中图法与DDC类目自动映射研究<sup>*</sup>

引用本文

张爱民, 贾君枝, 郝倩倩. 中图法与DDC类目自动映射研究^* . 现代图书情报技术, 2014, 30(7,8): 17-23
Zhang Aimin, Jia Junzhi, Hao Qianqian. The Study on Automatic Mapping of Category Between Chinese Library Classification and DDC. NEW TECHNOLOGY OF LIBRARY AND INFORMATION SERVICE, 2014, 30(7,8): 17-23 复制到剪切板

Permissions

《现代图书情报技术》编辑部

中图法与DDC类目自动映射研究^*

张爱民¹, 贾君枝², 郝倩倩³

¹山西职业技术学院计算机工程系太原 030006

²山西大学经济与管理学院太原 030006

³永城市实验高级中学永城 476600

通讯作者: 贾君枝 E-mail:junzhij@163.com

作者贡献声明：

张爱民:设计研究方案,进行算法实验;

贾君枝:提出研究思路, 修改、修定论文;

郝倩倩:起草论文。

基金:本文系山西省回国留学人员科研资助项目“开放获取期刊的学术影响力评估”(项目编号: 1105907)的研究成果之一。

摘要

【目的】研究中图法与DDC类目自动映射的问题,通过实现两者的互操作以达到集成检索、浏览和下载跨语言、跨地区的信息资源的目的。【方法】基于人工匹配映射的数据,研究基于特征集、类目匹配规则、类目关系、书目记录的语义匹配算法。【结果】实验证明,将近80%的类目与人工映射结果的数据相同,一定程度上提高了自动映射的准确性。【局限】仅基于人工映射经验提出基于特征词集的类目相似度计算,尚未实现语义层面的精确计算。实验数据局限在理学类目领域,未对其他领域的类目特征详细研究。【结论】综合考虑类目的含义受类名、类目注释、主题词、上下位关系等多种因素影响而提出的自动映射算法,相比当前主要考虑单一方面的要素而言,具有客观性和全面性。

关键词: 中图法; DDC; 类目匹配; 自动映射

中图分类号:G254.1

The Study on Automatic Mapping of Category Between Chinese Library Classification and DDC

Zhang Aimin¹, Jia Junzhi², Hao Qianqian³

¹Computer Engineering Department, Shanxi Polytechnic College, Taiyuan 030006, China

²School of Economics and Management, Shanxi University, Taiyuan 030006, China

³Yong Cheng City Experimental Senior High School, Yongcheng 476600, China

Abstract

[Objective] Study the problems of automatic mapping aiming to realize integrated retrieval, browsing, downloading information cross regions and language through classification interoperation. [Methods] Discuss semantic similarity algorithm considering characteristic sets, category matching rules and semantic relation based on artificial mapping data. [Results] Prove that 80% categories are the same as the results of artificial mapping in the experiment. [Limitations] The similarity of categories based on characteristic sets, is short of matching of semantic operation. Also is only in the field of science, it is necessary to apply in other fields in the future. [Conclusions] The algorithm is considering comprehensively category names, notations, subject vocabularies, and semantic relations which define connotation and denotation of concepts, comparing to the existing limitation of relying solely on the category names matching method.

Keyword: Chinese Library Classification; DDC; Category matching; Automatic mapping

Show Figures

1 引言

分类法的类名、主题词、注释、语义关系都是类目的组成部分,其共同规定了类目的具体内涵和外延,而且每个因素所发挥的作用大小有很大的差别。由于类名直接解释类目内涵,因此最具有话语权。匹配类目时应首先参考类目名称的语义相似度。类目的内容注释也是类表本身的组成部分,起到解释类目的作用。主题词揭示了类目所对应的主题词集合,一定程度上限制了类目的外延,类目间的语义关系明确了类目所在的语境信息,这些信息都将是实现匹配时考虑的重要因素。

目前单纯依靠某一方面信息,尤其是类名信息进行计算机匹配映射是当前研究者研究类目映射的关注点。如UMLS^{[ 1]}作为超级叙词表,集成140多种生物医学受控词表、术语表、分类表、专家系统中的词汇、词典及工具性词表,将同一概念的各种名称(同义词)和形式(单复数、形容词等)建立联系。欧盟Renardus项目^{[ 2]}将DDC作为一个全局检索语言,各个本地网关的分类法作为局部检索语言,实现各个局部到全局的映射。OCLC实现的LSCH和DDC的映射是采用的同现映射类目匹配方法。戴剑波等^{[ 3]}利用计算类目概念的语义相关度,以实现类目自动匹配。此外,除了针对DDC和中图法的映射研究外,周林志等^{[ 4]}以实验为基础,提出基于词汇相似度实现《国际专利分类法》(IPC)和中图法的映射等。这些研究明显具有一定的局限性,正如笔者所研究的理学类目人工映射数据表明,依据类名、主题词、注释信息实现匹配的分别占总类目的31%、13%、8%^{[ 5]}。将近有50%左右的类目需要借助于语义关系、书目记录等其他信息完成匹配。如果单一地依据某一种信息来实现两部分类法的准确匹配,其准确率很明显受到影响。

基于此,本文旨在提高映射结果的准确性,认为分类自动映射系统应依据多重信息,结合多种算法,考虑多种因素的综合作用。DDC是国际上应用最广的分类法,是实现国内分类法与世界接轨的最优选择。随着国际化趋势的推进,英语成为使用最广泛的语言。解决多语言检索首先应考虑中英文一站式检索。在此背景下,本文研究DDC与中图法(简称CLC)的映射问题,通过实现两者的互操作以达到集成检索、浏览和下载跨语言、跨地区的信息资源的目的。研究旨在基于已完成的人工匹配映射的数据,充分考虑类名、主题词、注释、语义关系等多种信息的贡献度,研究自动映射算法,以改进已有的自动映射算法,最终提高两部分类法映射的准确性。

2 自动映射匹配思路

DDC和中图法都是体系分类法,类目按照学科进行组织,虽然依据的学科划分原则不同,但是从总体上看,理学类目二级类目下各学科能够较清晰地体现出一致性。同时人工匹配数据显示,理学类目中跨学科分布的仅占6.95%。因此,为提高匹配的效率,有必要先在学科之间匹配,再计算学科内特征词相似度。尤其考虑到DDC和中图法中都存在一些通用性类目名称,名称相同但含义差别明显,如540.1 和530.01 类名都是Philosophy and theory(哲学和理论),在对应学科内匹配无疑会减少进一步辨别的难度。

DDC和中图法中每一条类目信息都是一个独立的对象,每个对象由类名(Terms_ClassName)、注释(Terms_Note)、主题词(Terms_Thesarurus)、上下位语义关系(Terms_Depth)表示,其分别由若干个特征词所组成的特征词集表示。

因此,首先需分别对类名、注释、主题词中的特征词进行相似度匹配,每一次匹配过程满足指定条件时,明确其匹配类型。匹配类型包括等价关系(exactMatch)、包含关系(broadMatch)、包含于关系(narrowMatch)、相关关系(relatedMatch)。在此基础上考虑基于类目规则、类目关系的匹配,最后依据书目记录结果,对依据类名、注释、主题词以及类目关系匹配无法找到匹配类目的,找到其可匹配的类目,并对已经实现匹配的类目进行校验,实现如图1所示。基于书目记录库,以DDC类号为检索词,一个类号对应多条书目记录,筛选这些记录中包含CLC no.的匹配数据,统计出一个DDC no.对应的CLC no.。如果50%对应同一个CLC no.,则检验匹配数据库中两类号是否已建立匹配,若匹配则校验通过,否则做校验未通过标记,并添加匹配CLC no.。存在较多的是一个DDC no.对应多个CLC no.,这时需要统计对应数据所占的比例,对与DDC no. 匹配大于20%的CLC no.类号检验是否已经匹配,若未匹配,添加匹配记录,反之做校验通过处理。

	Figure Option View Download New Window
	图1 书目记录自动匹配流程图

3 特征词抽取

3.1 停用词去除

停用词是指在分类表匹配时不影响类目特征的词,在注释中表现为没有实际意义的虚词和类别色彩不强的中性词。TF是一种简单的评估函数,其值为训练集中此单词发生的频率,认为一个词在训练集中大量出现时,通常认为是噪声词^{[ 6]}。基于TF评估函数,本文选取前11个高频词作为停用词,如表1所示,并依据哈尔滨工业大学中文停用词表确定了25个停用词,(合计36个停用词汇),如表2所示。

表1 基于TF评估函数值的停用词

表2 中文停用词表中类目注释停用词

3.2 类名特征词抽取

类目、主题词本身经过规范化处理,参照特定的类名规范标准确定,其特征词抽取本着“长度最大”原则。类名的主要表现形式一般有单词、词组或具有偏正关系的短语。中图法和DDC的类目采用大量的组合类目形式来表达一些复杂概念,这些概念由两个或两个以上的语词组成,并通过不同的连接符或连接词进行组合,以表达复合概念的类目,DDC和中图法分别采用连接符等符号表示其含义。中图法和DDC中组合类目的比例各自为总类目的16.33%和30.20%^{[ 7]},可见在两部分类法中组合类目都占据很大的比重,因此抽取特征词时应考虑这些关系的表达,尤其是并列关系、属分关系、主题交叉关系。

类名选词多为学术名词,标准化、规范化、简短化是DDC和CLC类目名称的共同特征。分词工具在分词时仍然粒度较小,不适合类目名称的处理。因此,在类目名称处理时不用分词工具进行分词,需将停用词去除后,单一名称的类名直接作为特征词,组合类名去掉组合符号,涉及到组合类目的限定关系词,一些组合类目如“岩石的属性,成分”,其中“成分”单独作为并列类目没有意义,因此将此并列类目处理成“岩石的属性、岩石的成分”形式。

3.3 注释的特征词抽取

两部分类法中,注释的形式基本相同,均包含形如“计算尺、电子运算器等的使用入此。”、“包括一般环论、理想子环、结合环、非结合环、局部环、模论等。”的内容注释, “参见B815、O211。”的参见注释, “<3版类名:半序集合和格论>”的类名修改注释,“依世界地区表分。”的复分注释,其格式固定,种类有限,便于特征词的抽取。匹配时所依据的注释主要指内容注释和类名修改注释,其他类型的注释在特征词抽取时不作考虑,本文所处理的主要形式是“……入此”或“包括……”。特征词抽取之前首先应对注释进行处理,去掉其他形式的注释,只留下内容注释。应去除的注释类型有“…入+类号”、“参见…”、“…见+类号”、“…入有关各类”、“<…>”。最后,使用分词工具分词^{[ 8]},去除停用词表的停用词汇,得到每个类目注释的特征词。

4 基于特征词集的语义相似度的计算方法

本文将每一个类目都视为一个独立的概念,由三类特征词集和两个因子解释其内涵和外延。因此,可将类目表示为:

Item_C = {<Terms_ClassName> <Terms_Note> <Terms_Thesaurus> , <Depth_C> , <Relation> }

Terms_ClassName、Terms_Note、Terms_Thesaurus分别表示类名、注释、主题词的特征词集;Depth_C表示类目在分类表中的层次;Relation表示类目上下位关系。匹配过程中,不仅需要考虑特征词集的相似度,类目层次Depth_C也起到关键性的作用。类目层次的深浅决定类目的内涵和外延的大小。因此,将映射匹配计算分成类目层次对语义相似度的影响和特征词集相似度对映射的影响两部分。

4.1 类目特征词集的相似度计算

C₁和C₂的相似度是通过计算其各个元素之间的相似度得到的,即Terms_ClassName₁和Terms_Class-Name₂,Terms_Note₁和 Terms_Note₂,Terms_Thesauru₁和 Terms_Thesaurus₂的相似度SIM。SIM由组成这些项目的特征词决定,可以通过计算词形和语义方法度量。当两个特征词的词形相似度大于阈值N时,此时无需计算语义相似度。特征词集的语义相似度计算效率和精确度直接决定着两类表匹配的实现程度。语义相似度计算时应坚持以下原则:要量化,需基于人工映射的数据,经统计分析和推理论证给出较准确的阈值;计算相似度的方法应该简单、方便;应充分利用和体现类表的结构及组成特征;特征词集相似度是对称的,相同的两个类目不会因为先后顺序不同影响相似度,即Sim (C₁,C₂) = Sim (C₂,C₁)。

(1) 特征词相似度计算算法

考虑到综上所述因素及计算原则,本文将采用通过词汇之间的词形相似度Sim_Terms(T₁,T₂),从而给出精确的特征词集的相似度计算公式如下:

其中, 表示特征词集T₁和T₂的相似度,T₁和T₂分别是DDC和中图法类目的某一类型的特征词集,I_1i和I_2j分别表示两特征词集的元素, 为词汇I_1i和I_2j间的相似度,其取值范围为[0,1]。当两个词汇完全不同时取0,所表达的概念完全相同时为1。m和n分别表示特征词集T₁和T₂的元素个数,这样特征词集T₁和T₂的相似度就等于m×n对词汇相似度的平均值。

(2) 类名特征词相似度计算算法改进

在对各领域类目处理时发现,通过控制m、n大小,可以基本确定依据类名匹配的匹配类型。因此,将特征词相似度计算公式进一步规范,如下所示:

正负号确定的是m和n的大小,当m>n时,类名1的特征词T₁包含的概念多于类名2包含的特征词T₂,概念范围类目1大于类目2。因此,建立类目1到类目2的broadMatch,反之建立narrowMatch。

4.2 类目层次对语义相似度的影响

体系分类法具有等级体系结构,每一级类目由其上类逐级细分而来,形成树形结构层次。每一个类目所处的深度称之为类目层次,记作Depth(C)。中图法的基本大类类目层次记作1,即Depth(O 数理科学和化学)=1,其他依次类推。分类法中每个类目之间的语义相似度计算不涉及类目距离,即类目结点之间的距离,而受类目层次的影响。两个类目分别在不同的分类法中的不同位置,即类目层次和类目关系都可能不同,其所处深度的不同直接影响类目的映射关系。

类目C₁、类目C₂分别来源于CLC和DDC,其类目层次分别为Depth(C₁)、Depth(C₂),定义类目层次差异度公式如下:

(3)

其中, 在(-1,1)范围内取值,值为0时,说明两个类目属于同一层次类目;取值为负数时,说明C₁类目级别高于C₂;取值为正值时相反, 越接近1,类目层次差异度越大。例如:

可以看出,类目匹配时,类目层次差异度的正负值对于类目匹配的类型具有重要的作用。

5 基于类目匹配规则及类目关系的匹配方法

DDC中存在一些特殊的类目,不同学科中类目名称结构一致,含义相似。人工映射中,需建立统一的映射规则以确保映射的一致性。本文将对标准细分、专类复分类目、DDC中人物类目三种情况按照映射规则进行计算机处理,即遇到此类型的类目则直接获取其上位类的映射结果,建立broadMatch匹配类型。

替代类目和停用(迁移)类目的处理。DDC、中图法中替代类目、停用(迁移)类目都有明显的标识。如[P24]测绘仪器是替代类目,526[.0221] Map drawing属于停用(迁移)类目,在确定类目的类型后,将替代前后或停用前后的类目建立等同关系的匹配。若其中一个类目已建立了匹配,则另一类目自动建立相同的匹配关系。

依据人工数据统计发现,类名、注释、主题词、类目规则4个属性可完成约60%的类目匹配,大约有40%的类目需借助于语义关系进行处理。对于未匹配的类目作如图2所示的处理,找到未匹配类目的上位类;如果其上位类已找到映射关系,则直接与其上位类的映射类目建立匹配;如果上位类也未匹配,则查找其上位类的父类,依次类推。

	Figure Option View Download New Window
	图2 类目关系的匹配原理

6 实验结果分析

本文选用数学领域的类目进行实验,类目共有357个。由于存在一对多的映射,因此共实现匹配数目为492个。

6.1 类名匹配数据分析

遍历两类表类名特征词,计算类目特征词相似度,理论上特征词相似度不为零的两类目均具有可匹配性。当特征词相似度时,二者建立exactMatch;类名部分一致时,即或1时,根据正负号判断匹配类型。根据对匹配数据的分析,数学领域可以通过类目名称特征词相似度匹配的类目,其相似度绝对值均大于等于0.25,即 ,平均值为0.76。因此,可设定0.25为临界值,根据类目名称相似度确定的匹配类目一般均具有相关性,但匹配关系可能存在出入,因此根据类名匹配的类目需进入依据类目层次差异度和书目记录的验证。部分匹配结果如表3所示:

表3 数学领域内部分类目类名语义相似度计算结果

6.2 注释匹配数据分析

注释参与类目匹配时,特征词相似度计算不仅局限于两个分类表的注释特征词的比较,同时注释特征词也要和另一分类表的类名特征词匹配计算。实验通过对数学领域类目匹配结果进行分析,其中通过注释实现匹配的类目中13.21%的类目是通过DDC注释和CLC类名特征词之间计算实现的,77.35%是通过DDC类名和CLC注释计算实现的,另外仅仅9.44%是两个分类表注释特征词之间计算实现的。三种情况特征词相似度的平均值为0.4938,最小值为0.2。因此,DDC类名特征词和CLC注释特征词、DDC注释特征词和CLC类名特征词相似度高于0.2的类目匹配类型分别暂定为broadMatch、narrowMatch,DDC注释和CLC注释特征词相似度计算结果大于0.2的类目匹配类型暂时标注为relatedMatch,最后依据类目层次差异度Difference_Depth(C₁,C₂)和书目记录进行验证。

6.3 主题词匹配数据分析

中图法的主题词来源于汉语主题词表,对应词汇非常全面。DDC的主题词来源于LCSH,主题词较少,因此实现匹配所占的比重不大。主题词匹配的实现和注释词类似,但匹配处理不尽相同。

(1) 主题词和类名的匹配。计算机匹配时将一个分类表的类名特征词与另一分类表的主题词的特征词进行遍历,计算其相似度。在对数学类目进行分析时,此种情况占主题词匹配的59.7%。

(2) 遍历两个分类表的主题词特征词,计算其相似度,若二者交叉相同,则建立relatedMatch,等待进一步确认,相关映射占数学学科主题词匹配的40.3%。匹配中主题词特征词相似度值多分布于较小的数字区域。因此,在匹配中不设置临界值,相关类目即可建立匹配关系,待下层类目关系及书目记录匹配。

6.4 类目规则、类目关系及书目记录匹配数据分析

依据类目规则的匹配,从DDC类目中识别出14个类目,占总类目的2.81%。75个类目通过类目关系与上位类建立broadMatch类型。书目记录主要起到验证类目匹配和补充类目匹配的作用。实验采用中国国家图书馆OPAC书目数据库和OCLC提供的书目数据库作为数据来源。通过书目数据库解决了跨学科领域匹配的问题,例如,“510.92 Mathematicians数学家”在原来匹配的基础上增加了“K826.41数学家”匹配类目,弥补了按学科进行相似度计算的不足。

6.5 类目层次差异度Difference_Depth验证确定匹配关系

匹配过程中,基于类名、注释、主题词的匹配在计算时已基本确定匹配类型。数学类目74.90%已确定匹配类型,exactMatch、broadMatch、narrowMatch 分别占32.26%、55.65%、12.09%。其余25.1%的类目通过类目规则、类目关系匹配。这些匹配中匹配类型再次通过类目层次差异度Difference_Depth确定。数学类目中未确定匹配关系的匹配中经过Difference_Depth(C₁,C₂)确定了匹配类型,78.20%类目和人工匹配的数据一致。对于匹配类型确定的类目,需用Difference_Depth(C₁,C₂)进行检验。数学类目中broad Match的匹配中,当时,93.72%的类目符合标准,因此,取- 0.167作为阈值;当时,通过检验,不做标记;当时返回人工校对。narrowMatch匹配中,82.22%的类目 ,因此取0.167作为临界值;小于0.167时通过检测;大于0.167时返回人工校对。exactMatch匹配中,当时,有84.30%的类目通过检验,因此计算机匹配时取作为通过exactMatch检测的阈值,否则返回人工校对。

7 结论

考虑到分类法中的类名、主题词、注释、语义关系及其书目记录信息都或多或少地限制着类目的含义。本文以DDC和CLC映射为研究对象,提出了综合考虑以上信息的自动映射匹配算法。实现结果表明,90%的类目可以找到映射,优于文献[9]设计的基于书目记录的自动映射系统,其有大约60%的类目匹配,80%左右的类目与人工映射结果的数据相同,一定程度上证明该自动映射算法能够提高匹配映射的准确性。本文基于人工映射经验数据,提出基于特征词集的类目相似度计算方法,尚未实现语义层面的计算,同时没有考虑各种类型特征词对相似度的贡献差异度。书目记录的验证中,本文没有就出现的各种不同情况进行详细分析,如书目记录中不同时出现DDC、CLC类号时会给自动映射的实现带来困难等,此类问题将在今后的研究中进一步深入。分析实验数据局限在理学类目领域,未对其他领域的类目特征详细研究,因此在实现的过程中仍需结合各学科类目结构和特点进行分析。

参考文献

View Option

[1]	U. S. National Library of Medicine. Unified Medical Language System [EB/OL]. [2013-03-15]. http://www.nlm.nih.gov/research/umls/. [本文引用:1]
[2]	Information Society Directorate-General of the European Commission. Metadata Renardus [EB/OL]. [2013-03-15]. http://www.ukoln.ac.uk/metadata/renardus/. [本文引用:1]
[3]	戴剑波, 侯汉清. 图书分类法映射系统设计原理——以《中国图书馆分类法》和《杜威十进分类法》为例[J]. 情报学报, 2005, 24(3): 299-303. (Dai Jianbo, Hou Hanqing. Principle of the Automatic Mapping System of Library Classifications——Take CLC and DDC as the Example[J]. Journal of the China Society for Scientific and Technical Information, 2005, 24(3): 299-303. ) [本文引用:1] [CJCR: 1.1348]
[4]	周林志, 齐建东, 王建新, 等. 基于词汇相似度的IPC与CLC映射[J]. 计算机工程, 2010, 36(23): 274-276, 279. (Zhou Linzhi , Qi Jiand ong , Wang Jianxin , et al. Mapping Between IPC and CLC Based on Similarity of Words [J]. Computer Engineering, 2010, 36(23): 274-276, 279. ) [本文引用:1] [CJCR: 0.492]
[5]	贾君枝, 郝倩倩. DDC到《中图法》类目映射方法研究[J]. 中国图书馆学报, 2013, 39(1): 43-50. (Jia Junzhi, Hao Qianqian. The Study of Ways of Mapping Between Chinese Library Classification and DDC[J]. Journal of Library Science in China, 2013, 39(1): 43-50. ) [本文引用:1] [CJCR: 2.697]
[6]	顾益军, 樊孝忠, 王建华, 等. 中文停用词表的自动选取[J]. 北京理工大学学报, 2005, 25(4): 337-340. (Gu Yijun, Fan Xiaozhong, Wang Jianhua, et al. Automatic Selection of Chinese Stoplist[J]. Transactions of Beijing Institute of Technology, 2005, 25(4): 337-340. ) [本文引用:1] [CJCR: 0.529]
[7]	贾君枝, 郝倩倩. DDC与《中图法》组合类目映射探讨[J]. 中国图书馆学报, 2012, 38(4): 63-70. (Jia Junzhi, Hao Qianqian. Mapping of Combined Category between Chinese Library Classification and DDC[J]. Journal of Library Science in China, 2012, 38(4): 63-70. ) [本文引用:1] [CJCR: 2.697]
[8]	中国科学院计算技术研究所. ICTCLAS汉语分词系统[CP/OL]. [2013-01-28]. http: //ictclas. org/. (Institute of Computing Technology, Chinese Academy of Sciences. ICTCLAS Chinese Word Segmentation System [CP/OL]. [2013-01-28]. http://ictclas.org/ [本文引用:1]
[9]	杨眉, 范慧慧, 李芳, 等. 化学工业领域DDC与CLC类目映射关系分析[J]. 图书情报工作, 2012, 56(17): 93-97. (Yang Mei, Fan Huihui, Li Fang, et al. The Analysis of Mapping Between DDC and CLC on the Chemical Industry Field[J]. Library and Information Service, 2012, 56(17): 93-97. ) [本文引用:1] [CJCR: 1.193]

2013

0.0

... 如UMLS^[1]作为超级叙词表,集成140多种生物医学受控词表、术语表、分类表、专家系统中的词汇、词典及工具性词表,将同一概念的各种名称(同义词)和形式(单复数、形容词等)建立联系 ...

2013

0.0

... 欧盟Renardus项目^[2]将DDC作为一个全局检索语言,各个本地网关的分类法作为局部检索语言,实现各个局部到全局的映射 ...

2005

0.0

1.1348

. 2005, 24(3):299-303

Principle of the Automatic Mapping System of Library Classifications——Take CLC and DDC as the Example

分类法的互操作性已成为情报检索语言研究中亟待解决的问题之一.分类法的互操作一般可通过分类法之间的映射来现实.本文以和为例分析了等级体系分类法相互映射的可行性、映射实现模式、自动映射的实现原理;并通过分析两部分类法类目之间的差异,认为类目之间应该存在四种语义映射关系.

... 戴剑波等^[3]利用计算类目概念的语义相关度,以实现类目自动匹配 ...

2010

0.0

0.492

... 此外,除了针对DDC和中图法的映射研究外,周林志等^[4]以实验为基础,提出基于词汇相似度实现《国际专利分类法》(IPC)和中图法的映射等 ...

2013

0.0

2.697

. 2013, 39(1):43-50

The Study of Ways of Mapping Between Chinese Library Classification and DDC

The domestic research of mapping between Chinese and foreign classification categories focuses more on computer automatic mapping, but less on the complex semantic relations. On the basis of human intelligent direct mapping in the field of science categories between DDC and CLC, which sums to 4639 categories, this paper has made some conclusions by calculating the bases of direct mapping as follows: the distribution of the bases of mapping has presented uniformity in the field of science like mathematics, physics, chemistry, astronomy and geography, which provides a method to test the precision of automatic mapping by computer. The experiments show that, name of categories, notations, subject vocabularies, and semantic relationships, as the important basis for judgment, account for about 63% of total mapping categories, mapping regulation of categories account for 5.14%, and bibliographic records for 31.87%. So it is suggested to not only take the information of categories itself into account, but also consider bibliographic records during the automatic mapping by computer. 4 figs. 2 tabs. 6 refs.

对于中外分类法的映射研究，国内多关注于对计算机自动映射方法的探讨，缺乏对词表类目复杂语义关系的具体研究。本文在对DDC和《中图法》理学领域共计4639个类目进行人工直接映射的基础上，通过统计其匹配依据，得出结论：理学类目下数学、物理、化学、天文、地理等不同学科内匹配依据的总体分布呈现一致性的特点，这为检验计算机自动匹配准确性提供了方法。实验表明，类目名称、注释、主题词、类目关系作为主要的判断依据，占映射类目的63%，依据匹配规则占映射的5.14%，依据书目记录的匹配占31.87%，因此论文建议实现计算机自动匹配时，除类目自身信息外，还需考虑书目记录的匹配。图4。表2。参考文献6。

... 这些研究明显具有一定的局限性,正如笔者所研究的理学类目人工映射数据表明,依据类名、主题词、注释信息实现匹配的分别占总类目的31%、13%、8%^[5] ...

2005

0.0

0.529

... TF是一种简单的评估函数,其值为训练集中此单词发生的频率,认为一个词在训练集中大量出现时,通常认为是噪声词^[6] ...

2012

0.0

2.697

. 2012, 38(4):63-70

Mapping of Combined Category between Chinese Library Classification and DDC

The research of classification categories mapping usually focuses on the implementation of indirect mapping，less concerned with complex semantic relations.A classification uses a large number of combination categories to express complex concepts.Due to the different of form and function of combination categories in the different classifications，that leads to the difficulty of mapping between these categories.The paper discusses distributions，forms and the types of combination categories of science（except biological categories）in Chinese Library Classification and DDC，and identifies the appropriate mapping rules for the four types of combined categories： paratactic relationship，affiliated relationship，restrictive relationship，and intersected relationship.It would help to improve the accuracy，normalization，and standardization of mapping and better achieve the interoperability among classifications.10 tabs.11 refs.

国内分类法映射研究多关注于间接映射方法的实现，对词表类目复杂语义关系研究较少。当前分类法采用大量的组合类目形式表达一些复杂的概念，由于不同类表之间组合类目的特点及作用不同，导致组合类目之间映射存在一定难度。针对DDC和《中图法》除生物科学以外的理学领域类目，分析了组合类目的分布特点，从语义层将组合类目划分为并列关系、属分关系、限制关系、交叉关系四种类型，总结组合类目的两种基本功能，从等同、包含和交叉三种关系类型研究组合类目直接映射的匹配规则，为进一步构建《中图法》和DDC的自动映射系统提供参考依据。表10。参考文献11。

... 20%^[7],可见在两部分类法中组合类目都占据很大的比重,因此抽取特征词时应考虑这些关系的表达,尤其是并列关系、属分关系、主题交叉关系 ...

2013

0.0

... 最后,使用分词工具分词^[8],去除停用词表的停用词汇,得到每个类目注释的特征词 ...

2012

0.0

1.193

. 2012, 56(17):93-97

The Analysis of Mapping Between DDC and CLC on the Chemical Industry Field

Shanghai Jiao Tong University Library, Shanghai 200240

Based on the methods of direct mapping and co-occurrence mapping, the mapping between DDC and CLC on the chemical industry field is studied. Firstly, the categories are divided into two parts and five types, then the mapping rules are discussed. Secondly, statistical analysis is discussed according to the category type and level, the logical system matching trend between DDC and CLC is showed. Finally, the problems and solutions are discussed. The study could provide references for the staff of the library and information institutions, chemical industry information organizers and researchers.

采用直接映射和同现映射相结合的方法,针对DDC23和CLC5的化学工业领域类目展开研究。将类目划分为两大类别五种类型,提出不同类型类目匹配时应遵循的基本规则;按照类目类型和级别进行统计分析,点面结合地考察DDC与CLC逻辑体系趋同和存异的变化趋势;提出映射时存在的问题及解决方案。通过类目映射关系的研究与分析,为图书情报机构的工作人员、化学工业领域的信息组织者和科研人员提供参考。