主题组织和关键词法.ppt

词组切分的原则 以下情况不切分： 专业术语、专用名词不能切分。 如：邓小平理论、南昌起义，就不能切分为“邓小平”和“理论”、“南昌”和“起义”。 切分后组配有歧义的，不宜切分。 如：“体育学校”如果切分为“体育”、“学校”，可以组配成“学校体育”，因此不宜切分。 * 如果难以判断某词组是否该切分，就把原词组和切分后的词都标为关键词！ * * * * * * 主题组织和关键词法 汪春晖 2009年3月 * 《信息检索、组织及其实务》课件 有哪些信誉好的足球投注网站引擎的原理 第一步：从网上采集信息 * 网页1 链接1 链接2 …… 网页2 链接1 链接2 …… 网页xx 链接xx …… 网页xx 链接xx …… 网页xx 链接xx …… 网页xx 链接xx …… “蜘蛛” 有哪些信誉好的足球投注网站引擎的原理 索引： 标题/网址 检索词 网页x1 政协 会议…… 网页x2 政协 委员…… 网页x3 电脑 市场…… …… …… * 第二步：分析网页信息，建立网页索引数据库 倒排索引： 检索词 标题/网址 政协 网页x1 网页x2 …… 会议 网页x2…… 电脑 网页x3 …… …… …… 有哪些信誉好的足球投注网站引擎的原理 * * 信息检索原理 从技术上来说，信息检索是以信息的存储与检索之间的相符性为基础的，如下图“信息检索原理图”： 标引 检索 输出 存储 过程 一次 信息 信息 特征 检 索 语 言 信息特 征标识 信息检索工具(系统） 检 索 结 果 检索 过程 检索 课题 检索 提问 检索提问标识 分析 分析 标引 输入 * 什么是信息检索语言 含义：是根据信息检索系统存储和检索的需要而编制的人工语言。 语言＝词汇＋语法 信息检索语言的词汇：分类号、检索词、代码 信息检索语言的语法：如何正确描述记录和有效地检索记录的一整套规则。 主题语言的基本概念 主题——主题指信息对象所表达或反映的主要内容、问题或事物。 主题词——主题词是用于描述、存贮、检索信息主题的受控词汇，是主题表中能表达一定意义的最基本词汇单元。 主题词的选用主要依据三方面：出现频率、标引频率、查找频率。具体来讲是应具有实际检索意义。 主题词分为标题词、单元词、叙词、关键词。 * 主题组织概述 主题组织是直接以表达主题内容的词语作检索标识，以字顺为主要检索途径，并通过参照系统等方法揭示词间关系，以便提供一种易用的面向具体事实、概念的检索途径的信息组织方法和活动。 主题组织法主要适用于各种信息检索系统的记录单元的组织，如检索工具、数据仓库等。主题组织法包括标题词法、单元词法、叙词法、关键词法?。 * 标题词语言 标题词：从自然语言中选取并经过规范化和标准化处理的、简略表达信息对象主题的语词，是完全受控的一种主题标识，通常是比较定型的事物的名称。它是先组式的 。 代表：《美国国会标题词表》 EI（美国《工程索引》）中《工程主题词表》（简称SHE） * 单元词语言 单元词：又称元词，它是从文献中抽取出来并经过控制处理的，能表达文献主题最小、最基本的，在概念上不能再分解的，并能独立地描述文献主题的词汇单位 。它是后组式的 。 单元词法的特点： 标题是组配构成的，而且是后组式的； 单元词的组配基本上是单纯的字面组配，误检率较大。例：香蕉苹果 → 香蕉+苹果  联想计算机 → 联想+计算机  牛蛙 → 牛+蛙 * 叙词语言-叙词的含义 叙词：以受控的自然语言为语词基础，以字顺和分类系统为词汇显示的基本手段，以语词的概念组配而不是字面组配为重要特征。又称其为描述词、叙述词，在国内也叫主题词。 字面组配和概念组配的区别： 概念 字面组配 概念组配 联想计算机 联想+计算机 联想牌+计算机 香蕉苹果 香蕉+苹果 香蕉味水果+苹果 牛蛙 牛+蛙 （单纯词，不可分解） 叙词语言-叙词表的著录格式 * 叙词语言-叙词法的特点 叙词法的主要特点： (1)直接以规范化了的自然语言——叙词作为标识符号，直观性强； (2)直接从论述和研究的具体对象和问题出发进行选词，并采用叙词组配来描述主题，专指性强； (3)叙词法能随时加以增设修改，适应性强； (4)对叙词主要采用字顺排列方式，查找迅速； (5)主要采用后组式概念组配方法，灵活性强； (6)对同一主题的文献，可以作多维检索(多途径检索)； (7)叙词表中编制和建立了叙词语义关系的网络结构，加强了叙词法的学科系统性和族性检索作用。 关键词语言 　　　“关键