信息检索 第三章 信息著录和标引

1 第三章 信息著录和标引

3.1信息著录的含义和标准

一、信息著录的含义

信息著录：简称著录，指在组织检索系统时对文献内容和形式特征进行选择和记录的过程。著录对象是信息，著录结果是款目或记录。

款目：指依据一定的标准方法，对一种文献或信息源的内容价值物质形态进行描述而形成的一条记录。款目由一条条著录项目组成。

著录项目：用于揭示文献内容和形式特征的记录事项。

信息著录的基本要求：①准确性。要求著录结果准确全面客观的揭示文献或其它信息源的内容特征或形式特征②规范化。要求信息著录坚持标准化原则，按照统一的著录项目，著录格式，标识符号进行著录。

二、信息著录的作用

1、揭示功能：信息著录主要反映的是文献本身的特征，通过对文献全面系统的分析，揭示出其内容特征和形式特征，将其浓缩于只言片语中，从而表达文献的基本信息。

2、组织功能：信息著录后形成的款目或记录，是编制目录的基础，也是组织数据库数据的基本单元。文献编目包括信息著录和目录组织两步。信息著录是对文献内容特征形式特征进行选择记录后形成款目或记录。目录组织是将这些款目或记录按照一定组织规则编排在一起最终形成检索工具或数据库。

3、检索功能：存储是检索的第一个阶段，即将表达文献特征的有检索意义的标识通过记录组织成手工检索工具或计算机数据库，而表达文献特征的标识需要通过著录和标引来完成。作为信息著录结果的款目或记录，记载了表达文献特征的各种标识。

三、信息著录的标准

《文献著录总则》旨在根据各种类型文献的共同特点，确定文献著录原则、内容、标识符号、格式等的统一规定。具有指导作用为信息著录提供原则性框架，并不作为文献著录的直接依据。

1、著录项目：①题名与责任者项②版本项③文献特殊细节项④出版发行项⑤载体形态项⑥丛编项⑦附注项⑧文献标准编号及有关记载项⑨提要项

2、著录级次：著录文献的详简程度，分为三级：①简要级次，款目仅著录主要项目②基本级次，著录主要项目同时还著录部分选择项目③详细级次，著录全部主要项目和全部选择项目。

3、著录格式：款目中各个著录项目的排列次序和表达方式。分为卡片式款目著录格式和书本式款目著录格式。

目前，信息机构中并存着两种目录，一种是卡片式目录，一种是机读目录。

3.2机读目录与元数据

一、机读目录

机读目录（MARC）：机器可读目录的简称，来自英文machine-readable catalogue的简称，是利用计算机识读和处理的目录。 2 CNMARC：按照UNIMARC格式设计原则制定，并结合了汉字的特点，标识系统和数据代码规定比较详细，目前广泛应用于计算机编目。

一条CNMARC记录由记录头标区（包括的数据有记录类型，书目级别，记录的完备程度，记录是否遵照国际标准书目著录规则等），地址目次区（记录关于数据字段区记录情况的有关数据），数据字段区（由一些可变长数据组成，有十个功能块，0-标识信息块，1-编码信息块，2-著录信息块，3-附注项，4-款目连接块，5-相关题名块，6-主题分析块，7-知识责任者块，8-国际使用块，9-国内使用块），记录分隔符组成。

二、元数据

元数据：metadata，关于数据的数据。在互联网中，元数据是指描述任何互联网数据和资源，促进互联网信息资源组织和发现的数据，以协助对网络资源的识别、描述、位置指示。

元数据的作用：1、定位和检索：借助于元数据，人们可以准确地检索和确认所需的资源。

2、著录和描述：为了提高查全率和查准率，需要对网络资源的数据单元进行详细的著录和描述，描述数据单元的元数据叫做元数据元素。

3、资源管理：利用元数据全面描述网络资源，不仅有利于检索，同时也有利于实现对资源安全有效的管理。

4、资源保护与长期保存：利用元数据全面描述网络资源，不仅有利于实现管理和查询，还有助于网络资源的保护和长期保存。

都柏林核心元数据集：一种跨领域的信息资源描述标准。其对应用的资源类型没有根本性的限制。共包括15个元素：①题名（title）②创作者（creator）③主题及关键词（subject

and keywords）④描述（description ）⑤出版者（publisher）⑥其他贡献者（contributor）⑦时间（date）⑧类型（type）⑨格式（format）⑩标识（identifier）⑾来源（source）⑿语言（language）⒀关联（relation）⒁范围（coverage）⒂版权（right）这十五个元素都是可选择可重复可扩展的。目前许多国家部门将都柏林核心元数据集作为一项基础标准。

三、都柏林核心元数据和机读目录的比较

都：①简单②灵活③具有语义互操作性④可扩展性，有利于网络信息资源描述

机：①揭示内容深入详尽②在信息存储和检索领域应用历史悠久，是一种国际性的书目著录标准

相同：①两者都是元数据②在著录文献的相关信息上都是数据的数据③目的：将文献的相关信息格式化④用来描述信息资源的主题内容特征，并通过所描述的特征提供检索的依据

不同：1、著录对象不同：都的著录对象是网络资源或数据资源，其设计原则有可选择性可重复性可扩展性。机比较适合传统出版物、缩微制品、数据库等，适用范围主要限于图书情报机构和网上公共查询目录

2、数据形式不同：都包括15个元素，在应用中可选择可重复可扩展，限定词与元素之间关系灵活，结构简单灵巧。机由记录头标区、地址目次区、数据字段区、分隔符组成，结构严谨复杂。

3、著录主体不同：都著录简单明了，创建者和提供者无需培训即可自己进行资源描述。机著录格式复杂内容严格，对使用者要求高，只有专业编目人员才能使用。

4、著录详简程度不同：都德著录比较简单，只有15个元素，在著录过程中可选择可重复课扩展顺序可任意编排。机著录详尽细致，有严格的著录规则。 3 5、标识方法不同：都直接采用单词或词组进行标识，表达直观语义明确。机字段用3位阿拉伯数字标识，子字段用1位英文字母或阿拉伯数字标识，不具备语义。

3.3信息标引的含义和步骤

一、信息标引的含义

信息标引：在分析文献内容的基础上，用某种检索语言将文献主题以及其他有检索意义的特征标识出来，是文献存储与检索依据的一种文献处理过程。

标引是文献存入检索系统的依据，又是从检索系统中查出文献的依据。

二、信息标引的质量控制

影响信息标引质量的因素很多，包括技术因素和管理因素。

1、标引深度：①即标引的全面性，指把一篇文献所论述的各个主题内容提炼出来，给出检索词并对其进行标引的完善程度，通常指一篇文献被赋予主题词的平均个数。②一般不超过10个主题词。该标准是从揭示文献主题内容的广度来衡量标引质量的。③主题标引中，不能仅从字面进行拆分组合，要通过阅读全文确定文献的显性主题和隐形主题。

2、专指度：检索标识表达信息内容的精确程度。从揭示主题概念的精确度来衡量的。在准确基础上的全面性才是有意义的。主题标引中应选最恰当的主题词，分类标引中应将其归入最专指的类目。

3、一致性：选用表达文献主题内容所需标引词的一致程度。主题标引时由于标引人员过多以及标引人员对文献内容认识程度不同，而导致主题标引词过多过少。

三、信息标引的步骤：

（一）主题分析

主题分析：弄清文献讨论的中心思想，以确定被标引文献的主题概念。

1、主题类型和结构

主题类型：①依据主题数量多少，分为单主题和多主题。单主题：一篇文献只研究一个事物（对象）或一个事物（对象）的一个或几个方面。多主题：同时研究两个或多个独立事物（对象）②依据主题显露程度，分为显性主题和隐性主题。

主题结构：构成文献主题和各个基本主题的因素以及它们之间的相互关系。文献主题因素可归纳为五个基本方面：主体因素（文献研究论述的关键性主题概念）、通用因素（对主题概念起限制修饰作用）、位置因素（文献研究的事物（对象）所处的地理位置）、时间因素（文献研究的事物（对象）所发生的时间）、文献类型因素（文集丛书年鉴等）。

2、主题分析方法

主题分析：对文献的内容特征和外表特征进行分析的过程，内容特征是其根本依据，外表特征是其辅助依据。方法有两种：

一种是先找出文献论述的对象，再进一步查明是论述了对象哪个方面的具体问题。可按照事先设定好的主题结构模式提炼相关主题要素，分析主题要素之间关系。主题结构模式可表述为“主体因素-通用因素-空间因素-时间因素-文献类型因素”

另一种是先找出文献所涉及的各种概念，并查明它们之间的相互关系。文献中包含哪些因素就分析哪些因素，再将各个因素按主体结构模式进行分析。

进行主题分析时①要客观全面反映文献固有联系，不能主观臆断②标引人员还应考虑到用户的检索需要，分析选定有实际意义的主题概念。 4 （二）概念转换

概念转换：以主题分析为基础，将确定的主题概念赋予检索标识的过程。

其结果是形成检索标识。分类标引的概念转换依据主题分析的结果，查找分类表，将相应的分类号作为检索标识赋予被标引的文献。主题标引的概念转换依据主题分析的结果，查找主题词表，将相应的主题词作为检索标识赋予被标引的文献。

概念转换按复杂度分为两类：①直接转换：直接从词表中选出对应的分类号或主题词即可②分解转换：将复杂概念进行分解后选择相应分类号或主题词。

概念转换结束后还要进行标引结果的审核。

3.4分类标引和主题标引

一、分类标引

分类标引：依据一定的分类检索语言，对文献内容的学科性质及其有检索意义的形式特征进行分析归纳，赋予文献分类检索标识（分类号）的过程。

目的：揭示文献的内容及形式，以便将同类的文献集中在一起把不同的文献分开，根据文献的关系，科学组织管理文献。

作用：编制分类目录分类索引，组织分类排架，便于族性检索。

（一） 基本原则

1、学科属性原则：文献分类标引应以文献论述的中心内容的学科属性作为分类的主要标准，以其他形式特征作为辅助标准。

2、专指性原则：文献分类标引必须符合专指性的要求，将文献分入最恰当的类，而不能分入大于或小于文献实际内容的类目。要区分总论与专论，一般原理与具体问题。

3、实用性原则：根据读者需要将文献分入最大用途的类。对于交叉学科的文献，应利用互见分类分拆分类等予以揭示。

4、系统性原则：凡是归入下位类的书必须具有上位类的属性，体现它们的从属关系。

5、一致性原则：①将内容相同的文献归入同一个类目，不要分散于有关各类②对于难以确定类属的主题，可建立分类规范文档，人为的将其集中到某类。

（二）各种类型主题文献的分类标引规则

1、单主题文献的分类标引规则：①简单对某一事物或问题进行综合论述的文献，应按事物或问题的学科属性归类②从某一学科角度论述某以主题的文献，应按研究角度归入有关学科类目③从几门学科综合论述一个主题的文献，应按论述该主题的主要学科归类。

2、多主题文献的分类标引规则：对各个主题进行分析，分清主次，然后①按最能体现文献内容实质或在内容中起主导作用的主题归类②必要时对另外主题作附加分类③若文献论述的几个主题具有同等检索意义，则分别标引。

3、相关关系主题文献的分类标引规则：

（1）应用关系：①论述理论、方法、技术、材料在某一主题或学科方面的应用的文献，归入应用的主题或学科所属类目②论述理论、方法、技术、材料在多个主题或学科方面应用的文献，归入理论方法等本身③某一事物或学科应用到另一事物或学科产生的交叉学科主题的文献，归入应用到的事物或学科所属的类目。