萬方、維普、CNKI以及搜索引擎檢索能力的定量研究

黎子輝

（華南理工大學圖書館情報咨詢部 廣東 廣州 510640）

在網絡資源飛速發展的大環境下，科技網絡資源的建設逐步完善，在我國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，也逐漸轉變為以計算機檢索科技數字資源為主的檢索方式?？萍疾樾?，簡單地說就是基于文獻檢索判定前人有無相似的研究或成果，為判斷目標項目是否具有新穎性提供客觀依據，以防止低水平重復研究開發而造成的人力、財力、物力的浪費和損失。要完成一個項目查新，證實該項目涉及的研究內容在檢索范圍內未見有文獻報告，就要求立足于對相關文獻檢索的全面性，而檢索人員則通過多個電子數據庫聯用的方式來應對“查全”的要求[1]。

萬方、維普、CNKI作為中文文獻檢索的三大常用數據庫資源，它們在各個學科領域的查新過程中基本成為必檢的數據庫。而由于上述三大數據庫各自的特點，它們相互具有資源同質化和差異化[2，3]。因此，在查新過程中應當充分發揮三大數據庫檢索功能的優勢，互補式地調用三大數據庫中的文獻資源，以減少漏檢的風險。此外，由于搜索引擎能有效地搜索因特網上的相關信息，充分調用網絡資源，所以它對提高查全率的作用受到越來越多的重視[4]。已有文獻論述了三大常用數據庫資源以及搜索引擎在查新檢索中的重要性及其數字資源的特點[5]，但未見有文獻對它們的檢索能力進行定量研究。本文旨在對查新過程中的檢出文獻進行定量分析，對比研究科技電子資源數據庫與網絡資源在查新過程中的文獻檢索能力。

1 研究方法

1.1 研究對象與檢索策略

選取萬方、維普以及CNKI三大中文常用數據庫為電子資源數據庫，選取Google、Baidu兩大搜索引擎為網絡資源檢索工具[6]，通過對檢出文獻的定量分析，研究電子資源數據庫與網絡資源在查新過程中的文獻檢索能力。同時調用國家知識產權局（http://www.sipo.gov.cn/）的專利數據信息用作專利檢索能力對比研究。上述數據庫及網絡信息均為2012年6月份數據。

文中選取兩個理工類（材料領域）熱門查新課題作為研究案例，包括“硅基量子點太陽電池的關鍵技術”和“氧化錳分子篩的合成、表征及應用”。在檢索過程中編定一精確檢索式，以便保證研究數據具有橫向對比價值。在萬方、維普以及CNKI三大中文常用數據庫中，檢索范圍限定在題目、關鍵詞和文摘范圍內，以確保上述三個中文數據庫檢索范圍的一致性。

1.2 數據分析

首先從各個數據庫以及搜索引擎當中檢索獲取相關文獻，再由人工逐一篩除從檢索中獲得的、但實際基本不相關或相關度較低的文獻，得到用于數據統計和分析的有效文獻，并將有效文獻按期刊論文、學位論文、會議論文和專利四個類別進行統計。在數據統計中，為了反映文獻發表年限的分布情況，將檢索年限分成六個區域，分別為2000年以前（主要是1990～1999年間的文獻）、2000～2004年、2005～2009年、2010年、2011年和2012年，近三年的數據單獨統計是為了能更直觀反映研究對象對最新文獻的檢索能力。利用Excel將系列有效數據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。通過對人工篩選后得出的檢出文獻數量值、完整度以及相關度進行綜合考慮，對三大數據庫及搜索引擎的檢索能力做出初步評價。

2 實例分析

2.1 分析案例一：“硅基量子點太陽電池的關鍵技術”

檢索式：(硅 or Si)and量子點 and太陽 and電池

圖1 案例一的數據統計圖

期刊論文：在統計于2010年的數據中，在萬方、維普和CNKI中檢出密切相關期刊論文數量值分別為2、3和5，其中萬方、維普檢出的文獻全部不相同，而兩者調出的文獻則分別對應CNKI檢出的5篇文獻。2011年數據中，萬方、維普檢出密切相關期刊論文數量值分別為1和0，CNKI的檢出數量值為2，其中1篇同于萬方檢出的相關文獻。2012年數據中，萬方、維普均未檢出密切相關期刊論文，而CNKI的檢出數量值為3。在這個案例中，CNKI檢出的密切相關期刊論文基本覆蓋了萬方和維普兩個庫。另一方面，利用Google和Baidu搜索引擎檢出的相關期刊論文數量較多，對其逐一比照后發現，所述文獻有一部分與三大數據庫中調出文獻相同，也有一部分文獻未能以同一個檢索式從三大數據庫中調出。這里分析主要原因有：1）搜索引擎對檢索詞的檢索范圍有可能超出題目、關鍵詞和文摘，一定程度削弱了有效數據的可對比性；2）搜索引擎調用了網上各類資源，部分文獻所屬的雜志三大數據庫未有收錄。盡管檢出文獻數量上占據絕對優勢，但通過對文獻進行人工注意比照分析后發現，搜索引擎檢出的相關期刊論文在相關度方面明顯低于三大數據庫中調出的文獻，而且搜索引擎調出的大部分文獻連接（此查新課題中約為83%）實際上是調用了三大數據庫的資源，即通過調整檢索式和檢索范圍，可以在三大數據庫中調出這部分文獻。此外，搜索引擎檢出的相關期刊論文中還有較多綜述文獻，而查新報告中引用相關文獻一般為研究型論文，而較少采用綜述文獻。

學位論文：本查新案例中萬方、CNKI在學位論文的檢出數量值方面優于Google和Baidu搜索，打開搜索引擎鏈接發現調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據庫之一，而且從Google和Baidu搜索引擎得到的相關學位論文已被萬方及CNKI共同覆蓋，可以認為在本查新案例中無需進一步利用Google和Baidu搜索引擎進行學位論文的補檢。而萬方和CNKI分別有部分學位論文在對方中未能檢出，因此兩者需互補使用。

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

專利：從萬方調出的相關專利從數量上和相似度上都十分接近于國家專利局發布的相關專利，僅是在2011年的數據中萬方多檢索出1篇相關專利，其余與國家專利局的數據完全一致（總計獲得17項相關專利）。CNKI檢出的相關專利總計僅5項，且全部被包含于萬方調出專利。而Baidu則調出28項專利，其中11項專利同于萬方調出的數據，剩余17項專利在相關度方面明顯較低。因此，在本查新案例中，可以認為利用萬方及國家專利局網上專利搜索已能滿足專利檢索的要求。

圖2 案例一的數據總量統計圖

表1 由案例一得出的檢索能力評價列表

2.2 分析案例二：“氧化錳分子篩的合成、表征及應用”

檢索式：(氧化錳 or MnO2)and分子篩

期刊論文：此查新項目中，從萬方、維普、CNKI調出的期刊論文數量接近，相互重復性也較大；Google、Baidu也都能調出較多論文，但相關度同樣較低。

學位論文：CNKI中調出的學位論文包含了其他數據庫及搜索引擎調出的全部學位論文，表現出最佳檢索效果。

會議論文：萬方及CNKI的檢索結果都比較理想，但兩者調出文獻中都有不重復部分；Baidu中則無法調出密切相關的會議論文。

圖3 案例二的數據統計圖

專利：從萬方調出專利數量與從國家專利局調出的專利數量接近，分別是33項和29項，而后者29項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 案例二的數據總量統計圖

表2 由案例二得出的檢索能力評價列表

2.3 綜合評價

通過對上述查新案例作綜合分析，用以評價三大數據庫及收索引擎的檢索能力，如表3所示：

表3 綜合檢索能力評價列表

通過查新案例的研究，對三大數據庫及搜索引擎的檢索能力綜合評價為：

萬方：綜合檢索能力較好，尤其是專利的檢索能力較強，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；無時間限制，便于長時間檢索。

維普：對期刊論文的檢索能力較好；可實現文摘顯示，便于把握查新點的技術范疇，且檢索速度較快。

CNKI：對期刊論文及學位論文的檢索能力突出，檢索速度較快，但對專利檢索不理想。

Google：檢索內容豐富，尤其適用于對會議論文的補充檢索，但文獻可靠性需考究。

Baidu：可檢索出大量信息，特別適用于查新過程中對產品信息的檢索，但相關度相對較小，文獻可靠性需考究。

3 結論

本文以理工類熱門查新課題（材料領域）作為研究案例，對三大數據庫及收索引擎的檢索能力做了定量對比研究，并從檢出文獻數量值、完整度以及相關度角度綜合考慮，對其檢索能力做出了初步評價。研究結論為：1）萬方、維普和CNKI三大數據庫單獨使用無法滿足科技查新的“查全”要求，而三大庫聯用則在檢索期刊論文、學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），維普可實現文摘顯示以便于把握查新點的技術范疇，CNKI則對期刊論文及學位論文的檢索能力特別突出；3）搜索引擎能在檢索會議論文（及產品信息）方面有較好的補充作用。

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

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

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

［4］杜津萍，王磊.搜索引擎在科技查新中的應用[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據庫的比較研究[J].現代情報,2011,31(10):163-165.

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