中文拼音首字母在標準信息檢索中的應用

【摘 要】 標準題錄檢索是我國標準信息檢索的主要內容，中文拼音首字母檢索作為中文檢索的重要補充，能有效提高檢索效率，是傳統標準題錄檢索的一種創新。

【關鍵詞】 信息檢索 標準題錄 拼音首字母

【DOI編碼】 10.3969/j.issn.1674-4977.2016.11.001

“信息檢索”一詞出現于20世紀50年代，來源于人們對圖書館圖書信息的參考咨詢和文摘索引工作。從19世紀下半葉的手工檢索，到20世紀50年代的脫機批量檢索及60年代以后的聯機檢索，發展到90年代以后的網絡化聯機檢索，信息檢索成為人們獲取知識、豐富生活的重要方式。標準信息作為信息行業的一個分支，在檢索方法上也在不斷發展變化。

標準題錄檢索是我國標準信息檢索的主要內容，根據輸入內容可分為數字、英文字符、中文字符、其他可顯示的字符（如“-”）等。例如，檢索國家標準《GB/T 1.1-2009 標準化工作導則 第1部分：標準的結構和編寫》時，按照標準號檢索，需輸入數字、英文字符、空格、橫線“-”、點“.”；按照標準名稱檢索，需輸入數字、中文字符、空格和冒號“：”。除中文字符外，其他符號或字符都可以直接從鍵盤上找到并輸入，中文字符則需要轉換成中文輸入法后，再輸入拼音找到相應漢字，并且輸入的字符數量較多，國標GB/T 1.1-2009的中文名稱按全拼方式需輸入55個英文字符。有沒有更直接、更簡單的輸入方式代替中文輸入呢？答案是有。中文拼音首字母是一種代替中文字符進行檢索的更好方式。目前，主要的標準綜合服務平臺還沒有使用拼音首字母進行檢索，希望拼音首字母能成為今后標準檢索的必備方式。

1 中文拼音首字母檢索原理

我們以最常用的GB 2312字符集為例，說明拼音首字母代替中文字符進行檢索的原理。GB 2312字符集是ASCII字符集的擴展，有一級漢字3755個，按拼音排序，二級漢字3008個，按部首排序，覆蓋國內漢字99.75%的使用頻率。它采用國標碼或者區位碼對應一個唯一的漢字或符號，國標碼是一個4位十六進制數，區位碼是一個4位十進制數。漢字的國標碼范圍從B0A1到F7FE，如“標準”兩個字的國標碼分別是B1EA、D7BC。在一級漢字中，找到每個拼音首字母漢字所在的國標碼位置，其余漢字與相鄰兩個拼音首字母漢字的國標碼位置進行比較，就能獲得該漢字的拼音首字母。一級漢字中，不同拼音首字母的第1個漢字在GB 2312字符集中的位置參見表1。二級漢字則需采用國標碼位置與首字母一一對應方式查找，因數量較多，本文不再一一列出。

2 實現方法及相關技術

使用中文拼音首字母檢索標準的具體過程如下：首先在標準題錄信息表中添加要檢索的中文拼音首字母字段，根據要檢索的中文內容確定增加的字段數量，如中文標準名稱、中文摘要、起草單位、起草人等都可增加對應的拼音首字母字段。在檢索界面中，可以增加獨立的拼音首字母輸入欄，也可和中文輸入欄同時使用而用軟件判斷輸入的是中文還是英文。標準檢索軟件根據輸入的拼音首字母，直接檢索對應的拼音首字母字段，找到匹配的標準信息，展現給使用者。

通過獲取漢字國標碼數值，取得該漢字的拼音首字母。在不同的軟件語言中，獲取一個漢字的GB 2312國標碼位置的函數和數值不盡相同，因此，表1中列出了3種數值供參考。如C#編程語言使用short函數獲取某個中文字的國標碼位置（十進制數值）；而powerbuilder編程語言使用asc函數獲取單字節字符的國標碼位置，漢字是雙字節字符，因此要獲取2個數值，使用十進制二維數組數值。常用計算機編程軟件獲取中文國標碼的函數參見表2。

以國家標準GB/T 1.1-2009為例，檢索中文“標準化工作導則”和拼音首字母“BZHGZDZ”信息，采用目前較流行的ACCESS和SQL SERVER作為標準題錄信息數據庫，安裝在同一臺計算機上，筆者做了一組對比試驗。Stdinfo1_t、Stdinfo2_t、Stdinfo3_t表存放標準題錄信息，分別有6萬、16萬、26萬條數據量，有標準號、標準中文名、拼音首字母3個字段。檢索標準中文名稱和拼音首字母的效率參見表3。

從表3可以看出，在Access和SQL Server數據庫中，無論有無索引，檢索拼音首字母信息均比檢索中文信息的速度快，無索引時，提升的檢索效率更高。設無索引的中文檢索速度為Va，有索引的為Vb；無索引的拼音首字母檢索速度為Vc，有索引的為Vd。無索引且數據量分別為6萬、16萬、26萬時，Access中的提升效率按（Va-Vc）/Vc[×]100%計算，分別為27%、6%、194%；SQL Server中的提升效率按（Vb-Vd）/Vd[×]100%計算，分別為181%、77%、72%。有索引且數據量分別為6萬、16萬、26萬時，Access中的提升效率分別為38%、3%、77%；SQL Server中的提升效率分別為20%、7%、6%。

我國國家標準和行業標準數量已超過20萬條，公開聲明企業標準數量約20萬條，每年動態增加標準數量10多萬條，使用拼音首字母檢索可以有效提高檢索效率。標準題錄信息中，起草單位、起草人、標準摘要、公開標準企業名稱、企業地址、企業聲明等常用中文信息通常沒有索引，使用拼音首字母檢索的效率更是成倍增加，從而提高網絡平臺響應速度，減少檢索人員等待時間。

3 結束語

近年來，標準信息越來越廣泛應用于我國社會各行各業，許多專業機構投入巨資建設標準綜合服務平臺，標準題錄信息檢索是這些平臺的主要服務內容，如何為標準人員提供更快捷、更簡便、更全面的檢索方式，是平臺改進的重要內容。本文提出中文拼音首字母檢索，希望能為標準服務業人員拋磚引玉，不斷探索進一步完善標準服務方式和豐富標準服務內容，為廣大標準從業人員提供更好、更優質的服務。

參考文獻

[1] 于雙成.科技信息檢索與利用[M].北京：清華大學出版社，2012.

[2] 花芳.文獻檢索與利用（第2版）[M].北京：清華大學出版社，2014.

作者簡介

張廣慶（1971-），男，山東巨野人，質量高級工程師，學士，主要從事組織機構代碼、大數據、軟件、信息化、標準等領域研究。

朱登峰（1971-），男，湖北荊州人，工程師，學士，主要從事大數據、云計算、核信息化等領域研究。

劉冬梅（1978-），女，從事標準化科研宣傳工作多年，目前就職于遼寧省質監局后勤服務中心。