基于词共现关系强度和关键词词频的叙词选词方法探究.pdfVIP

第５７卷 第１５期　２０１３年８月 基于词共现关系强度和关键词词频的叙词选词方法探究 ■ 浦墨　郑彦宁　赵筱媛　刘志辉 ［摘　要］通过计算词共现关系强度，利用基于词共现关系强度和关键词词频的叙词选词方法确定数据通 信领域的叙词候选词，并将其选词结果与基于关键词词频的选词方法选出的叙词候选词进行对比分析，结果显 示：基于词共现关系强度和关键词词频的叙词选词方法选出的叙词候选词比基于关键词词频的叙词选词方法 选出的叙词候选词质量更高。 ［关键词］词共现关系强度　关键词词频　叙词候选词　叙词表 ［分类号］Ｇ２５４．２４３ 　　ＤＯＩ：１０．７５３６／ｊ．ｉｓｓｎ．０２５２－３１１６．２０１３．１５．０１９ １　引　言 研究不论是在揭示相关性知识方面，还是在挖掘隐性 ［６－７］ 关联知识方面都有重要实用意义 。在考虑词与词 　　叙词，也称主题词，即经过规范化处理的，以基 之间的共现关系强弱时，研究者们往往更关注同一篇 ［１］ 本概念组配方式表达文献主题的主题法类型 。自 文章中共现词汇一同出现的频次，并认为共现词汇在 ２０世纪５０年代末形成叙词法以来，随着叙词表的编 同一篇文章中共现的频率越高，共现词汇之间的关系 制数量不断增长，叙词语言逐步发展成为受控检索 ［８］ 就越强 。然而，在大量的专业文献中，会出现两个或 ［２］ 的主要语种 。另外，叙词表的编制和维护也离不 两个以上的关键词一同在不同文章中共现频次也很高 开收词这一基础性工作。传统的叙词表通常采用手 的现象，如在文献集合 Ｃ中，会出现关键词 Ａ和关键 工收词方法，各类工具书、专业术语和专业词典以及 词Ｂ、Ｃ、Ｄ…、Ｚ等分别在文献 Ｂ１、Ｃ１、Ｄ１…、Ｚ１等中共 名词委审定词汇等都是手工收词方法的主要来源。 现的情况，其中Ａ与其他词汇共现频次的累加和会很 随着网络和计算机技术的迅速发展，面向网络的收 大，即Ａ与其他词汇共现的频次很高。若根据文献中 词方法也逐渐被探索利用，词的主要来源有：网络数 关键词之间的共现关系构建虚拟的关键词网络图，会 据中的关键词、联网检字法词库、网络热点词、网络 发现关键词Ａ处于关键词网络的某个局部网络的中心 检索界面相关词显示、大众网站的标注词以及网络 位置。如图１所示： 百科资源等。由于网络数据库中的关键词由专业人 员或者作者标引，能够表达文献主题概念的主题词 或叙词，其标引质量比较高［３］，故利用网络数据库中 的关键词确定出的叙词候选词准确性比较高。利用 这种方法确定叙词候选词的常规做法是提取文献关 键词，经过去重消歧，并舍弃如“研究”、“应用”、“设 计”等通用词，主要考虑专业词词频，其中的高频词 图１　虚拟关键词网络图的局部图示