關于建立網狀結構范疇索引的設想

摘 要：本文對目前的文獻檢索和索引狀況進行了簡要分析，并根據文獻的著錄形式，提出網狀結構的范疇索引體系。該體系對樹狀結構的主題詞索引進行了層次上的細化和深化，更符合人類的知識模型，不僅能夠在一定程度上避免關鍵詞搜索帶來的漏檢和誤檢問題，提高檢索的準確性，而且對在線數據庫的內容索引建設也有一定的借鑒意義。

關鍵詞：關鍵詞搜索；主題詞索引；網狀結構；范疇索引

中圖分類號：TN94 文獻標識碼：A DOI：10.3969/j.issn.1672-0407.2012.05.029

文章編號：1672-0407(2012）05-052-02 收稿日期：2012-04-01

一、引論

目前國內的絕大多數電子文獻目錄都是按文獻物質形態或學科基本門類編排的，由于分類方式相對簡單，每個類別下的文獻數量數以千萬計，面對如此海量的數據不可能逐條查看并從中選取，因而用戶在檢索文獻時主要采用關鍵詞搜索或主題詞索引功能。

關鍵詞搜索具有多檢索途徑的優點，而且對讀者來說具有更強的適應性[1]。但由于同、近義詞、上、下位詞等語言現象的客觀存在，容易發生遺漏或誤中。例如某用戶想要檢索關于“文學與地理關系”的文獻，如果他僅使用“文學+地理”作為關鍵詞，檢索結果的完整性和準確性將達不到要求。首先，關于“詩歌與地理”“詞與地理”“文學與氣候”等方面的論文很有可能被遺漏，因為它們使用的是被檢索詞的下位詞，普通的檢索程序無法判斷它們的關系，這些文獻將被排除在檢索范圍之外；其次，“天文學與地理”“水文學與地理”等與檢索目的無關的論文可能也會被命中，摻雜在檢索結果中成為冗余。雖然采用預處理技術可以部分解決該問題，但這類語言現象難于窮舉。

我國索引學的研究事業從1991年起一直處于快速發展狀態，到了2005年以后開始平穩發展，可以認為索引學目前處于大發展與穩定發展的過渡期[2]。前人提出要規范化主題詞，并確定一種或二種索引形式作為推廣或希望采用的形式[3]。囿于目前自然語言處理技術的發展瓶頸，主題詞的選定與核對需要專業人士手工進行，機器只充當輔助角色。而且確定了主題詞集合之后還要將文獻逐一著錄，其前期工作與關鍵詞搜索相比顯著增加。經整理后，文獻的后續利用非常方便，檢索時數據漏檢和數據誤中問題都能得到較好解決。我國現行的主題詞索引主要分為漢語拼音字順型和分類—主題詞型兩種[4]。

《中國分類主題詞表》（第二版）在中圖分類法的基礎上將主題詞排列成樹狀結構，是一個不錯的嘗試。但由于人力、時間所限，枝葉未足夠細化。該表目前主要被應用于出版社或圖書館的書目管理中，而對海量的論文文獻卻很少使用。原因有二： 1.在線數據庫已經有一個比較成熟的著錄模式，一般都是按照學科類別、發表時間、出版社、期刊等進行著錄，而《中國分類主題詞表》在其領域內又非強制實施，因而缺乏主動向其靠攏的向心力；2.客觀地說，該主題詞表的編制目的也主要是面向圖書管理的，從一開始就就對論文類的文獻缺乏足夠的考慮，這也使它的使用范圍僅限于書目管理。

因此，我們不僅希望主題詞索引能在現有的在線數據庫中得到應用，而且認為其分類層次應該而且可以得到細化和深化。

二、文獻的著錄形式

文獻著錄大體分為以下兩種形式：第一種是以文獻的物理組織形式為基本參考，可以稱為“物理目錄”或“載體目錄”；第二種是以文獻所涉及的內容為基本參考，稱之為“內容目錄”。

（一）載體目錄

在日常生活中，當我們談及某段文字的出處，通常的表達是“出自某本書的第幾頁第幾行”或“某本書第幾章第幾節”，如果更具體一點，這里的“某本書”還要細化為“某出版社哪一年出版的哪本書（書名）”或“××雜志哪一年第幾期”。對文獻的這一類信息進行著錄，就是本文提到的載體目錄。采用它可以方便地找到某段文字、某篇文章、乃至某本書的物質載體。

（二）內容目錄

這是從古到今一直在發展，尚具有長足發展可能的目錄，它在一定程度上也代表著人類對自身知識體系的總結。

西漢時劉向、劉歆父子編纂的《七略》是目前所知的最早以文獻涉及內容為劃分依據的目錄。該目錄將天下文獻分為六藝、諸子、詩賦、兵書、術數、方技等六個類別，為后世的目錄編纂工作立了很好的榜樣。此后出現的各種史志目錄和類書，可以看成是我國目錄編纂工作朝著不同方向的發展。前者以書籍作為基本著錄單元，而后者以文辭作為基本著錄單元。類書中使用的范疇劃分方法，甚至可以看成是主題詞索引的鼻祖。傳統圖書館書目的基本著錄單元為書籍和期刊發行本，對書籍內部，尤其是期刊內部分屬不同領域和主題的單篇論文缺乏專門的目錄整理，目前這部分的工作主要由在線數據庫代工。如果要對單篇的論文進行編目工作，一種面向研究內容或研究主題的分類方法勢在必行。而且基于維護的便捷性、修訂的時效性考慮，最佳選擇是采用電子版，并首先將其應用到各大在線數據庫中。

三、網狀結構的范疇索引設想

本文提出的面向研究內容或研究主題的網狀范疇索引可以采用以下兩個步驟進行實施：范疇構建和目錄指派。

1.范疇建構：根據目前的人類知識體系及對某一具體問題的研究狀況，建立按層次劃分的范疇體系；由于各民族不同的思維模式，或者對同一現象的不同觀察角度，允許同時存在多個不同的范疇體系。前文提到的分類—主題詞索引已經初步形成范疇體系，但其層次劃分還需要進一步的細化和深化。例如研究單個文學家族的論文，除了按其研究對象所經歷的朝代進行分類以外，還可以繼續按地理位置和宗族世系詳細劃分為：六朝-陳郡-陽夏-謝氏-謝混/謝道韞/謝靈運/謝惠連/謝莊/謝朓、宋代-四川-眉山-蘇氏-蘇洵/蘇軾/蘇轍/蘇過、明代-江蘇-蘇州-皇甫氏-皇甫沖/皇甫涍/皇甫汸/皇甫濂……以這種方式劃分之后，知識體系能夠更加清晰、明朗。

我們在文學研究領域建立“宋代-四川眉山蘇氏-蘇洵/蘇軾/蘇轍/蘇過”的范疇體系之后，就可以把所有研究蘇軾的單篇標記到“蘇軾”這一范疇之下，它和另一范疇體系（例如：文學家-宋代-蘇軾）中的“蘇軾”是等價的。這些范疇體系除了具有傳統樹狀結構的優點以外，處于不同體系的某些范疇之間還存在等價關系，因而更確切地說是一種網狀結構。這種網狀結構比單純的樹狀結構更接近人類大腦對整個世界的認識模型。

2.目錄指派：指為諸文獻匹配相應的范疇類別。指派的過程，就是對某文獻進行范疇標注的過程。這一過程可以由文獻的管理者完成，也可以由文章作者完成，還可以由讀者在文獻使用過程中完成。

同一文獻可以同時匹配到不同的范疇體系中。以《唐宋詞樂的發展變化與柳永蘇軾詞》一文為例，我們可以同時將它指派到“文學詞學柳永詞研究”“文學-詞學-蘇軾詞研究”“文學-文學家族研究-宋代-四川-眉山-蘇氏-蘇軾”“文學-文學演變-詞的發展-唐宋詞”等多個不同的范疇體系中。此外，應以最小類、即深度為最深的范疇為匹配標準。以《宋代家族與文學研究》為例，在“文學-文學家族研究-宋代-四川-眉山-蘇氏-蘇軾”這一體系中，只需指派到“文學-文學家族研究-宋代”這一深度。

四、網狀范疇索引的優點

這一目錄結構有以下幾個優點：

1.對樹狀結構的主題詞索引進行了細化和深化，并提出網狀范疇體系，符合人類的知識結構模型，能夠在一定程度上避免關鍵詞搜索帶來的漏檢和誤檢問題，提高了檢索的準確性。

2.同一文獻可以分屬多個類別，而且同一類別可以出現在不同的范疇體系中，這更符合文獻的自然屬性。雖然每一種文獻都有它獨特的寫作目的和研究對象，但當它的內容涉及多個學科時，就顯示出了多面性。傳統的圖書編目工作中，跨學科的著作難以歸類，傳統的解決方法往往是將該文獻著錄多次，這樣雖然解決了檢索的問題的，但卻給文獻數量的統計工作帶來了不便。而網狀結構的范疇索引的著錄工作都是針對某一具體的文獻進行的，不需要增加文獻的著錄次數，只需要給相應的文獻同時匹配多個范疇并標記之。

參考文獻

[1] 黃萍莉，關鍵詞索引與主題索引比較研究[J]，辭書研究，1994年第02期

[2] 邱均平，樓雯，我國索引研究二十年回顧與展望——紀念中國索引學會成立20周年(上)，《中國索引》，2011年第4期

[3 陳正瑜，關于我國檢索期刊主題索引規范化的思考[J]，情報科學，1988年第9卷第4期

[4] 畢剛，我國檢索刊物主題索引評析[J]，情報雜志，1996年第4期