对电子环境下主题控制系统检索应用的思考ppt课件

1、对电子环境下主题控制系对电子环境下主题控制系统检索运用的思索统检索运用的思索北京大学信息管理系 马张华讨论内容在文本检索、关键词检索系统迅速开展的情况下，基于主题控制词表的检索系统还有没有价值？目前的主题标引规那么、方法应如何开展，以及研讨动向等。主题控制系统检索运用的思索主题控制系统检索运用的思索一、对词汇控制系统的重新审视二、控制系统与文本系统性能比较 三、文本检索系统电子环境下的运用以及词汇控制系统差距 四、关于主题控制系统标引实际和规那么改良的思索 一、对词汇控制系统的重新审视1.1 自然言语特点及其控制的必要性；1.2 主题分析根底上的标引。1.1自然言语特点及其控制的必要性-简要的

2、标引言语类型区分I n d e x i n g languagesClassification systems Verbal indexing languagesEnumerative systemsF a c e t e d systemsC o n t r o l l e d systemsF r e e t e x t systemsPrecoordinative systemsPostcoordinative systems1.1自然言语特点及其控制的必要性词汇控制指根据标引和检索的需求，对自然言语的词汇进展词汇控制指根据标引和检索的需求，对自然言语的词汇进展选择、规范并提示其相关性。

3、缘由：选择、规范并提示其相关性。缘由：词汇量过大词汇量过大一些词无标引价值。控制方式：选词一些词无标引价值。控制方式：选词词汇与概念不一一对应：词汇与概念不一一对应： 控制方式：参照、限定、加注控制方式：参照、限定、加注一义多词：计算机、电子计算机、电脑一义多词：计算机、电子计算机、电脑一词多义：病毒医学、计算机一词多义：病毒医学、计算机词义模糊：计算机分析分析计算机、用计算机分析？词义模糊：计算机分析分析计算机、用计算机分析？缺乏明确的构造缺乏明确的构造自然言语词汇之间关系的多元性和不确自然言语词汇之间关系的多元性和不确定性，不符合检索系统的运用特点。控制方式：建立参定性，不符合检索系统的运

4、用特点。控制方式：建立参照、多种索引系统照、多种索引系统1.2 主题分析根底上的标引主题分析根底上的标引 经过主题分析弄清文献有标引价值的主题，有效提示文献主题内容； 结合主题分析的结果按照检索言语及其标引规范，加以标识，有助于提供适用的标识。对词汇控制系统的重新重新审视对词汇控制系统的重新重新审视对词汇控制系统的重新审视：1.1自然言语特点及其控制的必要性；1.2主题分析根底上的标引。常识判别：词汇控制和标引有助于有效提示和检索文献主题。二、控制系统与文本系统性能二、控制系统与文本系统性能比较比较控制言语有没有价值，或词汇控制是不是必要：两者的功能讨论。检全率、检准率，处置速度、易用性、本钱

5、效益。各自的问题。两者对于文献的适用性讨论。网络资源，论文资源，图书。运用现状。 两者的功能讨论。各自的问题。两者的功能讨论。各自的问题。 检全率 检准率 处置速度 易用性 本钱效益 在一些方面中是相对与互补的关系：如检全率，控制系统可以进展概念检索、相关词扩展，文本系统的标识量大，均是检全要素。应结合详细运用讨论。表表9 91 1 受受控控语语言言与与自自然然语语言言的的性性能能比比较较 语言比较项目受控语言自然语言检全率高低检准率低高扩检、缩检和改变检索范围易实现难实现检索人员负担轻重面向用户能力差好标引和检索的匹配性好差标引速度慢快标引成本高低对标引人员要求高低专指性差好标引一致性差好自

6、动标引难实现易实现词汇更新慢快词表编制与维护有无两者功能的比较与思索：功能的相对性与互补性两者功能的比较与思索：功能的相对性与互补性控制系统与文本系统比较控制系统与文本系统比较功能的相对性功能的相对性与互补性与互补性 控制系统控制系统文本系统文本系统检全率检全率词汇控制加强检全率词汇控制加强检全率标引深度小，降低检全率标引深度小，降低检全率+缺乏词间关系控制降低检全率缺乏词间关系控制降低检全率标引深度大加强检全率标引深度大加强检全率检准率检准率主题分析根底上标引提高检准主题分析根底上标引提高检准率率标引深度小，提高检准率标引深度小，提高检准率+全文处置降低检准率全文处置降低检准率用结合多种要素

7、控制排序提高用结合多种要素控制排序提高检准率检准率处置速度处置速度手工标引及时性弱手工标引及时性弱(可采用自动标引、人机结合可采用自动标引、人机结合标引改良标引改良)自动处置及时性好自动处置及时性好+易用性易用性可利用言语系统提供检索协助可利用言语系统提供检索协助+ 缺乏词汇控制不利于易用性缺乏词汇控制不利于易用性本钱效益本钱效益标引费用大、检索费用小小标引费用大、检索费用小小系统中适用系统中适用标引费用小、检索费用大大标引费用小、检索费用大大系统中适用系统中适用两者对文献适用性的讨论两者对文献适用性的讨论 不同领域运用的情况不同领域运用的情况: 图书。控制系统与相关字段文本检索结合；图书。控

8、制系统与相关字段文本检索结合； 论文资源。文本检索是主流，结合部分控制系论文资源。文本检索是主流，结合部分控制系统；统； 网络资源。文本检索是主流。网络资源。文本检索是主流。 影响控制运用的要素主要包括：资源数量与处影响控制运用的要素主要包括：资源数量与处置才干，本钱效益的结合思索等。置才干，本钱效益的结合思索等。概要结论概要结论 控制有益于检全、检准、易用性。不利于，处置控制有益于检全、检准、易用性。不利于，处置速度、输入本钱。影响控制运用的要素主要包括：速度、输入本钱。影响控制运用的要素主要包括：资源数量与处置才干；本钱效益的结合思索等。资源数量与处置才干；本钱效益的结合思索等。 文本系统

9、应引入控制；控制系统那么应加强处置文本系统应引入控制；控制系统那么应加强处置才干，降低本钱，运用好控制系统的功能。才干，降低本钱，运用好控制系统的功能。三、文本检索系统电子环境下三、文本检索系统电子环境下的运用以及词汇控制系统差距的运用以及词汇控制系统差距 文本检索系统的改良努力文本检索系统的改良努力 词汇控制系统的努力与差距词汇控制系统的努力与差距文本系统的改良努力：控制的纳入文本系统的改良努力：控制的纳入检索方式：提供简单检索、高级检索、专业检索等检索检索方式：提供简单检索、高级检索、专业检索等检索界面。上述方面文本系统略优；努力提供自然言语检界面。上述方面文本系统略优；努力提供自然言语检

10、索才干。索才干。 引入句法控制、词汇控制引入句法控制、词汇控制检索排序：多要素结合提供；多种排序方式的采用；检索排序：多要素结合提供；多种排序方式的采用； 两者差距不大。引入多要素控制两者差距不大。引入多要素控制检索优化：相关检索协助，百度，检索优化：相关检索协助，百度，Ask； 二次检索；二次检索；Vivisimo引入词汇控制引入词汇控制检索入口的改良，以搜索引擎为例:自然言语检索，还不是智能检索检索排序显示的开展与改良，检索排序显示的开展与改良，以网络为例以网络为例 排序显示的意义：是提高检准率的重要手段。排序显示的意义：是提高检准率的重要手段。 采用检索匹配加权的方式进展排序显示，可采用

11、检索匹配加权的方式进展排序显示，可以在保证检全率的同时，将符合检索要求的以在保证检全率的同时，将符合检索要求的对象陈列在检索结果的前列，提高检准率。对象陈列在检索结果的前列，提高检准率。 网络系统中检索排序要素的拓展网络系统中检索排序要素的拓展目前采用作为排序根据的加权方案涉及的要素包括：目前采用作为排序根据的加权方案涉及的要素包括：网页中查询词匹配数量网页中查询词匹配数量网页中多个查询词匹配的完备程度网页中多个查询词匹配的完备程度匹配单元和分解问题匹配单元和分解问题匹配词的接近程度匹配词的接近程度网页中术语的位置网页中术语的位置e.g. , , link text, body text本页词

12、频和总词频之比本页词频和总词频之比指向本页的锁定文本指向本页的锁定文本指向本页的链接分析指向本页的链接分析有时，点击分析有时，点击分析对于新网页，结合思索新颖度问题对于新网页，结合思索新颖度问题关于商业要素。例如：某些系统如发现检索对象与人为添关于商业要素。例如：某些系统如发现检索对象与人为添加检索要素的商业公司网站有联络，那么不予陈列等。加检索要素的商业公司网站有联络，那么不予陈列等。链接控制链接控制 作为重要性丈量略作为重要性丈量略 例:每一网页从100分开场。 按入链分数重新计算 。 延续计算直到分数不再变化。网络社区的识别与运用网络社区的识别与运用 网络关键词检索技术的特点与网络关键词

13、检索技术的特点与传统文本检索的不同传统文本检索的不同主要表如今：1. 注重查准要素，忽略检全要素。2. 结合网络文献的特点， 扩展了检索算法的运用，提高结合多种要素的运用才干。3. 更加注重易用性。检索优化的开展检索优化的开展 检索优化的含义与必要性 检索优化的常见方式检索优化的含义和必要性检索优化的含义和必要性检索优化指经过对用户检索提问提出供选择的方案，以交互的方检索优化指经过对用户检索提问提出供选择的方案，以交互的方式，优化检索查询，以改良检索结果。式，优化检索查询，以改良检索结果。优化的缘由：优化的缘由：找不到准确表达检索内容的词汇；关键词于进展检索的内容之间找不到准确表达检索内容的词

14、汇；关键词于进展检索的内容之间能够存在着差距，需求在检索过程中进展调整；能够存在着差距，需求在检索过程中进展调整；表达不够专指，没有确切表达出用户潜在的检索需求。表达不够专指，没有确切表达出用户潜在的检索需求。用户不了解逻辑表达式的书写方法，从而影响检索表达，用户不了解逻辑表达式的书写方法，从而影响检索表达， 检索深化的问题。检索调查阐明，多数检索只用一个词进展。检索深化的问题。检索调查阐明，多数检索只用一个词进展。检索调整。需求根据改动检索方向，进展相关查找的问题。检索调整。需求根据改动检索方向，进展相关查找的问题。多种要素检索。用户很难同时照顾到。多种要素检索。用户很难同时照顾到。搜索引擎

15、常用检索优化的方式搜索引擎常用检索优化的方式 利用用户检索查询，提供检索查询的优化。利用用户检索查询，提供检索查询的优化。 检索纠错功能。检索纠错功能。 将聚类算法的结果作为二次检索的根据。将聚类算法的结果作为二次检索的根据。 Similar toSimilar to。百度的检索优化功能百度的检索优化功能自动聚类根底上的检索协助自动聚类根底上的检索协助自动聚类根底上的二次检索协助自动聚类根底上的二次检索协助万方检索优化实例万方检索优化实例同方的检索优化实例同方的检索优化实例同方检索优化实例同方检索优化实例文本系统的改良努力：控制的纳入文本系统的改良努力：控制的纳入检索方式：提供简单检索、高级检

16、索、专业检索等检索检索方式：提供简单检索、高级检索、专业检索等检索界面。上述方面文本系统略优；努力提供自然言语检界面。上述方面文本系统略优；努力提供自然言语检索才干。索才干。 引入句法控制、词汇控制引入句法控制、词汇控制检索排序：多要素结合提供；多种排序方式的采用；检索排序：多要素结合提供；多种排序方式的采用； 两者差距不大。引入多要素控制两者差距不大。引入多要素控制检索优化：相关检索协助，百度，检索优化：相关检索协助，百度，Ask； 二次检索；二次检索；Vivisimo引入词汇控制引入词汇控制。文本检索系统的改良努力文本检索系统的改良努力文本控制的特点：采用后控的方式；多方面，多角度，词法、

17、句法；多要素；文本控制的缺乏：词汇控制不严厉；一些控制的方式仍有待优化、改良，如自动聚类，检索语句切分等，依然在开展探求中总体评价：作了大量努力，有明显效果。控制系统的努力与差距控制系统的努力与差距 控制系统加强处置才干，降低本钱的控制系统加强处置才干，降低本钱的努力：努力： 结合编目；结合编目； 自动标引实验。自动标引实验。 控制系统的缺乏：控制系统的缺乏： 检索言语才干的运用与开发缺乏，优检索言语才干的运用与开发缺乏，优势未得到发扬。势未得到发扬。检索言语才干的运用与开发的差距可在词表和标引数据根底上提供，而未提供的功能包括：可在词表和标引数据根底上提供，而未提供的功能包括：检索入口方面：

18、入口词检索；以阅读方式提供词表词的检索入口方面：入口词检索；以阅读方式提供词表词的问题；相关词的提供问题。问题；相关词的提供问题。检索优化方面：主题检索协助方面可以提供的，如结合检索优化方面：主题检索协助方面可以提供的，如结合结合分类等提供；相关主题词提供；分类的二次检结合分类等提供；相关主题词提供；分类的二次检索，结合主题标题方式的二次检索协助等。索，结合主题标题方式的二次检索协助等。词汇控制系统的差距何在词汇控制系统的差距何在A，主要是检索端或检索运用方面的差距。，主要是检索端或检索运用方面的差距。B，检索端的重要性：功能是经过检索界面实现的，检索端的重要性：功能是经过检索界面实现的，未实

19、现的功能只是潜在才干；且无法在运用根底未实现的功能只是潜在才干；且无法在运用根底上进一步改良。上进一步改良。C，两者性能各有优缺陷。但自然言语系统努力改，两者性能各有优缺陷。但自然言语系统努力改良，控制系统改良不力，检索端成为短板。良，控制系统改良不力，检索端成为短板。控制系统检索端差距的缘由控制系统检索端差距的缘由 对检索言语运用端的注重不够，停留在检索言语编制和标引阶段； 缺乏电子环境下运用的研讨； 与计算机软件编制人员沟通不够； 运用根底上的改良不够-继续开展认识不够等。 应汲取网络、文本数据库等的开展，结合主题言语的特点改良。维基百科的分类界面维基百科的分类界面-检索界面的多样性检索界

20、面的多样性比较根底上的思索比较根底上的思索 词汇控制是有价值的，文本检索系统改良的手段之一是引入词汇控制； 基于词汇控制的检索系统的缺乏不是词汇控制呵斥的，而是检索运用的开发不充分的缘故， 目前控制系统的检索界面应向文本系统学习，结合控制言语的特点加以开发。四关于主题控制系统标引实四关于主题控制系统标引实际和规那么改良的思索际和规那么改良的思索根本看法：标引方法和规那么是根据运用需求确定的，应结合电子环境下的实际开展、改良和调整。在电子环境下检索系统的探求中，图书馆书目检索系统、文献数据库系统、网络检索系统正阅历一个后者向前者学习，超越前者，前者反过来学习后者的过程。不仅要向国外的同行学习，而

21、且要擅长向网络、文献数据库的检索开展学习；但向网络学习并非全盘否认本人。实际、方法、规那么的改良问实际、方法、规那么的改良问题题想到的一些问题：检索运用方式的优化改良问题；运用方式以及相应规那么的调整问题，比如说：是不是建立标题；轮排还要不要？与标引规那么。还要不要控制，自在词的运用问题，入口词的问题；特定主题类型标引规那么的调整问题；词表的运用问题，如作为切分工具；词表系统的构建层次问题，如：wordnet关键词叙词一检索系统中不同特点检索系统之间的结合和分工问题。不同系统之间兼容与互操作问题。其他问题，如主题标引中中文分面公式问题。MARC格式的适用性和改造问题，灵敏性问题，如轮排的处置；

22、XML言语运用问题。控制系统的检索运用的改良问题控制系统的检索运用的改良问题想到的几个根本功能，如：检索入口界面词表阅读功能的提供；入口词检索功能的采用，自然言语检索方式的加强；检索优化功能的开发，如结合控制言语的二次检索功能，包括标题词阅读等，相关词的提供等；一检索系统中不同特点检索方法之间的结合和分工问题。不同系统之间兼容与互操作问题。其他方法的引入等。如用户要素等。结合运用方式的相应标引处置结合运用方式的相应标引处置规那么的思索或调整，如：规那么的思索或调整，如： 是不是建立标题；还要不要轮排？文本系统缓存中的先组标题保管 自在词的运用与控制问题，结合检索词的入口词拓展问题； 特定主题类

23、型标引规那么的调整问题；如地域，文学、艺术，特殊文献类型等； 主题标引中中文分面公式问题； MARC格式的适用性和改造问题，灵敏性问题，如轮排的处置；能否建立标题、轮排能否建立标题、轮排特定主题类型标引规那么的调特定主题类型标引规那么的调整问题；如地域，等整问题；如地域，等地域应该标引中直接标引和间接标引的运用效果以及规那么的设置。类似的如时代标引以及运用等 城市地理广州 地方志浙江桐乡 雕塑罗马 旅游指南德国科隆主题标引中中文分面公式问题；主题标引中中文分面公式问题； 国内主题分面公式归纳为：主体要素研讨对象等中心主题概念、方面要素或限定要素成分、资料、方法、过程、条件、形状、尺度、性质等对

24、主体要素研讨方面角度的阐明或限定要素、空间要素、时间要素、文献类型等。 与阮冈纳赞,P;M:ES.T；轮round，层level，相phase 等概念构成的比较完善的主题分析系统之间的差别。通用援用次序通用援用次序 阮冈纳赞的五个根本范畴阮冈纳赞的五个根本范畴 本体本体personality-物质物质material-动力动力energy-空间空间space-时间时间time 轮轮round、层、层level、相、相phase： 同一范畴中，如主题特征不止一个，那么可分析出二层同一范畴中，如主题特征不止一个，那么可分析出二层本体、三层本体，二层物质、三层物质，用、，本体、三层本体，二层物质、三

25、层物质，用、，、表示。、表示。 如动力后再出现本体、物质，那么称为第二轮本体、第如动力后再出现本体、物质，那么称为第二轮本体、第二轮物质，用、表示。二轮物质，用、表示。 如，如，“合金对直升飞机起落架的加工合金对直升飞机起落架的加工 可标引为：可标引为： 直升飞机直升飞机起落架起落架加工加工车刀车刀合金钢合金钢 其他一些与检索言语运用相关的问其他一些与检索言语运用相关的问题题 一检索系统中不同特点检索系统之间的结合和分工问题。 不同系统之间兼容与互操作问题。 词表的运用问题，如切分工具、用以自然言语检索等； 词表的层次问题，如：wordnet关键词叙词； 标识言语如XML言语运用问题， XML

26、言语可以了解一些。 关于ontology。 Peking University Library P.R.China - 1902- Peking University Library text/html Peking University Library 2019-10-25 Title Peking University Library Identifier.URI Type.OCLCg Text data Type text/html; charset=gb2312 Coverage.spatial P.R.China - Coverage.temporal 190

27、2- CPersonal Peking University Library Date.created 2019-10-25 Description Library homepage, brief introduction, electronic resources, OPAC, User Guide, News, digital library, Inter-library Loan, FAQ, Navigations, Focus, User training program, CALIS, CAI Format text/html Language.ISO639-2

28、 chi Publisher Peking University Library Relation.hasVersion /enhtml/index.htm OCLC 协作联机资源编目系统协作联机资源编目系统CORC中元数据的显示界面中元数据的显示界面 Strongly-structured强构造词表term listsSynonym Rings 同义词环同义词环Authority Files 规范文档规范文档Glossaries/Dictionaries 词汇词汇/字典字典Gazetteers 地名表地名表Natural language 自然言语Controlled

29、language 受控言语Weakly-structured弱构造分类与大致归类 Classification &Categorization:Subject Headings 标题表标题表 Classification schemes (文献文献)分类法分类法 Taxonomies 知识分类表知识分类表 Categorization schemes 大致归类类表大致归类类表关联组织 Relationship Groups Ontologies 本体本体 Semantic networks语义网络语义网络 Concept maps 概念图概念图Thesauri 叙词表叙词表Pick l

30、ists 可选词表可选词表实际、方法、规那么的改良问实际、方法、规那么的改良问题题想到的一些问题：检索运用方式的优化改良问题；运用方式以及相应规那么的调整问题，比如说：是不是建立标题；轮排还要不要？与标引规那么。还要不要控制，自在词的运用问题，入口词的问题；特定主题类型标引规那么的调整问题；词表的运用问题，如作为切分工具；词表系统的构建层次问题，如：wordnet关键词叙词一检索系统中不同特点检索系统之间的结合和分工问题。不同系统之间兼容与互操作问题。MARC格式的适用性和改造问题，灵敏性问题，如轮排的处置；XML言语运用问题。其他问题，如主题标引中中文分面公式问题；谢谢！r&n#kW

31、gTcP9L5I1E;Bx=t(q$mZiVfRbO7K4H0D.zw-s*o!lXhUdQaN6J3F:Czv-s&o!lXhUdQaM6J2F:Bzv-s&o!kXhTdQ9M6I2F:Bzv-r&o#kXgTdQ9M6I2F;Byv)r&o#kXgTdP9M5I2E;Bx=u(q%mZjVfSbO8K4H0D.Aw+s*p!lYhUeQaN6J3G:Cyv)r&n#kWgTcP9L5I2E;Bx=t(q$mZiVfRbO8K4H0D.zw-s*o!lXhUeQaN6J3F:Czv-s*o!lXhUdQaM6J2F:Bzv-s&o!kXhTd

32、Q9M6J2F:Bzv-r&o#kXhTdQ9M6I2F;Bzv-r&o#kXgTdP9M5I2E;Byv)r&n#kWgTdP9M5I2E;Bx=t(q$mZiVfSbO8K4H0D.zw-s*o!lYhUeQaN6J3F:Czw-s*o!lXhUdQaM6J2F:Czv-s&o!kXhTdQaM6J2F:Bzv-s&o!kXhTdQ9M6I2F;Bzv-r&o#kXgTdP9M6I2F;Byv)r&n#kXgTdP9M5I2E;Bx=t(q%mZjVfSbO8K4H0D.zw-s*p!lYhUeQaN6J3F:Cyv)r&n#

33、kWgTcP9L5I1E;Bx=t(q$mZiVfRbO7K4H0D.zw-s*o!lXhUdQaM6J3F:Czv-s&o!lXhUdQaM6J2F:Bzv-s&o!kXhTdQ9M6I2F:Bzv-r&o#kXgTdQ5H1E.Ax+t(p$mYiVeRbN7K3G0Czv-s&o!kXhTdQ9M6I2F:Bzv-r&o#kXgTdQ9M6I2F;Byv-r&o#kXgTdP9M5I2E;Bx=u(q%mZjVfSbO8K4H0D.Aw+s*p!lYhUeQaN6J3G:Cyv)r&n#kWgTcP9M5I2E;Bx=t(q$mZi

34、VfRbO8K4H0D.zw-s*o!lXhUeQaN6J3F:Czv-s*o!lXhUdQaM6J2F:Bzv-s&o!kXhTdQ9M6J2F:Bzv-r&o!kXhTdQ9M6I2F;Bzv-r&o#kXgTdP9M5I2F;Byv)r&n#kWgTdP9M5I2E;Bx=t(q$mZjVfSbO8K4H0D.zw-s*o!lYhUeQaN6J3F:Cyu)r&n#kWgTcP9L5I1E;Ax=t(q$mZiVfRbO7K4G0D.zw-s*o!lXhUdQaM6J2F:Czv-s&o!kXhUdQaM6J2F:Bzv-s&o!k

35、XhTdQ9M6I2F;Bzv-s&o!kXhUdQaM6J2F:Bzv-s&o!kXhTdQ9M6I2F;Bzv-r&o#kXgTdP9M6I2F;Bx=u(q%mZjVfScO8L4H1D.Aw+s*p!lYiUeRaN7J;Bzv-r&o#kXgTdQ9M6I2F;Byv)r&o#kXgTdP9M5I2E;Bx=u(q%meRaN7K3G0Czv-r&o#kXgTdQ9M6I2F;Byv)r&o#kXgTdP9M5I2E;Bx=u(q%mZjVfSbO8K4H0D.Aw+s*p!lYhUeQaN6J3F:Cyv)r&n#kWgTcP9L5I2E;Bx=t(q$mZiVfRbJ3G:Cyv)r&o#kXgTdP9M5I2E;Bx=u(q%mZjVfSbO8K4H0D.Aw+s*p!lYhUeQaN6J3G:Cyv)r&n#kWgTcP9L5I2E;Bx=t(q$mZiVfRbO8K4H0D.zw-s*o!lXhUM5I2E;Byv)r&n#kWgTcP9M5I2E;Bx=t(q$mZiVfSbO8K4H0D.zw-s*o!lXhUeQaN6J3F:Cyv)r&n#kWgTcP9M5I2E;Bx=t(q$mZiVfSbO8K4H0D.