中文文献自动分类的研究概述.pdfVIP

维普资讯 ●叶新 明 (南京大学 江苏) 5斗、lI 文文献 自动分类研究概述 提 要 概要性地论述 了中文文献 自砷分 类的问题 ，提 出了中文文献 自动分类 的一般模式 同时也分析 了毒 实现 中文文献 自功分类 目前所面临 的一些薯际 问题 。 美锎 §塑坌誊 皇 兰壹 分类过程来 自动地实现中文文献的分类标引 美国学 0 引言 者 P．伦每兹曾怍过试验：一是让6位标引者同标一篇 国外的文献 自动分类研究始 于 50年代束，到现 文献，设一致性为 1，所达刊的一致率只有 0．158， 在大致经历 了3十发展阶段 ： 两 人标 『，其一致率 也 只有 0．543；二 是 同一 篇文 第一阶段 (1958--1964年)研究 自动分类的可能 献 ， 由～人在不 同时 间完成标 引．其 一致率 也仅有 性 ； O661。而采用计算虮进行 自动标引则不会出现选种差 第二阶段 (1965—1974年)进人 自动分类的实验 异．可以不受时间、空间、人力等因素的影响，减少 性阶段 ： 主观性，能较客观地反映文献的学科内容 ，保持文献 第三阶段 (1975一 )是 自动分类的实用性阶 分类标引的一致性 ，这是人工标引所无法达到的，一 段 。 且采用 自动分类能够保证有较好的查垒率和查准率。 在这发展过程 中，研 究 自动分类的主要人物 有： 中文文献 自动分类的一般模式见下图 K Spark，G．Salton， R．M ．Ncedham，M ．E．Lesk和 K SJones等 归结起来，主要从基干文本的词频统 计分析，句法分析和语义分析 3个层次上采研究 的， 但以基干词额统计分折的 自动分类较为成功。词额统 计 的原始思想最初是 由美 国著名 的情报检索专家 H PLuhn于 1957年提出的，尔后被应用于 自动分类 领域。 我国的 自动分类研究起步较晚，特别是有关中文 文献的 自动分类， 目前能见诸报刊的科研论文仅有几 篇， 比如 ： 《中文文献 自动分类的理论与 实践》… 、 《中文文献 的 自动分类》∞ 《图书分类专 家系统设 计》 和 《中文文献的自动标引》 “等 1 中文文献 自动分类的一般模式 文献分类就是以分类法为工具 ，根据文献所反映 的学科知识内容与其他显著属性特征 ，分门导类地系 统地组织与揭示文献 。文献分类的最终 目的是为了让 图 1 中文文献 自动舟类模式 读者更好地充分地利用文献 ．分类时应 以学科知识 内 以上 7个步骧我们简要说明如下： 容作为文献分类的主要依据，辅以其它显著属 性特 (1)输入文献的题名和摘要。这是实现 自动分类 征 的最基础的工怍． 由于有了文献的题名和摘要，即计 中文文献的 自动分类就是采用计算机模仿人工的 算机可识别的文献表示形式，才能对文献进行 自动的 一 · 情报理论与实践 · 39— 维普资讯 主题分析 。需要说明的 一点是用计算机进行 自动