信息检索教程第3章信息著录和标引课件

1、信 息 检 索 教 程 王立清 主编普通高等教育”十一五”国家级规划教材第3章 信息著录和标引介绍信息著录和标引的含义 与作用叙述信息著录和标引的发展介绍元数据的定义与作用比较机读目录MARC和都柏林 核心元数据集DC介绍网络信息描述自动处理 方法自动标引与自动分 类 本章要点 信息著录和标引是使信息序化的过程。它通过揭示信息的内在以及外在特征，将分散无序的信息重组，规范控制信息流向，以便用户有效利用。第3章 信息著录和标引3.1.1 信息著录的含义和作用3.1.1.1 信息著录的含义 信息著录简称著录，是指在组织检索系统时对文献内容和形式特征进行选择和记录的过程。著录的对象是信息，包括图书、

2、期刊、文件、网络资源等等。信息著录的结果是款目或称记录。 3.1 信息著录的含义和标准 3.1.1.2 信息著录的作用 信息著录的目的是为了报道和检索信息，通过著录可以浓缩文献信息的特征，起到揭示文献、报道文献，帮助人们快速地了解文献，进而选择自己所需文献的作用。具体作用如下：1. 揭示功能 2. 组织功能 3. 检索功能第3章 信息著录和标引第3章 信息著录和标引 3.1.2 信息著录的标准 信息著录标准是指在描述信息过程中所要依据的规则和条例，是实现信息著录标准化的前提和根本。信息著录标准包括国际标准和国家标准。信息著录标准化进程中，近年来受到广泛关注的热点之一，是网络信息资源的描述问题，

3、亦即元数据的记录问题。与传统信息资源相比，网络资源在资源类型、结构、形式、描述环境、描述主体等方面存在这不同，其描述规范也因此呈现多样化。文献著录总则颁布时间：1983年7月著录项目： 题名与责任者项 版本项 文献特殊细节项 出版发行项 载体形态项 丛编项 附注项 文献标准号及有关记载项 提要项 第3章 信息著录和标引著录级次：著录级次指著录文献的祥简程度。文献著录总则把著录项目分为主要项目和选择项目两种。主要项目包括：题名和责任者项的正题名、第一责任者；版本项；出版发行项的出版发行地、出版发行者、出版发行日期；载体形态项。选择项目包括主要项目之外的所有其余著录项目。 按著录的详略程度分三级：

4、（1）简要级次：款目仅著录主要项目，又称第一著录级次；（2）基本级次：著录主要项目的同时，还著录了部分选择项目，也称第二著录级次；（3）详细级次：著录主要项目和全部的选择项目，也称第三著录级次。 第3章 信息著录和标引第3章 信息著录和标引著录格式：指款目中各个著录项目的排列次序和表达方式。分为卡片式款目著录格式和书本式款目著录格式两种。正题名=并列题名：副题名及说明题名文字文献类型标识/第一责任者；其他责任者版次及其他版本形式/与本版有关的责任者出版发行地：出版发行者，出版发行日期（印刷地：印刷者，印刷日期）页数或卷册数：图；尺寸或开本+附件（丛编名/责任者，国际标准连续出版物编号；丛书编号

5、附属丛编）附注国际标准编号；中国文献标准编号（装订）：价格提要书名 著者 主题 分类号图3-1 卡片式款目著录格式第3章 信息著录和标引图3-2 书本式款目著录格式 正题名=并列题名：副题名及说明题名文字文献类型标识/第一责任者；其他责任者版次及其他版本形式/与本版有关的责任者出版发行地：出版发行者，出版发行日期（印刷地：印刷者，印刷日期）数量及其单位：图及其他形态；尺寸或开本+附件（丛编名/责任者，国际标准连续出版物编号；丛书编号附属丛编）附注国际标准编号；中国文献标准编号（装订）：价格 提要3.2.1 机读目录机读目录（MARC）即机器可读目录的简称，来自英文Machine-Readabl

6、e Catalogue，是利用计算机识读和处理的目录。机读目录是描述文献著录项目的国际标准格式，是实现计算机处理书目信息及资源共享的基础。第3章 信息著录和标引3.2 机读目录与元数据中文文献的著录主要采用的是CNMARC，以共享我国图书馆和信息部门的中文书目记录；西文文献的著录则采用USMARC，以共享国外权威的西文书目记录。这里重点介绍CNMARC。第3章 信息著录和标引数据字 段区记录头 标区记录分 隔符CNMARC 记录地址目 次区注：各字段数据元素及其标准详细情况参见教材P47-513.2.2 元数据元数据的英文为Metadata，意为关于数据的数据。在Internet中，元数据是指

7、描述任何Internet数据和资源，促进Internet信息资源的组织和发现的数据，以协助对网络资源的识别、描述、指示其位置。第3章 信息著录和标引 3.2.2.1 元数据的作用元数据具有描述、定位、搜寻、评估、选择等多种功用，可以连贯有效地描述、管理、编目网络资源，以便用户更方便地找到资源，并找到更多的相关资源。1. 定位和检索2. 著录和描述3. 资源管理4. 资源保护与长期保存第3章 信息著录和标引第3章 信息著录和标引3.2.2.2 都柏林核心元素集（Dublin Core Elements Set） 都柏林核心元数据集（Dublin Core Elements Set）是一种跨领域的

8、信息资源描述标准，其应用的资源类型没有根本性的限制。 注：DC的十五个元素及其定义与详细解释见教材P52-53第3章 信息著录和标引DC与MARC的比较 1. 著录的对象不同 2. 数据的形式不同 3. 著录的主体不同 4. 著录的详简程度不同 5. 标识的方法不同3.2.3 都柏林核心元数据和机读目录的比较3.3.1.1 信息标引的含义信息标引是指在分析文献内容的基础上，用某种检索语言把文献主题以及其他有意义的特征标识出来，它是文献存储与检索依据的一种文献处理过程。第3章 信息著录和标引 3.3 信息标引的含义和步骤3.3.1 信息标引的含义和质量控制信息标引分类标引主题标引 3.3.1.2

9、 信息标引的质量 控制信息标引质量的优劣，直接影响到计算机的查全率和查准率，影响到用户利用检索系统的效率。尤其是随着大型数据库的开发和利用，对于海量的数据，必须组织大规模的集体标引才可能完成任务因而，关于信息标引的质量控制就显得尤为重要。第3章 信息著录和标引影响标引质量的因素标引深度专指度一致性3.3.2 信息标引的步骤信息标引的步骤包括主题分析和概念转换，也就是先要对文献的内容进行分析，明确文献的主要内容和主题概念，然后用分类法或主题法将其充分、准确地表达出来。3.3.2.1 主题分析第3章 信息著录和标引（1）单主题和多主题（2） 显性主题和隐性主题 1. 主题类型和结构第3章 信息著录

10、和标引主题因素五方面主体因素 时间因素文献类型因素通用因素位置因素2. 主题分析方法主题分析方法一般有两种：一种是先找出文献论述的对象，再进一步查明是论述了对象哪个方面的具体问题，可以按照事先设计好的主题结构模式提炼相关主题要素，分析主题要素之间的关系。 另一种是先找出文献所涉及的各种概念，并查明它们之间的相互关系。文献中包含哪个因素就分析哪个因素，有的因素不只一个就要全部分析出来，以便筛选和进行匹配，然后，再将各个因素按照主题结构模式进行分析。 第3章 信息著录和标引3.3.2.2 概念转换主题概念转换是以主题分析为基础，将确定的主题概念赋予检索标识的过程。主题概念转换按其复杂程度可以分为两

11、种：（1）直接转换：这种转换比较简单，标引人员从词表中直接选择与主题概念对应的分类号或主题词即可；（2） 分解转换：将复杂的主题概念首先进行分解，然后再选择相应的主题词或分类号。概念转换结束后，还要进行标引结果的审核，即审核文献的分类或主题检索标识是否正确，包括文献主题分析的正确性、充分性，检索标识的正确性等。 第3章 信息著录和标引3.4.1 分类标引文献分类标引是指依据一定的分类检索语言，对文献内容的学科性质及其有检索意义的形式特征进行分析、归纳，赋予文献分类检索标识（分类号）的过程。目前，国内主要依据中国图书馆分类法来进行分类标引。第3章 信息著录和标引3.4 分类标引和主题标引3.4.

12、1.1 分类标引的基本原则第3章 信息著录和标引1学科属性原则2专指性原则3实用性原则4系统性原则5一致性原则 3.4.1.2 各种类型主题文献的分类标引规则 1. 单主题文献的分类标引规则 2. 多主题文献的分类标引规则 3. 相关关系主题文献的分类标引规则 注：具体规则参见教材P58-59第3章 信息著录和标引3.4.2 主题标引主题标引指依据一定的主题词表，对文献的内容先进行主题分析，再赋予文献语词标识的过程。目前，国内主要采用汉语主题词表及其相关的专业词表进行主题标引。第3章 信息著录和标引选词规则组配规则第3章 信息著录和标引主题词组配标引的形式概念交叉组配概念限定关系组 配连接关系

13、组配3.5.1 自动标引概况自动标引指直接通过计算机的操作处理，赋予检索标识的活动。在网络环境下，传统的手工标引已经无法适应信息存储的需要，自动标引由于具有较强的处理能力，能够适应信息数量迅速增长的需要，处理速度快，可以在一定程度上克服手工标引人员由于主观因素而导致的标引误差，增强标引结果的一致性，标引成本相对较低等优点，呈现出明显的优势，逐渐被广泛应用。第3章 信息著录和标引3.5 自动标引第3章 信息著录和标引3.5.2自动标引方法 统计标引法 语言分析标引法 人工智能标引法词频统计法 加权标引法 n-Gram标引法 统计学习标引法句法分析标引法 语义分析标引法JAKS标引法、WorldV

14、iews标引法和MedIndEx标引法3.5.3 自动分类自动分类是指由计算机系统自动提取信息的特征项，依据一定的算法，将信息按内容或属性归到一个或多个类别的过程。第3章 信息著录和标引自动分类自动归类自动聚类主要区别是自动聚类不需要事先定义好分类体系，而自动归类则需要确定好类别体系 3.5.3.1 自动 归类自动归类是指计算机系统按照一定的分类标准，将待分信息划归到不同类目的过程。 第3章 信息著录和标引 选择一种分类体系。利用现有分类法,形成归类底表。 抽取关键词,与预先设计的“分类号 关键词” 所形成的矢量空间模式进行匹配,找出每个关键词涉及的分类号。 把所有分类号进行逻辑运算、整理,结合复分表索引库,得出每个分类号的权值级别。级别最高的类，即为该文献应归的类。 基于词的归类技术 基于知识的文本自动分类方法主要依赖于一个明确的知识库，其显著特点是需要手工建造的知识库， 基于知识的归类技术 3.5.3.2 自动聚类自动聚类指的是由计算机系统按照被考察对象的内部或者外部特征, 按照一定的要求将相近、相似或者相同特征的对象聚合在一起的过程。聚类实现方法的四个