中文文献自动标引过程研究.pdfVIP

圈 ·文献采编 · 江西图书馆学刊(J呦) 第33卷第4期(Vd．33No．4) 中文文献 自动标引过程研究 苏君华 摘 要 自动标 引是现代信息检索研究工作的重点之一 ，论述 了 自动标 引的整个过程 中所应该注意的问题 ，并描绘 了 自动标 引的流程 图。 关键词 自动标 引 词典 标 引词 抽词标 引 Study ofProcessofAutomatic Inde~ng f0r C~nese Doc~ ent Su Junhuo Abstrad Autommic indexing is one ofthe emphases of modem inf0HIlation re~ evM study ． 111is paper discusses the whole p~ essofautomatic indexing and describes the flow chartofthe automatic indexing． KeywOrds Automatic Indexing， Diction~ ， IndexingTeHIl， Derived Indexing 自动标引是文献信息 自动处理的基础环节 ，在信息系统中， 概念词 ；S代表属项 ，表示主题词 的上位概念词 ；C代表参项 ，表示 它对于信息处理、信息管理、信息检索起着重要的作用，我国科研 主题词的语义相关词 ；Z代表族项 ，表示主题词所属族的组首词。 人员迄今 已经提出各种各样的 自动标引方案。本文以已有的研究 Pf、Ps、Pc、Pz分别指 向F、S、C、Z项所指主题词在主题 ／关键词词 成果为基础提 出一些看法 。 典 中的位置。 1 数据录入 以往文献信息 自动标 引主要 以标题和文摘作为标 引源。 1961年 Resnick做了一个研究相关性的试验 ，把 400条题录和文 摘作为对提 问的响应送给用户 ，让他们判断相关性 ，然后把其它 胛 fI鲫 slC佻 l Pz 判为相关 的文献 的全文送给他们 ，让其重新判断一下相关性 。结 果，根据全文判为相关的文献只占根据题录或文摘所判定文献 的 60％ 。而且 ，就文摘而言，因为有作者文摘与非作者文摘 、手编文 摘与机编文摘之别 ，所 以质量参差不齐 ，不一定能准确反映文献 除主题词外 ，在文章中还会有一些无意义的符号和汉字 ，为 的主题 。故笔者以为，为保证标引的质量 ，最好 以全文作为标引 了提高抽词 的效率 ，我们还需要设计一个特殊符号表和非用字 源。另外 ，在一篇文献中，同一关键词会 出现多次 ，且在不同的位 表。在抽词过程中提取字符之后先与之进行比较 ，如果匹配成功 ， 置 ，而在不同的位置对表达文献主题的作用不同。例如 ，标题 中的 接着取下一个字符 ，不用去浏览所有的主题词。尚须注意的是非 关键词就 比正文 中的关键词重要得多 ，故在全文标 引中还必须考 用字基本可以分为两大类：一类是通用性较强的非用字，如 “这”、 虑关键词的位置因素。因此在数据录入时 ，对文献必须以统一的 “但”、“而”等。这类字一般受被切分文献所涉及的专业影响较小 。 格式录入 ，对文献的标题 、文摘 、首尾章节、章节的首尾段 、段落的 相对稳定。另一类则是通用性不强的非用字 ，这部分字在一些专 首尾句分别给以明确的标识，以利于 自动标引时主题词 的权重计 业里作为非用字，而在另外一些专业 中是不作为非用字的。 算。建立数据库时可以建立两个彼此关联、内容互补 的数据库 ：其