中国的生物医学文献主题标引系统研究.pdfVIP

中国生物医学文献 主题标引系统的研究 钱庆胡铁军李丹亚任慧玲李军莲诸文雁 (中国医学科学院医学信息研究所北京100020) 擅要介绍了基于计算机辅助标引技术的中国生物医学文献主题标引系统 的系统工作流程，并分别从辅助词表建立、数据结构设计、算法设计、标引结 果审核等方面对该系统进行了详细的阐述。 美键词主题标引标引技术 Tk m由0f O曲aese瑾叩蒯U妇神I肚鼬岣edh蛐匈醴衄 Ah出粥t detail Chinese庙伽∞捌 system州柚蝻0f Pnis即湘∞d峨the Litemture based衄the subj蝴Indexingsy3km c0咩呲铲剐ediIld商唱慷抽岫l嚼‘． Words 1昀r mhbr8Iy 1．itetmt啪蛔嘲hk面19sy酏皿 1引言 目前，文献标引按照标引手段可以分为手工标引、自动标引和 计算机辅助标引，其中后两者是在计算机上实现的。 传统的手工标引方式主要依赖标引人员的手工操作及标引经 验，其效率已难以适应当今科技文献成指数增长的要求。自动标 引技术虽然是发展趋势，但由于目前无法从根本上解决语法：语义 表达及中文词语切分等问题，尚达不到预期的标引效果。因此，结 合手工标引和自动标引的长处，不排除标引员的人工干预，将计算 机的快速、准确和人脑的智慧结合起来的计算机辅助标引方式成 为一种行之有效的工作模式。 中国医学科学院医学信息研究所依据长期从事文献标引和数 396 据库建设取得的丰富实践经验，开发了一套基于计算机辅助标引 技术的中国生物医学文献主题标引系统，并已经投入实际应用，年 ● 处理文献达o∞，000篇左右，取得了良好的效果。 2中国生物医学文献主题标引系统的系统结构 2．1系统结构框图(见图1) 圈1中国生物医学文献主匿标引系镜结构围 2．2系统工作流程说明 2,2．1标引源选择 标引源为中国生物医学文献数据库收录的1979—2001年 1(300余种中文生物医学期刊文献，一般包括篇名、作者文摘、作者 关键词、参考文献等几个部分，不同类型的文献的结构会有所不 同。该系统是以篇名、作者文摘、作者关键词作为分词和标引的语 料。 2．2．2切分匹配 预先在计算机内设置关键词表，对标引源(篇名、作者文摘、作 者关键词)逐字扫描，文中词凡与库内诃匹配吻合者，则被切分抽 取出来，认定为关键词。 2．2．3标准化 将匹配出来的关键词，通过关键词一主题词对应表转换成标 准主题词，通过关键词一副主题词对应表转换成相应的哥蛀题词， 通过关键词—特征词对应表转换成相应制寺征词。 2．2．4禁用的去除 利用禁用词表排除转换后标准主题词中的禁用词。 2．2．5主题词的加权 一个词是否在特定环境中出现，其出现频率是高还是低，都可 在一定程度上反映该词对此文献的重要性。因此，可根据转换后 主题词出现的特殊环境(篇名、作者关键词、作者文摘)及出现的频 率，对该词进行相应的加权。根据标引深度确定关键词个数的上 限，去掉权值较低的词。 2．2．6主题词的去重 由于不同关键词可能转换成相同的主题词，由机器将相同的 主题词去掉，只保留其中的一个。并选取权值最大的八个主题词 为标引主题词。 2．2．7标引人员的干预 398 标引人员用较快的速度分析文献主题，去除改正自动标引后 的错误标引主题词及过度标引主题词，添加未被标引出的文献隐 台概念，为主题词组配相应的副主题词，添加特征词，标引文献中 的主要主题词。 2．2．8标引结果的合法性检查 计算机对辅助标引后的标引结果进行错误检查，检查内容