jù)庫。而由于上述三大數(shù)據(jù)庫各自的特點(diǎn)，它們相互具有資源同質(zhì)化和差異化[2，3]。因此，在查新過程中應(yīng)當(dāng)充分發(fā)揮三大數(shù)據(jù)庫檢索功能的優(yōu)勢(shì)，互補(bǔ)式地調(diào)用三大數(shù)據(jù)庫中的文獻(xiàn)資源，以減少漏檢的風(fēng)險(xiǎn)。此外，由于搜索引擎能有效地搜索因特網(wǎng)上的相關(guān)信息，充分調(diào)用網(wǎng)絡(luò)資源，所以它對(duì)提高查全率的作用受到越來越多的重視[4]。已有文獻(xiàn)論述了三大常用數(shù)據(jù)庫資源以及搜索引擎在查新檢索中的重要性及其數(shù)字資源的特點(diǎn)[5]，但未見有文獻(xiàn)對(duì)它們的檢索能力進(jìn)行定量研究。本文旨在對(duì)查新過程中的檢出文獻(xiàn)進(jìn)行定量分析，對(duì)比研究科技電子資源數(shù)據(jù)庫與網(wǎng)絡(luò)資源在查新過程中的文獻(xiàn)檢索能力。

1 研究方法

1.1 研究對(duì)象與檢索策略

選取萬方、維普以及CNKI三大中文常用數(shù)據(jù)庫為電子資源數(shù)據(jù)庫，選取Google、Baidu兩大搜索引擎為網(wǎng)絡(luò)資源檢索工具[6]，通過對(duì)檢出文獻(xiàn)的定量分析，研究電子資源數(shù)據(jù)庫與網(wǎng)絡(luò)資源在查新過程中的文獻(xiàn)檢索能力。同時(shí)調(diào)用國(guó)家知識(shí)產(chǎn)權(quán)局（http://www.sipo.gov.cn/）的專利數(shù)據(jù)信息用作專利檢索能力對(duì)比研究。上述數(shù)據(jù)庫及網(wǎng)絡(luò)信息均為2012年6月份數(shù)據(jù)。

文中選取兩個(gè)理工類（材料領(lǐng)域）熱門查新課題作為研究案例，包括“硅基量子點(diǎn)太陽電池的關(guān)鍵技術(shù)”和“氧化錳分子篩的合成、表征及應(yīng)用”。在檢索過程中編定一精確檢索式，以便保證研究數(shù)據(jù)具有橫向?qū)Ρ葍r(jià)值。在萬方、維普以及CNKI三大中文常用數(shù)據(jù)庫中，檢索范圍限定在題目、關(guān)鍵詞和文摘范圍內(nèi)，以確保上述三個(gè)中文數(shù)據(jù)庫檢索范圍的一致性。

1.2 數(shù)據(jù)分析

首先從各個(gè)數(shù)據(jù)庫以及搜索引擎當(dāng)中檢索獲取相關(guān)文獻(xiàn)，再由人工逐一篩除從檢索中獲得的、但實(shí)際基本不相關(guān)或相關(guān)度較低的文獻(xiàn)，得到用于數(shù)據(jù)統(tǒng)計(jì)和分析的有效文獻(xiàn)，并將有效文獻(xiàn)按期刊論文、學(xué)位論文、會(huì)議論文和專利四個(gè)類別進(jìn)行統(tǒng)計(jì)。在數(shù)據(jù)統(tǒng)計(jì)中，為了反映文獻(xiàn)發(fā)表年限的分布情況，將檢索年限分成六個(gè)區(qū)域，分別為2000年以前（主要是1990～1999年間的文獻(xiàn)）、2000～2004年、2005～2009年、2010年、2011年和2012年，近三年的數(shù)據(jù)單獨(dú)統(tǒng)計(jì)是為了能更直觀反映研究對(duì)象對(duì)最新文獻(xiàn)的檢索能力。利用Excel將系列有效數(shù)據(jù)以柱狀圖形式直觀反映在同一圖表中，以便作橫向定量分析。通過對(duì)人工篩選后得出的檢出文獻(xiàn)數(shù)量值、完整度以及相關(guān)度進(jìn)行綜合考慮，對(duì)三大數(shù)據(jù)庫及搜索引擎的檢索能力做出初步評(píng)價(jià)。

2 實(shí)例分析

2.1 分析案例一：“硅基量子點(diǎn)太陽電池的關(guān)鍵技術(shù)”

檢索式：(硅 or Si)and量子點(diǎn) and太陽 and電池

圖1 案例一的數(shù)據(jù)統(tǒng)計(jì)圖

期刊論文：在統(tǒng)計(jì)于2010年的數(shù)據(jù)中，在萬方、維普和CNKI中檢出密切相關(guān)期刊論文數(shù)量值分別為2、3和5，其中萬方、維普檢出的文獻(xiàn)全部不相同，而兩者調(diào)出的文獻(xiàn)則分別對(duì)應(yīng)CNKI檢出的5篇文獻(xiàn)。2011年數(shù)據(jù)中，萬方、維普檢出密切相關(guān)期刊論文數(shù)量值分別為1和0，CNKI的檢出數(shù)量值為2，其中1篇同于萬方檢出的相關(guān)文獻(xiàn)。2012年數(shù)據(jù)中，萬方、維普均未檢出密切相關(guān)期刊論文，而CNKI的檢出數(shù)量值為3。在這個(gè)案例中，CNKI檢出的密切相關(guān)期刊論文基本覆蓋了萬方和維普兩個(gè)庫。另一方面，利用Google和Baidu搜索引擎檢出的相關(guān)期刊論文數(shù)量較多，對(duì)其逐一比照后發(fā)現(xiàn)，所述文獻(xiàn)有一部分與三大數(shù)據(jù)庫中調(diào)出文獻(xiàn)相同，也有一部分文獻(xiàn)未能以同一個(gè)檢索式從三大數(shù)據(jù)庫中調(diào)出。這里分析主要原因有：1）搜索引擎對(duì)檢索詞的檢索范圍有可能超出題目、關(guān)鍵詞和文摘，一定程度削弱了有效數(shù)據(jù)的可對(duì)比性；2）搜索引擎調(diào)用了網(wǎng)上各類資源，部分文獻(xiàn)所屬的雜志三大數(shù)據(jù)庫未有收錄。盡管檢出文獻(xiàn)數(shù)量上占據(jù)絕對(duì)優(yōu)勢(shì)，但通過對(duì)文獻(xiàn)進(jìn)行人工注意比照分析后發(fā)現(xiàn)，搜索引擎檢出的相關(guān)期刊論文在相關(guān)度方面明顯低于三大數(shù)據(jù)庫中調(diào)出的文獻(xiàn)，而且搜索引擎調(diào)出的大部分文獻(xiàn)連接（此查新課題中約為83%）實(shí)際上是調(diào)用了三大數(shù)據(jù)庫的資源，即通過調(diào)整檢索式和檢索范圍，可以在三大數(shù)據(jù)庫中調(diào)出這部分文獻(xiàn)。此外，搜索引擎檢出的相關(guān)期刊論文中還有較多綜述文獻(xiàn)，而查新報(bào)告中引用相關(guān)文獻(xiàn)一般為研究型論文，而較少采用綜述文獻(xiàn)。

學(xué)位論文：本查新案例中萬方、CNKI在學(xué)位論文的檢出數(shù)量值方面優(yōu)于Google和Baidu搜索，打開搜索引擎鏈接發(fā)現(xiàn)調(diào)出的大部分有效信息（此查新課題中約為89%）同樣最終是連接到三大數(shù)據(jù)庫之一，而且從Google和Baidu搜索引擎得到的相關(guān)學(xué)位論文已被萬方及CNKI共同覆蓋，可以認(rèn)為在本查新案例中無需進(jìn)一步利用Google和Baidu搜索引擎進(jìn)行學(xué)位論文的補(bǔ)檢。而萬方和CNKI分別有部分學(xué)位論文在對(duì)方中未能檢出，因此兩者需互補(bǔ)使用。

會(huì)議論文：在本查新案例中，萬方、CNKI、Google、Baidu都在會(huì)議論文檢索方面體現(xiàn)了一定作用，從Google或Baidu檢出的個(gè)別會(huì)議論文無法從萬方或CNKI中調(diào)出，因此需要聯(lián)用上述檢索手段才能保證會(huì)議論文的檢全率。

專利：從萬方調(diào)出的相關(guān)專利從數(shù)量上和相似度上都十分接近于國(guó)家專利局發(fā)布的相關(guān)專利，僅是在2011年的數(shù)據(jù)中萬方多檢索出1篇相關(guān)專利，其余與國(guó)家專利局的數(shù)據(jù)完全一致（總計(jì)獲得17項(xiàng)相關(guān)專利）。CNKI檢出的相關(guān)專利總計(jì)僅5項(xiàng)，且全部被包含于萬方調(diào)出專利。而Baidu則調(diào)出28項(xiàng)專利，其中11項(xiàng)專利同于萬方調(diào)出的數(shù)據(jù)，剩余17項(xiàng)專利在相關(guān)度方面明顯較低。因此，在本查新案例中，可以認(rèn)為利用萬方及國(guó)家專利局網(wǎng)上專利搜索已能滿足專利檢索的要求。

圖2 案例一的數(shù)據(jù)總量統(tǒng)計(jì)圖

表1 由案例一得出的檢索能力評(píng)價(jià)列表

2.2 分析案例二：“氧化錳分子篩的合成、表征及應(yīng)用”

檢索式：(氧化錳 or MnO2)and分子篩

期刊論文：此查新項(xiàng)目中，從萬方、維普、CNKI調(diào)出的期刊論文數(shù)量接近，相互重復(fù)性也較大；Google、Baidu也都能調(diào)出較多論文，但相關(guān)度同樣較低。

學(xué)位論文：CNKI中調(diào)出的學(xué)位論文包含了其他數(shù)據(jù)庫及搜索引擎調(diào)出的全部學(xué)位論文，表現(xiàn)出最佳檢索效果。

會(huì)議論文：萬方及CNKI的檢索結(jié)果都比較理想，但兩者調(diào)出文獻(xiàn)中都有不重復(fù)部分；Baidu中則無法調(diào)出密切相關(guān)的會(huì)議論文。

圖3 案例二的數(shù)據(jù)統(tǒng)計(jì)圖

專利：從萬方調(diào)出專利數(shù)量與從國(guó)家專利局調(diào)出的專利數(shù)量接近，分別是33項(xiàng)和29項(xiàng)，而后者29項(xiàng)專利都被包含于前者之中。CNKI、Google及Baidu的檢索效果均不理想。

圖4 案例二的數(shù)據(jù)總量統(tǒng)計(jì)圖

表2 由案例二得出的檢索能力評(píng)價(jià)列表

2.3 綜合評(píng)價(jià)

通過對(duì)上述查新案例作綜合分析，用以評(píng)價(jià)三大數(shù)據(jù)庫及收索引擎的檢索能力，如表3所示：

表3 綜合檢索能力評(píng)價(jià)列表

通過查新案例的研究，對(duì)三大數(shù)據(jù)庫及搜索引擎的檢索能力綜合評(píng)價(jià)為：

萬方：綜合檢索能力較好，尤其是專利的檢索能力較強(qiáng)，一般能滿足初步檢索的要求；檢索速度快，便于提煉檢索詞和初步制定檢索式；無時(shí)間限制，便于長(zhǎng)時(shí)間檢索。

維普：對(duì)期刊論文的檢索能力較好；可實(shí)現(xiàn)文摘顯示，便于把握查新點(diǎn)的技術(shù)范疇，且檢索速度較快。

CNKI：對(duì)期刊論文及學(xué)位論文的檢索能力突出，檢索速度較快，但對(duì)專利檢索不理想。

Google：檢索內(nèi)容豐富，尤其適用于對(duì)會(huì)議論文的補(bǔ)充檢索，但文獻(xiàn)可靠性需考究。

Baidu：可檢索出大量信息，特別適用于查新過程中對(duì)產(chǎn)品信息的檢索，但相關(guān)度相對(duì)較小，文獻(xiàn)可靠性需考究。

3 結(jié)論

本文以理工類熱門查新課題（材料領(lǐng)域）作為研究案例，對(duì)三大數(shù)據(jù)庫及收索引擎的檢索能力做了定量對(duì)比研究，并從檢出文獻(xiàn)數(shù)量值、完整度以及相關(guān)度角度綜合考慮，對(duì)其檢索能力做出了初步評(píng)價(jià)。研究結(jié)論為：1）萬方、維普和CNKI三大數(shù)據(jù)庫單獨(dú)使用無法滿足科技查新的“查全”要求，而三大庫聯(lián)用則在檢索期刊論文、學(xué)位論文及專利方面能獲得較高的檢全率；2）萬方可用于查新檢索的初步檢索（提煉檢索詞和初步制定檢索式），維普可實(shí)現(xiàn)文摘顯示以便于把握查新點(diǎn)的技術(shù)范疇，CNKI則對(duì)期刊論文及學(xué)位論文的檢索能力特別突出；3）搜索引擎能在檢索會(huì)議論文（及產(chǎn)品信息）方面有較好的補(bǔ)充作用。

［1］馬建春.科技查新中提高查全率的方法探析[J].科技情報(bào)開發(fā)與經(jīng)濟(jì)，2010(29):132-134.

［2］李金蘭.CNKI、萬方、維普資源比較與分析[J].情報(bào)探索，2011(4):59-61.

［3］林豪慧，陳如好.知網(wǎng)、維普、萬方的同質(zhì)化和差異化評(píng)析[J].圖書館學(xué)研究，2009(9):25-27.

［4］杜津萍，王磊.搜索引擎在科技查新中的應(yīng)用[J].圖書館工作與研究，2007(3):73-75.

［5］王超.科技查新視角下三大中文數(shù)據(jù)庫的比較研究[J].現(xiàn)代情報(bào),2011,31(10):163-165.

［6］馬園園.中文搜索引擎的現(xiàn)狀與發(fā)展研究[J].圖書館學(xué)刊，2007，29(6):131-133.