中澳電子政務(wù)詞表主題詞基于范疇表的轉(zhuǎn)換嘗試

●鄭 義（南京農(nóng)業(yè)大學(xué)，南京 223800）

隨著21世紀(jì)信息時(shí)代的來臨，政府辦公也逐步走向了信息化，最具代表性的就是電子政務(wù)的發(fā)展。我國政府在“十五”計(jì)劃中把電子政務(wù)建設(shè)作為今后一個(gè)時(shí)期我國信息化工作的重點(diǎn)，首要的工作就是建立一部比較完備的政務(wù)主題詞表，可以正確、規(guī)范地對政務(wù)系統(tǒng)中的各類文獻(xiàn)進(jìn)行分類與管理，在政務(wù)系統(tǒng)中將反映文獻(xiàn)主題內(nèi)容的自然語言轉(zhuǎn)換成規(guī)范化的主題詞和代碼。［1］

作為電子政務(wù)重要組成部分的政務(wù)詞表，各國均建有不同分類體系的政務(wù)詞表。與一些發(fā)達(dá)國家相比，我國電子政務(wù)的起步較晚、發(fā)展較慢。在學(xué)習(xí)、借鑒國外電子政務(wù)的先進(jìn)經(jīng)驗(yàn)與技術(shù)的發(fā)展目標(biāo)下，在我國現(xiàn)有的電子政務(wù)詞表分類體系與國外分類體系之間建立兼容互換關(guān)聯(lián)就顯得尤為重要。并在此基礎(chǔ)上，可以使不同國家的用戶在不熟悉其他國家政務(wù)詞表分類體系和主題詞表的情況下，或者在分類法和主題法不兼容的情況下，用本國的語言和熟悉的政務(wù)分類法檢索、使用外國的政務(wù)網(wǎng)站，享受跨國服務(wù)或者實(shí)現(xiàn)國家間政務(wù)交流。

1 詞表互操作研究進(jìn)展

詞表互操作是實(shí)現(xiàn)詞表之間匹配轉(zhuǎn)換的有效方法，所謂互操作，是指不同系統(tǒng)相互調(diào)用的功能。具體來說，情報(bào)檢索語言的互操作是指不同詞表、類表之間可以實(shí)現(xiàn)兼容與互換，即用某種詞表的詞匯及其構(gòu)造的檢索式（或標(biāo)引記錄），可以直接適用于或通過交換適用于多個(gè)情報(bào)檢索系統(tǒng)。關(guān)于主題語言互操作研究，劉華梅對國外與國內(nèi)的研究成果進(jìn)行了總結(jié)。［2］

國外這方面的研究成果主要有以下4個(gè)：

（1） LCSH/MeSH。實(shí)施 LCSH（Library of Congress Subject Headings，美國國會(huì)圖書館標(biāo)題表） 與MeSH（MedicalsubjectHeadings，醫(yī)學(xué)主題詞表）項(xiàng)目的目的是通過整合這兩個(gè)受控主題詞表，以解決圖書館的在線編目中因采用不同受控詞表而產(chǎn)生的不兼容性。它是以MARC21權(quán)威記錄格式來實(shí)現(xiàn)的，150字段用來存放源記錄中的標(biāo)題詞，增加了750或788字段，用來存放鏈接款目，即目標(biāo)記錄中的映射標(biāo)題詞。

（2） CAMed。CAMed（Complementary and Alternative Medicine）是一個(gè)國際合作項(xiàng)目，是對醫(yī)學(xué)資源的補(bǔ)充和選擇。它包括一個(gè)集合詞表管理系統(tǒng)和跨詞表檢索系統(tǒng)。在這個(gè)模型中，醫(yī)學(xué)領(lǐng)域的4種敘詞表經(jīng)過規(guī)范化存儲(chǔ)在一個(gè)詞表知識(shí)庫中。系統(tǒng)的跨詞表檢索機(jī)制允許用戶輸入一個(gè)檢索詞，可以同時(shí)檢索到這個(gè)知識(shí)庫中的所有或任何一個(gè)詞表，以此實(shí)現(xiàn)語詞檢索在知識(shí)庫的4個(gè)詞表中的直接檢索。

（3） MACS。MACS（Multilingual Access toSubject）項(xiàng)目由法國、德國、英國、瑞士的國家圖書館共同完成，其目的是將德語、法語、英語3個(gè)主題標(biāo)題表中概念相等的標(biāo)題詞之間建立相等關(guān)系的鏈接，并把這種鏈接關(guān)系存儲(chǔ)到鏈接數(shù)據(jù)庫中，使檢索用戶可以采用自己熟悉的語言檢索利用4國主題標(biāo)題表所生成的書目數(shù)據(jù)，實(shí)現(xiàn)圖書資源的共享。

（4） HEREIN。HEREIN（The European Information NetworkonCulturalHeritagePolicies） 項(xiàng)目是從歐洲關(guān)于文化遺產(chǎn)政策的報(bào)告中抽詞，創(chuàng)建的一部國際語言的敘詞表。詞表的創(chuàng)建沒有直接參照任何已經(jīng)存在的詞表語詞或詞表結(jié)構(gòu)。首先是分成3個(gè)小組——西班牙、法國、英國，分別負(fù)責(zé)建立它們自己語言的敘詞表。然后通過比較3個(gè)小組的語詞，確定語詞間關(guān)系，從而建立3種語言的敘詞表。詞表可以使用戶更好地了解文化遺產(chǎn)領(lǐng)域的術(shù)語，有助于用戶閱讀專業(yè)報(bào)告及進(jìn)行相關(guān)擴(kuò)展檢索。

有關(guān)國內(nèi)的詞表互操作研究以及國內(nèi)與國外的詞表兼容互操作研究，曾有學(xué)者提出了大詞表方案和詞庫方案，具體的成果很少，但許多學(xué)者進(jìn)行了試驗(yàn)。

2 詞表轉(zhuǎn)換方法的確定

劉華梅在她的碩士論文中提出用兩種方法實(shí)現(xiàn)《教育主題詞表》《社會(huì)科學(xué)檢索詞表》到《中國分類主題詞表》的互操作，完成教育集成詞庫的建設(shè)。第一種是基于詞表結(jié)構(gòu)的自動(dòng)匹配，第二種是基于字面相似度計(jì)算并輔助以同義詞表的語詞匹配。

第一種方法是借助詞表之間結(jié)構(gòu)的兼容性，利用3個(gè)表中都有的“用、代、屬、分、參”等款目參照關(guān)系，按參照關(guān)系的匹配程度建立前兩種表與《中國分類主題詞表》的聯(lián)系。也就是說，這種方法對詞表的結(jié)構(gòu)有一定要求，結(jié)構(gòu)越相似，詞匯相容性越高，互操作越容易。本實(shí)驗(yàn)是對兩個(gè)范疇表進(jìn)行轉(zhuǎn)換，詞之間并無參照關(guān)系，類目數(shù)量、收詞數(shù)量、分類體系等也都有很大差別。很顯然，這種方法并不適合本實(shí)驗(yàn)。

第二種方法是對主題詞進(jìn)行操作，將不同詞表中的同義詞進(jìn)行匹配，在計(jì)算相似度后，引入同義詞表；對沒有字面相似性的同義詞進(jìn)行匹配，以提高準(zhǔn)確度。這種方法對詞表的結(jié)構(gòu)要求不高，主要是對主題詞進(jìn)行相似度計(jì)算。計(jì)算相似度以機(jī)器操作為主，手工操作為輔。

自然語言與主題語言進(jìn)行的互操作，采用的是與以上相類似的方法：一是基于詞匯同現(xiàn)信息進(jìn)行相似度計(jì)算；二是計(jì)算語詞之間的相似度。詞匯同現(xiàn)方法能夠使用的前提假設(shè)是同義詞或相關(guān)詞經(jīng)常一起出現(xiàn)，這種方法需要建立好關(guān)鍵詞與主題詞的對應(yīng)關(guān)系，而且需要有大量的詞匯對應(yīng)數(shù)據(jù)。條件所限，本實(shí)驗(yàn)沒有現(xiàn)成的詞匯對應(yīng)數(shù)據(jù)，因此僅采用語詞相似度匹配計(jì)算的方法。

以上幾種方法具體應(yīng)用到本實(shí)驗(yàn)，擬以范疇表之間的互操作的方式進(jìn)行。范疇表結(jié)構(gòu)簡單，語詞之間沒有列出參照關(guān)系，處理起來簡便快捷。此外，全表匹配轉(zhuǎn)換，計(jì)算量大，而且會(huì)出現(xiàn)錯(cuò)誤匹配。因此，本實(shí)驗(yàn)采用細(xì)分到一級類之間的對應(yīng)，1個(gè)《澳大利亞政務(wù)主題詞表》（ThesaurusofAustralianGovemmentSubjects，簡稱《澳表》） 一級類對應(yīng)1到2個(gè)《綜合電子政務(wù)主題詞表》（簡稱《中表》） 一級類，或者1個(gè)《中表》一級類對應(yīng)1到2個(gè)《澳表》一級類，這個(gè)步驟由人工判斷決定。對應(yīng)好之后再對這些類中的語詞進(jìn)行相似性匹配。這樣，不僅省去了不必要的計(jì)算，而且提高了匹配正確率。

實(shí)現(xiàn)不同語種詞匯的互操作，必須將詞匯統(tǒng)一成一種語言，這就要用到翻譯，本實(shí)驗(yàn)擬將外文詞匯翻譯成中文。［3］鑒于將國外的電子政務(wù)詞表的語詞翻譯成中文，在保證詞義不變的前提下，就很難保證語詞形式還像中文電子政務(wù)詞表主題詞那樣規(guī)范。所以，對中外政務(wù)詞表的主題詞進(jìn)行匹配轉(zhuǎn)換要采用主題語言之間互操作與自然語言與主題語言互操作相結(jié)合的方式。在技術(shù)上采用計(jì)算字面相似度匹配的方式并輔助以同義詞表匹配。字面相似度的計(jì)算方法是兩個(gè)詞相同字的個(gè)數(shù)分別除以兩個(gè)詞所含字的個(gè)數(shù)，所得結(jié)果相加再除以2即為這兩個(gè)詞的字面相似度值。用公式表示為“字面相似度=［（A詞與B詞相同詞素的個(gè)數(shù)/A詞所含詞素個(gè)數(shù)）+（A詞與B詞相同詞素的個(gè)數(shù)/B詞所含詞素個(gè)數(shù)）］/2”。對于無字面相似性的同義詞及其他特殊詞匯采用手工判斷對應(yīng)的方式。

3 詞表轉(zhuǎn)換過程

筆者從英國、加拿大、澳大利亞、新西蘭4國政府網(wǎng)站上搜集了各自的政務(wù)主題詞表，這幾個(gè)國家也都是電子政務(wù)發(fā)展較早也較好的國家，它們的政務(wù)詞表比較有代表性。［4］由于以前都是英聯(lián)邦國家，各國詞表具有相似性，遂選取收詞量適中的《澳表》進(jìn)行轉(zhuǎn)換試驗(yàn)。

本次試驗(yàn)的素材有《中表》和《澳表》?！吨斜怼纷鳛?004年度國家科技基礎(chǔ)性工作和社會(huì)公益研究專項(xiàng)“《電子政務(wù)主題詞表》編制及應(yīng)用系統(tǒng)”開發(fā)研究中的主要部分，于2005年1月編制完成。這是我國第一部按國家標(biāo)準(zhǔn)編制的綜合性電子政務(wù)主題詞表，主要供國家政府部門處理政務(wù)信息時(shí)使用。它的問世，對我國政務(wù)信息管理的規(guī)范化與標(biāo)準(zhǔn)化，對我國電子政務(wù)信息資源的共建共享起到了積極的支撐與推進(jìn)作用。［5］《中表》劃分為21個(gè)大類，收錄主題詞17421條?！栋谋怼芬卜QTAGS，是由該國國家信息辦公室發(fā)起組織的，這一項(xiàng)目被稱為整個(gè)澳大利亞政府高度概括的主題詞表工程。其目的是建一個(gè)頂層的主題詞表供政府機(jī)構(gòu)使用?！栋谋怼肪庉嬘?001年，2006年發(fā)布了新版，即為本實(shí)驗(yàn)的《澳表》。《澳表》劃分為17個(gè)大類，收錄主題詞1786條。兩表的類目構(gòu)成如表1所示。

表1 《澳表》與《中表》一級類目構(gòu)成

具體轉(zhuǎn)換過程按照如下的步驟進(jìn)行：

（1） 詞表翻譯。將《澳表》按主題類目顯示的主題詞使用“靈格斯”翻譯軟件按字面涵義翻譯成中文。如有一詞多義現(xiàn)象，寫上全部涵義。將形容詞、副詞等盡量名詞化，以便與中表的名詞相對應(yīng)。

（2） 一級類對應(yīng)?！栋谋怼饭?7個(gè)大類1786個(gè)主題詞，《中表》共21個(gè)大類，17421個(gè)主題詞。兩表主題詞涵蓋面基本相同，但《中表》詞表更具有深度，也更詳細(xì)，因此采用《澳表》向《中表》映射和《中表》向《澳表》映射兩種方式對比映射結(jié)果。同時(shí)為了減少計(jì)算量，不采用全表映射匹配，在映射時(shí)細(xì)分到一級類目上。采用《澳表》類目對應(yīng)1到2個(gè)相關(guān)的《中表》類目，如“BIBusinessand Industry（商業(yè)和工業(yè)）”對應(yīng)“09商業(yè)、貿(mào)易，04工業(yè)、交通”，“DEDefenceand NationalSecurity（國防和國家安全）”對應(yīng)“16軍事、國防”，“EF Economics and Finance（經(jīng)濟(jì)和財(cái)政）”對應(yīng)“08財(cái)政、金融，09商業(yè)、貿(mào)易”。反之，《中表》向《澳表》映射方法類似。取以上幾類語詞進(jìn)行試驗(yàn)，推此及彼，借以說明情況。

（3） 部分試驗(yàn)，檢驗(yàn)結(jié)果。以農(nóng)業(yè)類為例，《澳表》“AGAgriculture”60個(gè)主題詞對應(yīng)《中表》“07農(nóng)林、水利”1356個(gè)主題詞，將以上兩組詞輸入Access中，分別形成兩張表單sheet1與sheet2；使用VisualC編寫程序?qū)ccess數(shù)據(jù)庫進(jìn)行操作，將sheet1中的每一個(gè)詞分別與sheet2中的每一個(gè)詞進(jìn)行相似度比較，返回相似度最大的3個(gè)詞與sheet1中的詞對應(yīng)，返回結(jié)果在記事本上，如表2。

表2 《澳表》語詞向《中表》語詞的匹配結(jié)果

反之，將sheet2中的每一個(gè)詞分別與sheet1中的每一個(gè)詞進(jìn)行相似度比較，返回相似度最大的3個(gè)詞與sheet2中的詞對應(yīng)，為《中表》向《澳表》的匹配結(jié)果，如表3。

表3 《中表》語詞向《澳表》語詞的匹配結(jié)果

（4）經(jīng)機(jī)器匹配結(jié)束后，剩下的不能匹配的詞語按照以下順序進(jìn)行人工匹配:

①跨類匹配。有些詞語兩表所共有，但分屬不相關(guān)的類，如：“Agricultural insurance”（農(nóng)業(yè)保險(xiǎn)），《澳表》分在“AGAgriculture”類，《中表》分在“08財(cái)政、金融”類。

②近似轉(zhuǎn)換。人工判斷其同義詞或近義詞。如：“態(tài)度”“合并”“競爭”等一些中性詞語。大多在“21綜合用語”中查找，因?yàn)樵谝患夘惸縿澐稚希栋谋怼凡辉O(shè)綜合政務(wù)類。

③取其上位類詞語匹配。

④組配匹配。這種語詞數(shù)量很少，如：“Marine biology”（海洋生物學(xué)）對應(yīng)“海洋”+“生物學(xué)”。

4 詞表轉(zhuǎn)換結(jié)果的測試

在經(jīng)過了以上幾步的匹配后，按照完全匹配、相關(guān)匹配、上位類匹配、下位類匹配、不匹配幾種情況統(tǒng)計(jì)匹配結(jié)果。［6,7］完全匹配是指對應(yīng)的語詞完全相同或意思相近。相關(guān)匹配是指對應(yīng)的語詞存在相關(guān)關(guān)系。上位類匹配是指語詞與目標(biāo)語詞在詞間關(guān)系上屬于其下位類。下位類匹配與上位類匹配意思相反，即語詞與目標(biāo)語詞在詞間關(guān)系上屬于其上位類。不匹配指目標(biāo)語詞不存在以上幾種匹配關(guān)系的語詞與之對應(yīng)。

表4 《澳表》語詞向《中表》語詞的匹配

5 結(jié)語

如果將完全匹配、相關(guān)匹配、上位類匹配和下位類匹配算作匹配成功的話，《澳表》向《中表》匹配成功率及中表向《澳表》匹配成功率如下表。

表5 《中表》語詞向《澳表》語詞的匹配

表6 《澳表》向《中表》匹配成功率

表7 《中表》向《澳表》匹配成功率

《澳表》向《中表》匹配平均成功率78.192%；《中表》向《澳表》匹配平均成功率58.592%。前者較高，主要是因?yàn)椤栋谋怼吩~匯數(shù)量少?？傮w來說《澳表》與《中表》詞匯相似程度還是比較高的。由此，也可推知其他國家政務(wù)詞表與中國政務(wù)詞表的匹配也能夠達(dá)到這個(gè)結(jié)果。

由于時(shí)間倉促，水平有限，本項(xiàng)目還有許多不足和需要改進(jìn)的地方。在生成的Access表單中，可增加一個(gè)接口，將語詞用翻譯軟件翻譯后，自動(dòng)與《中表》中的詞匹配，提高自動(dòng)化程度，可大大增加轉(zhuǎn)換的效率。另外，本實(shí)驗(yàn)只挑選了幾個(gè)類進(jìn)行試驗(yàn)，全表匹配尚存在一定難度。這些在理論上是可以實(shí)現(xiàn)的，但由于技術(shù)所限沒有做成。

（本項(xiàng)目得到了南京農(nóng)業(yè)大學(xué)教授侯漢清老師的指導(dǎo)，在此表示感謝。）

［1］田景熙，洪琢．電子政務(wù)系統(tǒng)規(guī)劃與設(shè)計(jì)［M］．北京：人民郵電出版社，2005.

［2］劉華梅．基于情報(bào)檢索語言互操作技術(shù)的集成詞庫構(gòu)建研究——以教育詞庫為例［D］．南京：南京農(nóng)業(yè)大學(xué)，2006.

［3］陳志新．中美兩國主題詞表對應(yīng)轉(zhuǎn)換的分析［J］．情報(bào)檢索，2003，22 （9）：28－29.

［4］倪靜，等．國外電子政務(wù)主題詞表編制及網(wǎng)絡(luò)應(yīng)用的比較分析［J］．情報(bào)學(xué)報(bào)，2003，22（5）：565－571.

［5］《電子政務(wù)主題詞表》編制與應(yīng)用系統(tǒng)課題組．綜合電子政務(wù)主題詞表（范疇表）［Z］．北京：科學(xué)技術(shù)文獻(xiàn)出版社，2005.

［6］鄭貴宇．我國檢索語言國際兼容初探［J］．情報(bào)學(xué)報(bào)，2001，20（4）：478－482.

［7］李晴霞．我國電子政務(wù)目前存在的問題［J］．現(xiàn)代商業(yè)，2007（04X）：26－27.