基于中图法的自动分类研究现状与展望.docVIP

基于《中图法》的自动分类研究现状与展望 黄莉/李湘东 2013-1-25 16:18:47　　来源：《图书情报知识》(武汉)2012年4期 　　【英文标题】Status and Prospects on the Automatic Categorization Based on the Chinese Library Classification　　【作者简介】黄莉，女，1964年生，武汉大学图书馆馆员；李湘东，男，1963年生，博士，武汉大学信息管理学院副教授，武汉大学信息资源研究中心（武汉430072）。　　【内容提要】 将人工智能研究领域中的文本自动分类技术应用于信息资源管理领域是当前的研究重点之一，而目前信息资源管理领域具有体系结构严格、类目数量巨大、类目层次众多等特点。本文充分考虑这些特点，针对《中国图书馆图书分类法》分类体系下文本自动分类研究的现状，从研究目的、类目体系、资源类型等方面，参考国外相关研究的成果和方法予以分析和评价；结合国外相关研究的最新成果，提出我国在《中国图书馆图书分类法》分类体系下应用文本自动分类技术时应注意的问题及今后的研究方向。　　It is a research focus to apply the Text Categorization (TC) Technology, originally researched in the Artificial Intelligence (AI) field, to the information resource management field. The field of information resource management has the characteristics of the strict structure, a huge number of categories and many category levels. This paper summarizes the research status of TC research over the Chinese Library Classification (CLC) scheme in recent years from the perspectives of the research objectives, category scheme, resource types etc., then provides analysis and evaluation of the related foreign achievements and methods, and finally presents the problems which should be paid attention to and future research directions when implementing TC over CLC. 　　【关 键 词】中图法/自动分类/类目体系/文本类型/语料库CLC/Automatic categorization/Category system/Document type/Corpus　　1 引言　　文本自动分类是指在给定的分类体系下，根据文本的内容将其自动确定为相应预定义类别的过程[1]，是人工智能研究领域中通过知识工程[2]、机器学习[3]等方法对文本进行自动分类的一种技术。在人工智能领域，文本自动分类研究的重点在于分类算法，通过不断改进现有算法或者开拓新的分类算法，努力提高分类准确性以及分类速度。为验证算法的有效性，通常要使用一定的类目构成、准备相应的文本等分类材料，并在由此所组成的试验环境中进行分类试验。但是，在试验环境中表现优秀的分类算法一旦应用到真实世界，往往差强人意，缺乏对实践中实际使用的分类材料的针对性。而在人工智能领域的文本自动分类研究中，由于类目构成、文本等分类材料不是其研究对象，针对应用范围的分类材料的研究主要体现在电子邮件中垃圾邮件过滤等分类应用之中，这类应用的特点是类目体系简单、文本数量相对较少，如文献[4]。　　《中国图书馆图书分类法》（以下简称《中图法》）分类体系下文本自动分类是指分类材料中，类目结构采用《中图法》，文本主要是需要图书馆人工编目的图书以及数字图书馆环境下电子期刊论文、网页等数字化信息资源。　　在图书馆等信息资源管理的核心机构，类目构成是对信息进行组织的基础，统称为分类法或分类体系。不仅每一个图书馆都会按照特定的分类体系，如《中图法》，对图书、期刊等文献资源进行分类组织，即使是以关键词检索为核心技术和服务的Google搜索引擎，也有按照分类目录对网页进行组织的检索页面（见http://