信息组织与信息构建（第二版）课件 周晓英 第1-6章 信息概述与信息组织 - -元数据

第一章信息与信息组织本章系统介绍信息的基本概念、数据—信息—知识—智慧的认知阶梯，以及人类历史上两次信息爆炸的背景与表现，并在此基础上阐述信息组织的概念、方法与价值。本章结构总览本章分为两节，涵盖以下核心知识模块：11.1信息概述1.1.1信息的概念：定义、属性与本质1.1.2数据、信息、知识与智慧的关系21.2信息困境与信息组织1.2.1人类历史上的两次信息爆炸中国互联网发展数据分析1.2.2信息组织的概念与价值3本章学习目标了解信息的概念与属性掌握认知阶梯（数据→智慧）了解两次信息爆炸的表现理解信息组织的价值4本章思考题信息的概念是什么？数据、信息、知识与智慧的关系？两次信息爆炸的表现？信息组织的价值体现在哪些方面？1.1.1信息的概念：信息无处不在信息是我们这个时代使用频率最高的词语之一。用百度搜索"信息"一词，可得到成百上千个搜索结果。百度百科将信息定义为：音讯、消息、通信系统传输和处理的对象，泛指人类社会传播的一切内容。这一现象至少反映了两个问题：信息获取便捷只要有条件，只需很短的时间，你就可以得到大量信息。信息的获取门槛已大幅降低。信息话题热门网络上关于"信息"的内容极为丰富，信息本身已成为当代社会最重要的议题之一。信息的概念古已有之，但真正成为重要词语是近几十年的事。人们从不同侧面、不同层次解释信息的特征与性质，据不完全统计，信息的定义已有100多种，其中不乏经典定义。1.1.1信息的概念：经典定义汇总以下是学术界最具代表性的几种信息定义：哈特莱（Hartley）信息是选择的自由度。强调信息的选择性与不确定性消除功能，侧重信息的统计与通信工程视角。香农（Shannon）信息是用来消除随机不定性的东西。信息论奠基人，将信息量化，奠定了现代通信理论的基础。维纳（Wiener）信息是人们适应外部世界，并使这种适应反作用于外部世界的过程中，与外部世界进行交互的内容的名称。控制论视角，强调信息的交互与反馈属性。朗高（Longo）信息是反映事物的形成、关系和差别的东西，它包含于事物的差异之中，而不在事物本身中。强调信息存在于差异与关系之中。资源观定义信息是一种可供开发和利用的并具有自身价值的资源。从信息管理与经济学视角出发，强调信息的资源属性与开发价值。提示：为何同一概念会有如此多种定义？各定义的学科背景是什么？1.1.1信息的概念：本质与属性信息的本质简单地说，信息是客观事物的各种表现和反映。世界上一切物质形态和物质运动过程都可以产生信息。从无机界到有机界、从宏观宇宙天体到微观基本粒子、从自然界到人类社会，种种物质形态都能产生和发出信息。从本质上说，信息不是物质的，不是能量的，更不是精神的，它普遍存在于自然界、生物界和人类社会，是事物的属性、内在联系和含义的表征，呈现为由低级到高级逐步递进的阶梯和系列。信息的主要属性普遍性：信息无处不在，无时不有客观性：信息是客观事物的反映无限性：信息的总量是无限的相对性：同一信息对不同主体价值不同抽象性：信息本身不具有物质形态依赖性：信息必须依附于载体存在动态性：信息随时间变化而变化共享性：信息可被多人同时使用可传递性：信息可在时间和空间上传递可变换性：信息可在不同形式间转换可伪性：信息可能失真或被伪造1.1.2数据、信息、知识与智慧：认知阶梯任何物质都可以产生信息，而信息与人有最密切的关系。人要生存，除了基本生活条件之外，还必须拥有信息。人所获得的信息应与认知过程相关，必须把信息纳入人的认知阶梯中。有学者将其称为信息链或信息管理链：数据整理与序化信息传播、关联、选择知识组合、理解与评价智慧判断与策略运用认知过程实际上是从数据到智慧的一个连续过程，各阶段间的界限并不清晰。在实际使用中，数据、信息、知识这几个概念经常被混合或交换使用——原因在于：它们本质上是同一种东西，只是在不同场合具有不同特征。为便于说明，我们将数据、信息、知识和智慧统称为认知元素。1.1.2数据、信息、知识与智慧：概念界定数据（Data）数据是在本质上没有含义的认知元素。它是原始的、未经处理的符号、数字或事实，脱离背景则无法传递意义。信息（Information）信息是有背景的数据，或是通过对数据的排列和阐释后，能发现隐藏在数据背后意义的认知元素。数据+背景=信息。知识（Knowledge）知识是发现信息的特定性关联，是人与信息进行交互后形成的认知元素。信息+经验=知识。数据是信息的原材料，信息是知识的原材料。智慧（Wisdom）智慧是对知识进行理解和运用的内在认知元素。它是认知阶梯的最高层次，体现为判断力、洞察力与创造力。核心公式（马费成等）：数据+背景=信息；信息+经验=知识。知识的获取只能通过学习和体验（实践）。1.1.2数据、信息、知识与智慧：转化机制与社会意义转化机制人的认识能力和理解能力为以下转化提供了必不可少的条件：数据→信息：整理、序化信息→知识：传播、关联、选择知识→智慧：组合、理解、评价本质上无意义的数据，在伴随某种事物出现时就成了信息；信息只要与特定事物发生关联，就可以转化为知识。对个人与社会的意义对个人而言：人们为了成为有智慧的人，必须存储数据和信息，以期在恰当时候将其转换为知识；通过不断学习，能够成为有效获取和掌控知识的智者。对信息的追求是人的本性，是人的高级需求。对社会而言：信息是社会的记忆、是社会状态的反映。社会的发展与进步依赖于获取、管理和利用信息，依赖于信息资源的开发和利用。1.1小节小结本节围绕"信息是什么"这一核心问题，从概念、属性、本质和认知阶梯四个维度展开讲授。以下是本节的核心知识框架：信息的定义100余种定义，各有侧重。核心：信息是客观事物的表现与反映，是事物属性、内在联系和含义的表征。信息的属性普遍性、客观性、无限性、共享性、可传递性、可伪性等14种主要属性，体现信息的多维特征。认知阶梯数据→信息→知识→智慧，构成信息链。转化依赖背景、经验与人的认知能力，是连续而非截然分开的过程。信息的价值对个人：追求信息是高级需求；对社会：信息是社会记忆，社会发展依赖信息资源的开发与利用。1.2.1人类历史上的两次信息爆炸第一次信息爆炸时间：20世纪40年代中期起科学技术迅猛发展，科研成果快速增长，各种印刷媒体文献数量快速膨胀，带来"信息爆炸"后果。这是人类历史上的第一次信息爆炸，以纸质文献为主要载体。第二次信息爆炸时间：20世纪90年代起计算机技术和网络技术的发展带来数字信息的快速增长，增长速度令人惊奇。这是人类历史上的第二次信息爆炸，以数字信息为主要形态，规模远超第一次。两次信息爆炸的本质区别在于：第一次以纸质印刷为载体，增长有限；第二次以数字网络为载体，增长速度呈指数级，规模难以想象。1.2.1第二次信息爆炸：数量规模的惊人表现以下数据可以直观反映第二次信息爆炸中信息数量的巨大规模：纸质媒体（2021年，中国）根据《中华人民共和国2021年国民经济和社会发展统计公报》：出版各类报纸276亿份各类期刊20亿册图书110亿册（张）人均图书拥有量7.76册（张）数字信息（全球）2006年，全球产生、获取和复制的数字信息总量高达1.288\times10^{15}比特，是有史以来出版图书信息总量的300万倍2018年全球数据总量：33ZB（1ZB≈1万亿GB）2020年增长至：59ZB预计2025年将达：175ZB约150年后，数据的比特数量将超过地球上所有的原子数量300万倍于图书总量2006年全球数字信息量是有史以来出版图书信息总量的300万倍175ZB2025年预测数据量全球数据总量预计到2025年将达到175ZB59ZB2020年全球数据量2018年33ZB，2020年增至59ZB，增速惊人1.2.1中国互联网发展：网民规模与普及率对于中国而言，互联网的发展给信息获取和利用带来了巨大变化。以下以中国互联网络信息中心（CNNIC）1997—2022年调查数据为例说明：11994年中国接入互联网64K国际专线，实现与国际互联网的全功能连接，开启我国互联网正式运行。21997年第1次《中国互联网络发展状况统计报告》：网民规模仅为62万人，基本使用电话线拨号接入。32008年6月网民规模达2.53亿人，首次位居世界第一。42013年12月网民规模超过6亿人。党的十八大以来加快制造强国和网络强国建设步伐。52015年12月互联网普及率首次突破50%。62022年6月网民规模10.51亿人，互联网普及率达74.4%，超过同期世界平均水平。这一系列数据表明，随着我国经济快速发展、信息化战略逐步实施、通信和网络技术发展，中国已成为互联网大国和网络强国，获取数字信息成为很多中国人生活的一部分。1.2.1中国互联网发展：基础设施与移动终端互联网基础资源持续发展，支撑基于多维节点的数字化大连接，主要体现在三个方面：1从IPv4到IPv6，互联网升级稳步推进互联网协议从IPv4向IPv6升级，为数字化大连接提供更广阔的地址空间和更强的安全性。域名行业有序健康发展，在全球域名市场名列前茅。2移动终端成为第一大上网终端2006年6月，CNNIC首次公布中国手机网民数量——1300万人；2009年12月，手机网民占比首次超过五成；2012年6月，手机网民达3.88亿人，手机成为第一大上网终端。手机网民占比从2010年12月的66.2%跃升至2022年6月的99.6%。3物联网用户规模持续扩大随着物联网发展速度不断加快，蜂窝物联网终端用户从2018年底的6.71亿户增长至2021年底的13.99亿户，年均复合增长率达27.8%。互联网覆盖从"人与人""人与信息"延伸到"人与物""物与物"的全面连接。1.2.1中国互联网发展：网络应用全面展开据CNNIC统计，近年来我国各类个人互联网应用持续发展。以下为第50次《中国互联网络发展状况统计报告》数据（2021年12月—2022年6月）：应用类型2021年12月用户规模（万户）网民使用率2022年6月用户规模（万户）网民使用率用户规模增长率即时通信100,66697.5%102,70897.7%2.0%网络视频（含短视频）97,47194.5%99,48894.6%2.1%短视频93,41590.5%96,22091.5%3.0%网络支付90,36387.6%90,44486.0%0.1%网络购物84,21081.6%84,05780.0%-0.2%搜索引擎82,88480.3%82,14778.2%-0.9%网络新闻77,10974.7%78,80775.0%2.2%网络直播70,33768.2%71,62768.1%1.8%网约车45,26143.9%40,50738.5%-10.5%在线医疗29,78828.9%29,98428.5%0.7%当今社会，网络是人们接触最多的信息媒介，网络信息本身比较复杂且类型多样，因此网络信息组织问题成为信息组织中的主要矛盾，网络组织也逐渐成为现代信息组织中最重要的内容。1.2.2信息困境：被信息淹没却渴望知识"我们被信息所淹没，但却渴望知识。"——美国未来学家约翰·奈斯比特（JohnNaisbitt）这句话恰当地反映了人们所面临的信息困境：信息量巨大，自己需要的信息似乎唾手可得，但实际上那些能够解决问题的信息——也就是我们所需要的知识——因为重重障碍而难以获得。信息困境的成因两次信息爆炸加重了人们获取有价值信息的负担，造成了更多信息困境的出现。信息困境是当前社会人们在工作、学习和生活中面临的普遍问题。信息困境的表现信息量巨大但质量参差不齐；有用信息淹没在海量无关信息中；获取可靠信息的成本越来越高；信息的真伪难以辨别。摆脱困境的路径摆脱信息困境的方式之一就是建立信息组织。信息组织能够通过对信息的描述、规范、重组、整合、展示等方式，提供给用户检索和获得信息的便利，从而帮助他们从信息困境中走出来。1.2.2信息组织的概念界定信息组织就是将收集的信息予以结构化，也就是采用一定的方式，将某一方面大量的、分散的、杂乱的信息经过加工、整理、提炼、优化后形成一个便于有效利用的系统的过程。信息组织需要完成以下工作：识别信息实体按照信息能够被获取的形式，识别承载信息的实体的所有类型，识别包含在那些承载信息的实体内的或作为它们一部分的内容。系统化组织存储把这些承载信息的实体系统化地组织到图书馆、档案馆、信息中心和其他类似存储处的信息集合中。制作清单与检索点制作承载信息的实体的清单，为这些实体提供名称、主题等其他有益的检索点。提供定位方式提供定位每个承载信息的实体或者其复本的方式，使用户能够准确找到所需信息。1.2.2信息组织的价值信息组织的价值体现在以下五个方面1信息转化为信息资源信息经过组织能够转化为信息资源。信息≠信息资源，"失去控制和无组织的信息不再是一种资源"。只有经过组织的信息才具有资源属性。2方便人们的利用信息经过组织能够得到序化，序化后的信息才能方便人们的利用。无序的信息即使数量再多，也难以被有效使用。3有助于信息的发现各种信息经过组织后能够有效揭示信息之间的关系，通过关系的展示，人们能够知道自己原本并不知道的信息，能够获得与原先需要的信息相关的信息。4有助于信息价值的判断信息经过组织后能够呈现其精华和主要内容，通过信息组织的提炼过程，人们不需要逐字逐句阅读，就可以达到判断信息价值的目的。5有助于信息的增值信息经过组织后能够从杂乱无章的原始状态转变为有序精良的信息系统，这为信息的进一步分析研究、加工提炼奠定良好的基础，实现信息的增值。1.2.2信息组织、信息构建与知识组织的关系本书认为，信息组织、信息构建与知识组织之间存在着密不可分的关系，三者的历史背景、发展脉络与核心关系如下：三者的核心关系信息组织：历史悠久，最早来源于图书馆的纸质文献管理领域，有比较成熟的理论体系信息构建：出现不过40多年，网络环境下的信息构建只有约20年，来源于建筑学视角解决信息组织和利用问题知识组织：信息组织发展的高级阶段，是高层次的信息组织和利用问题当前面临的挑战信息构建和知识组织都是较新的领域，缺乏成熟的理论。信息组织也面临着如何将传统知识应用于网络环境中、推进网络环境下信息组织理论和方法发展的问题。核心结论：信息构建和知识组织的本质和核心是信息组织本章小结：知识结构与重点回顾本章围绕"信息"与"信息组织"两大核心主题，系统构建了以下知识框架：第一模块：信息的概念信息有100余种定义，本质是客观事物的表现与反映。信息具有普遍性、客观性、共享性、可伪性等14种主要属性，不是物质，不是能量，也不是精神。第二模块：认知阶梯数据→信息→知识→智慧构成信息链。核心公式：数据+背景=信息；信息+经验=知识。知识获取只能通过学习和体验，对信息的追求是人的高级需求。第三模块：两次信息爆炸第一次（20世纪40年代中期）：印刷媒体文献爆炸；第二次（20世纪90年代）：数字信息爆炸。2025年全球数据量预计达175ZB，中国网民已超10亿。第四模块：信息组织的价值信息组织将分散杂乱的信息结构化，实现：转化为资源、方便利用、促进发现、辅助价值判断、推动信息增值。信息组织是信息构建和知识组织的本质与核心。课堂复习问题信息的概念是什么？列举至少三种经典定义并说明其侧重点。数据、信息、知识与智慧之间的关系是什么？转化条件是什么？人类经历了哪两次信息爆炸？各有哪些主要表现？信息组织的价值体现在哪五个方面？请举例说明。推荐阅读与延伸学习以下推荐阅读书目可供教师备课参考及学生课后延伸学习使用：周宁《信息组织》（第2版）武汉大学出版社，2001年。信息组织领域的经典教材，系统介绍信息组织的理论与方法，适合作为本课程的主要参考书目。张帆《信息组织学》科学出版社，2005年。从信息组织学的学科视角出发，全面梳理信息组织的理论体系与实践方法，内容系统深入。赵志坚《网络信息资源组织和检索》人民邮电出版社，2004年。聚焦网络环境下的信息组织与检索问题，与本章1.2节内容高度相关，可作为网络信息组织专题的延伸阅读。周晓英、赖茂生《认知过程链与情报学的新定位》情报资料工作，2003年第3期。与本章1.1.2节"信息链"内容直接相关，深入探讨认知过程链的理论意义及其对情报学学科定位的影响。下一章将论述如何将传统信息组织知识应用于网络环境中，推进网络环境下信息组织理论和方法的发展。第2章信息组织和知识组织的发展本章系统梳理网络时代信息组织的环境变化、新目标、信息关系、发现与组织方式，以及信息组织向知识组织演进的最新发展。本章结构总览012.1网络时代的信息组织信息组织环境的变化；信息组织的新目标022.2网络世界的信息关系人与信息、信息与信息、人与人的关系；理解信息关系的意义032.3发现和组织信息的方式内容层面、网站层面、网络层面、语义层面042.4信息组织和知识组织的变化语义抽取、语义关联、互操作规范、多领域应用2.1网络时代的信息组织：概述传统信息组织对象主要是纸质媒体信息；图书馆员和信息专家主导；以"序化"为核心目标。网络信息组织对象扩展至数字媒体与网络信息；继承传统规则，同时面向网络世界转变；帮助用户在网络中发现、获取、利用知识成为核心。情报学的深层使命：解决知识困境，使人类不断增多的知识得到更充分的利用。网络信息爆炸使这一使命更加迫切。2.1.1信息组织环境的变化：信息来源过去，社会主要信息来自报纸、电视等大众媒体。今天，网络成为首选渠道，信息来源高度多元化：机构来源政府、商业企业、研究机构、教育机构、社会组织个人来源网络上每个普通社会成员；UGC（用户生成内容）急速增长新型平台抖音、快手、小红书等强势崛起；好大夫在线等专业社区渐趋活跃用户社交关系网络日益复杂，传统信息组织方法与工具颇显乏力。2.1.1信息组织环境的变化：对象与主体📄信息组织对象的改变文献：传统对象，聚焦大量文献的序化网络信息：20世纪90年代后，网络信息成为主要对象知识单元：大数据、AI等技术推动知识组织应运而生，涵盖隐性与显性知识👥信息组织主体的改变传统：图书信息专业人员今天：社会团体与普通民众（信息提供社会化）规范制定者：W3C、谷歌、OCLC等共同推动技术与内容规范2.1.1信息组织环境的变化：工具、技术与方法传统工具分类表与主题词表智能工具语义网、本体、关联与开放数据网络工具编程语言、接口与链接随着信息组织对象深入到知识单元，功能拓展至数据互操作、知识地图、语义交流、个性化服务等智能化领域。传统分类表、主题词表无法有效实现细粒度知识标引和深层次语义关联，因此研究者开发出以语义网络和本体为代表的知识组织系统，以及以开放数据和关联数据为代表的模型。2.1.2信息组织的新目标：从资源观到用户观传统目标（资源观）建立科学管理体系，让信息有序，每条信息在体系中有明确位置，便于查找利用。新目标（用户观）21世纪初，信息构建理论引入"重视用户"理念。目标从"以资源为中心"转向"以用户为中心"，注重易访问性和易理解性，满足用户深层次需求。当前新目标：将信息深层次语义挖掘与用户需求深层次理解整合，实现个性化排序、个性化分析、个性化推荐等智能化服务。2.2网络世界的信息关系：总论信息组织和形成信息结构的关键，是深入理解网络世界的信息关系，处理好各种信息关系。信息只有与人联系起来才有存在的价值。人与信息需求、获取、使用信息的关系信息与信息形式关联与内容关联，排列与组合人与人通过信息建立的社会关联与共享重组和提取信息的核心是信息的表达、信息元素间关系的再现，以及信息关系按照需求的重新组合。2.2.1人与信息的关系信息需求类型已知项目的信息需求：通过外部特征检索已知领域的信息需求：通过主题或学科门类信息获取渠道周围的人、图书馆、大众媒体、互联网网络世界三种获取方式浏览提供分类浏览结构和门户网站集成信息搜索提供搜索框和专门搜索引擎询问提供实时咨询、用户自助和专家帮助2.2.1信息与信息的关系：组织方法LATCH方法（沃尔曼）按位置、字母顺序、时间顺序、类别、层次组织信息罗森菲尔德的组织方式精确：地理位置、时间顺序、字母顺序模糊：主题、特定观众、隐喻驱动、综合性孟广均方法语法（形式特征）、语义（内容特征）、语用（效用特征）2.2.1人与人的关系：社交媒体与大众分类Web2.0时代，社交媒体通过技术手段满足人与人分享信息的需求。通过软件系统将人的共同兴趣爱好、共同的看法等加以强化，将个人对信息的认识加以分享并按照众人认知的统计特征加以显示（如标签），或者按照众人的认识对信息加以区分。大众分类（folksonomy）是网络信息用户自发采用标签对信息进行描述，并根据标签使用频次选用高频标签的分类方法。图2-1：大众分类形成三个可供连接和查询的网络——用户网络（人与人）、资源网络（信息与信息）、标签网络（人与信息），三者彼此相互作用。2.2.2理解信息关系的意义（一）①对人与信息间关系的重新发现会带来信息组织的创新信息组织的每一次创新，都出现在对人与信息间多种关系进行重新发现，并通过某种媒介把这种关系作为线索提供给用户的情况下。引文索引通过被引文献连接引用它的文献和所有人，开创信息组织新领域，并成为科学评价工具标签将网络资源关联起来，通过网站提供给用户分面分类把事物不同方面的情况关联起来，通过分类号和网络呈现方式提供给用户2.2.2理解信息关系的意义（二）②对信息多维关系的全面揭示是网络信息组织的优势数字资源的超链接方式可将同一份信息进行多种维度的排列组合，帮助用户从多个角度获取信息，提高信息被利用的可能性和效率。以美国联邦政府门户网站为例：提供常见事务快速查询（用户中心）；提供福利、工作、教育、健康等全面选项；按政府部门类别、级别、名称字母顺序多维组织信息；全站点索引整合所有信息，提供精确查询入口。③语义控制要求揭示文本对象和实体对象之间的关系使用"对象-属性-联系"成为网络信息组织中描述对象的基本方法。RDF中使用"主词-谓词-宾词"形式表示资源对象、陈述和联系。2.3网络世界发现和组织信息的方式：四个层面从内容到语义，四个层面层层递进，共同构成网络世界信息发现与组织的完整体系。2.3.1内容层面信息的发现和组织当前主要手段信息浏览（用户可浏览数量有限）搜索引擎（信息量大，相关度参差不齐，检索精确度不高）改进方向用知识本体、元数据、置标语言提高形式化程度用分类法、主题词表、自动标引、自动分类提高语义控制水平微内容（Web2.0）用户生成的数据：评论、图片、书签、音乐列表等。微内容信息的发现和组织以RSS聚合、标签、大众分类、社交网络为基本特征，借助用户贡献和社会大众力量实现资源共享。2.3.2网站层面信息的发现和组织核心理论：信息构建（InformationArchitecture）信息构建是组织信息、设计信息环境和信息体系结构，以满足用户信息需求的一门艺术和科学。信息处理结果达到信息的清晰化和可理解目标用户使用效果网站信息有用性、可用性强，使用者具有良好的用户体验整合方式面向用户、个性化、智能化、专题化等多方式整合网站层面的信息发现和获取，以内容层面的标记、元数据、本体等信息组织技术为基础。2.3.3网络层面信息的发现和组织对于用户而言，网络信息资源仍然是分散的，需要按照用户需要对众多网站、分散信息进行重组和聚合，实现精确有效的提取。主题网关支持系统化资源发现的互联网服务，建立在资源描述基础上，通过主题结构浏览访问高质量资源。由人员严格筛选，元数据描述支持资源发现。学科信息门户将特定学科领域的信息资源、工具与服务集成为整体，为用户提供方便的信息检索和服务入口。虚拟/数字图书馆通过主题或学科方式聚合网络上高质量信息，帮助用户准确、快速定位网络信息资源。2.3.3主题网关的典型案例🇬🇧英国图书馆公告板网络化知识库谢菲尔德大学信息科学导航🇺🇸美国加州大学伯克利分校图书馆员互联网索引西北大学图书馆互联网图书馆信息资源印第安纳大学万维网虚拟图书馆资源

中国上海图书馆北京大学图书馆清华大学图书馆武汉大学信息资源研究中心台湾中山大学图书馆网际网络资源主题网关比搜索引擎更能提供有针对性的高质量网络资源，但资源量相对有限，部分主题网关开展合作以弥补不足。2.3.4语义层面信息的发现与组织1998年，万维网创始人蒂姆·伯纳斯-李首次提出语义网构想：利用语义重新组织、存储和获取信息，使信息变成机器可识别的知识。语义层面的信息发现与组织属于知识组织范畴。语义描述与揭示语义标注：人工标注、自动标注、人工辅助标注，适用于文档、图像、音频、视频等所有数字资源语义关联将分散、独立的相同或不同类型知识单元连接起来，实现知识资源的整体融合元数据互操作按不同元数据模式描述的数据进行共享及交换，帮助用户实现跨库检索2.4信息组织和知识组织的变化：Web演进背景随着互联网从Web2.0社交网络时代向Web3.0数据网络时代演进，信息的单元、内容、结构和应用等发生了质的变化，信息组织和知识组织面临一系列新问题并取得新发展。2.4.1语义抽取研究问题背景传统以"序化"为目标的信息组织无法减轻用户认知负担，无法满足日益精细化的信息需求。典型案例：专利信息组织以IPC体系为基础，以"功能"为主要分类标准，无法深层次揭示创新思维方式。研究路径理论基础：本体论工具：内容性元数据、改造后的数据模型和注释模型技术：机器学习、深度学习核心目标将文献等资源对象分解为概念实体，解析概念实体之间的关系，以"实体-关系"形式呈现核心内容。代表性元数据集：RDA（资源描述与检索）、DCAM（都柏林核心元数据倡议抽象模型）2.4.2语义关联研究大数据技术和网络环境催生信息爆炸与知识碎片化，单一知识结构难以满足用户需求。知识组织逐渐转移到网络情境下对表述知识的各种语义信息的组织。语义网将错综复杂的智库资源有序呈现，揭示隐藏在知识资源深层的隐性知识关联数据简化的语义网模型，实现不同领域、来源、系统间知识资源的关联；优势在于发现及展示零散知识之间的关联关系，提供更深入的知识服务2.4.3互操作规范研究构建不同知识组织系统间的映射关系与互操作规范，能够促进知识组织系统的标准化研究，提升知识的检索、组织和管理效率。1互操作的含义实现不同知识组织系统之间知识组织工具（分类表、叙词表、本体等）的兼容互换，支持跨库、跨系统甚至跨语言的浏览、检索和分析服务。2互操作的要求在词表修正、数据导入与导出、元数据映射等方面提出规范要求，避免术语概念模糊、准确性差等问题。3发展趋势本体技术和语义网的发展使互操作模式与现代技术结合，提高效率。未来重点：实现互操作的自动化并确保准确性。2.4.4多领域应用研究：概述从信息组织到知识组织，实践应用领域逐渐多元化，从图书文献拓展到多个细分领域。数字人文通过本体、关联数据、概念地图，使组织内容从资源信息描述转向知识单元描述生物医疗应对健康医疗大数据爆炸，解决"信息孤岛"与"信息泛滥"并存问题文化遗产特色文化遗产数字化保护和开发利用，应用语义网络、主题图、本体、知识图谱等2.4.4多领域应用：数字人文与生物医疗📚数字人文领域面向数字人文的知识组织是新一代知识组织：组织内容：从资源信息描述→知识单元描述组织对象：从静态/绝对知识→动态/相对知识涉及资源：视觉资源、历史档案、历史地理、历史文献方法技术：元数据、本体、关联数据、知识图谱🏥生物医疗领域"大健康"理念要求全方位、全周期保障人民健康。基于本体和关联数据的单元信息组织，对海量异源异构医学文献信息资源进行：精确化抽取细粒度揭示深度序化语义化组织核心意义：实现单元信息的语义关联，构建多维文献知识网络。2.4.4多领域应用：文化遗产领域自党的十九大报告提出"加强文物保护利用和文化遗产保护传承"以来，文化遗产数字化保护和开发利用成为学界研究热点。应用方法与工具语义网络、主题图、本体、知识图谱等新兴方法、工具和技术相较传统方法的优势本体方法与元数据方法相结合，能更好地描述特色文化遗产的资源特征，揭示资源之间的关联，超越单线索线性组织方法（如主题分类、等级分类）本章小结：知识体系梳理本章重点内容回顾01信息组织环境的四大变化信息来源、组织对象（文献→网络信息→知识单元）、组织主体（专业人员→社会化）、工具技术方法（受控词表→语义网络/本体/关联数据）02信息组织新目标从"以资源为中心"转向"以用户为中心"；个性化排序、分析、推荐等智能化服务03网络世界三组信息关系人与信息、信息与信息、人与人；大众分类形成用户网络、资源网络、标签网络04知识组织新发展语义抽取（本体+机器学习）、语义关联（语义网+关联数据）、互操作规范、数字人文/生物医疗/文化遗产多领域应用课堂思考题1环境变化网络时代信息组织环境有了怎样的变化？信息组织的新目标是什么？2信息关系网络世界存在哪些信息关系？信息组织的创新往往是由什么引起的？3四个层面从内容、网站、网络、语义四个层面，如何发现和组织信息？4知识组织新发展语义抽取的目标是什么？语义关联技术的典型代表有哪些？互操作规范的意义与目的是什么？推荐阅读📖中文文献WurmanRS.信息饥渴.北京：电子工业出版社，2001.张帆.信息组织学.北京：科学出版社，2005.赵志坚.网络信息资源组织和检索.北京：人民邮电出版社，2004.周晓英，曾建勋.网络世界的信息组织.情报资料工作，2009(2).刘嘉.网络信息资源的组织：从信息组织到知识组织.北京图书馆出版社，2002.📖英文文献RosenfeldL.,MorvilleP.InformationArchitecturefortheWorldWideWeb.O'ReillyMedia,2002.HeathT.LinkedData:EvolvingtheWebintoaGlobalDataSpace.Morgan&Claypool,2011.本章内容涉及信息组织与知识组织的核心理论与前沿发展，建议结合推荐阅读深入理解语义网、关联数据等关键技术。第三章信息组织本章系统讲授信息组织的含义、理论基础、方法基础、实践基础及基本方法，从多角度理解信息组织活动的本质与价值。本章结构总览013.1信息组织的含义从理念、方法、过程、艺术、学科五个角度多维理解信息组织的含义。023.2信息组织的基础涵盖理论基础（五大理论）、方法基础（五大方法）与实践基础（三个阶段）。033.3信息组织的基本方法序化方法（语法、语义、语用）与优化方法（优选、浓缩、重新表述、综合优化）。本章学习要点：信息组织的含义；理论、方法与实践基础；序化方法与优化方法。3.1认识信息组织的含义：五个角度将信息组织放在立体环境中认识，可以发现其不同属性，从而更全面地理解其含义。一种理念以用户的信息需求为中心一种方法采用不同方式说明信息一个过程有效传递、展示、存储信息一门艺术设计与创新一门学科信息结构与功能以下各小节将逐一展开讲解这五个角度。3.1.1信息组织作为一种理念以用户为中心的核心问题为谁提供信息？提供什么信息？怎样获取信息？信息是否有效？信息组织的最终目的是给用户提供获取有效信息的平台，只有用户满意度达到一定程度，信息组织才能真正做到有效。鲍威尔的"用户的世界"图3-1展示了网站建设各层次（上下文、导航、表现、媒体）均应以用户为中心的理念。信息组织活动的最终目的是给用户提供获取有效信息的平台，需要回答为谁提供、提供什么、怎样获取、是否有效等问题，这都与用户有着紧密的联系。3.1.2信息组织作为一种方法：LATCH模式不同的信息组织方法会产生不同的信息接收效果。常用的信息组织方式是LATCH信息组织模式，几乎适用于所有情况。Location位置按地理位置组织信息Alphabet字母顺序按字母或字顺排列Time时间按时间顺序组织Category类别按主题类别归类Hierarchy层次按重要性或层级排列案例：汽车产业报告可按产地（位置）、年度（时间）、型号（类别）或消费者评价（层次）来组织，每种方式产生不同的理解效果。3.1.3信息组织作为一个过程信息组织的过程目标：有效传递与展示用户所需信息。其基本流程为：价值实现理解获取传递设计案例：奈特-里德报业公司——沃尔曼重新组织报纸信息结构，设计地图引导读者浏览世界各地及本地新闻，所有新闻标题分列地图两侧，地图每天微调变化，实现了信息的有效传递与展示。3.1.4信息组织作为一门艺术艺术化信息组织的表现形式网页设计插图设计多媒体设计图解设计运用色彩、音响、图片等多种表达方式传递和帮助理解信息，是一个基于艺术创造的过程。"图解系列""傻瓜系列"书籍是典型代表。案例：东京地铁图的五个特点圆环内白字：外环地铁线车站，强调对乘客最重要的信息圆环外白字：临近车站的主要建筑或旅游观光地标示跨越城镇地铁线的车站标示跨越城镇地铁与外线地铁的连接点标示用于确定方位的皇宫威利斯高度评价：沃尔曼用"阴阳图"构图，对东京轨道交通系统进行了抽象化表现。3.1.5信息组织作为一门学科：概念界定信息组织的基本概念组织即有序化（线性）和结构化（非线性）的活动。从学科角度看，信息组织是根据信息检索的需要，以文本及各种类型的信息资源为对象，通过对其内容特征的分析、选择、标引和处理，使其成为有序化和结构化集合的过程。知识组织（延伸概念）1989年国际知识组织学会（ISKO）成立并界定：知识组织是为促进或实现主观知识客观化和客观知识主观化而对知识客体所进行的整理、加工、引导、揭示、控制等一系列组织化过程。信息构建（延伸概念）沃尔曼提出，强调构建信息结构让他人理解。信息构建协会定义：共享信息环境结构的设计，是组织和标识网站、内联网、联机交流和软件以保证其可获得性和可用性的艺术和科学。3.1.5信息组织的学科位置：三个层面信息组织的意义体现在信息资源开发中的重要地位，可分为宏观、中观和微观三个层面：1微观层面信息组织是信息检索的基础和前提；信息检索是信息组织的出发点和归宿。2中观层面信息组织是信息管理生命周期中必不可少的环节，属于中游工作，是信息资源管理的核心环节。3宏观层面信息组织是解决信息增长与使用矛盾的根本方法和关键措施，实现信息和知识的有效传播和共享。3.1小节小结多维含义信息组织可从理念、方法、过程、艺术、学科五个角度理解，各角度揭示不同属性。核心概念信息组织→知识组织→信息构建，是组织层次的提高，体现人本观念与技术支持的结合。学科地位宏观解决信息矛盾，中观为管理核心环节，微观为检索基础，三层面缺一不可。第二节3.2信息组织基础：总体框架一门学科的发展通常涉及理论基础、方法基础和实践基础，它们共同作用并相互促进，构成该学科的知识结构。3.2.1理论基础（一）：系统科学理论与耗散结构理论系统科学理论系统是相互作用的诸要素的复合体，具有整体性、层次性、有序性等基本特征。整体性：整体功能大于部分之和层次性：系统由多层次组成有序性：结构与运动的有序性指导意义：通过结构化和序化信息，使信息整体效用大于各单元简单相加，目标是建立信息序化和结构化系统。耗散结构理论20世纪60年代由比利时学者普利高津（Prigogine）提出。核心观点：一个远离平衡态的开放系统，不断与外界进行物质和能量交换，当外界条件达到一定阈值时，系统可从无序状态转变为有序状态。指导意义：信息系统应是开放系统，只有不断与外界进行交换（技术、方法、信息内容等），才能具有持久生命力。3.2.1理论基础（二）：协同理论、知识组织理论与信息自组织理论协同理论无论什么系统，从无序向有序的演化，都是大量子系统相互作用又协同一致的结果。指导意义：信息组织与检索系统建设中，必须注意建立各子系统之间的协同作用机制，保证内容系统、技术方法系统、标准系统的兼容性与协同一致性。知识组织理论分为主观知识的组织（在人脑中进行，人工智能、认知心理学研究其机理）和客观知识的组织（通过认知分类，借助技术方法实现序化和结构化）。现代信息组织更注重两者的完美结合。信息自组织理论信息自组织是指信息系统要素由于人与人之间、人与系统其他要素之间的相关性、协同性而形成特定结构与功能的过程。网络信息已具备自组织特征。指导意义：重视用户参与度越来越高的自组织趋势，如Web2.0出现的大众分类法。3.2.2方法基础（一）：语言学与逻辑学语言学基础语言是人类最重要的交流符号系统，是信息的载体，也是思维工具。要把庞杂分散的信息组织成确定整体，必须建立符号系统。常用符号系统：数字、字母、代码、化学式、图形等。信息组织的特殊性决定了人工语言的显著优势，如《中图法》中Q178.53表示海洋生物，P315表示地震学。逻辑学基础信息组织属于抽象思维范畴，必须遵循科学思维方法。概念逻辑方法主要用于信息的描述与揭示，涉及：概念内涵与外延的反比关系概念之间的关系（相容/不相容）概念的限制与概括概念的分析与综合目标：建立"一个概念只用一个标记表达，一个标记只表达一个概念"的一一对应关系。3.2.2方法基础（二）：知识分类学、数学与认知心理学知识分类学分类是认识事物的基本方法。信息组织语言建立在概念逻辑和知识分类基础之上，将事物概念纳入知识分类体系，是系统研究事物、揭示区别与联系的重要手段。数学随信息组织技术含量增加，定量方法越来越重要。主要应用：语言统计（概率论、数理统计）、文本数学模型、词加权模型、信息检索系统模型。认知心理学用信息加工观点研究人类认知行为，揭示认知过程的内部心理机制。在信息组织中的应用：模拟人的认知功能，优化系统设计；实现信息组织的自动化和智能化。3.2.3实践基础：信息组织发展的三个阶段周宁主编《信息组织》将我国信息组织发展按职能划分为三个阶段，后一阶段是对前一阶段的扬弃，而非全面否定。1清册职能时期通过记录和登载告诉人们信息内容，以图书、档案等文献信息为主。形式简单不规范，但已显露当代信息组织思想和方法的萌芽。2查检职能时期不仅告诉人们有什么信息，还告诉人们找到信息的方法。开始重视外在特征和内容特征的描述，主题揭示语言、文摘和索引型检索工具、机械化技术手段开始出现。3组织职能时期在信息技术推动下，实现整序信息、科学分流、促进选择、保证利用的完整组织职能。集信息描述、揭示、分析、存储于一体，用户可多途径、多类型、多角度获取信息。发展规律：语法信息组织→语义信息组织→语用信息组织，显示了信息组织由低级向高级发展的路径。第三节3.3信息组织的基本方法：总览信息组织的基本方法通常是指信息序化方法和优化方法。序化方法可从多角度分类，本节重点介绍按加工程度和按认识层次两种分类；优化方法包括优选、浓缩、重新表述及综合优化。序化方法将信息从无序变为有序的方法体系，包括语法、语义、语用三个层次优化方法对信息进行优选、浓缩、重新表述及综合优化，提升信息质量与可用性3.3.1序化方法：按信息加工程度划分1一次信息组织原始资料：图书、期刊论文、研究报告、学位论文、专利说明书、网上未加工电子信息等。特点：零碎、分散、无序，检准率低，逻辑相关性差。2二次信息组织对一次信息加工整理后产生：目录、题录、简介、文摘、索引、书目数据库等。作用：信息从分散到集中、从无序到有序，为查找一次信息提供线索。3三次信息组织在一次、二次信息基础上深加工：综述、述评、咨询报告、百科全书、年鉴等。特点：包含创造性劳动，知识经过鉴别、提纯、精炼和综合。3.3.1序化方法：二三次信息产品的五大类型我国学者将二次、三次文献的再生型信息产品归纳为五大类，各类加工程度依次递增：索引类采集＋序化汇编类采集＋筛选＋序化综述类采集＋筛选＋提炼＋序化述评类采集＋筛选＋提炼＋评论＋序化预测类采集＋筛选＋提炼＋评论＋预测＋序化3.3.1序化方法：按认识层次划分（语法信息组织）信息具有形式、内容和效用三个层次，对应语法信息、语义信息和语用信息的组织方法。语法信息组织方法——按形式特征组织信息1字顺组织法历史悠久、使用广泛。有音序法、形序法和两法并用三种形式，音序法占主导。适用于大规模信息组织活动。2代码组织法用代码组织信息，既利于接收又便于管理。包括专利代码、商品代码等，随信息多样化日益显示重要性。3地序组织法按地域组织信息，有文字法和图文法。适用于比较不同来源的信息。4时序组织法按时间顺序组织信息。适用于对具有固定周期的事件进行分类排序。3.3.1序化方法：语义信息组织与语用信息组织语义信息组织方法研究信息的内容特性进而对信息进行描述，主要有两种：分类组织法：分类对象有实物、概念、概念与实物的结合体三类，对应三大分类方法。概念分类对其他两种具有指导意义。主题组织法：字顺法在语义信息中的特殊应用，既便于检索，又能聚集相同内容，是从内容角度直接获取信息的有效方法。语用信息组织方法借助语用学含义，研究随环境与使用者变化而不断变化的信息，主要有两种：权重值组织法：按信息资源的重要性来组织信息。例如，报纸总是把最重要的信息放在头版头条。概率组织法：在未知信息情况下对信息进行组织的方法。如预测体育赛事胜负、期货贸易等。3.3.2优化方法：四种基本形式1信息的优选实现信息由贫集向富集转化的优化过程。当代社会存在多种形式的优选体系，如征文优选、成果评奖等。2信息的浓缩使信息由博而约、由粗而精的加工过程。主要形式有文摘、题录、目录、词条，是将一次信息转化为二次信息的过程。3信息的重新表述使某些信息由不便利用向便于利用转化的加工过程。方式有改写、编译、翻译等，使信息变得更加易于使用。4信息的综合优化前述三种基本优化方法的结合运用，主要形式是综述和述评。既是信息加工过程，又是信息分析研究过程，实际上具备一次信息的属性。3.3小节小结：序化与优化的关系序化方法体系语法层字顺、代码、地序、时序语义层分类组织、主题组织语用层权重值、概率组织优化方法体系优选贫集→富集浓缩博→约，粗→精重新表述不便→便于利用综合优化综述与述评核心关系序化方法和优化方法并没有明显的界限：优化中有序化，序化中有优化。两者相辅相成，共同构成信息组织基本方法的完整体系。本章小结：知识结构图本章围绕信息组织的含义、基础与方法三大主题展开，形成完整的知识体系。信息组织从无序到有序的本质贯穿始终，其发展趋势是向知识组织和信息构建演进。思考题与推荐阅读课堂思考题试述信息组织的含义及其在信息资源建设中的地位和作用。我国信息组织的发展经历了哪三个阶段？各阶段的特征是什么？信息组织的理论基础是什么？试举例说明语法、语义、语用信息组织方法的形式及应用特点。推荐阅读泰勒.《信息组织》（第2版）.机械工业出版社,2006.周晓英.《基于信息理解的信息构建》.中国人民大学出版社,2005.马张华.《信息组织》（第3版）.清华大学出版社,2008.叶继元.《信息组织》.电子工业出版社,2010.周宁.《信息组织》（第4版）.武汉大学出版社,2017.第四章信息组织的业务流程与方法本章系统讲授信息系统的基本功能、信息组织业务流程、主题分析理论、信息描述与标引方法，以及自动分类与自动标引的原理与应用。本章结构总览014.1信息系统的功能与信息组织业务流程信息系统三大基本功能；信息组织业务流程各环节024.2主题分析主题的含义与结构；主题分析的含义、目的、意义与质量保证034.3信息描述与信息标引信息描述的概念、作用、要求与规范；标引的含义、语言、方式与程序044.4自动分类与自动标引自动分类原理、应用特点与实例；自动标引流程、方法与应用实例4.14.1信息系统的功能在信息组织中，"系统"通常指一个信息系统。一个信息系统执行三个基本功能，三者缺一不可，且每一功能的实现都依赖于其他两个功能。存储（数据组织）以适合某类信息的特定格式将数据存储在系统里，并通过标引实现快速检索。检索（基于询问）用户使用某种查询语言，从系统中检索所需数据。显示（界面设计）数据检索出来后，采用正确的方式显示原始数据，便于用户利用。4.14.1信息系统基本功能图示图4-1信息系统的基本功能图4-2信息系统各功能的关系三个功能形成线性流程：存储格式标引→使用查询语言→正确的显示方法，体现了信息系统各功能之间的内在依赖关系。系统设计者需综合考虑三个功能：存储格式与标引→使用查询语言→正确的显示方法（见图4-1、图4-2）。4.14.1信息组织业务流程信息组织通过一系列业务流程建立有效的检索系统，包含信息组织流程和信息检索流程两条并行线索（见图4-3）。信息组织流程信息资源→信息特征→标引记录（受控语言/规则）→资源库信息检索流程用户提问→信息特征→提问档→资源库→信息检索系统信息组织业务流程至少包括：主题分析、描述著录、控制规范标识、排序显示，最终构成信息检索系统。4.24.2主题分析信息体的主题是标引语言的表达对象，是分类标引和主题标引的实质对象；主题分析是分类标引和主题标引的基础。20世纪90年代末，学界达成共识：检索电子资源时需要使用控制词表和分类表。迄今为止，控制词表和分类法在自动分配主题词和分类号方面尚未达到令人满意的准确度，故研究主题分析的理论和方法仍有必要。自动识别信息主题受限的重要原因：计算机容易识别文字或符号，却很难识别其含义，甚至不能识别非文本信息。因此，信息主题不能仅从字面意思推断，应根据使用对象和使用目的综合判断。4.2.14.2.1主题的含义核心定义信息体主题：直接概括信息体中有参考和检索价值的内容单元的概念。它重点指向内容单元所论及的核心事物或论题，同时应兼顾用户需求对主题确定的影响。争议焦点主题内容所指的相对性：信息体主题是指全部内容还是内容单元？兰开斯特（F.W.Lancaster）认为：内容单元的价值相对性不可忽视——同一文献在不同信息中心因价值取向不同会用不同词语标引；应根据读者使用目的采用不同词语标引。即：除信息体本身，还应考虑用户需求对主题确定的影响。4.2.14.2.1主题结构：五种因素主题结构是指构成主题的概念因素的类型、数量及相互关系。通用主题结构可描述为：任何主题至少有一个事物因素，最多有以下五种因素：1事物因素表示某事物，是主题的核心基础。2部分因素与事物因素结合，表示事物的部分。3方面因素与事物因素及部分因素一起，表示事物或其部分的方面。4特称因素与事物因素组合表示某事物的"种类"；与部分或方面因素组合表示其"种"。5关联因素事物与事物，或事物某部分/方面与另一事物某部分/方面之间的某种联系。注意：这些因素之间具有相对性，可以相互转换。各学科专业领域的主题结构会有独特之处，如社会科学与自然科学的主题结构明显不同。4.2.24.2.2主题分析的含义信息体的主题分析，是指标引过程中了解和选择信息体内容、形成和分析主题概念的环节。它主要通过审读信息体并了解其内容及表现形式，选择内容单元而确定信息体的主题数量，从而概括出主题概念。我国的界定主题分析主要指了解内容、形成主题概念的环节，不包括标引符号的转换过程。国外的界定国外相关领域有时将标引符号的转换过程也视为主题分析的内容，与我国有所不同。主题分析是构建检索系统的重要环节：通过对信息体进行概念分析来确定信息体的含义，然后为标引工作提供依据。4.2.24.2.2主题分析的目的在主题分析过程中，信息组织者需要达到以下四个目的：1提供主题检索入口通过检索工具为信息体提供有意义的主题检索入口。2类聚同性质信息体将具有相同性质的信息体聚集在一起，便于用户系统查找。3逻辑排列相似信息体将相似的信息体按某种逻辑顺序排列，提升检索的系统性。4提高检索效率节省用户时间，帮助用户找到信息资源库中有关特定主题的所有文献。4.2.24.2.2主题分析的意义主题分析是信息体标引的基础环节，正确的标引必须以正确的主题分析为前提。其意义体现在四个方面：不可缺少的环节主题分析是文献标引不可缺少的前提步骤。决定标引深度析出主题和主题因素的多少决定标引深度（网罗度+专指度），以标识数量衡量。决定标引准确性析出主题概念或概念因素的准确性从根本上决定标引的准确性。影响标引有效性析出主题概念是否符合用户需要，将影响标引的有效性和信息体的利用率。4.2.24.2.2主题分析的质量保证质量要求主题分析应尽可能做到：不遗漏应该析出的主题概念不过度析出主题概念力图用准确的概念概括相应内容主观性与客观性的统一主题分析过程是主观性和客观性相统一的过程。造成主题分析不一致性的主要原因：主题分析者的文化差异分析使用方法的差异标引深度的差异标引语言的使用只能在一定程度上解决一致性问题，而难以从根本上解决。4.34.3信息描述与信息标引主题分析之后是两个核心环节——描述和标引，它们是识别和揭示信息的过程。信息描述通过记录信息的形式特征来描绘文献。是标引的基础和前提。信息标引通过记录信息的内容特征来揭示文献。是描述的深化和延伸。4.3.14.3.1信息描述的基本概念信息描述是指根据信息组织和检索的需要，对信息资源的主题内容、形式特征、物质形态等进行分析、选择、记录的活动。在传统文献组织中，又称文献著录。目的组织目录，是信息组织的基础和重要内容。结果款目（一篇文献的缩影）→目录（一批文献的缩影）将款目按照一定规则有序排列，便形成了目录。款目是一篇文献的缩影，目录则是一批文献的缩影。4.3.14.3.1信息描述的作用与要求四大作用识别确认并对信息资源进行个别化描述。定位提供信息资源的位置信息（物理和虚拟位置）。检索为用户提供检索点；为专业人员提供组织检索工具的依据。选择用户根据著录项目信息，决定是否选用该信息资源。三项要求准确描述来源和描述项目内容要准确。规范描述过程（项目、格式、文字、符号、级别等）严格遵守描述规范。完备不同信息资源特征按规定采用相应完备的著录项目。4.3.14.3.1信息描述规范：我国著录规则20世纪70年代后，受国际文献标准冲击，我国于1983年颁布《文献著录总则》（GB/T3792.1—1983），此后陆续出版各分则，构成全国文献著录标准系列：《普通图书著录规则》《连续出版物著录规则》《非书资料著录规则》《档案著录规则》《古籍著录规则》《文后参考文献著录规则》《地图资料著录规则》随着数字环境下资源类型快速变化，按资源类型编制的著录规则已不能适应需求。国家标准《信息与文献资源描述》（GB/T3792—2021）于2021年3月9日正式发布，2021年10月1日起正式实施，以适应新的发展环境。4.3.14.3.1著录根据与描述项目著录根据三要素著录信息源：描述信息的来源和出处，不同信息源记载有出入时需注明确切出处。著录项目的选择：从何处获得描述数据，以何处提供的信息为准，决定描述质量。著录原则：一般应根据文献类型指定主要信息源；不充分时再依据其他来源。以普通图书为例：主要信息源为书名页（题名、责任说明项依据）和版本页（版本项、出版发行项依据）。《信息与文献资源描述》九大描述项内容形式和媒介类型项题名和责任说明项版本项资源类型特殊项出版、生产和发行项载体形态项丛编和多部分单行资源项附注项资源标识号和获得方式项4.3.14.3.1国际描述规范：ISBD系列ISBD（国际标准书目著录）：1971年国际图联编目委员会率先颁布ISBD(M)，随后推出系列标准。ISBD(G)为总则，负责协调各标准。简称初版年描述内容ISBD(M)1974专著ISBD(CM)1977舆图资料ISBD(S)1974连续出版物ISBD(NBM)1977非书资料ISBD(G)1977总则ISBD(PM)1980乐谱ISBD(A)1980古籍ISBD(CP)1982分析著录ISBD的三大历史贡献：①首次编制文献著录总则；②首次将标目与著录正文相分离；③首次使用著录标识符，有利于不同文种识别交流与书目资源共享。4.3.14.3.1AACR2与RDAAACR2《英美编目条例》（第2版）在ISBD基础上调整细化而来，由两部分组成：著录相关部分（共13章）：根据ISBD对各种文献资料的著录格式做出规定标目、统一书名和参照部分（共6章）：对著录标目、书名和参照款目分别做出规定RDA《资源描述与检索》（2009年取代AACR2）新的编目标准，更强调帮助用户查找、标识、选择和获得所需信息。提供关于数字资源编目的指南支持书目记录的聚类显示作品及其创建者之间的关系4.3.24.3.2信息标引的含义信息标引（又称信息揭示）：分析文献的内容属性（特征）及相关外表属性，并用特定语言表达它们，从而赋予文献检索标识的过程。标引过程包含两个环节：标识转换主题分析标引的结果是赋予信息文献检索标识，为用户在海量信息中准确、全面、迅速、经济地获取所需内容提供指引。1.主题分析：了解文献属性（内部和外部），用自然语言概括主题；2.标识转换：用专门的标引（检索）语言中的标识（语词）表达概括信息体内容的主题概念或概念因素，构成一定的检索标识。4.3.24.3.2标引语言标引语言（又称检索语言、索引语言、受控语言或规范语言）：根据标引和检索需要而编制的人工语言，由词汇和语法构成。标引语言的词汇用于表达主题概念的全部标识，由分类表、词表、代码表规定。例如：《中国图书馆分类法》《汉语主题词表》《中国档案主题词表》等。标引语言的语法构造和使用标识，以正确表达主题概念的一整套规则，包括：词法：造词和用词的规则（纳入词汇控制）句法：使用多个词进行组合的规则（纳入句法控制）目的：实现主题概念表达的简明性、单义性和关联性，提高检索系统效率。4.3.24.3.2标引语言的类型先组式语言示例：用"高等教育-教育改革-中国"标引"中国高等教育改革"；后组式语言示例："高等教育""教育改革""中国"散组，检索时重新组合获取该主题。4.3.24.3.2标引的方式按内容单元选择方式整体标引：对信息整体内容提取主题予以标引。全面标引：深入揭示各部分内容，全面提取局部主题。对口标引（重点标引）：只选择对本单位用户有价值的部分内容。分析标引：在整体标引基础上，再细化部分内容作补充。互见标引：从多角度或多学科提取主题予以标引。按标识受控程度受控标引使用受控语言（标引语言）中的标识进行标引。自由标引使用自然语言词语作标识进行标引。混合标引同时使用受控语言标识和自然语言词语，又称半控标引。多角度全面标引称深标引，反之为浅标引。标引方式的选择应综合考量信息特点、用户需求、设备条件等因素。4.3.2标引的程序标引工作需遵循一定程序（见图4-4），一般包括以下环节：1查找已有标引成果:3主题分析4转换标识5审核2查重／查找通用标引成果／联机查找联合标引成果／查看在版标引成果4.44.4自动分类与自动标引信息的自动分类与自动标引技术始于20世纪50年代，IBM的洛恩（H.P.Lohn）等创立了信息自动处理研究领域。随着计算机技术发展和信息网络普及，自动分类与自动标引技术不断涌现，并建立了许多实用化系统。自动分类利用计算机按照一定分类体系对文本集进行自动分类，属于同一类别的文本被标上相同类别标记。自动标引根据文献内容，依靠计算机系统全部或部分地自动给出标识符，模仿人类标引活动。4.4.14.4.1自动分类的基本原理：两种类型自20世纪90年代以来，机器学习逐渐取代传统知识工程，成为文本分类的主流技术。自动分类有两种类型：自动聚类计算机对待分类文本提取特征，根据一定规则将具有相同或相近特征的对象定义为一类。特点：不需要事先定义好分类体系。自动归类计算机提取文本特征，与现有分类体系中各类别的公共特征进行相关性比较，归入最相近的类别。特点：需要事先确定分类体系，并为每个类别提供预先分好的训练集，系统先学习再分类。可分为：基于词的自动分类、基于专家系统的自动分类。4.4.14.4.1自动分类的流程基于机器学习的文本分类流程（见图4-5）：通过对训练集进行统计学习，掌握各类别模式，形成分类模型库，再将测试集与分类模型库对比，确定测试集的类别。向量空间模型三个关键技术：特征选择（减少特征空间维度）、特征权重估算（反映特征对标识文本内容的贡献度）、文本分类器（依据特征权重对文本实施分类）。常用分类器：朴素贝叶斯、KNN、SVM。4.4.14.4.1自动分类应用特点：长文本长文本（如科技论文、新闻正文、公司年报）通常蕴含多个主题，且包含许多与主题相关性较小的句子，增加了分类难度。多标签分类是难题，以下方法有助于解决：1运用标签相关性处理策略一阶策略（逐个处理）、二阶策略（考虑标签成对关系）、高阶策略（考虑标签高阶关系）。2选择多标签分类算法问题转化（转化问题形式适合现有算法）；算法自适应（更改算法直接处理多标签数据）。3应用神经网络模型CNN进行分类；CNN与RNN结合用于多标签分类，均取得重要进展。4.4.14.4.1自动分类应用特点：短文本短文本（微博、评论等）具有关键特征稀疏、信息单元非密集、上下文依赖性强等特征，传统文本表示模型难以取得良好效果。常用解决方法：基于外部语料库的特征扩展使用中国知网、维基百科、搜索引擎等知识库扩展短文本内容，增加信息量，解决关键特征稀疏问题。局限：对外部语料库质量依赖性强，专业性强的短文本难以有效扩展。基于短文本自身内容的特征扩展直接通过对短文本自身内容的语义关联、词频等属性进行分析，构建词汇关联词集、高频词集。局限：对语义特征挖掘有较高要求。LDA主题概率模型隐含狄利克雷分布（LDA）模型：假设每个文本由多个主题混合而成，用较少维度的主题分布表征文档，有效提升短文本内容丰富性。4.4.14.4.1自动分类应用实例（一）恶意代码检测通过机器学习技术训练检测模型，将可疑程序与特征库中恶意代码类型特征进行比对，若匹配则触发信息提醒或启动自动防御程序。网络舆情监测通过网络爬虫抓取微博、贴吧、论坛等舆情信息，基于最近邻分类算法进行舆情分类，形成不同类别的舆情模块。自动提取时间、地点、发生事项等要素，推送给决策部门突发事件分类可提供自动预警功能4.4.14.4.1自动分类应用实例（二）政府网站信箱自动转递：利用基于机器学习的信箱文本分类算法，在公众提交信件后，由计算机对信件内容进行特征分析，识别相关责任部门，完成自动转递（见图4-7）。数据预处理步骤：文本降噪→分词→去停用词→同义词合并。该方法有望大幅减少信访部门的人工转递工作量。4.4.14.4.1自动分类有待解决的问题标注瓶颈专业性强、种类繁多的文本人工标注耗时耗力，制约了文本分类技术在很多领域的发展。语义关系揭示较弱单纯依靠词频统计且忽略特征间语义关系，不能很好提高分类性能。需增加特征语义转换、特征扩展、加权策略等研究内容。类别缺乏清晰界定预先设定的类别之间缺乏清晰界定，如在线问诊平台诊室类目间存在包含关系，交叉学科分类准确率较低。长文本快速分类难题新闻稿件等长文本超过800字时出现大量冗余信息，需将长文本裁剪为500字定长文本，但文本裁剪准确性有待提升。4.4.24.4.2自动标引的含义与优势自动标引（automaticindexing，又称计算机辅助标引）：根据文献内容，依靠计算机系统全部或部分地自动给出标识符的过程。即利用计算机系统模仿人类标引活动，自动生成检索所需标识符。↑处理能力强可处理海量文献，远超人工标引能力。↑处理速度快大幅提升信息组织效率。↓成本低降低人工标引的人力成本。↑一致率高减少人工标引的主观差异。4.4.24.4.2自动标引的流程自动标引流程主要包括三个步骤（见图4-8）：文本预处理标引源确定、格式处理、分词处理、去停用词。标引源一般选择标题、文摘、首尾章节等。关键词确定绝对词频统计法（以词频为根本依据，基于齐夫定律）；词频权重法（综合考虑词频、位置、词性、长度等因素加权）。赋予主题标识符将提取的关键词转换为受控词，通过关键词-受控词对照表或相似度算法确定主题词，进行组配，给出主题标识符。4.4.24.4.2自动标引的常见方法：分类体系半自动标引虽效率不如全自动标引，但标引质量比全自动标引好，比全手工操作便捷。自动抽词标引与自动赋词标引在应用中各有优劣势。4.4.24.4.2自动抽词标引：语言法与统计法语言法从词、句、语义、篇章等层次进行语法分析，达到标引目的。词法分析法：自动分词、词性标注，提取有意义词语句法分析法：通过短语识别等获得专指性较强的短语语义分析法：考虑词语间语义依存关系，提高标引质量篇章分析法：从篇章角度提取能反映文本主题的词语统计法基于术语的统计特征（共现、逆文档词频、熵、互信息等），是目前应用最多的标引方法。简单统计法：词频统计法、概率统计法、分类判别统计法机器学习法（一般机器学习法）：朴素贝叶斯、最大熵模型、SVM；代表系统：GenEx、KEA集成学习法：构建多分类器，如Bagging算法专家系统：模拟人类标引员决策过程4.4.24.4.2自动标引方法对比方法优点缺点词法分析法简单易行未登录词识别与词表维护问题句法分析法可得到专指性较强的短语句法分析准确率难以很高语义分析法提高标引质量语义分析准确率难以很高简单统计法简单易行，通用性强标引准确率不高一般机器学习法不受语种限制，可提取未登录词数据稀疏问题，过拟合学习问题集成学习法提高标引精度需多个分类器，训练时间较长机器学习法（赋词）简单易行不能处理新词语，准确率不高构建标引用词典资源词语规范，专指性强，可语义推理不能处理新词语，词典建设成本高4.4.24.4