Google Scholar與工程索引的檢索比較

〔摘 要〕對2000-2008年檢索結果進行了具體比較與分析，通過標題名Google Scholar可以檢出88%EI中的英文期刊文獻及56%會議論文;全文檢索可檢出62%的EI英文期刊文獻。

〔關鍵詞〕Google Scholar;工程索引;標題檢索

〔中圖分類號〕G252.1 〔文獻標識碼〕A 〔文章編號〕1008-0821(2009)11-0125-03

Comparison Between two Searching Engines:

Google Scholar and Engineering IndexHong Daoguang

(Library，East China University of Science and Technology，Shanghai 200237，China)

〔Abstract〕The article compared and analyzed the literature searching results from 2000 to 2008.By key words in title，Google Scholar gave 88 percent English journal and 56 percent reference literature records retrieved from EI.The English journal records became 62 percent by retriving them in all indexed field.

〔Keywords〕Google Scholar;engineering index;title retriving

2004年底Google公司憑借著其強大的數據聚集與處理技術發布了基于學術內容的搜索:Google Scholar(以下簡稱GS)。如同GOOGLE搜索，GS很快成為學術搜索最強有力的工具之一，吸引了廣大讀者使用，也吸引著圖書情報和信息服務人員對其使用性能進行比較與評價。例如朱佳鳴[1]、陳家翠[2]研究與分析了GS的檢索性能，Koush[3]、夏旭[4]等分別研究了GS的引文檢索并與SCI、Scopus的引文索引進行比較。

工程索引(以下簡稱EI)是檢索世界各國工程領域內學術文獻的最主要和最權威的工具之一。近期Meier[5]通過將EI的檢索結果隨機選擇標題在GS的全文檢索中進行一一比對，調查了GS對EI的覆蓋率，取得了良好的結果。但作者沒有對GS與EI的檢索進行直接比對，本文從讀者的角度比較這二者的檢索結果，以便對基于工程學科的研究人員提供使用上的指導。

1 檢索方法

對工程研究人員來說，通過關鍵詞進行相關課題的檢索是常用的方法，本文選擇標題檢索與全文檢索二種方法進行比較。GS選用英文版(http:∥scholar.google.com/)作為檢索界面，相比中文版(http:∥scholar.google.cn/)，英文版GS在高級檢索中增加了7個學科分類，供讀者進行進一步的學術分類選擇，其中工程學科與計算機科學、數學分為同一學術學科;EI查詢選用其網絡版在國內的鏡像(http:∥www.engineeringvillage2.com/)，我校購買了EI的使用權。

1.1 基于題名檢索

利用關鍵詞基于標題名查詢可得到最接近主題的結果。EI與GS均具有直接對題名字段查詢的功能。為了取得較全面的樣本，本文參考Meier[5]選擇的EI中8個相關學科，對關鍵詞的選擇作適當修改，使結果數目控制在10～50之間，以方便比較。表1為對應的學科及對應的檢索式:

表1中最后一欄為實際檢索結果中，標題里出現的對應詞根派生詞，缺省情況下EI提供了自動取詞根(Autostemming)檢索。GS的題名查詢對所選關鍵詞進行的是精確查詢，系統不能自動對其詞根的派生詞進一步直接查詢。本文為了比較方便，在進行對應的GS標題檢索中選擇上述出現的所有衍生詞作為檢索，如上表中環境工程的GS檢索式為:

allintitle:water supply|supplies|supplying|supplied quality|qualities

(GS檢索中空格表示邏輯與，“|”表示邏輯或)

1.2 基于全文檢索

從標題查詢的結果看學科2(Civil土木工程)檢出率與平均數最為接近(見表2)，這里選擇其作為全文檢索的樣本進行進一步的結果比較。這里所指的全文檢索對EI來說實際是所有索引字段的檢索，并不包括文獻全文本身。為限制檢索結果數，對上述標題檢索詞進行的限制，EI選擇如下的檢索式進行全文檢索:

Buildings AND dynamics AND evaluate AND“reinforced concrete”

實際研究表明，GS除標題外，其它字段的檢索也具有自動取字根功能。如在GS中，用上述關鍵詞的組合檢索，結果中的非標題字段里也查到了Building、dynamic、evaluating、evaluation等相應的派生詞。因此這里選用相同檢索式查詢。GS全文檢索的結果數目驚人，一般讀者可以考慮增加關鍵詞、控制年限、學科分類等進行進一步限制。這里GS的檢索數據按年度、分類分別查詢匯總，并根據排序取前100條檢索記錄進行比較。

2 檢索結果比較及分析

EI的檢索結果可以直接批量倒入數據庫處理，GS給出的結果有字符數的限制，例如長標題的文獻是帶有省略號的標題名。本文通過GS設置中的使用偏好(Scholar Preferences)設定，將文獻的完整信息導出到文獻管理軟件，借助程序集中導出與處理GS的查詢結果，并與EI進行分析對比，因為不同的檢索方法有不同的結果，本文結果中用對應的檢中率表示以區別前面文獻中所指的覆蓋率[5]。

2.1 題名檢索結果比較

上述檢索式進行標題名查詢，EI共有211篇文獻，GS去除重復有786篇文獻(上述數據查詢均為2009年4月15日的結果)，對應的文獻類型分布見表2。

上述EI檢中率指相同結果數據與EI本身的檢出數據之比。文獻類型及文獻語種進行進一步的分類比較得出表3、表4的結果。表3中括號里數據是相應的EI檢中率，EI只包含期刊文章與會議論文，而GS除二類文獻外還有博士論文、技術報告、圖書、專利及其它種類文獻。表4中GS沒有明確的語種標記，通常是直接顯示對應的語言或其英文文摘，所以這里沒有統計，只顯示對應的檢中數。

根據以上結果進行以下統計分析與比較。

2.1.1 EI與GS收錄的文獻種類分析比較

EI文獻從檢索的結果看只有會議論文與期刊文獻，不含其它類型的文獻。本人利用字母S開頭的關鍵詞對EI進行所有字段檢索[檢索式:((S*)WN All fields)]，除2000年有137篇報告外，2001年起只有期刊文獻與會議論文，不含技術報告、學位論文等文獻，與上述結果基本相一致。EI目前收錄的會議文獻主要為英文語種，會議占所有文獻的23%。非英文文獻中，中文語種比例較高。與其相比GS數據來源廣泛，除期刊文章、會議論文外還有博士論文、技術報告、圖書、專利及其它類型數據。其中博士論文、技術報告所占的比例較少，進一步調查發現博士論文中4篇來自umi論文平臺(http:∥gradworks.umi.com)，技術報告4篇來自CSA平臺(http:∥md1.csa.com)，這二類其余的文獻均來自文獻的引文; GS的專利數據來源于google patents與freepatentsonline.com平臺，其它類型數據來源廣泛。

2.1.2 GS中EI的文獻檢中率分析

統計顯示GS通過題名檢索得到的結果數據與EI比平均為3.73∶1，最高比例近6∶1，GS對EI的文獻檢中率平均為72%，其中英文期刊檢中率為88%，非英語文獻及會議錄文獻檢中率較低，其中中文文獻51%，其它語種文獻占47%，EI會議文獻主要是英文(上述48篇文獻中除1篇中文外其余均為英文)GS的檢中率為占56%。

對應學科的查詢結果與此前文獻報道的覆蓋率結果有較大的差異，例如文獻中土木工程(表1中學科2)，文獻報道其EI的覆蓋率為100%。將本文EI檢索結果得到的總數為34中未檢中的9條標題在GS中進行全文檢索，發現有5條沒有查到，按文獻覆蓋率應該為85%;另外有2條顯示中文標題，1條顯示西班牙文標題，1條未顯示年份，上述4篇文獻盡管在GS中存在，但限于上述英文標題與相關年份查詢結果不屬上述檢中之列，因而結果低于文獻所指的覆蓋率。

分析表明一些學科的數據較低，主要是由于所占的會議文獻與非英文的文獻比例較高所致。從表結果看盡管GS比EI的會議論文結果數多1倍(97∶47)，但GS中給出的97篇會議論文中，有31篇來自其它文章的引文，帶有文摘的會議論文主要來自少數專業協會的平臺，如ieeexplore.ieee.org平臺有12篇會議論文、link.aip.org平臺有5篇，其余比較分散，一些數據來自圖書。非英文的文獻其顯示的主要是本身語種的標題，其英文標題通常沒有被GS標引，因而影響了其英文標題檢索。上述EI中的中文文獻，被GS檢中的結果比較發現，5篇來自CSA平臺(CSA.com)，其余來自其它文獻的英文題錄引文，CSA平臺提供了統一的英文界面包含了許多非英文文獻的英文標題與文摘。對中文學術文獻，國內萬方文獻平臺(scholar.ilib.cn)及維普期刊平臺(cqvip.com)提供了較完整的數據，GS也收錄了這2個平臺，但從檢索結果看上述平臺中的英文題錄沒有作為GS的題名標引，所以在上述查詢中來自這2個平臺的中文期刊沒有被檢出。

2.2 全文檢索結果比較

對GS與EI的全文檢索結果如下表5，GS結果按英文版中高級查詢的全部學科及分類中工程學科分別查詢，表中括號內為對應的EI檢中文獻數，數據記錄僅限于英文題錄對比。

相比EI檢索，GS的給出全文檢索結果數目相差具大，如果GS不經分類查詢上述結果數為之比相差58倍(6976∶121)，通過學科分類中工程學科查詢的結果數約為全部查詢結果的一半，相差28.6倍的數據量。GS文獻結果數多不僅是在于來源數據廣，也在于GS索引來自一些帶有完整的文獻全文而不僅僅是摘要與標題。表5顯示全文查詢的結果覆蓋力并不高，對EI的平均檢中率只有54%，其中英文的期刊文獻，檢中率為62%，會議論文檢中率只有31%，比本文通過標題查詢的結果數低。對比發現主要原因是EI標引中另有受控詞(Controlled Terms)或自由詞(Uncontrolled Terms)字段，這二字段中一些關鍵詞在本身的文獻標題與文摘并沒有，如上述EI中有32篇文獻的標題或文摘中不含“building”及相字根衍生詞，當GS收錄的僅是標題與文摘的標引時，這些文獻就難以查出。

通過分年度、選GS前100條記錄、及按分學科查詢表明，上述EI中的文獻基本上可以通過學科分類中查出，二者相差只有9條，而年度對比中前100條GS文獻其EI平均檢中率30%，相當于通過對應GS全部結果中檢出EI結果數的67%，說明GS的結果排序與EI的結果有一定的相關性。

3 結 論

通過GS與EI的查詢對比可以得出如下結論:

(1)GS數據中許多非英文文獻本身帶有英文的題錄及摘要，GS在標引時一般沒有把其英文題錄作為題錄標引，而只是在全文中可以查詢到，部分能查詢到英文標題的非英文文獻主要來自英文文獻引文及來自英文平臺上的譯文;

(2)標題名檢索中，GS可以查出EI中88%的英文期刊文獻及57%的會議文獻。GS標題檢索時需要在查詢窗口人工輸入相關的派生詞才能滿意地查詢到完整的結果，例如通常情況下名詞關鍵詞要考慮其單復數;

(3)EI有自己獨立的受控詞或自由詞字段，其中的一些關鍵詞不同于文獻本身標題及文摘的詞，全文查詢時影響了GS對EI中的文獻檢中率;

(4)GS可以部分代替EI進行文獻查詢，但相比二者更多的是具有互補性。GS數據來源廣、免費檢索，但實際結果顯示具有不確定性;EI來自各工程學科的核心文獻，標引數據嚴格規范，檢索功能強大，檢索結果具有權威性，但文獻數據收錄相對狹窄。讀者實際使用時可考慮在EI檢索的基礎上，進一步進行GS查詢，擴大文獻范圍。

參考文獻

[1]朱佳鳴.Google Scholar Beta檢索性能的初步分析[J].圖書情報工作，2005，49(12):115，11.

[2]陳家翠，谷玉榮.Google學術搜索檢索性能的分析及評價[J].情報理論與實踐，2007，30(5):74-78.

[3]Kayvan Kousha and Mike Thelwall，Google Scholar Citations and Google Web/Url Citations:A Multi-discipline Exploratory Analysis，Journal of the American Society for Information Science and Technology，2007，58(7):1055-1065.

[4]夏旭.基于Google學術搜索的引文檢索研究[J].情報理論與實踐，2006，29(6):697-701.

[5]John J.Meier and Thomas W.Conkling，Google Scholar’s Coverage of the Engineering Literature:An Empirical Study，The Journal of Academic Librarianship，2008，34(3):196-201.