网络信息分类法

程序，大体包括信息采集、文档表 示、抽取分类特征、相似性匹配、 网站信息整理等步骤。 1. 网络机器人robot按一定规则和策 略循环运行搜集信息。 2. 加工网站主页信息，分析结构布局， 判断网站主题范围。
3. 对文本进行分词，抽取表达网站主 题内容的语词；分析语词的重要程 度、词频统计，给出权值，以确定 哪些可作为网站主题内容的特征项。 4. 将抽取的特征项与分类知识库所形 成的矢量空间模型进行相似性匹配， 以能涵盖各特征项的类目为主要类 目，其他为次要类目。
Google.com网页目录 kids and teens>pre-school
Categories: ABC’s and 123’s(56) games(33) shapes and colors(32)… Web pages: noggin-http://www.noggin.com/ kidsCom Jrhttp://www.kidscomjr.com/…
文献分类法用于网络信息组织的优势
1. 文献分类法几乎都是综合性分类法， 涵盖人类知识的各学科领域，具有 很高的通用性。 2. 文献分类法的编制和运用既有成熟 的理论和技术支持，也积累了丰富 的实践经验，严格的词汇控制和完 善的语义网络，有助于网络信息的 筛选和组织。
3. 文献分类法是一个完整的知识分类等级 体系，类目之间严密的逻辑关系，全面 揭示了知识的内在联系，非常适合于浏 览检索和对主题进行分类控制，是目前 搜索引擎所不能达到的。 4. 文献分类法正向电子化和分类-主题一体 化方向发展，更适合于对网络信息的组 织
6) 类名：前者力求科学、准确、规范， 稳定性高。后者选择类名更注意面 向用户，力求通俗易懂、时新、简 练，准确性不如前者，面向用户和 面向后台技术运作的类名可以不一 致。 7) 维护：前者修订很慎重。后者可随 时修订，但更复杂、繁重。
Fra Baidu bibliotek
传统分类法在网络信息组织中的应用
应用现状。一些著名的分类法被网 站或搜索引擎用来组织网络信息。 例如，加拿大的主题信息系统 “Canadian Information by Subject”应用DDC的分类系统；美 国依阿华洲立大学应用LCC开发 “Cyber Stacks”等。
5. 编制网站的提要及其他说明标识。 6. 经过标引、著录的网站存入索引数 据库。 7. 把网站加进分类导航系统，并自动 进行排序。
第二节 网络信息分类法的编制
网络信息分类导航系统中查询界 面、类目体系、各级类目及其链 接的网络信息是它的分类法部分。 知识分类体系的构建。综合性搜 索引擎与专业性搜索引擎或网站 不同。
分类法在网络信息上的应用，大体 有两种类型：一是以某个分类法为 依据，经过必要的改造后作为组织 网络信息的主体，多数建立浏览结 构，应用的主要范围是大学、图书 馆、学术性网站；
二是在设计分类导航系统时，在整体 上或局部上参考一个或几个文献分 类法的类目体系，这是主要应用形 式。文献分类法直接用于网络信息 组织（网站、搜索引擎），目前处 于起步阶段，影响微乎其微。



类目注释要突出内容含义的说明和 类目关系的指引，删除与网络检索 用户无关的注释。 提高对网络信息多属性、多视角的 揭示。 分类法的界面要适应网络环境的特 点。
网络信息分类法的功能
1. 满足对互联网上各种类型信息组织 的需要； 2. 满足对互联网上各个知识领域信息 组织的需要； 3. 具有科学性、实用、能满足各类用 户浏览查询的动态分类体系； 4. 充分揭示信息知识的内容相关性；
类目交叉关系的处理
1. 纵向等级关系的处理。从大类到各 级类目均可设置必要的平行体系。 2. 横向相关关系的处理。设置“交叉 类目”。
类目与信息的排列
原则和方法。 类目排列：“内容相关”、“逻辑 相关”、“形式相关”。 网站信息排列：重要程度、点击频 率、字顺。
类目注释和说明：两种方式。 1. 简练的文字指明该类所含/不包含 内容范围； 2. 列举下位类揭示本类内容范围，或 提示重点、热点、隐藏较深的内容。
Sina.com.cn 的从分类体系 新闻、财经、娱乐、房产、女性游戏、旅 游、校园、动漫、同学录、企业、短信 体育、科技、音乐、汽车、……
类目的划分与设置
1. 分类标准及使用次序。主题分类法， 以事物为主要聚类标准；“多重列 类”为网络分类法类目划分的重要 方法。 2. 类目的均衡性。同一级的各个类目 包含的信息不应相差太悬殊，否则 增加不必要的浏览路径，影响分类 导航的效果。
5. 类目名称。准确、通用和精练。 6. 多分类体系的运用。“主-从分类体 系”。例如， sina.com.cn主分类体系
娱乐休闲、求职与招聘、艺术、生活服务、 文学、计算机与互联网、教育就业、体育健 身、医疗健康、社会文化、科学技术、社会 科学、政治军事、新闻媒体、参考资料、个 人主页、商业经济、少儿搜索
2) 前者体系是唯一的。后者可以有两 个以上的分类体系，主从并用，满 足不同查询需要。 3) 类目划分：前者线性体系。后者的 划分不严格按等级进行，如跳跃式 划分；主题多重属性关系和相关关 系采用交叉列类、超文本连接和多 窗口显示，网状体系。
4) 类目排列：前者强调类目之间的内 容联系和逻辑关系，科学性、规律 性强。后者为了方便、快速、自动 地排列众多同位类，也广泛使用字 顺、重要性排列法。 5) 说明和注释：前者将其作为标引人 员的重要参考。后者不设参照注释， 有选择地列举下位类，便于链接。
网络信息技术环境的特点：TCP/IP、 数字技术、多媒体技术、超文本、 WWW、人工智能、数据库技术及相应 的硬件等。 网络信息的组织和网络 信息分类法的编制，只有与当时网 络信息环境技术相适应，才能最大 限度地发挥信息组织的作用。
网络信息分类法与传统分类法比较
1. 分类对象：传统分类法以物理的、 实体的文献，如印刷型文献、磁带、 光盘等为主要处理对象，对文献的 内容进行标引和整序。网络信息分 类法以数百万计服务器上的信息资 源为处理对象，对它们进行组织筛 选，信息数字式、多媒体、动态、 虚拟的。
Sina.com.cn 军事
武器装备 战争 军事演习 战略战术…
军事理论 军事论坛 军事文学 军事院校… 新闻媒体 组织机构 活动 …
yahoo.com web directories
Education>higher education Categories_____________________ • Academic competitions@ •books@ • College and university planning(457)… Site listing by popularity______________ • Mailbase-electronic mailing list service for research in higher education, enabling groups to manage their own discussion topics and associated files. …
用户界面基本要求
1. 2. 3. 4. 5. 视觉感觉友好； 不同的类目区分排列； 划分的子类与网站信息分别排列； 设置路径指示； 大类跳转要方便：固定栏目、下拉 菜单、窗口等形式列出大类目录。
6. 设置“帮助”：把用户查询中可能 遇到的问题以及检索技巧等做成帮 助文件，在检索界面设置，供用户 在查询中随时调用。
5. 能对搜索的信息进行有效的控制和 过滤； 6. 面向最终用户； 7. 能与主题检索相互配合； 8. 有丰富的信息输出。
网络信息分类组织与主题组织的关系

WWW的问世，使世界的信息传播和利 用进入了一个崭新的时代；1994年 后搜索引擎异军突起，给人们的信 息查询带来巨大的便利，但单纯的 自然语言检索经常会给你提供许多 风马牛不相及的信息。表明信息数 量越大，越需要受到控制。
信息的分类查询和主题查询是最基本的查询需要
1. 信息的检索离不开分类和主题两种 基本方法； 2. 互联网上需要分类查询与主题查询 的一体化。在特定知识范围内进行 字顺检索；用特定的类限定字顺检 索。

分类法在网络信息组织中的地位日 益重要。
网络信息的自动分类问题


搜索引擎或门户网站的分类导航系 统人工标引和维护与网络信息增长 的矛盾，要求分类导航系统的自动 标引和维护。 我们所讲的网络信息自动分类，是 针对网站的整体，针对文本信息而 言。
4. 分类标记：是传统分类法不可缺少 的组成部分。网络分类法组织虚拟 信息，一个类目就是一类相关信息 的节点，不涉及物理排列，用户不 需要根据分类标记索取信息，也无 须使用分类标记，但作为网络分类 法的后台运作，分类标记有用。
5. 编制方法： 1) 知识框架。前者以文献内容的学科 属性为主要的聚类标准，形成学科 分类和高校专业设置为基础，兼顾 文献特点的分类大纲。后者以主题 为主要标准，把相关的信息加以集 中，构成符合各类用户查询习惯的 大纲。
文献分类法适应网络信息组织的改造


增加必要的非学术信息类目，包容 网络上的各类信息和多媒体资源， 适当突出信息量大、利用率高的类 目。 把按学科聚类和按主题聚类结合起 来，满足不同出发点的浏览查询需 要。


简化类目划分层次，让全部类目为列 举式的，归并一些不合适网络信息组 织的类目。 把类目的线性结构改造成网状结构， 满足多途径浏览检索的需要。以交叉 列类方式和超文本链接把相关主题联 系起来；通过分面分析和多重列类， 实现对一个类目的多标准划分。
1. 聚类的标准。主要标准“主题和专 题”，学科和专业作为辅助标准； 专业分类法可以学科或专业为主要 聚类标准，或二者结合。 2. 大类的设置。数量15~20个；大 类设置要有较高的稳定性，通常一、 二级类目构成网络信息分类法组织 的核心框架。
3. 分类体系展开的层次。它决定着分 类导航系统、知识地图的详略程度； 3~6级之间。 4. 类目的种类：包括子类和网站两种。 网站是分类系统展开的最末级，点 击后进入不属于分类系统的网页。
第五章 网络信息分类法
第一节 概述 第二节 网络信息分类法的编制 第三节 网络信息分类组织和著录
第一节 概述
网络信息的特点：数量巨大而繁杂； 内容范围广泛；信息类型众多；动 态性高；超文本链接；有序与无序。 网络信息用户的特点：用户范围极 广；受教育程度差别极大；利用网 络信息的目的和类型存在明显差异； 用户使用的网络服务不同。
2. 信息的知识范围：传统分类法以文献收 藏部门为使用对象，文献的出版是受控 制的、内容是经过一定筛选的，分类体 系具有稳定性。网络信息分类法以搜索 引擎或大型网站为使用对象，网络信息 总体上是不受控制的，几乎包含了人类 一切知识领域，要求其具有高度的灵活 性和适应网络信息的动态性。
3. 分类法的功能：传统分类法通过对 全部文献标引，编制分类检索工具， 组织分类排架，分类标引基本是手 工的。网络分类法通过对网络信息 的标引，建立网络信息分类导航系 统，提供浏览式检索手段，分类导 航系统的建立和维护主要是手工式 的，也有人机结合。
Dir.Sina.com.cn（2005.9）
搜索分类>文学 小说（15441）网上书库(193) 网上书店（125）散文杂著(1325) 作家作品(10617)校园文学(2212) 影视文学(33)古典文学(994) 艺术(9341845)组织机构(19) 论坛聊天（64）

3. 突出重点的类目。把信息量大、点 击频率高的知识范畴突出列类。 4. 类目设置的规律性。某些形式类目 如果再按知识的内容细分，要尽量 采取与传统分类法一致的做法。
自动分类的类型和程序
类型：两种。 1. 自动聚类，就是由计算机系统对待 分类文本进行分析并提取有关特征， 然后对提取的特征进行比较，根据 一定的规则将具有相同或相近特征 的对象定义为一类。
2. 自动归类，就是计算机系统对待分 类文本进行分析并提取有关的特征， 然后与既定分类体系中对象所具有 的公共特征进行相关性比较，将对 象归入与其特征最相近的类中。基 于词的自动分类和基于专家系统的 自动分类。