主题组织和关键词法

《信息检索、组织及其实务》课件
主题组织和关键词法
汪春晖 2009年3月
1
搜索引擎的原理
第一步：从网上采集信息
“蜘蛛”
网页1 链接1 链接2 ……
网页2 链接1 链接2 ……
网页xx 链接xx ……
网页xx 链接xx ……
网页xx 链接xx ……
网页xx 链接xx ……
2
搜索引擎的原理
第二步：分析网页信息，建立网页索引数据库
索引：
倒排索引：
标题/网址 检索词
检索词 标题/网址
网页x1 网页x2 网页x3 ……
政协 会议…… 政协 委员…… 电脑 市场…… ……
政协
会议 电脑 ……
网页x1 网页x2 …… 网页x2…… 网页x3 …… ……
3
搜索引擎的原理
4
信息检索原理
从技术上来说，信息检索是以信息的存储与检索 之间的相符性为基础的，如下图“信息检索原 理图”：
6
主题语言的基本概念
主题——主题指信息对象所表达或反映的主要
内容、问题或事物。
主题词——主题词是用于描述、存贮、检索信
息主题的受控词汇，是主题表中能表达一定 意义的最基本词汇单元。
主题词的选用主要依据三方面：出现频率 、标引频率、查找频率。具体来讲是应具有 实际检索意义。
主题词分为标题词、单元词、叙词、关键 词。
字面组配和概念组配的区别：
概念
字面组配
概念组配
联想计算机 香蕉苹果
牛蛙
联想+计算机 联想牌+计算机 香蕉+苹果 香蕉味水果+苹果
牛+蛙 （单纯词，不可分解）
11
叙词语言-叙词表的著录格式
叙词语言-叙词法的特点
叙词法的主要特点：
(1)直接以规范化了的自然语言——叙词作为标识符号，直 观性强；
(2)直接从论述和研究的具体对象和问题出发进行选词，并 采用叙词组配来描述主题，专指性强；
关键词应用实例——网页的关键词
16
关键词应用实例——论文的关键词
17
关键词应用实例——标签（tag）
18
关键词的选取方法
关键词的选取方法主要有： 直选法，即直接从文献的题名、摘要和正文 中选取作者的用语作为关键词。 提炼法，对文献中隐含的主题经分析后，赋 予某个关键词。 一篇论文应选取2-10个关键词。深度标引应
7
主题组织概述
主题组织是直接以表达主题内容的词语作检索标 识，以字顺为主要检索途径，并通过参照系统 等方法揭示词间关系，以便提供一种易用的面 向具体事实、概念的检索途径的信息组织方法 和活动。
主题组织法主要适用于各种信息检索系统的记录 单元的组织，如检索工具、数据仓库等。主题 组织法包括标题词法、单元词法、叙词法、关 键词法 。
选择何种词语作为关键词，实际上就是把文献定 位于某一特定的类别，所以，选取和标引关键词，其 实质是做文献的归类工作。如选择“市场经济”这一 词语作为关键词，就是把文章归入了“市场经济”类 ，而归类的目的就在于检索。所以关键词是检索文献 的入口之一。
总之，选取和标引关键词，目的是帮助读者理 解和掌握文献的中心和主题，有利于读者查阅 、检索和利用文献。
存储 一次 分析 信息
过程 信息
特征
检索 检索 分析 检索
过程 课题
提问
标引 信息特 输ຫໍສະໝຸດ Baidu 信
检
征标识
息
检
索
索
检
工 输出 索
语
具
结
(
言
标引
检索提
系 检索 统
果
问标识
）
5
什么是信息检索语言
含义：是根据信息检索系统存储和检索的需要而 编制的人工语言。
语言＝词汇＋语法 信息检索语言的词汇：分类号、检索词、代码 信息检索语言的语法：如何正确描述记录和有效 地检索记录的一整套规则。
选取5-20个关键词。
19
关键词的选取举例
《论科技期刊营销渠道的建设 》链接
汪晓 夏黎明 汪玲 杨岷 石鹤 华中科技大学附属同济医院《放射学实践》编辑部,武汉430030
[摘要] 分析目前科技期刊渠道营销中存在的问题 。认为：要想在渠道竞争中保持优势，就要在 原有渠道的基础上有所创新；现代渠道改革创 新的重心在于服务，利用并发展不同的新环境 和新技术，是科技期刊渠道创新的主题。
[关键词] 科技期刊 营销渠道 营销 渠道
关键词的选取举例
《试论党校函授哲学教学的改革》
从文献标题中直接可选取的关键词有“党校”、 “函授”、“哲学教学”、“教学改革”；
同时在文章中还讲到了为什么要开设哲学课程， 怎样讲好哲学课程，等等，这就隐含着“课程设置” 、“教学方法”这样的内容，所以，又赋予“课程设 置”、“教学方法”两个关键词。
——《科学技术报告、学位论文和学术论文的编写 格式》
单词是指能包含一个词素(语言中最小的有意义的单位) 的词或语言里最小的可以自由运用的单位，术语则是指某 个学科中的专业用语。
关键词基本上不作规范化处理。标引检索不需要词表。 关键词之间彼此独立。
14
关键词的作用
关键词的作用主要有两个方面：归类和检索。
[关键词] 党校 函授 哲学教学 教学改革 课程设置 教
单元词法的特点：
– 标题是组配构成的，而且是后组式的；
– 单元词的组配基本上是单纯的字面组配，误
检率较大。
例：香蕉苹果 → 香蕉+苹果
联想计算机 → 联想+计算机
牛蛙
→ 牛+蛙
10
叙词语言-叙词的含义
叙词：以受控的自然语言为语词基础，以字顺和 分类系统为词汇显示的基本手段，以语词的概念 组配而不是字面组配为重要特征。又称其为描述 词、叙述词，在国内也叫主题词。
(3)叙词法能随时加以增设修改，适应性强； (4)对叙词主要采用字顺排列方式，查找迅速； (5)主要采用后组式概念组配方法，灵活性强； (6)对同一主题的文献，可以作多维检索(多途径检索)； (7)叙词表中编制和建立了叙词语义关系的网络结构，加强
了叙词法的学科系统性和族性检索作用。
13
关键词语言
“关键词是为了文献标引工作从报告、论文 中选取出来用以表示全文主题内容信息款目的单 词或术语”
标题词语言
标题词：从自然语言中选取并经过规范化和标 准化处理的、简略表达信息对象主题的语词， 是完全受控的一种主题标识，通常是比较定型 的事物的名称。它是先组式的 。
代表：《美国国会标题词表》 EI（美国《工程索引》）中《工程主题词表》
（简称SHE）
9
单元词语言
单元词：又称元词，它是从文献中抽取出来并 经过控制处理的，能表达文献主题最小、最基 本的，在概念上不能再分解的，并能独立地描 述文献主题的词汇单位 。它是后组式的 。