词表自动丰富.pdf

中　文　信　息　学　报 第 19 卷 第 6 期 　 JOURNAL OF CHINESE INFORMATION PROCESSING Vol 19 No6 ( ) 文章编号 :1003 - 0077 2005 06 - 0036 - 08 词表的自动丰富———从元数据中提取关键词及其定位 王 　军 (北京大学 信息管理系 ,北京　100871) 摘要 :词表和分类法是传统纸质文献环境下最重要的知识组织工具。它的更新和维护一直依靠手工进 行。这限制了它在数字图书馆和网络信息环境下的应用。本文介绍了一项基于统计的、从元数据的标题中抽 取关键词并定位在词表中的方法。定位的依据是抽取出的关键词所对应的标引词集的收敛性质。标引词是 用于标引文献主题的、来自于词表的受控词汇 ,即主题词。在《中国分类主题词表》和北京大学图书馆提供的 5 千余条计算机科技领域的书目数据上所进行实验证明了文中所述的方法是可行的、有效的。这一方法可以 直接用来实现基于已标引语料库的自动编目和元数据自动生成。 关键词 :计算机应用 ; 中文信息处理;词表 ;元数据 ;关键词提取 中图分类号:TP391 　　　文献标识码 :A Updating Thesaurus via Extracting Keywords from Metadata WANGJun ( Information Management Dept. , Peking University , Beijing 100871 ,China) Abstract : The application of thesauri in digital libraries is seriously constrained by the manual nature of current thesaurus maintenance mechanism which cannot keep up with the rapid evolvement of knowledge. This paper proposes a statistical method of extracting new terms from titles of metadata and settling them into the thesaurus. The settlement is based on the subject indexing coded in the metadata records. An experiment was conducted on the Chinese Classification and Thesaurus and a corpus of 5 thousands bibliographic data of computing domain. The successful result demonstrates that the techniques proposed are effective and can be applied to the corpus of large size and foreign language. Key words :computer application ; Chinese information processing ; keyword extraction ; metadata ; thesaurus development 1 　引言 ( ) ( ) 词表 ,包括主题词表 Subject Headings