自然語言的應(yīng)用研究

　�。ㄖ禧悾ㄉ虾？哲娬螌W(xué)院信息管理系））
　　摘要作為情報(bào)語言學(xué)研究對(duì)象之一的自然語言，在情報(bào)檢索中的應(yīng)用正日趨廣泛。本文將其與規(guī)范語言進(jìn)行了比較，重點(diǎn)討論了其應(yīng)用中的三個(gè)問題，自然語言標(biāo)引、標(biāo)引檢索用詞表及檢索語言整體化趨勢(shì)，并就其未來發(fā)展作了闡述。
　　主題詞自然語言規(guī)范語言情報(bào)檢索
　　***
　　自然語言與規(guī)范語言
　　自然語言（）是相對(duì)于規(guī)范語言（）而言的，其本質(zhì)特征是不受控制。從情報(bào)檢索的發(fā)展歷程來看，作為語言保障的規(guī)范語言是對(duì)自然語言實(shí)施控制而出現(xiàn)的；而情報(bào)檢索的進(jìn)一步發(fā)展必使得曾被否定的自然語言重新得以肯定。
　　規(guī)范語言的產(chǎn)生
　　規(guī)范語言是適應(yīng)情報(bào)檢索需要而創(chuàng)制的一種人工語言，它在手工檢索條件下產(chǎn)生，并得到了充分發(fā)展及應(yīng)用。
　　如歷史最久遠(yuǎn)的分類語言，采用比較抽象的類號(hào)來表達(dá)概念，組織檢索系統(tǒng)。它具有良好的系統(tǒng)性，適于學(xué)科或?qū)I(yè)出發(fā)的族性檢索。同時(shí)，隨著學(xué)科發(fā)展及用戶需求的變化，分類語言也由等級(jí)體系型日益向分面組配方向發(fā)展。
　　而規(guī)范語言的另一重要分支——主題語言，則以自然語言為基礎(chǔ)，經(jīng)過人為的形
……（新文秘網(wǎng)http://m.120pk.cn省略756字，正式會(huì)員可完整閱讀）……　
用的自然語言進(jìn)行情報(bào)檢索，符合檢索者的習(xí)慣，簡(jiǎn)便易行，對(duì)于日益增大的普遍檢索用戶群而言更是如此。
　�、鄄捎米匀徽Z言標(biāo)引與檢索，可達(dá)到足夠的專指度，且不存在類目或詞匯遲滯的問題。
　�、茏匀徽Z言具有通用性，不存在規(guī)范語言的統(tǒng)一兼容問題，在使用自然語言的各數(shù)據(jù)庫間可實(shí)現(xiàn)標(biāo)引、檢索成果的共享。
　�、葑匀徽Z言標(biāo)引為計(jì)算機(jī)的自動(dòng)處理創(chuàng)造了條件，其發(fā)展將可能取消費(fèi)時(shí)、費(fèi)力的人工標(biāo)引。
　　因此自、年代進(jìn)行的二次克蘭菲爾德得出最少實(shí)施控制的系統(tǒng)較之其它系統(tǒng)優(yōu)越的結(jié)果后，自然語言檢索系統(tǒng)得到了迅速發(fā)展，發(fā)達(dá)國家的聯(lián)機(jī)檢索已從只能利用受控的敘詞語言進(jìn)行布爾邏輯檢索的第一代發(fā)展能利用自然語言進(jìn)行語境邏輯檢索的第二代。
　　自然語言在標(biāo)引檢索中的應(yīng)用研究
　　如前所述，自然語言較之規(guī)范語言更適于當(dāng)前的信息狀況及機(jī)檢條件，并且數(shù)十年來在實(shí)踐中也得到了相當(dāng)?shù)膽?yīng)用和發(fā)展。同時(shí)，由于它本身的不足，以及使用條件的不斷變化，自然語言也面臨著一些理論及實(shí)踐方面的不足。以下分三方面進(jìn)行論述。
　　自然語言標(biāo)引問題
　　按照蘭開斯特的劃分，自然語言標(biāo)引可分為三種形式，人工標(biāo)引（含賦詞標(biāo)引和抽詞標(biāo)引）、機(jī)器標(biāo)引（抽詞）和不標(biāo)引（又分全文本和部分文本）。在實(shí)際應(yīng)用中，人工標(biāo)引雖然效果好，但處理速度較慢，因此較常用且?guī)и呄蛐缘娜允亲詣?dòng)標(biāo)引（即上述的后兩種形式）以及部分人工的機(jī)助標(biāo)引。目前國內(nèi)已實(shí)現(xiàn)的自然語言標(biāo)引方式有以下幾種。
　�、贌o標(biāo)引，即全文單漢字標(biāo)引
　　這是與全文檢索技術(shù)相對(duì)應(yīng)的一種典型的自然語言標(biāo)引方式。它比較完全地實(shí)現(xiàn)了自動(dòng)化，且標(biāo)引深度大，檢索方便靈活，可以檢到一些細(xì)節(jié)性、邊緣性的信息。但由于以字為對(duì)象進(jìn)行處理，易產(chǎn)生虛假組配，檢索噪聲大而篩選負(fù)擔(dān)重，同時(shí)檢全率較低，擴(kuò)、縮、改檢比較困難。
　�、诨陬}名或文摘的抽詞標(biāo)引
　　這種方式應(yīng)用較早，至今仍在漢語文獻(xiàn)自動(dòng)標(biāo)引中占有較大比重。它一般需構(gòu)造一個(gè)抽詞詞典，然后根據(jù)各種算法用文獻(xiàn)中的自然語言匹配詞典（或相反），匹配或成功即成為標(biāo)引詞。由于采用先組式標(biāo)引，不像單漢字標(biāo)引需對(duì)字的字間關(guān)系進(jìn)行組配，因此檢索速度快。但它所能處理的自然語言受到抽詞詞典的構(gòu)造、維護(hù)狀況限制，且純機(jī)械的抽詞也無法完全避免誤差。
　　③基于題名的增補(bǔ)關(guān)鍵詞標(biāo)引
　　關(guān)鍵詞標(biāo)引是適應(yīng)科技文獻(xiàn)數(shù)量劇增及快速簡(jiǎn)便的檢索需要而產(chǎn)生的，早期主要基于題名的情報(bào)性，直接抽取其中的自然語詞（關(guān)鍵詞）并加以輪排而成。然而題名在表達(dá)概念的準(zhǔn)確性、專指性、完備性方面存在差異，對(duì)非科技文獻(xiàn)猶甚，因此出現(xiàn)了從文摘、正文甚至著者等方面增補(bǔ)關(guān)鍵詞的改進(jìn)方法，這同時(shí)也增加了人工輔助的成分。
　�、僭~串標(biāo)引
　　詞串標(biāo)引是在對(duì)自然語言的理解基礎(chǔ)上，由人將用自然語言書寫的主題描述句標(biāo)記成形式化主句（或稱詞串），然后由機(jī)器自動(dòng)完成相應(yīng)的索引款目。國外年代末年代初詞串標(biāo)引發(fā)展迅速，問世了一批進(jìn)行詞串標(biāo)引的機(jī)編索引系統(tǒng)如、、等。其中最著名的標(biāo)引專指度高，輪排準(zhǔn)確，款目與自然語言貼近。漢語是對(duì)其職能號(hào)、使用規(guī)則進(jìn)行修正調(diào)整后專用于漢語文獻(xiàn)的主題標(biāo)引系統(tǒng)，與之配套的微機(jī)軟件亦已研制成功。
　　自然語言標(biāo)引與檢索詞表問題
　　自然語言檢索的理想模式是標(biāo)引、檢索階段均使用自然語言，且不使用任何控制手段。然而這將造成檢索策略構(gòu)造困難、檢全率的問題，同時(shí)也在不同程度上存在一些影響檢準(zhǔn)率的因素。同時(shí)，由于計(jì)算機(jī)對(duì)自然語言的理解力以及漢語語詞切分、識(shí)別尚存在相當(dāng)距離，純自然語言自動(dòng)標(biāo)引與檢索未獲真正意義上的推廣及使用。
　　這種狀況使得自然語言也不得不研究吸取規(guī)范語言的某些控制手段或指導(dǎo)思想，以期在保持自然語言的基本特征及固有優(yōu)點(diǎn)下，最大限度地提高標(biāo)引、檢索效率。由此產(chǎn)生了各種自然語言標(biāo)引、檢索詞表（典）。
　　①后控制詞表
　　以往的規(guī)范文語言詞表是在文獻(xiàn)或情報(bào)輸入時(shí)就對(duì)索引詞先行加以控制（受控標(biāo)引），因此又稱為前控詞表。由于它的控制帶有一定的粗泛性 ……（未完，全文共6051字，當(dāng)前僅顯示2125字，請(qǐng)閱讀下面提示信息。收藏《自然語言的應(yīng)用研究》）