信息檢索語言

第二節(jié)信息檢索語言計算機(jī)檢索的基本原理是將用戶的檢索提問詞與數(shù)據(jù)庫文獻(xiàn)記錄中的標(biāo)引詞進(jìn)行對比，當(dāng)提問詞與標(biāo)引詞匹配一致時，即為命中，檢索成功。由此可見，能否準(zhǔn)確地檢索出用戶所需信息，關(guān)鍵在于能否準(zhǔn)確地選擇檢索詞。這里所說的“準(zhǔn)確”，是指用戶所選的檢索詞必須與數(shù)據(jù)庫中標(biāo)引文獻(xiàn)記錄所用的標(biāo)引詞一致。然而實際工作中，從事信息存儲的人員與從事信息檢索的人員絕大多數(shù)情況下不可能進(jìn)行直接的思想交流，因而會造成存儲信息與檢索信息所依據(jù)的規(guī)則不一致，導(dǎo)致存入的文獻(xiàn)檢不出。為了避免這種情況發(fā)生，在信息標(biāo)引人員與信息檢索人員之間必須制定一種共同遵守的規(guī)則，即一種約定的相同標(biāo)識和線路，這就是檢索語言。一檢索語言的含義及作用檢索語言的概念檢索語言(informationretrievallanguage)，是信息存儲與檢索過程中用于描述信息特征和表達(dá)用戶信息提問的一種專門語言。所謂檢索的運(yùn)算匹配就是通過檢索語言的匹配來實現(xiàn)的。檢索語言是人與檢索系統(tǒng)對話的基礎(chǔ)。有了這種規(guī)則，信息標(biāo)引人員在進(jìn)行信息存儲的過程中，就會對原始信息進(jìn)行分析，找出其能代表信息的特征與檢索語言(檢索標(biāo)識系統(tǒng))進(jìn)行對照標(biāo)引，然后納入檢索系統(tǒng)；而信息檢索人員在進(jìn)行信息檢索的過程中，則先對待查課題進(jìn)行分析，歸納出各種信息特征，使之形成能代表需要的檢索提問，然后把這些提問與檢索語言(檢索標(biāo)識系統(tǒng))進(jìn)行核對，標(biāo)引成檢索提問標(biāo)識。如果沒有檢索語言作為標(biāo)引人員和檢索人員的共同語言，就很難使得標(biāo)引人員對文獻(xiàn)信息內(nèi)容的表達(dá)和檢索人員對相同文獻(xiàn)信息內(nèi)容需求時的表達(dá)取得一致，信息檢索也就不可能順利實現(xiàn)。檢索語言的工作原理存儲：檢索系統(tǒng)對文獻(xiàn)內(nèi)容進(jìn)行分析，概括分析出若干能代表文獻(xiàn)內(nèi)容的語詞，并賦予一定的標(biāo)識，如題名、作者、主題詞等，作為存儲與檢索的依據(jù)，然后納入到數(shù)據(jù)庫中。檢索：檢索人員首先要對檢索課題進(jìn)行分析，同樣形成若干能代表信息需求的語詞，然后通過檢索系統(tǒng)在數(shù)據(jù)庫中匹配具有同樣語詞和標(biāo)識的文獻(xiàn)，找到自己所需的信息。檢索語言的作用保證不同標(biāo)引人員表征文獻(xiàn)信息的一致性。(2)使內(nèi)容相同及相關(guān)的文獻(xiàn)集中化。保證檢索提問與文獻(xiàn)信息標(biāo)引的一致性。(4)保證檢索者按不同需求檢索文獻(xiàn)信息時都能獲得較高的查全率和查準(zhǔn)率。二檢索語言的類型1自然語言(naturallanguage)檢索用詞是從信息內(nèi)容本身抽取的，主要依賴于計算機(jī)自動抽詞技術(shù)完成，輔以人工自由標(biāo)引(非依據(jù)詞表的標(biāo)引方法)，是非規(guī)范詞(uncontrolledterm)。關(guān)鍵詞(keyword):直接從信息資源名稱、正文或文摘中抽出的代表信息主要內(nèi)容的重要語詞。題名：信息資源的名稱，如論文篇名、圖書書名、網(wǎng)站名稱等。全文：從資源的內(nèi)部內(nèi)容中自動抽取、查找，是目前網(wǎng)上各類搜索引擎使用的最多的方法。引文(quotation):將文獻(xiàn)所引用的參考文獻(xiàn)的作者、篇名、來源出版物抽取出來進(jìn)行標(biāo)引。自然語言的優(yōu)點(diǎn):新穎性強(qiáng):一旦文獻(xiàn)中出現(xiàn)某個新詞語，即可直接使用這一詞語作為檢索入口，根本無需像受控語言那樣冥思苦想地將其轉(zhuǎn)換成另一規(guī)范詞用于檢索。檢索方便:它解除了人工語言的種種限制，不需要復(fù)雜的檢索規(guī)則，使用者能較快適應(yīng)，易用性強(qiáng)。標(biāo)引準(zhǔn)確度高:自然語言采用從文獻(xiàn)中抽詞標(biāo)引的方式，不容易發(fā)生誤標(biāo)引，適用于計算機(jī)檢索。只要數(shù)據(jù)庫的文獻(xiàn)標(biāo)題中含有該檢索詞，即視為命中，健全率較高。自然語言的缺點(diǎn):詞匯量太大，給詞匯的存儲、加工和檢索帶來許多操作性方面的困難。當(dāng)文獻(xiàn)的主題很明白清楚地在標(biāo)題或主題詞中表達(dá)出來時，檢索才會較成功，反之則失效。詞匯具有模糊性，另外多義、近義、同義現(xiàn)象較多，給標(biāo)引和檢索帶來困難。2人工語言由人工創(chuàng)制的，采用規(guī)范詞，用來專指某個概念或與之相應(yīng)的概念?？梢詫⑼x詞、近義詞、相關(guān)詞、多義詞及縮略詞規(guī)范在一起，由人工控制。包括分類檢索語言、主題檢索語言、代碼檢索語言。(1)分類檢索語言按學(xué)科范疇及知識之間的關(guān)系列出類目，并用數(shù)字、字母符號對類目進(jìn)行標(biāo)識的一種語言體系，也稱分類法。中國圖書館圖書分類法美國國會圖書館分類法杜威十進(jìn)位分類法IPC國際專利分類表下面以《中圖法》為例說明體系分類法的結(jié)構(gòu)與功能?！吨袌D法》是體系分類法的典型代表，是現(xiàn)今國內(nèi)圖書情報部門普遍使用的一部分類法。《中圖法》的類目表由基本大類、簡表、詳表和復(fù)分表組成?；敬箢愂欠诸惙ㄖ械牡谝患夘惸浚菍W(xué)科領(lǐng)域的基本劃分?！吨袌D法》共有二十二個基本大類，每個大類都用一個英文字母表示。如下所示：A馬克思主義、列寧主義、毛澤東思想、鄧小平理論B哲學(xué)宗教C社會科學(xué)總論D政治法律E軍事F經(jīng)濟(jì)G文化科學(xué)教育體育H語言文字I文學(xué)J藝術(shù)K歷史地理N自然科學(xué)總論O數(shù)理科學(xué)化學(xué)P天文學(xué)地球科學(xué)Q生物科學(xué)R醫(yī)藥衛(wèi)生S農(nóng)業(yè)科學(xué)T工業(yè)技術(shù)U交通運(yùn)輸V航空航天X環(huán)境科學(xué)勞動保護(hù)科學(xué)Z綜合性圖書簡表又稱為基本類目表，是分別對每個基本大類，依據(jù)它的某些屬性，作進(jìn)一步劃分后而形成的二、三級類目表。如Q生物科學(xué)Q1普通生物學(xué)Q2細(xì)胞學(xué)Q3遺傳學(xué)Q4生理學(xué)Q5生物化學(xué)III詳表又稱主表或正表，由簡表進(jìn)一步細(xì)分而成的最小概念性分類表。如：I文學(xué)I0 文學(xué)理論I1 世界文學(xué)I2 中國文學(xué)I20I21 作品集I22 詩歌、韻文I23 戲劇文學(xué)I24 小說I242古代至近代作品I246現(xiàn)代作品I247當(dāng)代作品I247.4章回小說I247.5新體長篇、中篇小說I247.7新體短篇小說I247.8故事、微型小說I25 報告文學(xué)I26 散文I3/7各國文學(xué)復(fù)分表是供主表中某些類目共同細(xì)分而從主表中抽出的一部分類目表。使用體系分類檢索語言編制的分類表按學(xué)科或?qū)I(yè)集中文獻(xiàn)信息，以學(xué)科概念的上下左右關(guān)系反映事物的派生、隸屬平行的關(guān)系，較好地體現(xiàn)了學(xué)科的系統(tǒng)性，能較好地滿足族性檢索的要求。其次，體系分類法用字母和數(shù)字表示類目便于組織文獻(xiàn)排架及目錄系統(tǒng)，又適于文獻(xiàn)信息的收集和編制手工檢索工具。但由于體系分類法使用的是號碼式語言作檢索標(biāo)識，一方面不直觀，另一方面在檢索文獻(xiàn)信息時，必須將文字主題轉(zhuǎn)換成分類標(biāo)識，在轉(zhuǎn)換過程中，容易產(chǎn)生差錯，造成誤檢或漏檢，影響檢索效率。此外，體系分類法采用的是先組式檢索語言，因此，增補(bǔ)新概念困難，修改不及時，不適應(yīng)新興學(xué)科和邊緣學(xué)科的檢索。（2）主題檢索語言：主題檢索語言是以詞語作為表達(dá)主題概念的標(biāo)識，按字順編排的檢索語言。標(biāo)題詞語言是最早使用的一種主題語言。它以規(guī)范化的自然語義作為標(biāo)識來表達(dá)文獻(xiàn)涉及的主題概念，表達(dá)主題的詞語稱為標(biāo)題。單元詞語言是從文獻(xiàn)內(nèi)容中抽選出來的最基本的詞匯、將代表最一般、最基本的、不可再分割的概念的詞作為單獨(dú)標(biāo)引文獻(xiàn)的單位。敘詞語言是從自然語言中優(yōu)選出來并經(jīng)過規(guī)范化處理的名詞術(shù)語。采用表示單元概念的規(guī)范化語詞的組配對文獻(xiàn)內(nèi)容主題進(jìn)行描述，也是目前使用最廣泛的主題語言。主題語言舉例：下例為EBSCO出版公司BusinessSourcePremier數(shù)據(jù)庫中選定“建議主題語”（據(jù)2008年數(shù)據(jù)）□魁^0切購□ELECTRONI匚infunriBti曲怕sow"能am恤ig□□魁^0切購□ELECTRONI匚infunriBti曲怕sow"能am恤ig□理FORMATIONst口rag&retriMnlsystemsIIFOFF二TIO【i 七□DNF0莊MATIQN.s匚iEneNarrov/erTerms□跑就;E律triEMl□斟FORM!ATIONservit^|UJTER口ET霽目「匚hingRelatedTermsScopeNoteBroaderTermsHereareenteredgeneralv;orksonwarchingforandretrievingdatafromaninformationstoragestructure,faciJjty,orservice.Useonlyif7anarrowertermdoesnotappEy(e.g,r"Databasesearchingr"■'Electronicinformationresourcesearching/''Imager-etrievalr""Siformaticinsendees/1"Informationstorage81retrieval"or"Internetwerching'1).[EPC]|負(fù)MESSt°infcirmation□DXUhlERTATIO口（3）代碼檢索語言就事物的某一方面特征，用某種代碼系統(tǒng)來加以標(biāo)引和排列，目前主要應(yīng)用于化學(xué)領(lǐng)域。例如。化合物的分子式索引系統(tǒng)、環(huán)狀化合物的環(huán)系索引系統(tǒng)等。3人工語言與自然語言的關(guān)系與自然語言相比較，人工語言的檢索效率要高于自然語言，查全率和差準(zhǔn)率都比較高，但人工語言是基于印刷性資源產(chǎn)生的，對標(biāo)引和檢索來說，標(biāo)引工作量大，需要不斷維護(hù)，管理成本高，用戶也不易掌握。因此，在數(shù)字資源飛速發(fā)展的今天，僅使用人工語言是遠(yuǎn)遠(yuǎn)不夠的。自然語言由于主要由系統(tǒng)自動標(biāo)引完成，靈活、新穎、檢索入口多、專