国会図书馆件名标目连想検索-东京大学.ppt

* * * * 国会図書館件名標目連想検索 平成２２年６月１５日 図書系職員のための アプリケーション開発講習会 文章か キーワード入力 画面イメージ 文章か キーワード入力 入力から「連想」する国会図書館件名標目とそのスコアを表示 （Ajax使用） 画面イメージ 国会図書館件名標目2008 国会図書館のサイト（以下）から非営利目的なら入手可能 http://www.ndl.go.jp/jp/library/data/ndlsh_download.html 拙作のPerlモジュール”MARC::NDLSH”も提供中 https://mbc.dl.itc.u-tokyo.ac.jp/MARC-NDLSH/ 自然文から国会図書館件名標目を検索 国会図書館件名標目には、 それに結びついた文章がない…. だから、テキストマイニングができない？ 文章がなければ、自分で文章を用意すればいいのに 国会図書館件名標目と国内学術Webサイト 国会図書館件名標目に文章を結びつけ Yahoo! のWeb検索を使う 日本語の個々の件名（標目形）について、国内学術Webサイト(ドメインac.jpのサイト)を検索 トップ100件、スニペット（抜粋）のみ使用 件名を付与された書籍タイトルや その目次情報を使うことも考えられる 当初はニューラルネットを 当初はニューラルネットワークを使い、用語から「国会図書館件名標目」を推薦する仕組みを考えていた 面倒そうなので途中でとりやめ R言語のニューラルネットワーク Perlのニューラルネットモジュールの利用 Python（「集合知プログラミング」のサンプルコード） GETAssocを使って楽することに 単語?文書行列 単語の関連を調べるには「単語の共起」(同コンテンツで同時に出現する）を求めるのがセオリー 単語?文書行列（ベクトル空間法）を使うのがよくある手法だが… 文書A 文書B 文書C 単語A 0 1 0 単語B 1 1 0 単語C 0 0 1 件名標目?単語行列 ちょっと邪道（？）だが、「件名標目?単語行列」を作成 特に工夫せず、形態素解析器”和布蕪”により抽出した単語（形態素）と、TF*IDFを使用 件名A 件名B 件名C 単語A 0 1 0 単語B 1 1 0 単語C 0 0 1 国会図書館件名標目の特色を生かす(1) 比較すべき対象 Wikipedia（専門用語もありかなり有力） もともと用語と解説文が結びつけれている 「想-Imagine」等にて実現すみ 日本語WordNet 国会図書館件名標目連想検索と同様の仕組みを作成できるが… 国会図書館件名標目の特色を生かす(2) 国会図書館職員の件名選択の特色 上位語と下位語などの関連を生かす 国会図書館の分類記号を使う 国会図書館十進分類がついている PORTAの件名検索と連携させる 手間がかかるので、とりあえず保留中！ 試行公開 東京大学情報基盤センター図書館電子化部門主催「図書系職員のためのアプリケーション開発講習会」のサイトで試行公開中 https://mbc.dl.itc.u-tokyo.ac.jp/NDLSH_assoc// * * * * * * * * * * * * * * * * * * * *