檢索語言的表示形式及發展方向

孫赟星

（哈爾濱市科學技術情報研究所，黑龍江 哈爾濱 150000）

1 檢索語言的定義

檢索語言是信息檢索系統存貯與檢索所使用的共同語言。它是專門用來描述文獻的內容特征、外表特征和表達情報提問的一種人工語言。由于自然語言不可避免地存在詞匯上的歧義性，語義上的歧解性，不便用于標引和檢索工作，因此情報檢索領域出現了各種檢索語言。 檢索語言由具體的檢索標識構成。包括分類語言、主題語言和代碼語言。分類語言是以數字和字母相結合作為基本字符，以基本專業類目為基本詞匯，以類目的從屬關系來表達復雜概念的一類檢索語言。用分類語言來描述和表達文獻內容的加工方法稱為分類法。

2 檢索語言的表示形式

2.1 以詞表的方式建立的綜合詞表和各類專業詞表

受控檢索語言是通過詞表對檢索語言中的同義詞、同音詞、多義詞、同形異義詞、近義詞等進行規范化處理，建立各詞之間的相互關系和位置。具體地說就是通過“用、代、屬、分、參”來限定各詞的語義和關系，通過詞族可了解一詞的上下位關系，通過用/代項可知道某詞的同義詞和近義詞，對于采用主題法對文獻進行主題標引并使文獻按一定規律排列的加工過程來說，敘詞表起到了規范用詞的標準作用。

世界各大型情報機構都有自己的主題詞表。例如:英國劍橋科學文摘CSA（Cambridge Scientific Abstracts）有主題詞表（Thesaurus），作為標引和檢索的查詢工具。在我國，比較權威的是應用分類法組織文獻信息的《中圖分類法》和應用主題法組織文獻信息的《漢語主題詞表》，以及代表文獻處理發展方向——分類主題一體化的《中國分類主題詞表》。各個專業情報機構依據專業資料的特殊性又相繼編制了各類專業詞表。據不完全統計，國內已實際應用的詞表有60多部，詞表容量超過1萬的有10部左右。我所《電子科技文摘》的編輯與組織就是依照《電子技術敘詞表》進行主題標引的，同時建立的“電子科技文摘數據庫”也以該表作為檢索語言。

2.2 詞表的聯機顯示

將敘詞表輸入到計算機中，應用菜單技術制成電子版的多窗口聯動的顯示界面，可同時顯示一詞條的相關關系（如中英文對照、分類號、用詞代詞等），有利于機輔標引時詞表的使用和詞表維護修訂。中國國防科技信息中心研制的圖書館業務子系統(LibMIS)中的“文獻著錄和標引模塊”，采用了以《國防科學技術敘詞表》為主體的計算機輔助聯機標引，依次通過“敘詞導航”提供查詢詞庫功能，通過“敘詞定位”反映敘詞詞族關系，“敘詞調整”使敘詞進入到標引記錄，通過“增加自由詞”實現自由詞標引。該中心2000年出版的電子版《國防科學技術敘詞表》擁有敘詞90000條，自由詞2000條，在詞表維護界面上可完全實現對詞表的增、刪、改以及對某詞條的范疇號、用代詞的界定。如此大容量的詞表若印刷成書，其厚度將難以想象。計算機的應用以其高速度、大存儲容量為檢索語言的聯機顯示鋪平了道路。

《計算機世界》的在線標引界面的敘詞與自由詞同時顯示為標引人員提供了另一便利:自由詞庫也同敘詞庫一樣變得“透明”起來:標引員甲標引過的自由詞被存儲在詞庫中可供標引員乙、丙參考使用；經過一定周期的積累利用詞頻統計，可將高頻自由詞轉為敘詞。在這里計算機內的自由詞庫為詞表的擴充起到了統計依據。

3 檢索語言的發展方向

3.1 基于詞表的機輔標引與檢索系統

90年代初開始的自然語言處理以及檢索語言的機讀化和聯機化開始了檢索語言應用的新紀元。1991年10月，美國情報學會（ASIS）在華盛頓舉行第54屆年會，會上討論了文獻處理技術的重點--檢索語言技術。在檢索語言機讀化方面走到前列的美國醫學圖書館和NASA的宇航情報中心介紹了他們的研究成果。以美國醫學圖書館主題表MeSH和宇航情報中心的NASA敘詞表及其支持的數據庫為代表的專業情報界的檢索系統歷經10多年的應用與不斷改進，發展成為今天占主流的基于控制語言（無論是主題詞表、敘詞表、關鍵詞表、自由詞表、中介詞表、停用詞表還是特例詞表）的機輔標引和聯機檢索系統。

在國內，多年來情報界與計算機界的專家一直在探討利用計算機軟件技術實現文獻標引、分類、編寫文摘的自動化。近年來我國情報界已研制成多個自動標引系統，例如北京大學的“漢語科技文獻自動標引系統”、上海交通大學和上海科技情報研究所合作研制的“中文科技文獻的自動標引系統”等堪稱為國內水平的代表作。

3.2 基于自然語言的檢索系統

眾所皆知，作為主題法（敘詞法）處理文獻依據的敘詞表為標引提供了理論依據；若將敘詞表顯示在檢索界面上將會為檢索用戶提供查詞依據:根據檢索到文章的多少按照詞族表進行上位詞擴檢或下位詞縮減。這將要求用戶熟悉敘詞表的編制框架和編制原則。是否能讓用戶完全使用自然語言提問檢索呢？基于自然語言處理的檢索系統是國內同行的另一個研究方向。“演繹情報檢索系統”則是其中的一例。

傳統的情報檢索過程中用戶所能操縱與檢索的數據僅是實際存在于檢索系統中的數據，這些數據稱為實數據。由實數據和邏輯推理功能相結合可得到一種新型檢索系統--演繹情報檢索系統。新系統所占實際物理空間與傳統情報檢索系統相差無幾，只是多了若干規則。正是由于這些規則，使系統實現推理，使用戶能檢索到沒有明顯存放著的虛數據。演繹情報檢索系統的特點是以自然語言為檢索語言，以自然語言為輸出檢索結果。而通常用敘詞表表示的上下位關系和用代關系等都利用程序設計語言將規則理解和表示。與一般的情報檢索系統相比，它除了有信息數據庫以外，還有一個檢索數據庫，此數據庫是由將情報檢索專家的知識和經驗及應用領域的知識歸納抽象成一系列程序子句構成的，從而真正實現了智能化檢索。基于自然語言處理的檢索系統除了演繹情報檢索系統，還有單漢字檢索系統、全文本檢索系統。

綜上所述，基于控制語言（詞表）的檢索系統和基于自然語言的檢索系統都在這10年中得到了蓬勃發展。有人預言，以控制詞匯（詞表）為基礎的模式向以自然語言的字（關鍵字）為基礎的模式轉變，是當今檢索系統的發展趨向之一。但還有人聲明，受控語言的主導地位不會被取代，一種結構良好的敘詞表能夠以任何方式支持主題標引和檢索作業，包括機輔標引（或自動標引）和全文檢索、自由詞檢索，都離不開各類詞表的支持。上面提到的單漢字檢索系統盡管沒有以敘詞表為基礎的人工標引，但還需要“停用詞表”（Stop List）支持其自動抽取關鍵詞。

3.3 檢索語言由前控向后控的發展

為了彌補無控制詞表的不足，單漢字檢索系統還需要建立后控詞表，一種不供標引只供檢索用的詞表。當檢索者為了查全某一主題的資料，而不了解相應的同義詞和相關詞時，只需輸入一個自己以知的檢索詞，系統就能通過后控詞表自動將有關同義詞與相關詞納入檢索式，并用“或”邏輯連接在一起，從而提高查全率。配備后控制詞表是提高自然語言檢索效率的有效措施。

3.4 受控語言與自然語言相結合的標引

傳統的受控語言與自然語言共同使用，可起到優勢互補的作用。這在國內外已形成共識。《電子科技文摘》的文獻加工、組織排序即采用此種方式:同時用分類號（范疇號）、敘詞（主題詞）、自由詞（關鍵詞）標引一篇文獻，檢索時分類號、敘詞、自由詞皆為可檢索字段。有人將分類號、敘詞、自由詞合為一體的檢索方式稱為整體化檢索語言，實踐表明，整體化檢索語言是聯機檢索系統理想的語言。

[1]王偉新.BDS數據庫檢索[J].北京文獻服務處.

[2]杜元清.美國情報學會第54屆年會述略[J].情報理論與實踐，1992，（3），52-53.

[3]李惠芬，王永成.演繹情報檢索系統[J].情報學報，1992，11（1），5-10.