第四節(jié)其它檢索語(yǔ)言

1、第四節(jié) 其它檢索語(yǔ)言 一、自然語(yǔ)言 信息檢索語(yǔ)言是溝通標(biāo)引和檢索的依據(jù)，自然語(yǔ)言的詞語(yǔ)由于存在大量的同義、多義等現(xiàn)象，通常要經(jīng)過(guò)一定程度的規(guī)范化處理，才能作為檢索語(yǔ)言使用。但是，規(guī)范化處理，帶來(lái)了標(biāo)引的成本、標(biāo)引與檢索的一致性、一般用戶難以直接操作檢索等新問(wèn)題。在計(jì)算機(jī)信息技術(shù)迅速發(fā)展的背景下，自然語(yǔ)言重又受到越來(lái)越多的關(guān)注和重視，并在信息檢索領(lǐng)域內(nèi)取得了令人矚目的地位和成就。 自然語(yǔ)言在信息檢索中的發(fā)展，大致經(jīng)歷了關(guān)鍵詞、自由文本、全文本、超文本檢索的階段，并正向自然語(yǔ)言的理解發(fā)展。 1. 關(guān)鍵詞語(yǔ)言 關(guān)鍵詞語(yǔ)言是50年代發(fā)展起來(lái)的非受控語(yǔ)言，是自然語(yǔ)言應(yīng)用于信息檢索最早的形式，至今仍是一種

2、廣泛使用的主題語(yǔ)言之一。 關(guān)鍵詞是從文獻(xiàn)的題名（有時(shí)也包括摘要和正文）中直接抽取出來(lái)的，能夠表達(dá)文獻(xiàn)主題的有實(shí)質(zhì)性意義的單詞。以這種自然語(yǔ)言的詞匯作為主題標(biāo)識(shí)的語(yǔ)言，就是關(guān)鍵詞語(yǔ)言。關(guān)鍵詞語(yǔ)言雖然也屬主題語(yǔ)言的范疇，但與標(biāo)題語(yǔ)言、元詞語(yǔ)言、敘詞語(yǔ)言有一個(gè)顯著不同，關(guān)鍵詞語(yǔ)言是沒(méi)有經(jīng)過(guò)規(guī)范化處理的自然語(yǔ)言，屬非受控語(yǔ)言（Uncontrolled Language），而標(biāo)題、元詞、敘詞語(yǔ)言是經(jīng)過(guò)規(guī)范化處理的自然語(yǔ)言，屬受控語(yǔ)言（Controlled Language）。 關(guān)鍵詞語(yǔ)言的基本原理，是直接以自然語(yǔ)言的單詞，作為表達(dá)文獻(xiàn)和提問(wèn)的標(biāo)識(shí)。因而，關(guān)鍵詞語(yǔ)言不必編制專門的詞表，不進(jìn)行詞匯控制，也不

3、顯示詞間關(guān)系，可利用計(jì)算機(jī)進(jìn)行自動(dòng)抽詞標(biāo)引，極大地提高標(biāo)引的速度，縮短檢索系統(tǒng)的報(bào)道時(shí)滯，符合在文獻(xiàn)數(shù)量激增的背景下快速檢索文獻(xiàn)的需要。 目前，關(guān)鍵詞語(yǔ)言已成為手工檢索和計(jì)算機(jī)檢索廣泛采用的信息檢索語(yǔ)言。在關(guān)鍵詞語(yǔ)言發(fā)展的進(jìn)程中，其形式主要有以下幾種： · 單純（普通）關(guān)鍵詞索引（Pure Keyword Index）； · 題內(nèi)關(guān)鍵詞索引（Keyword In Context，簡(jiǎn)稱為KWIC）； · 題外關(guān)鍵詞索引（Keyword Out Context，簡(jiǎn)稱為KWOC）； · 雙重關(guān)鍵詞索引（Double KWIC）； · 詞對(duì)式關(guān)鍵詞索引

4、（Paired Keyword Index）。 各種關(guān)鍵詞索引，雖然形式有所差異，但關(guān)鍵詞語(yǔ)言的基本特性是共同的： · 直接從文獻(xiàn)的題名（有時(shí)以摘要、征文來(lái)補(bǔ)充）中抽取關(guān)鍵詞； · 沒(méi)有詞匯控制，任何有實(shí)質(zhì)性意義的單詞，都可作為標(biāo)引和檢索的標(biāo)識(shí)； · 按字順排檢關(guān)鍵詞，并進(jìn)行多種形式的輪排，以增加檢索入口； · 主要采用計(jì)算機(jī)自動(dòng)抽詞標(biāo)引，編制速度快； · 提供快捷而方便的檢索，容易掌握，但檢索的全面性稍有欠缺； · 關(guān)鍵詞常常帶有上下文，有助于消除自然語(yǔ)言的多義現(xiàn)象對(duì)檢索的影響，提高檢索的專指度。 2. 自然語(yǔ)言檢索 自然語(yǔ)言檢索是

5、與計(jì)算機(jī)檢索的出現(xiàn)和發(fā)展密不可分的。換言之，正是計(jì)算機(jī)技術(shù)的發(fā)展及其在檢索領(lǐng)域的應(yīng)用，才促成了自然語(yǔ)言直接作為檢索語(yǔ)言的必然趨勢(shì)。 在60年代興起的計(jì)算機(jī)檢索，尤其是70年代以后聯(lián)機(jī)檢索的國(guó)際化發(fā)展，促使自然語(yǔ)言檢索技術(shù)，即自由文本檢索、全文本檢索得以產(chǎn)生和普及。80年代中期出現(xiàn)的光盤檢索，尤其是90年代國(guó)際互聯(lián)網(wǎng)絡(luò)（Internet）的在全球的迅速增長(zhǎng)，又促使自然語(yǔ)言檢索向多媒體檢索、網(wǎng)絡(luò)檢索和超文本檢索發(fā)展。 自由文本檢索（Free-text Searching），作為聯(lián)機(jī)檢索系統(tǒng)的主體檢索技術(shù)，已發(fā)展得十分成熟。聯(lián)機(jī)檢索系統(tǒng)擁有多達(dá)數(shù)百的數(shù)據(jù)庫(kù)，每個(gè)數(shù)據(jù)庫(kù)都是由數(shù)量龐大的文獻(xiàn)記錄所組成的

6、，每條記錄包含文獻(xiàn)的題名、著者、文摘、標(biāo)引的主題標(biāo)識(shí)（敘詞）等多項(xiàng)內(nèi)容。在聯(lián)機(jī)檢索時(shí)，文獻(xiàn)記錄中的所有這些項(xiàng)目，特別是文摘的內(nèi)容，其中的每一個(gè)詞都是可以自由檢索的，即文獻(xiàn)記錄的所有文本都可自由檢索，因此被稱為自由文本檢索。目前，自由文本檢索技術(shù)，包括單詞檢索、詞組檢索、布爾檢索、詞間位置檢索、截詞檢索及加權(quán)檢索等。 全文本檢索（Full-text Searching），是在自由文本檢索的基礎(chǔ)上發(fā)展起來(lái)的。如今，在聯(lián)機(jī)檢索系統(tǒng)中，提供全文本檢索的數(shù)據(jù)庫(kù)已越來(lái)越多，呈加速發(fā)展的趨勢(shì)。全文本檢索與自由文本檢索的差異，主要在于文本內(nèi)容和檢索技術(shù)的不同。全文本檢索，檢索的對(duì)象是計(jì)算機(jī)可讀形式的文獻(xiàn)全文文

7、本。全文本檢索的技術(shù)方案一般有兩種，第一種是分步完成，先進(jìn)行自由文本的直接檢索，后進(jìn)行全文本的字符串掃描檢索（如ORBIT系統(tǒng)直接的布爾檢索，以及在此基礎(chǔ)上的字符串、句子查找等。）；第二種是一步完成，即把自由文本檢索的范圍擴(kuò)大到全文本，布爾檢索與全文檢索同時(shí)進(jìn)行。 國(guó)際互聯(lián)網(wǎng)絡(luò)上的超文本檢索（Hyper-text Searching），突破了文本以文獻(xiàn)為單位、檢索以文獻(xiàn)單位為對(duì)象的限制，超越了文獻(xiàn)單位，深入到文獻(xiàn)內(nèi)部的信息單元，以有關(guān)的信息單元為檢索操作的對(duì)象。 在超文本中，通過(guò)預(yù)先對(duì)文本中的有關(guān)詞匯進(jìn)行索引鏈接（超鏈），使這些帶鏈接指針的詞匯或短語(yǔ)，指向文本中的其它有關(guān)段落、注解和內(nèi)容。這些

8、經(jīng)過(guò)鏈接的詞語(yǔ)，采用了特殊的顯示技術(shù)，如加下劃線、高亮、粗體或顏色不同等。用戶只要用光標(biāo)點(diǎn)擊這些詞語(yǔ)，超級(jí)文本立刻就能顯示該詞語(yǔ)鏈接的內(nèi)容。在新顯示的文本中，用戶又可發(fā)現(xiàn)經(jīng)過(guò)鏈接的詞語(yǔ)，便可沿著超文本中的索引鏈接，不斷查找更感興趣的內(nèi)容。 近年來(lái)，在超文本的基礎(chǔ)上，又出現(xiàn)了多媒體檢索。多媒體（Multi-media），也稱為超媒體（Hyper-media），它將多媒體技術(shù)結(jié)合到超文本中，強(qiáng)化了超文本的功能。它允許文本之外的圖片、聲音、動(dòng)畫、影視等信息單元，也可以與文本一樣，作為指向其它文本或多媒體信息的鏈接指針。換言之，在超媒體文本中，不但有文字、圖片，還有聲音、動(dòng)畫、影視等形式的信息內(nèi)容，都

9、可利用鏈接來(lái)進(jìn)行查找和閱讀。超媒體文本在只讀式光盤CD-ROM和Internet網(wǎng)絡(luò)上得到了充分的展現(xiàn)。 自然語(yǔ)言本身的表現(xiàn)力十分強(qiáng)大和多樣，是人類交流和溝通的主要工具。盡管近年來(lái)自然語(yǔ)言在信息檢索領(lǐng)域發(fā)展很快，但遠(yuǎn)不及其作為自然語(yǔ)言的地位，這就涉及到作為檢索語(yǔ)言的自然語(yǔ)言的特性： · 自然語(yǔ)言是用戶最為熟悉的語(yǔ)言系統(tǒng)，在檢索時(shí)使用起來(lái)很習(xí)慣，容易使用，也容易達(dá)到一致； · 自然語(yǔ)言存在著大量的同義、多義、同形異義等現(xiàn)象，會(huì)對(duì)檢索的效率產(chǎn)生負(fù)面的影響； · 自然語(yǔ)言檢索系統(tǒng)，可利用計(jì)算機(jī)自動(dòng)進(jìn)行文獻(xiàn)處理，其操作成本很低，而且速度極快，在文獻(xiàn)數(shù)量激增的社會(huì)背景下，尤

10、其具有優(yōu)勢(shì)； · 無(wú)需編制詞表，但受自然語(yǔ)言語(yǔ)種的限制。 概言之，在信息技術(shù)，尤其是計(jì)算機(jī)技術(shù)迅速發(fā)展的情況下，自然語(yǔ)言作為檢索語(yǔ)言是一種必然的趨勢(shì)。但純粹的自然語(yǔ)言系統(tǒng)在檢索性能水平上是較低的，因此，在系統(tǒng)建立時(shí)需要有相應(yīng)的改進(jìn)措施，如關(guān)鍵詞語(yǔ)言中的上下文、采用后控詞表等，在信息檢索時(shí)需要有針對(duì)檢索課題的策略，以保障檢索的效率。 二、引文語(yǔ)言 文獻(xiàn)，尤其是科學(xué)文獻(xiàn)，在結(jié)尾處都附有參考文獻(xiàn)或引用文獻(xiàn)，這也是文獻(xiàn)的外表特征之一。利用文獻(xiàn)之間引用與被引用的關(guān)系，作為文獻(xiàn)內(nèi)容主題標(biāo)識(shí)，并以此標(biāo)引和檢索文獻(xiàn)的語(yǔ)言就是引文語(yǔ)言。 引文語(yǔ)言是60年代發(fā)展起來(lái)的一種檢索語(yǔ)言，創(chuàng)刊于1961年的科學(xué)

11、引文索引（Science Citation Index），可看成是引文語(yǔ)言成形的標(biāo)志。引文語(yǔ)言從文獻(xiàn)的引用關(guān)系角度，提供了一種全新的檢索途徑。引文語(yǔ)言的基本原理是： · 以文獻(xiàn)之間的引用關(guān)系， 作為文獻(xiàn)主題內(nèi)容之間的聯(lián)系，換言之，若兩篇文獻(xiàn)發(fā)生引用關(guān)系，那么它們?cè)谥黝}上就是相關(guān)的； · 以引用文獻(xiàn)或被引用文獻(xiàn)，通常按著者姓名的字順排檢，作為標(biāo)引和檢索文獻(xiàn)的標(biāo)識(shí)。 引用關(guān)系作為檢索語(yǔ)言，有其形式上的特殊性，其檢索特性為： · 以引用文獻(xiàn)或被引用文獻(xiàn)進(jìn)行標(biāo)引和檢索，擺脫了人工符號(hào)標(biāo)識(shí)或詞語(yǔ)標(biāo)識(shí)的限制，使用容易掌握，一致性好； · 以引用關(guān)系形成的“文獻(xiàn)網(wǎng)”作

12、為“主題網(wǎng)”，檢索明確而有效，且能夠查找到較為重要的文獻(xiàn)，因?yàn)橹匾奈墨I(xiàn)其被引用次數(shù)通常也較多，這是其它的檢索語(yǔ)言所無(wú)法做到的； · 引文語(yǔ)言系統(tǒng)的標(biāo)引深度很深，一般的手工標(biāo)引深度為平均每篇文獻(xiàn)35個(gè)詞，而一篇文獻(xiàn)的引文數(shù)量常常達(dá)到十幾篇，即可提供十幾個(gè)檢索點(diǎn)； · 引用關(guān)系本身非常穩(wěn)定，但作為主題關(guān)系的可靠性不夠穩(wěn)定，引用有多種起因和緣由，但不一定完全反映出主題關(guān)系； · 引用關(guān)系要受到文獻(xiàn)可得性的影響； · 引文的著錄有時(shí)不夠統(tǒng)一規(guī)范； · 引文語(yǔ)言無(wú)需編制詞表，可利用計(jì)算機(jī)自動(dòng)進(jìn)行文獻(xiàn)標(biāo)引和處理，檢索系統(tǒng)的成本低、速度快，提供的信息回溯性

13、和及時(shí)性都可令人滿意。 三、分類主題一體化語(yǔ)言 在檢索語(yǔ)言的發(fā)展趨勢(shì)中，分類主題一體化語(yǔ)言近年來(lái)頗受關(guān)注。 分類主題一體化語(yǔ)言，是指在一個(gè)檢索語(yǔ)言系統(tǒng)中，對(duì)它的分類表部分和敘詞表部分，就術(shù)語(yǔ)、參照、標(biāo)識(shí)、索引等實(shí)行統(tǒng)一的控制，即一個(gè)分類系統(tǒng)與一個(gè)主題系統(tǒng)互相兼容，既能充分發(fā)揮各自獨(dú)特的功能，滿足分類或主題標(biāo)引和檢索的需要，又能融為一體，發(fā)揮最佳的整體效應(yīng)。簡(jiǎn)言之，分類主題一體化語(yǔ)言，就是分類語(yǔ)言與主題語(yǔ)言的有機(jī)結(jié)合。 分類主題一體化語(yǔ)言的原理在于，不同的檢索語(yǔ)言雖然符號(hào)形式、結(jié)構(gòu)體系各不相同，但它們的語(yǔ)言基礎(chǔ)卻是共同的。各種檢索語(yǔ)言都以自然語(yǔ)言的語(yǔ)義系統(tǒng)為基礎(chǔ)，并在這個(gè)基礎(chǔ)上建立起各自的符號(hào)、詞匯和語(yǔ)法（句法）系統(tǒng)。由于擁有共同的基礎(chǔ)，使得統(tǒng)一的詞匯控制成為可能和現(xiàn)實(shí)。 分類主題一體化語(yǔ)言的模式主要有：為敘詞語(yǔ)言