论文部分内容阅读
“小世界”现象源于社会学家Milgram在十九世纪六十年代对社会网络的分析。近年来,随着Watts与Strogatz等一批数学家,物理学家创造性地将这个社会学概念构建了数学模型,小世界网络已成为探索复杂网络拓扑结构等基础研究领域的一个新的理论视角。
大量研究发现,无论是人造网络还是自然网络,都普遍存在小世界网络的结构特征。若用特征路径长度L和集团化系数C来刻画复杂网络系统中各节点间的平均距离与类聚特征,可以证明,小世界网络有着较短的特征路径长度和较高的集团化系数,能较好地反映现实社会网络特征,有助于我们深入探讨网络结构对网络功能的影响,因此,“小世界”理论一经提出,就在各个领域激起了广泛的研究热潮。但在情报学领域,应用小世界网络结构特征和属性进行文献信息的自动处理还前所未有。基于前人的理论基础,作者在深入研究了小世界网络及复杂网络的基本理论后,创造性地将小世界理论引入情报科学领域,主张从网络结构的几何特征来分析中文词汇的语义网络,并以数值模拟证明了该网络具有小世界网络的特征,有利于我们应用该特征进行中文关键词的自动抽取与标引。
众所周知,关键词以其灵活、易用的特点成为网络时代最重要的情报检索语言,它既是情报存储的标识,又是情报检索的依据。因此,关键词抽取与标引的质量直接影响信息检索的效率。作者通过分析网络关键词的幂律分布规律,提出以词汇对文献网络结构的贡献度作为提取关键词的衡量标准,突破小世界网络理论的物理意义,建立了以文献语义的小世界网络为基础的关键词自动抽取与标引的方法。实验发现,用该方法抽取的关键词更直观地揭示了文献的中心思想与重要概念,深度挖掘了文献潜在的知识内涵,若用它们作为表达文本知识的标识,则在一定程度上可改善集中式搜索引擎的全文检索质量,提高查准率。因此,能满足网络时代情报用户对网络信息检索的要求,有广泛的适应性与应用前景。