文物数字化保护主题词表的构建研究

• 作 者: 罗威
• 出 处: 北京化工大学
• 发表日期: 2017年01期
• 关键词: 文物数字化 主题词表 自动构建 语义关系 词聚类

数字化保护是目前保护文物的重要方式,在数字化过程会产生大量的信息数据,这些数据对文物领域信息的检索方式提出了挑战。构建一部适用于文物领域的主题词表,作为各文物保护及研究单位研究文物信息资源时使用的规范化检索语言工具,有着重要的意义。本文的主要工作就是借助计算机技术构建一部《文物数字化保护主题词表》。主要研究的内容为:1)通过调研国内外重要主题词表及文博领域主题词表的编制现状,分析主题词表的构建流程、编表规则、词间结构、编制技术等相关内容,提出了本文主题词表的编制体系框架;2)构建主题词表的主表、词族表、英汉索引表。首先人工搭建具有分类标签的文物语料库,利用分词系统将语料库进行分词,并通过网络获取期刊杂志的关键字,从而获取预选词库,并制定多种选词规范以选取正式主题词。然后通过研究词汇间语义关系算法,将选定的主题词经过基于《知网》语义相似度算法、基于《同义词词林》语义相似度算法和模式匹配方法的综合处理,得出主题词词汇间的同义关系;通过后方一致方法与字面相似度算法的处理,得出词汇间的等级关系;通过Dice测度及文献共现方法得出关联关系。最后整合这三类词间关系用于构建主表、词族表、英汉索引表;3)通过对Word2vec词聚类算法的研究,将该词聚类算法应用到文物分类体系中,完成文物分类体系的自动聚类实现,并用于构建范畴表。最终完成整个主题词表的构建,包括主表、词族表、范畴表、英汉索引表四个部分,共2605个词,能够用于文博领域文献资源的标引、著录以及文博领域术语用词的规范统一。