第三章主题标引的一般原则与步骤

二、向量空间模型 向量空间模型是一种利用统计学方法而建立的数 学模型。20世纪60~70年代，G· 萨尔斯顿基于部 分匹配（“partial matching”）的检索思想，在 其开发的实验性检索系统SMART中首次提出了 向量空间模型，其工作原理是将检索文档和检索 提问式（关键词）都看做是一组数值向量，形成 向量空间图，将检索文档向量与检索提问式向量 进行相似度测定，对检出的文献按文档与检索提 问之间的相似度降序排列，实现文献与查询的部 分匹配。

19
三、经典概率模型 经典概率模型由S.E.Robertston和K.Sparck Jones 于1976年提出，它的基本指导思想是：给定一个 检索提问，则检索系统中存在着一个与该提问相 关的理想命中结果集合，如果已知该集合的主要 特征及其描述，则用户的检索要求不难实现。 经典概率论的优点是实现简单，文献能根据它们 相关的概率以递减的顺序排列。其不足之处是： 各种参数估计难度较大；标引词没有考虑词频等 加权因素；标引词假定为相互独立。

广义的信息检索又称为信息存储与检索（ information storage and retrieval） 狭义的信息检索仅指查找信息的过程，相当于人 们通常所说的信息查询（information search）。 5

二、信息检索的原理 基本原理：对大量无序的各类信息进行搜集、 描述、加工、组织、存储，建立各种检索工具 或检索系统，并按照一定的方法和技术，从中 识别、查找和获取所需的各类信息源。 信息存储是检索的基础。存储与检索是相逆的 两个过程，二者之间的关系类似于“放进去” 和“拿出来”的关系。 信息检索的关键部分是信息提问与信息集合的 匹配和选择。
2
主要参考书
1、肖秋会编著，《档案信息检索》，武

公文主题标引基础知识公文主题词是从公文标题中选取并转换而来，满足办公自动化和公文处理标准化需要，能够体现公文概念的词或词组。

公文关键词标引的主要依据是国务院办公厅秘书处制定的《国务院公文主题词表》。

此外，各地区、各行业都根据自己的文档处理实践制定了自己的词库。

1.关键词、词库、搜索语言是什么(1)主题词。

主题词，也称为描述性词语，是指以概念为基础，经过规范，具有组装能力，能够表现词与词之间语义关系的一些词语和短语。

主题词分为正式主题词和非正式主题词。

正式主题词用于索引和检索文档，非正式主题词是查找正式主题词的引导词。

(2)词库。

同义词库，也称为同义词库，是指从自然语言中按词序选择语义相关和家族相关的术语组成的标准化动态词典。

(3) 《公文主题词表》.《公文主题词表》是用于文档主题索引和检索的同义词库。

是为满足办公自动化特别是计算机数据处理的需要，对党政机关公文进行标引和检索的术语控制工具。

(4)搜索语言。

检索语言是根据人们检索工作的需要而创造的人工语言。

它是存储和搜索文档的通用基础，也称为索引语言。

检索语言分为分类语言和主题语言。

分类语言的概念。

它是指以阿拉伯数字或拉丁字母和数字的混合作为类别识别符号，以基本类别作为词汇，以类别的隶属关系来表达复杂概念的一种检索语言。

主题语言的概念。

它是一种检索语言，以直接讨论的事物和对象为基础，以自然语言为基本词汇，以概念之间的逻辑关系为构词方式。

二、为什么要索引公文的关键词(一)文献关键词标引有利于建立先进的文献检索系统，协助领导决策。

随着信息量和数据量的增加，简单的分类和检索方法很难满足人们对多主题文档搜索的需求。

主题检索法弥补了分类检索法的不足，检索更加自由，搜索跨度更大。

(2)对公文主题词进行标引是建立办公自动化检索系统的前提。

办公自动化系统通过文档上标注的关键词将文档带入检索系统。

在办公自动化系统中，作者通过主题词搜索与主题相关的文档。

(3)主题词标引是实现公文管理现代化的基础。

革命历史档案资料主题标引规则DA/T 17.3-19951主题内容与适用范围1.1为建立全国革命历史档案资料目录数据库，统一革命历史档案资料主题检索的方法，开展革命历史档案资料信息的交流和报导，充分发挥革命历史档案资料的作用，更好地为社会主义建设服务，特制定本规则。

1.2本规则适用于依据《革命历史档案主题词表》进行革命历史档案资料的主题标引。

1.3本规则适用于各级各类档案馆馆藏革命历史档案文件级和革命历史资料篇名级的主题标引，适用于计算机检索系统。

2引用标准GB 3860文献主题标引规则3名词术语3.1主题是一组具有共性事物的总称，用以表达档案资料所论述和研究的具体对象和问题，即档案资料的中心内容。

3.2主题词又称叙词(即正式主题词)，是经过规范化的词。

在标引中用以表达档案资料的主题，在检索中用它构成提问式，以表达检索的需求。

3.3自由词又称非叙词(即非正式主题词)，是主题词表外未经规范但却能反映档案资料主要内容的词。

可以是从档案资料内或档案资料题名中抽取的关键性的词。

该词具有检索意义，作为主题词标引的补充用词。

3.4主题词表又称叙词表。

它是将档案资料、标引人员和利用者的自然语言转换成规范化语言的一种术语控制工具，是由语义相关、族性相关的术语组成的规范化的动态词典。

3.5主题标引是对档案资料进行主题分析，从自然语言转换成规范化的检索语言的过程，即对主题分析结果赋予主题词标识的过程。

4主题分析4.1档案资料的审读审读是标引过程的首要步骤，其目的在于分析和判断革命历史档案资料所论述的中心内容和对象，进而确定档案资料的主题。

审读革命历史档案资料时，通常应依据档案资料的题名(书名或篇名)、前言、文摘、简介、结论以及正文进行。

切忌仅依据题名进行主题分析。

4.2主题的类型与结构主题的类型，依据革命历史档案资料内容可分为单主题和多主题两种。

单主题包括单元主题和复合主题(即多元主题)，多主题则由两个以上单主题组成。

④分析标引也称分散标引，是以整套文献中的某 一册、某一卷为标引单元的标引，也指以整本文 献的某一篇章、某一段落、某一附录等为标引单 元进行的标引。
（4）文献主题概念的确定：
①文献研究的具体对象是什么，如问题、产品、 材料、设备、事件、现象等；
②研究对象的结构、成分、材料、性质；
③主题里是否包含有动态的概念如行为、过程、 操作等；
多主题；
②按（单）主题所包含的主题因素（主题概念） 的多少，可分为单元主题与复合主题；
③按主题所反映的专业属性，可分为专业主题 与相关主题；
④按主题在文献中的重要程度，可分为中心主 题与边缘主题、主要主题与次要主题；
⑤按主题概括文献内容的范围，可分为整体 主题与局部主题；
⑥按主题在文献中的清晰程度，可分为显性 主题与隐性主题；
⑦按主题之间的关系，可分为从属主题、并 列主题、因果关系主题、影响关系主题、 比较关系主题、应用关系主题等。
（6）主题结构及分析：
①主题都是由一定的主题因素（主题概念） 构成的。构成主题的主题因素一般可归纳 为：主体因素（研究对象等中心主题概 念）、方面因素或限定因素（成分、材料、 方法、过程、条件、状态、尺度、性质等 对主体因素方面（角度）的说明或限定因 素）、空间因素、时间因素、文献类型等。
②主题结构分析——就是分析一个主题构 成的主题因素及主题因素之间的关系。主 题结构分析主要是抓住“对象（主体因素） 和方面（限定因素）”这两种基本主题因 素及分析的次序。
“对象”包括理论、事物、事件、现象、 问题、产品及其组成部分等， 是主题的主 要部分，一般都具有独立的检索意义。
“方面”包括体系、结构、材料、状态、属 性、活动、过程、方法、作用、关系等，是主 题的限定（修饰）部分，有时具有独立的检索 意义，有时具有辅助检索意义，有时没有检索 意义，应根据其对主要成分的价值决定取舍。