基于15年文獻(xiàn)計(jì)量學(xué)的信息檢索相關(guān)性研究

（黑龍江大學(xué)信息管理學(xué)院 黑龍江哈爾濱 230051）

為了更深入地了解國(guó)內(nèi)學(xué)界對(duì)信息檢索相關(guān)性的研究狀況，本文選用中國(guó)知網(wǎng)數(shù)據(jù)的可視化功能繪制信息技術(shù)領(lǐng)域（包括圖書情報(bào)領(lǐng)域）信息檢索相關(guān)性主題詞文獻(xiàn)的科學(xué)知識(shí)圖譜，對(duì)近15年（2002—2016）國(guó)內(nèi)該領(lǐng)域的研究狀況進(jìn)行了統(tǒng)計(jì)研究，并對(duì)研究過程中的缺失和改良對(duì)策進(jìn)行了詳細(xì)的說明。

1 信息檢索相關(guān)性的文獻(xiàn)分布

1.1 文獻(xiàn)研究方法

本文采用文獻(xiàn)計(jì)量法統(tǒng)計(jì)和分析信息技術(shù)領(lǐng)域（包括圖書情報(bào)）信息檢索相關(guān)性研究論文，借助文獻(xiàn)的內(nèi)外部特征，采用文獻(xiàn)計(jì)量學(xué)中的洛特卡和布拉德福定律的期刊分布等，通過繪制知識(shí)結(jié)構(gòu)圖譜來展現(xiàn)該范疇的研究特征以及研究的前沿領(lǐng)域。

1.2 數(shù)據(jù)采集情況

為了提高查詢結(jié)果的準(zhǔn)確度，在中國(guó)知網(wǎng)（CNKI）高級(jí)檢索界面上，采用邏輯與的檢索方法，運(yùn)用檢索式主題=（信息檢索and相關(guān)性）（精確匹配）檢索2002—2016年中國(guó)信息技術(shù)領(lǐng)域相關(guān)文獻(xiàn)，共得到804篇。

1.3 文獻(xiàn)發(fā)表時(shí)間分析

利用中國(guó)知網(wǎng)的可視化功能繪制時(shí)序分布情況圖（如圖1），結(jié)合圖1和表1發(fā)現(xiàn)，2004—2011年這一段時(shí)間是研究信息檢索相關(guān)性的熱潮階段，2011年達(dá)到高峰期，所占比例為11.7%，2012—2013年發(fā)文量有所下降，2014 年開始有所回升，所占比例8.4%。但是從2015—2016年發(fā)表的論文數(shù)量開始下滑，且2016年是近15年來發(fā)表信息檢索相關(guān)性論文最少的階段，可能在研究相關(guān)領(lǐng)域的問題時(shí)遇到了瓶頸。

1.4 信息檢索相關(guān)性關(guān)鍵詞的分布研究

圖1 文獻(xiàn)時(shí)序分布圖

表1 文獻(xiàn)時(shí)序分布統(tǒng)計(jì)表

對(duì)近15年的期刊文獻(xiàn)進(jìn)行詞頻統(tǒng)計(jì)，并從中抽取55個(gè)高頻關(guān)鍵詞，其中關(guān)于信息檢索、搜索引擎、查詢擴(kuò)展、相關(guān)性、本性、向量空間模型、文本分類等關(guān)鍵詞研究的文獻(xiàn)比較多，而關(guān)于相關(guān)性反饋、網(wǎng)絡(luò)蜘蛛、XML、分詞等方面研究的不多。由齊普夫定律可知，某學(xué)科相關(guān)論文關(guān)鍵詞出現(xiàn)的頻次和規(guī)律能顯示出學(xué)科學(xué)術(shù)研究的熱點(diǎn)以及預(yù)示未來發(fā)展趨勢(shì)[1]。（見圖2和表2）。

圖2 關(guān)鍵詞知識(shí)圖譜

表2 對(duì)信息檢索相關(guān)性詞頻較高的計(jì)量研究（部分）

1.5 高產(chǎn)作者

根據(jù)文獻(xiàn)計(jì)量學(xué)的普賴斯定律，即普賴斯根據(jù)級(jí)數(shù)的性質(zhì)提出的，（其中Nmax為高產(chǎn)作者論文數(shù)）這是特洛卡定律的一個(gè)重要推論。從中國(guó)知網(wǎng)的可視化分析圖譜上可以看出來自江西師范大學(xué)的王明文和南京大學(xué)的成穎為最高高產(chǎn)作者，發(fā)文量都為8篇，最后得出M約等于2.12，把M向右取整約等于3，則可以得出發(fā)表論文量≥3的則為高產(chǎn)作者（見表3）。

表3 發(fā)文數(shù)在3篇以上的高產(chǎn)作者

由表3可知，高產(chǎn)作者中有來自南京大學(xué)的成穎和江西師范大學(xué)的王明文（8篇），大連理工大學(xué)的林鴻飛、南開大學(xué)的黃名遠(yuǎn)（7篇），武漢大學(xué)的孫建軍（6篇），大連理工大學(xué)的林原、江西科技技師學(xué)院的王知津（5篇），還有武漢大學(xué)陸偉（4篇）等等，由此可知，高等學(xué)校專業(yè)教師和圖書館員是我國(guó)圖書情報(bào)領(lǐng)域信息檢索相關(guān)性研究的核心群體，他們擁有豐厚的知識(shí)蘊(yùn)涵以及尖鉆的科研水平，是國(guó)內(nèi)圖情領(lǐng)域信息檢索相關(guān)性研究的核心力量，但是公共圖書館對(duì)該領(lǐng)域的研究比較薄弱，應(yīng)鼓勵(lì)相關(guān)人才加入公共圖書館進(jìn)行理論分析與實(shí)證研究[2]。

1.6 研究機(jī)構(gòu)

通過中國(guó)知網(wǎng)的機(jī)構(gòu)分布圖譜可以分析得出，哈爾濱工業(yè)大學(xué)發(fā)表的關(guān)于信息檢索相關(guān)性的論文最多（33篇），且處于領(lǐng)先的行列，可以說是該領(lǐng)域研究的高產(chǎn)機(jī)構(gòu)。南京大學(xué)、北京郵電大學(xué)機(jī)構(gòu)的發(fā)文量依次為28篇、25篇等等，如表4所示。

表4 文獻(xiàn)來源機(jī)構(gòu)分布統(tǒng)計(jì)表（部分）

根據(jù)文獻(xiàn)計(jì)量學(xué)的洛特卡定律的關(guān)于作者地區(qū)結(jié)構(gòu)與科學(xué)活動(dòng)中心的應(yīng)用，日本學(xué)者湯淺光朝提出各國(guó)科學(xué)論文作者人數(shù)和科學(xué)成果占全世界科學(xué)家和科學(xué)成果總數(shù)的比重作為規(guī)定科學(xué)活動(dòng)中心的指標(biāo)。他認(rèn)為，當(dāng)這個(gè)比例超過1/4時(shí)，則科學(xué)活動(dòng)的中心轉(zhuǎn)入該國(guó)。但是為了研究我國(guó)某研究機(jī)構(gòu)（某地區(qū)）科學(xué)活動(dòng)的活躍性，我引入了以下公式：設(shè)ci為我國(guó)i個(gè)機(jī)構(gòu)或地區(qū)的作者人數(shù)（研究某一領(lǐng)域），N表示我國(guó)研究某一領(lǐng)域總?cè)藬?shù)，C是兩者的結(jié)構(gòu)相對(duì)數(shù)，則：C=Ci/N ×100%。

華東地區(qū)包括我國(guó)的山東省、安徽省、江蘇省、浙江省、臺(tái)灣省、福建省、江西省和上海，具體的計(jì)量統(tǒng)計(jì)如表5所示。從表5上也可以看出華東地區(qū)的12所高校中研究信息檢索相關(guān)性論文的人數(shù)達(dá)到了19人，且在信息檢索相關(guān)性的研究方面也處于相對(duì)領(lǐng)先的地位，用公式可得，C=（19/55）×100%，計(jì)算比例為34.5%，而其他地區(qū)都低于25%，即我國(guó)華東地區(qū)是研究信息檢索相關(guān)性科學(xué)活動(dòng)最高也是最活躍的地區(qū)。

表5 華東地區(qū)信息檢索相關(guān)性論文人數(shù)統(tǒng)計(jì)

1.7 文獻(xiàn)被引統(tǒng)計(jì)分析

文獻(xiàn)被引頻次是評(píng)價(jià)學(xué)術(shù)質(zhì)量以及學(xué)術(shù)影響力的重要尺度。如果一篇文獻(xiàn)被引的頻次越高，說明該篇文獻(xiàn)對(duì)學(xué)術(shù)交流與學(xué)術(shù)研究的影響力越強(qiáng)[3]。統(tǒng)計(jì)結(jié)果見表6。

表6 文獻(xiàn)被引頻次統(tǒng)計(jì)

從表6可以看出，高被引文獻(xiàn)頻數(shù)大都發(fā)布在2012年之前，且均篇被引頻次最高的是2003年發(fā)表的論文，頻次達(dá)到了11.4。普賴斯關(guān)于“科學(xué)論文在發(fā)表后的2年才能達(dá)到被引用的峰值”的理論也從側(cè)面解釋了論文的被引頻次年代是遠(yuǎn)期大于近期[4]。

1.8 核心期刊分布統(tǒng)計(jì)

為了更好地反映布拉德福關(guān)于圖書情報(bào)領(lǐng)域的期刊分布情況，現(xiàn)按照期刊進(jìn)行搜索，文獻(xiàn)量共117篇。由布拉德福定律的定義可知：如果將科學(xué)期刊按其刊載某個(gè)學(xué)科的論文數(shù)量的大小，按照從大到小的順序排列，那么可以分為三個(gè)區(qū)域：核心區(qū)，相關(guān)區(qū)，邊緣區(qū)，且期刊數(shù)量比成1：a：a2的關(guān)系[5]。將下面14種期刊按文獻(xiàn)數(shù)目分類分為3個(gè)區(qū)域，載文數(shù)量共為 82篇，如表7所示。

表7 載文期刊分布

由此可以得出：p1:p2:p3=1：a：a2，以上三個(gè)區(qū)域期刊數(shù)目比為p1：p2：p3等于3：4：7，即為1：1.33：2.33。何榮利[6]指出“由于期刊文獻(xiàn)分布規(guī)律的發(fā)展，在大部分研究領(lǐng)域中，期刊文獻(xiàn)分布的三個(gè)區(qū)域中，期刊數(shù)量的比例已不再呈現(xiàn)整數(shù)關(guān)系”，可將以上結(jié)果近似看作1/1.33/1.332,其中常數(shù)a為1.33。再按照布氏定律的圖像描述法公式n1/（n1+n2）/（n1+n2+n3）=1：b：b2，即n1/（n1+n2）/（n1+n2+n3）等于3/7/14，即為1/2.33/4.67，同樣近似等于1/2.16/2.162，其中常數(shù)b為2.16，滿足布拉德福定律的圖像描述規(guī)律。

1.9 文獻(xiàn)來源統(tǒng)計(jì)分布

為了了解國(guó)內(nèi)期刊論文、碩博論文、會(huì)議論文對(duì)信息檢索相關(guān)性研究的分布情況，通過中國(guó)知網(wǎng)進(jìn)行統(tǒng)計(jì)檢索共得到相關(guān)論文804篇，具體分布如表8所示。

表8 文獻(xiàn)來源分布統(tǒng)計(jì)

從表8可以看出來，804篇文獻(xiàn)中，碩博士學(xué)位論文占比61%，占據(jù)了檢索總文獻(xiàn)的一半多，說明各高校碩博士研究生對(duì)信息檢索相關(guān)研究作出了重要貢獻(xiàn)，也是該研究范疇的主要群體。從表7可以看出，圖書情報(bào)中關(guān)于信息檢索相關(guān)性的論文達(dá)到了82篇，其中10.1%出自圖書情報(bào)領(lǐng)域的核心期刊 （基于CNKI 核心期刊統(tǒng)計(jì)），雖然所占比例較小，但是從中國(guó)知網(wǎng)上也不難看出它們的引用頻次較高，也充分體現(xiàn)了核心期刊的重要研究?jī)r(jià)值地位。

2 改善信息檢索相關(guān)性的措施

2.1 用戶的角度

一方面，用戶不僅需要對(duì)所查找的信息有一個(gè)明確的認(rèn)識(shí)，更需要將這種認(rèn)識(shí)明確表達(dá)出來，也就是要提高用戶對(duì)信息需求的表達(dá)能力。往往含糊的信息需求表達(dá)可以提高信息檢索的相關(guān)性。而較準(zhǔn)確的信息需要表達(dá)反而會(huì)降低相關(guān)性的準(zhǔn)確度。另一方面，用戶在進(jìn)行信息檢索之前，應(yīng)該針對(duì)自己的信息需求確定最適合自己的檢索系統(tǒng)，也就是說應(yīng)加強(qiáng)用戶對(duì)檢索系統(tǒng)的選擇能力。最后，提高用戶的知識(shí)理解水平。當(dāng)用戶檢索時(shí)，可以結(jié)合自身知識(shí)水平和已有的文獻(xiàn)材料判斷檢索結(jié)果的相關(guān)性程度。

2.2 系統(tǒng)的角度

（1）系統(tǒng)設(shè)計(jì)的角度。在檢索系統(tǒng)構(gòu)造過程中，應(yīng)該以用戶信息需要為導(dǎo)向，盡量做到便于用戶使用。信息檢索過程中相關(guān)性的好與壞以及信息檢索相關(guān)性的不確定因素都是由用戶判斷和引起的，為了減少其不確定性因素，我們應(yīng)該建立以用戶為中心的思維模式。

（2）算法優(yōu)化的角度。鏈接分析法因其具有的高效率以及應(yīng)用引文檢索語言的原理，在關(guān)鍵詞文本匹配的基礎(chǔ)上，利用Web超鏈接結(jié)構(gòu)，從一個(gè)網(wǎng)頁鏈接到另一個(gè)網(wǎng)頁，并對(duì)它們之間的關(guān)系進(jìn)行分析，以此明確該網(wǎng)頁在檢索結(jié)果中的等級(jí)。Google和百度正是采用了這種獨(dú)特的方法。

（3）提供智能的信息引導(dǎo)功能。根據(jù)用戶信息需求確定用戶檢索的信息領(lǐng)域，為用戶提供詳實(shí)、準(zhǔn)確的信息分類知識(shí)。對(duì)于不同的用戶而言，檢索系統(tǒng)會(huì)學(xué)習(xí)用戶提交的關(guān)鍵詞和相關(guān)信息，并收錄在其用戶模型之中；當(dāng)用戶再一次提交信息需求任務(wù)時(shí)，系統(tǒng)會(huì)自動(dòng)跳出用戶相關(guān)的關(guān)鍵詞，讓用戶點(diǎn)擊確認(rèn)，避免用戶操作頻繁。

3 結(jié)語

研究表明，信息檢索相關(guān)性在國(guó)內(nèi)的研究雖然卓有成效，但主要集中在研究的理論層面，而在實(shí)踐方面的研究欠缺，理論研究和實(shí)踐應(yīng)用不能有效結(jié)合。在大數(shù)據(jù)環(huán)境下，以用戶信息需求為基礎(chǔ)，簡(jiǎn)化計(jì)算機(jī)檢索系統(tǒng)設(shè)計(jì)算法，朝著系統(tǒng)和用戶需求的雙重設(shè)計(jì)理念出發(fā)，是解決信息檢索相關(guān)性的必要渠道。