ISTP（Index to Scientific and Technical Proceedings）是Web of Science数据库中的重要组成部分，专门用于收录各类科学与技术领域的会议论文。现在也改名称为CPCI（Conference Proceedings Citation Index），ISTP数据库帮助研究人员追踪最新的科研进展，获取前沿技术信息。为了更高效地利用ISTP，本文将介绍其主题检索技巧，包括基本规则、通配符使用、逻辑运算符及特殊检索方法。

1. ISTP主题检索的基本原则

在ISTP数据库中，主题检索主要涉及以下字段：

• 标题（Title）

• 摘要（Abstract）

• 作者关键字（Author Keywords）

• 关键词增强（Keywords Plus®）

当用户输入检索词后，系统会自动在以上字段中查找相关文献，且检索词的输入顺序不会影响结果。例如，输入**"machine learning model"和"model machine learning"**会返回相同的文献。

2. 精准短语匹配

为了提高检索的精确度，建议使用**双引号（" "）**对短语进行限定。例如：

• "artificial intelligence applications" 仅返回包含该完整短语的文献，不会匹配仅包含 "artificial" 或 "intelligence" 的文章。

3. 通配符使用

ISTP支持三种通配符，以提高检索的灵活性：

1. 星号（*）：匹配零个或多个字符

• comput →* 匹配 computer, computing, computational 等词。

• bioengin →* 匹配 bioengineering, bioengineer 等词。

2. 美元符号（$）：匹配零个或一个字符

• colo$r → 匹配 color（美式拼写）和 colour（英式拼写）。

• analy$e → 匹配 analyze（美式拼写）和 analyse（英式拼写）。

3. 问号（?）：匹配单个字符

• wom?n → 匹配 woman 和 women。

• organi?ation → 匹配 organization（美式拼写）和 organisation（英式拼写）。

4. 逻辑运算符

ISTP支持以下逻辑运算符来优化检索结果：

1. AND（逻辑与）

• 仅检索同时包含"deep learning"和"image processing"的文献。

• "deep learning" AND "image processing"

2. OR（逻辑或）

• 检索包含"big data"或"data mining"或两者皆有的文献。

• "big data" OR "data mining"

3. NOT（逻辑非）

• 检索包含"machine learning"但不包含"neural network"的文献。

• "machine learning" NOT "neural network"

4. NEAR/n（邻近检索）

• 检索“renewable”与“energy”之间最多相隔3个单词的文献，如 renewable solar energy。

• "renewable NEAR/3 energy"

5. 默认 AND 规则

如果检索框中输入多个词语但未使用逻辑运算符，ISTP会默认使用 AND 进行连接：

• "climate renewable energy"
  等同于 "climate AND renewable AND energy"。

6. 词形还原与词干提取

ISTP自动执行词形还原（Lemmatization）和词干提取（Stemming），以扩展检索范围。例如：

• 词形还原：

• optimization 可匹配 optimize, optimized, optimizing。

• defense 可匹配 defence（英式拼写）。

• 词干提取：

• recording 也可匹配 record。

如果希望进行严格匹配，可以：

• 使用引号："network" 仅匹配 network，不会匹配 networks。

• 使用通配符：color* 可匹配 color, colors, colorful，但不会匹配 colour（英式拼写）。

7. 分子式检索

在ISTP中，检索分子式时需采用紧凑格式，避免使用空格：

• 正确格式：Al2O3

• 错误格式：Al 2 O 3

• 建议使用引号："SiO2" 仅匹配 SiO2，不会匹配 Si O2。

结论

ISTP作为一个强大的学术会议文献数据库，提供了多种高效检索方式，帮助研究人员精准定位相关文献。通过掌握主题检索、通配符、逻辑运算符及词形还原等技巧，可以显著提高检索的精准度和全面性，从而获取更多有价值的学术资源。

研究人员可以灵活运用这些检索技巧，提高文献筛选效率，及时掌握最新的科研动态，为自己的研究提供有力支持。希望本指南能帮助大家更好地利用ISTP数据库，提升科研效率。

本文《CPIC/ISTP数据库中相关字段标识含义》由国际核心索引检索中心http://www.ei-istp.com整理提供，转载请标明本文出处链接，违者必究！
郑重声明：本网站资源、信息来源于网络，完全免费共享，仅供学习和研究使用，版权和著作权归原作者所有，如有不愿意被转载的情况，请通知我们删除已转载的信息。