知識組織體系術(shù)語刪除分析*

張士男（中國科學院文獻情報中心 中國科學院大學 北京 100190）

知識組織體系術(shù)語刪除分析*

張士男（中國科學院文獻情報中心 中國科學院大學 北京 100190）

知識組織體系的內(nèi)容只有不斷地調(diào)整和更新，才能準確反映知識的科學發(fā)展，及時刪除“過時”術(shù)語能夠使知識組織體系更加準確地揭示領(lǐng)域知識。不同知識組織體系在術(shù)語刪除機制、術(shù)語刪除原因、術(shù)語刪除處理方式方面存在差異，但本質(zhì)都是為了保持一致性，反映科學知識的最新進展。術(shù)語刪除是檢查知識組織體系質(zhì)量的一種方式，因此要建立完善的術(shù)語刪除機制，明確術(shù)語刪除的原則，根據(jù)術(shù)語刪除原因采取不同的處理方式。

知識組織體系敘詞表術(shù)語刪除

知識組織體系的內(nèi)容只有不斷調(diào)整和更新，才能準確反映知識的科學發(fā)展，進而更加成功地支持數(shù)據(jù)檢索和知識發(fā)現(xiàn)。確定一個科學分類系統(tǒng)內(nèi)容的過程是一種組織性遺忘的過程，這就意味著一個新的分類被創(chuàng)建，開發(fā)者就要決定哪些內(nèi)容需要從體系里刪除。如果沒有分類去描述一個對象或行為的含義，則信息系統(tǒng)無法記錄這個對象或行為，沒有名稱的事物將在分類系統(tǒng)中被遺忘［1］。術(shù)語刪除是檢查知識組織體系質(zhì)量的一種方式，如基因本體（Gene Ontology，簡稱GO）中刪除的術(shù)語占術(shù)語總量的比例超過4.4%，這意味著每增加100個術(shù)語，就至少有4個術(shù)語被刪除［2］135，建筑與藝術(shù)敘詞表（Art & Architecture Thesaurus，簡稱AAT）可獲取的主題詞中有4.4%為被遺棄的主題［3］。本文在分析術(shù)語刪除機制、術(shù)語刪除原因、術(shù)語刪除處理方式的基礎(chǔ)上，分析術(shù)語刪除中存在的問題，提出受控詞表術(shù)語刪除的幾點建議，以期為受控詞表的維護提供參考。

1　分析的數(shù)據(jù)及方法

筆者在進行數(shù)據(jù)分析時選擇的詞表至少滿足兩個條件：一是詞表持續(xù)更新；二是詞表提供網(wǎng)絡(luò)服務(wù)，開放的網(wǎng)絡(luò)環(huán)境更有利于對詞表變化的系統(tǒng)跟蹤。此外，筆者還綜合考慮了詞表權(quán)威性、應(yīng)用程度等因素，具體如表1所示。

在詞表更新維護調(diào)研過程中，筆者更加關(guān)注術(shù)語刪除的相關(guān)問題，包括術(shù)語刪除機制、術(shù)語刪除原因、術(shù)語刪除的處理方式及其對資源標引可能帶來的影響。

2　術(shù)語刪除現(xiàn)狀分析

2.1機制分析

在受控詞表維護過程中，知識組織體系編制機構(gòu)應(yīng)該特別關(guān)注術(shù)語刪除，尤其是當術(shù)語已經(jīng)被使用。對于已經(jīng)帶有很多標注的術(shù)語一旦決定將其刪除，則需要花大力氣詳細討論如何處理已經(jīng)使用的刪除術(shù)語的標注。因此，術(shù)語刪除要謹慎，要按照嚴謹?shù)臋C制來執(zhí)行，術(shù)語刪除機制主要包括如下兩項內(nèi)容：

表1　術(shù)語刪除分析的詞表

（1）由受控詞表專門的維護團隊或部門主導(dǎo)。LCSH的維護由美國國會圖書館政策與標準部（Policy and Standards Division）執(zhí)行，組織方式也更加開放，最初，該部門直接通過“編目要務(wù)通報”（Cataloguing Service Bulletin）公布修改結(jié)果，自2005年起，該部門在其網(wǎng)站上以周報/月報（2011年8月起周報改為月報）的形式公布對修改意見的處理方式，不論意見是否被采納，均給出了原因說明［6］。同時，最終處理結(jié)果在Cataloguing Service Bulletin公布，但并不是公布全部數(shù)據(jù)，2011年以后術(shù)語修改結(jié)果不再通過編目要務(wù)通報公布［7］。CABT主題詞的變更由CABT維護團隊負責，這些變更作為整部詞表的主要更新每隔一至兩年與整部詞表發(fā)布新版本時一起出版［4］。CABT上一版本于2012年9月發(fā)布，最新版本于2014年7月21日正式在線發(fā)布。

（2）開發(fā)人員、標引人員、領(lǐng)域?qū)＜夜餐瑓⑴c。GO為了使其更加成功地支持數(shù)據(jù)驅(qū)動的知識發(fā)現(xiàn)和數(shù)據(jù)檢索，準確地表達生物知識的實體和過程，使用了術(shù)語定義，建立了術(shù)語之間的關(guān)聯(lián)。GO長期維護的一個關(guān)鍵問題就是更新其內(nèi)容以反映生物學知識的最新科學發(fā)展。GO在創(chuàng)建之初就意識到了這個問題，創(chuàng)建了反饋機制，從而GO用戶能夠向管理人員反饋其在自己研究領(lǐng)域?qū)ι飳嶓w或過程的理解與GO中相應(yīng)知識表達不一致的地方。GO的管理人員通過幾種不同的機制提出候選“淘汰”術(shù)語，隨后這些淘汰術(shù)語通過一個標準的門戶Sourceforge tracker推出，進行14天的意見搜集，然后管理者、編輯者、領(lǐng)域?qū)＜夜餐懻?，有時本體用戶也參與討論。在沒有Sourceforge tracker管理之前，GO通過郵件列表來記錄和討論淘汰術(shù)語。近60%的淘汰術(shù)語從提出到確定一般需要30～60天左右。提出淘汰術(shù)語的人員主要是GO的開發(fā)人員和標引人員。一般來講，GO確定刪除術(shù)語分為三個步驟 ：首先由其管理者或用戶提出單個候選刪除術(shù)語；其次，確定候選刪除術(shù)語（一般由編輯者或標注者提出）；最后，通過會議討論或研發(fā)人員特別興趣小組等確定刪除的術(shù)語集［2］132-138。

2.2原因分析

不同詞表內(nèi)容進行調(diào)整的原因各不相同。NALT每年進行更新，更新內(nèi)容包括：將術(shù)語替換為最新術(shù)語，替換掉歧義術(shù)語，更正錯誤［8］。MeSH是標引生物醫(yī)學及其相關(guān)領(lǐng)域資源的受控詞表，生物醫(yī)學領(lǐng)域經(jīng)常有新概念產(chǎn)生，因此對于概念的增加、刪除等MeSH需要及時調(diào)整，以反映領(lǐng)域最新進展。MeSH進行調(diào)整的基本類型包括直接替換、刪除和增加術(shù)語，刪除原因一般包括：標題使用率低；標題不能反映識別資源的優(yōu)選形式或不能用于英語醫(yī)學文獻；標題不能與其他標題在含義上有所區(qū)分；標題與上位詞明顯不同但是上位詞使用率低；標題具有特殊含義但是其優(yōu)選形式存有歧義；標題最初擁有多種內(nèi)涵，但是目前特殊含義的合適的標題令之前的標題沒有必要繼續(xù)存在；標題/副標題的組合可以進一步細分；層級結(jié)構(gòu)中錯誤分類的標題［9］。AAT數(shù)據(jù)的變化主要基于如下原因：增加新主題詞或為現(xiàn)有主題增加新術(shù)語；反映術(shù)語及其定義在學術(shù)研究或使用中的變化；增強數(shù)據(jù)一致性；更正一些主題中的近義詞或地位上升的歷史數(shù)據(jù)；為歷史數(shù)據(jù)建立多元層級（2001年之前詞表不允許建立多元層級）；更正錯誤，包括貢獻的數(shù)據(jù)或編輯錯誤［10］。GO術(shù)語刪除的主要原因一是術(shù)語超出了GO的范圍，不再用于標注基因產(chǎn)品；二是術(shù)語被重新定義或是內(nèi)涵發(fā)生變化。其本質(zhì)是為了體現(xiàn)本體真實性［11］。LCSH則更正了有文化偏見的主題［12］。

從上述分析可以看出，數(shù)據(jù)更新的本質(zhì)是為了保持一致性，反映科學知識的最新進展。術(shù)語刪除主要原因包括術(shù)語使用率低；術(shù)語歧義；術(shù)語被重新定義或內(nèi)涵發(fā)生變化；術(shù)語內(nèi)涵不清晰；術(shù)語內(nèi)涵過于寬泛；其他問題，如將術(shù)語替換為最新術(shù)語，更正編輯性錯誤等。

2.3處理方式分析

2.3.1刪除程度分析

從刪除程度來看，術(shù)語刪除處理方式包括臨時刪除和永久刪除。永久刪除指術(shù)語不再繼續(xù)使用，被永久刪除。臨時刪除指術(shù)語雖然被標記為淘汰（obsolete），但在受控詞表文件中仍然存在，可以通過版本進行檢索，被刪除的詞匯能夠被重新啟用，如GO中淘汰的術(shù)語（obsolete terms）并不是被永久刪除，GO中所有的淘汰術(shù)語都包含在新版本GO文件中，但增加了“obsolete”標記。因此，每個子本體（細胞組件本體、分子生物功能本體和生物過程本體）都可以檢索之前的淘汰術(shù)語［2］1 3 2。歐盟多語種敘詞表（Multilingual Thesaurus of the European Union，簡稱EuroVoc）由于歷史原因，將一些概念定義為“刪除的概念”，并且標記為“obsolete”，但他們?nèi)匀淮嬖谟跀⒃~表中，并且他們的URIs也被保留了［13］。

2.3.2處理方式分析

從處理方式來看，術(shù)語刪除處理方式包括以下三種。一是直接刪除，并且沒有指明代替被刪除術(shù)語的詞匯。例如，NALT在2014年的版本中直接刪除了2013年版本中的術(shù)語“environmental communication”和“Galandromus”［8］。二是將刪除術(shù)語作為替代術(shù)語的入口詞。將淘汰的術(shù)語作為替代術(shù)語的同義詞是最常見的處理方式。自2010年起，MeSH在其官方網(wǎng)站公開發(fā)布了歷年刪除術(shù)語清單，并為每個刪除術(shù)語指明了替代術(shù)語，同時將刪除的術(shù)語作為新概念的入口詞［14］，如刪除術(shù)語“Nuclear Reprogramming”用“Estrogen Antagonists”代替，并將“Nuclear Reprogramming”作為“Estrogen Antagonists”的入口詞［15］。NALT團隊竭盡所能將被替換或修改的優(yōu)選術(shù)語與新的優(yōu)選術(shù)語建立相互參照關(guān)系，即將刪除的術(shù)語作為替換他們的概念詞的入口詞。例如，刪除術(shù)語 “a l lo p a t r ic populations”用“allopatry”代替［8］，并將“allopatric populations”作為“allopatry”的入口詞［16］。EuroVoc將刪除的術(shù)語用新的術(shù)語代替，并且用“use instead”作為代替標識［13］。三是指明刪除術(shù)語的替換術(shù)語，但沒有將刪除的術(shù)語作為替換他們的概念詞的入口詞。NALT直接刪除了淘汰的術(shù)語，指明了替代術(shù)語，但沒有將刪除的術(shù)語作為代替術(shù)語的入口詞，如刪除“Boer”并用“Boer （goat breed）”代替，但沒有將“Boer”作為“Boer （goat breed）”的入口詞［8，17］， NALT中這類處理方式多見于替換術(shù)語是在被刪除術(shù)語基礎(chǔ)上增加了限定詞。

2.3.3記錄方式分析

從記錄方式來看，術(shù)語刪除處理方式包括以下兩種。一是直接增加刪除標識。知識組織體系編制機構(gòu)一般在刪除詞匯的后面明確注明詞匯為刪除術(shù)語，如“obsolete term”“obsolete”“former heading”等標識。例如，GO本體為每一個淘汰的術(shù)語做了“obsolete”標識。二是通過歷史附注記錄術(shù)語的刪除信息。這也是最常見的處理方式。如果打開AAT印本書的任何一頁，我們可以看到很多諸如“1992年4月刪除標題”或“1993年標題改變”的歷史附注。這些變化可以在歷史版本中自動跟蹤，當這些數(shù)據(jù)可以通過應(yīng)用程序編程接口（Application Programming Interface，簡稱APIs）獲取時，這種變化可以實時獲?。?0］。被刪除的主題可能已經(jīng)在用戶數(shù)據(jù)中被使用了，為了不丟失這些數(shù)據(jù)，AAT為已經(jīng)在數(shù)據(jù)中使用的這些遺棄主題的用戶提供連續(xù)性信息，其中記錄了有關(guān)遺棄主題的少量信息，并且將其發(fā)布關(guān)聯(lián)數(shù)據(jù)，包括如下三種屬性信息［3］：

● skos:prefLabel：優(yōu)選名稱（通常是英語形式）

● gvp:enfDate：刪除時間

● dct:isReplacedBy：合并入的主題（如果已經(jīng)合并到另一個主題中）

2.4刪除術(shù)語與標引

受控詞表的主要作用是進行資源標引，一旦標引的術(shù)語被使用，則標注也要隨之變化。CAB文摘數(shù)據(jù)庫使用CABT概念標簽標引資源，優(yōu)選術(shù)語的任何變化都會影響成千上萬條記錄、大量檢索文檔及衍生產(chǎn)品。CABT整部詞表發(fā)布新版本后，CAB文摘數(shù)據(jù)庫標引再進行更新以反映出敘詞表的變化。由于沒有可供使用的開放（關(guān)聯(lián)）數(shù)據(jù)，因此在開放環(huán)境下CABT的使用受限制［4］。CAB正式考慮將CABT發(fā)布為關(guān)聯(lián)數(shù)據(jù)［18］。如果GO中一個術(shù)語將要被刪除，則在本體文件中會被標記，同時不再用于標注基因產(chǎn)品。對于已經(jīng)帶有很多標注的過時術(shù)語，GO管理者需要花大力氣詳細討論，決定現(xiàn)有的標注應(yīng)該遷移到哪個替換的術(shù)語中。GO的一組開發(fā)人員在2008年7月召開了專門會議來討論整體遷移事宜［2］132，141。

3　術(shù)語刪除存在的問題

3.1刪除的詞匯作為替換詞匯的入口詞容易混淆用戶

概念是人腦中的思想單元，具有明確的內(nèi)涵和外延，一個概念可以用不同的術(shù)語表達，同一個概念的不同術(shù)語之間是等同關(guān)系，等同術(shù)語中的一個通常被選作優(yōu)選術(shù)語來表達概念，以便人進行閱讀，具有等同關(guān)系的術(shù)語可能是同義術(shù)語或近義術(shù)語，也可能是反義術(shù)語。術(shù)語刪除原因復(fù)雜，直接將刪除的術(shù)語作為新概念的入口詞，容易混淆用戶的認知。如果刪除的術(shù)語之前為優(yōu)選術(shù)語，當刪除的術(shù)語與替換他的詞含義不完全一致時，將改變概念內(nèi)涵。

3.2缺少刪除原因的信息記錄

由于卡片目錄的制作需要花費大量精力，人們往往不愿意做出過多改變。計算機技術(shù)的發(fā)展使詞表維護變得更加簡單，也使詞表維護的機制變得更加開放。詞表開始記錄刪除的術(shù)語及其相關(guān)信息，并且為了保持連續(xù)性，將刪除的術(shù)語與替換他的術(shù)語建立了相互參照。但從上述分析可以看出，知識組織體系編制機構(gòu)缺少對刪除原因的記錄，這也是術(shù)語刪除標準不明確的表現(xiàn)。

3.3對基于概念標簽的標引影響更大

受控詞表的主要作用是對資源進行標引和分類。術(shù)語刪除會帶來多重影響，可能導(dǎo)致概念刪除或變化、詞表體系結(jié)構(gòu)調(diào)整。在基于概念的標引中，不同數(shù)據(jù)庫的標引形式不同，一是用概念唯一標識符進行標引，這時無論概念的優(yōu)選詞標簽如何變化，唯一標示符代表的概念內(nèi)涵沒有變化，則不會對標引產(chǎn)生過多影響。二是用概念優(yōu)選標簽進行標引，只要概念的優(yōu)選標簽發(fā)生變化，則要影響使用這一標簽標引的全部資源。例如，在CABT中，當概念“climate change”的優(yōu)選術(shù)語標簽從“climatic change”變?yōu)椤癱limate change”時，上千條記錄需要用新的字符串進行更新并且重新標引，標引中的這種變化將會影響所有CAB文摘衍生產(chǎn)品。

4　受控詞表術(shù)語刪除的幾點建議

4.1建立完善的術(shù)語刪除機制

術(shù)語刪除是受控詞表質(zhì)量保障和維護的主要手段之一，涉及方方面面，尤其是當術(shù)語已經(jīng)被使用時更要引起重視。建立嚴謹?shù)男g(shù)語刪除機制很重要，明確哪些人員能夠提出候選刪除術(shù)語，通過哪個平臺或方式來進行意見征集和討論，后續(xù)問題處理、一致性檢驗等是知識組織體系創(chuàng)建機構(gòu)需要考慮的重要問題。

4.2明確術(shù)語刪除的原則

刪除原則是術(shù)語刪除工作的指導(dǎo)。國際標準化組織/文獻工作技術(shù)委員會（International Organization for Standardization/Technical Committees，簡稱ISO/TC 46）發(fā)布的報告“N 2422 Result of voting ISO/CD5127”描述了國際標準化組織/委員會階段委員會草案《信息與文獻——術(shù)語》 （International Organization for Standardization/ Committee Draft《Information and documentation —Vocabulary》， ISO/CD 5127） 的投票結(jié)果和各國專家意見，專家指出，當前標準中增加和刪除術(shù)語的規(guī)則不明晰，刪除的一些詞，如“archivist” “archive science”“evidential value”“inventory”等在信息與文獻領(lǐng)域中是有意義的，不應(yīng)刪除［19］。詞表編輯人員應(yīng)該關(guān)注所有建議和提出的候選術(shù)語，使用過于頻繁或過于稀少的詞語應(yīng)作為刪除或被修正的候選術(shù)語［20］。此外，專指性過強、內(nèi)涵過于寬泛、內(nèi)涵發(fā)生變化、與當前詞表學科范圍關(guān)聯(lián)性不大、不再使用的術(shù)語等都應(yīng)該被考慮。

4.3根據(jù)刪除原因采用不同的處理策略

術(shù)語刪除的原因多樣，知識組織體系編制機構(gòu)應(yīng)該根據(jù)不同的原因，采取不同的處理方式。例如，從未被使用的術(shù)語，說明并不能反映客觀事實，不能記錄任何一個事物或?qū)嶓w，可直接刪除；專指性過強的術(shù)語，可以合并入其他概念；含義過于寬泛的術(shù)語，應(yīng)該被刪除，且拆分為多個概念等。

本文對幾部主流知識組織體系的術(shù)語刪除機制、刪除原因及處理方式等進行了調(diào)研，分析了存在的問題，并提出了幾點建議，但是分析的還不夠深入，缺少系統(tǒng)深入的實例研究。術(shù)語刪除是知識組織體系質(zhì)量檢驗的手段之一，但不是唯一的手段，而是與其他方面的修改（如術(shù)語增加、關(guān)系調(diào)整等內(nèi)容）息息相關(guān)。

［1］Bowker C. Star L. Sorting Things Out: Classification and its Consequences［M］. Cambridge:MIT Press，1999:1-377.

［2］Mayor C. The Classification of Gene Products in the Molecular Biology Domain: Realism， Objectivity， and the Limitations of the Gene Ontology［D］.London: City University London，2012.

［3］Trust J P G.AAT Semantic Representation ［EB/OL］. ［2014-10-14］. http://www.getty.edu/research/tools/vocabularies/lod/ aat_semantic_representation.pdf .

［4］Thomas B， Osma S. GACS: Status Quo of Three Partner Thesauri. ［EB/OL］. ［2014-11-20］. http://aims.fao.org/sites/default/files/ GACS_Status_Quo_1%200.pdf.

［5］Mayor C， Robinson L. Ontological Realism and Classification: Structures and Concepts in the Gene Ontology［J］. Journal of the American Society for Information Science and Technology，2014: 1-12.

［6］Summary of Decisions from the Weekly （and Monthly， as of May 2011） Editorial Meeting ［EB/OL］. ［2014-10-07］. http://www.loc. gov/aba /pcc/saco/cpsoed/cpsoeditorial.html.

［7］Cataloging Service Bulletin ［EB/OL］. ［2014-10-07］.http://loc. gov/cds/PDFdownloads/csb/index.html.

［8］Replaced Terms Between 2013 and 2014 Editions ［EB/OL］. ［2014-09-28］.http://agclass.nal.usda.gov/dne/replaced.shtml.

［9］Humphrey M. File Maintenance of MeSH Headings in MEDLINE［J］. Journal of the American Society for Information Science，1984，35（1）:34-44.

［10］Trust J P G. AAT: Frequently Asked Questions［EB/OL］.［2014-10-25］.http://www.getty.edu/research/tools/vocabularies/aat/ aat_faq.html.

［11］Mayor C， Robinson L.Ontological Realism， Concepts and Classification in Molecular Biology Development and Application of the Gene Ontology［J］. Journa of Documentation， 2014，70（1）: 173-193.

［12］Knowlton S. Three Decades Since Prejudices and Antipathies: A Study of Changes in the Library of Congress［J］.Cataloging and Classification Quarterly， 2005，40（2）:123-145.

［13］EuroVoc 4.4: Obsolete Concepts by Microthesaurus［EB/OL］. ［2014-12-13］.http://eurovoc.europa.eu/drupal/？q=node/ 1242&cl=en.

［14］Deleted Descriptors ［EB/OL］. ［2014-08-28］. http://www.nlm.nih. gov/mesh/deleted.html.

［15］2015MeSH［EB/OL］.［2015-04-16］. http://www.nlm.nih.gov/cgi/ mesh/2015/MB_cgi？term=ESTROGEN+ANTAGONISTS.

［16］Allopatry［EB/OL］.［2014-09-05］. http://agclass.nal.usda.gov/ mtwdk.exe？k=default&l=60&w=192781&n=1&s=5&t=2.

［17］Boer （goat breed） ［EB/OL］. ［2014-09-25］. http://agclass.nal.usda. gov/mtwdk.exe？s=1&n=1&y=0&l=60&k= default&t=2&w= Boer+%28goat+breed%29.

［18］New edition of CAB Thesaurus Published［EB/OL］. ［2014-09-12］. http://aims.fao.org/community/general-information/blogs/newedition-cab-thesaurus-published#.VDQHUlde8Y0.

［19］劉春燕，安小米，侯人華.術(shù)語標準研制方法及在信息與文獻領(lǐng)域中的應(yīng)用［J］.圖書情報工作，2014，58（9）:91-95.

［20］International Organization for Standardization.ISO 25964-1 Information and Documentation- Thesauri and Interoperability with Other Vocabularies-Part 1: Thesauri for Information Retrieval［S］. 2011，87.

Analysis on the Term Deletion in Knowledge Organization System

With the constant adjustment and update， Knowledge Organization System （KOS） can reflect the development of science accurately， and deleting the obsolete term can make KOS more accurate in revealing the domain knowledge. There are differences on mechanism， reason and treatment of the term deletion among KOS， but the essence is all to keep the consistency of KOS and to reflect the latest progress of the scientific knowledge. Term deletion is a kind of form to check the quality of KOS， so it is essential to establish perfect term deletion mechanism， improve term deletion principle， and take different measures in different conditions.

Knowledge Organization System（KOS）； Thesauri； Term deletion

G254

A

*本文系國家科技支撐計劃項目“面向外文科技文獻信息的知識組織體系建設(shè)與應(yīng)用示范（ STKOS） ”子課題“面向外文科技文獻的超級科技詞表和本體建設(shè)” 研究成果之一，課題編號：2011BAH10B01。

張士男 女，1986年生，現(xiàn)工作于中國科學院文獻情報中心，館員，中國科學院大學2012級圖書館學博士。

2015-03-05 ］