一種基于人機結合思想的書本式地方文獻索引編制方法

一種基于人機結合思想的書本式地方文獻索引編制方法

　　地方文獻以其地名、人名、機構名等專有名詞術語眾多而一直是索引編制的難點。對于文字數量數百萬乃至上千萬的地方文獻而言,若要達到滿足讀者檢索要求的標引深度,則索引制作的工作量就會急劇增加。如果純用手工制作,不僅在信息的處理過程中容易產生差錯,且費時費力。為了解決這一矛盾,降低索引編制成本,需要引入計算機信息處理技術。以下我們以在《杭州市志·索引》編制過程中開發的計算機輔助索引軟件(CAIC1.0Beta)為例,就詳細說明這一基于人機結合思想的地方文獻索引編制方法。

1　現　狀

目前,運用計算機信息處理技術來進行漢語文獻索引編制的方法一般分為兩大類:一種為基本以自動標引、索引為主的方法,其中漢語自動標引法常見的有詞典標引法、切分標引法、語法分析標引法、漢語自動標引專家系統、單漢字標引法等;在漢語索引法上則多采用題名關鍵詞抽詞索引法、主題詞表選詞索引法、職能符號標引索引法等。這些方法都在一定程度上解決了漢語文獻標引和索引的問題,但由于漢語語言現象的復雜性,此工作基本都在文獻題名這一層次上展開,至于針對文獻全文的智能標引和索引尚處于探索階段。而且,這些方法需要具備相當專業的計算機、語言學、文獻學知識,并且相關的專用軟件獲取成本極高。另一個常用方法是人機結合、以人為主的方法,主要為采用諸如Foxpro MicrosoftAccess據庫軟件來編制。這種方法具有技術要求低、使用方便的特性。但這僅是一個以人工為主、輔以計算機技術的方案,并且參照系統即關鍵詞之間的相互關系(見、參見)不能直接在上述數據庫軟件中得到表達和轉移,因此索引庫的生成無法直接應用參照系統,編制者將不得不依靠手工來進行,這是一個非常繁瑣而且極易導致差錯的工作。

2　解決方案的系統設計

方志作為地方文獻的一個重要門類,其數量龐大,包含了一個區域的自然、政治、經濟、文化、社會、軍事等信息,有地方百科全書之稱,具有極高的使用價值。為此,我們在實踐中以《杭州市志·索引》作為地方文獻的樣本,對此進行索引的編制。其編制目標是一部分析內容的書本式關鍵詞索引,其標引范圍為全志中的正文、附錄、圖、表格、照片,標引對象為人物、機構、地名以及其他一切具有檢索價值的各類事物、事件和活動。

對于一個優秀的索引而言,確定適合的標引、索引方案和參照系統是至關重要的,也是本索引編制解決方案首先要解決的問題。因此,在系統設計過程中,我們考慮了地方文獻的特點和客觀實際,分析上述方法的利弊,制訂了以下的編制思路。　

2.1　標引方案　以實現的手段劃分,可分為人工標引和自動標引。自動標引又可分為自動 抽詞標引和賦詞標引。自動抽詞標引是指直接從原文中抽取詞或短語作為標引詞來描述文獻的主題內容。如果在自動標引過程中,使用的標引詞來自于預先編制好的詞表,則稱之為自動賦詞標引。對于計算機而言,針對漢語的自動抽詞主要困難在于自動分詞以及選取標引詞的標準,而自動抽詞標引的標準很大程度上是建立在詞頻統計的基礎上的。就方志這一類地方文獻而言,如果一些人名、地名在文獻中只出現數次乃至一次的話,就很有可能不被標引,這會導致大量有價值的信息不能被檢索到。而如果放低詞頻標準,則相關的標引詞數量會急劇增多,書本式索引的篇幅會相當龐大。而自動賦詞標引又依賴于詞表,由于方志的地域性,這樣一個包含有大量地方獨特的人名、機構名和地方特色事物的詞表一般都沒有建立,因此無從根據詞表來進行自動標引。

由于地方文獻的編纂者或研究者對于文獻內容比較熟悉,可以準確地分析主題內容,并抽取相應的關鍵詞予以標引。因此,采用由他們來進行人工標引的方法,應該是方便和切合實際操作情況的策略。　

2.2　索引方案　索引款目的自動生成目前已經有很多實際應用的方案,如鏈式索引法(ChainIndexing)、選擇組合排列索引法SLIC)、掛接主題索引法(ASI)、保留上下文索引法(PRECIS)等,這些基于計算機的索引法無一例外地運用了輪排或循環技術,對于計算機來說只要設定好索引法的原則后,工作是相當簡單的。但是這種方法會導致索引款目急劇增多的后果,因此這種對于專業性文獻檢索工具而言是十分適合的方法,運用到地方文獻上時,特別是如方志一類篇量較大的文獻上時,就要承擔索引篇幅大幅增加印刷成本提高所帶來的危險。基于這個因素,我們認為在方志索引上應該采取對于絕大部分的索引詞不進行輪排,只對極個別的主標目和副標目進行輪排的索引方案,以最小的代價來實現相對高的查全率。　

2.3　參照系統生成　是否設置參照系統是衡量索引系統質量的重要指標之一。而為了提高查全率,也需要我們設置參照系統。參照系統由主標目詞和見參照(seereference)、參見參照(seeaisoreference)組成,從而保證了索引的整體性和系統性。因此,我們認為在沒有現成詞表的前提下,運用計算機技術結合人工干預來生成參照系統應該是軟件追求的目標。

　 2.4　編程語言的選擇　由于直接運用Foxpro數據庫技術在款目地址碼歸并和參照系統生成上的困難,因此采用通用編程語言是理想的選擇。Delphi為一種面向對象的可視應用程序開發工具,與其他語言相比,它提供了一種快速的編譯器,優化編譯模式在很大程度上提高了代碼質量和運行穩定性,所以這種語言一直受到專業人士的青睞。同時,Delphi特別對于數據庫的體系結構提供了強大的支撐,Delphi還允許開發者將應用程序作為單一的.exe文件提供給終端用戶,這樣就減少了可執行文件在運行時對于其他文件或DLL(動態鏈接文件)的依賴。因此我們以Delphi為系統前臺,以MicrosoftAccess為后臺數據庫存儲原始信息,來編制索引計算機輔助編制系統。

3　本方案的技術實現　

3.1　數據結構　本軟件數據庫包含三個主要的數據表:ａ 主表(標引詞庫)。該表用來儲存從方志文獻中抽取的關鍵詞和諸如卷號、頁碼、體裁、參照關系等屬性,以及一些用于操作管理的信息。其中的記錄需要索引編制者人工輸入。為了方便數據的錄入工作,一般可按照文獻的頁碼順序依次輸入。ｂ 關鍵詞表。該表依據主表表達的各標引詞之間的參照關系,由程序自動生成。此表是軟件下一步進行索引合成的依據。ｃ 索引正文數據表。該表用來儲存關鍵詞及其地址碼(卷號、頁碼),可用來最后輸出索引正文格式的文本文件。

　 3.2　程序功能(主控界面見圖1)

本軟件具備信息采集;信息處理;信息輸出三大功能。

3.2.1　信息采集功能。主要是由索引編制者將標引詞(

【一種基于人機結合思想的書本式地方文獻索引編制方法】相關文章：

淺議地方文獻報刊索引工作03-20

地方文獻書目的編制及它的社會價值03-18

地方文獻目錄初探03-20

地方文獻的搜集與整理03-19

一種基于區域特性選擇與加權平均相結合的遙感圖像融合方法11-22

基于嵌入式思想的小波圖像壓縮研究03-20

地方文獻整序研究12-05

家譜-不可忽視的地方文獻03-18

地方文獻工作芻議03-18