关于关键词的提取与使用

来源 :职业教育研究 | 被引量 : 0次 | 上传用户:liongliong565
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
  摘要:高职院校学生信息素质的培养包括关键词的提取和使用。关键词的提取技术包括理解文档的核心思想,明确关键词的概念内涵,掌握关键词的基本特征,分辨关键词与其他词之间的上下左右关系等。在此基础上,通过观察思考,熟悉方法和规范应用,坚持关键词标引使用的原则,按照步骤进行聚焦、排序、定量和鉴审操作。
  关键词:高职;关键词;提取;使用;信息素质
  中图分类号:G712 文献标识码:A 文章编号:1672-5727(2012)12-0129-02
  一项简单的实验发现:50名学生5分钟内阅读一篇500字不到的短文,每位从中提取5个关键词,结果全班学生答案各不相同。原因如下:一是不懂关键词概念;二是不知关键词提取法;三是不做关键词分析;四是不求关键词质量;五是不会关键词表达。上述情况表明,必须高度重视学生的关键词提取与使用能力的培养,以适应信息社会的交际需要。
  关键词提取常见错误
  用非关键词 尽管提取的词来自文档,但它与文档的主题内容一般相关而非密切相关,甚至不相关,不能算作关键词。非关键词不是文档主题内容表达不可或缺的词,它与文档主题内容之间的离散度较大,是一般用词或边缘用词,不属关键词。
  用双词词组 关键词是代表一个明确概念的最小单元的名词。关键词可以是单字词,也可以是多字词,如血、血管、高血压等。两个以上概念的词序列称为关键词串,而非关键单词。如“高血压心脏病”、“肺心病心力衰竭”等,它们是关键词串,而非关键单词。宁可将它们分解成两个关键单词,如“高血压”和“心脏病”、“肺心病”和“心力衰竭”,则能够表达主题概念,使得提取关键词更加准确,使用更加方便。
  用新鲜词语 多半学生认为兴趣词(自己感兴趣的词)或新鲜词(较新出现的词)是关键词。但兴趣词和新鲜词大部分是语义概念尚未成熟、大众认识尚未健全、社会使用尚未稳定的词,不能简单地将它们提取为关键词。如“超女”、“裸官”等。兴趣词和新鲜词可能在成为年度新词几年后逐步成熟、健全、稳定,认可为“关键词”。
  用缩略语 中文或英文的缩略语一般是指为便利使用,由较长的语词缩短省略而成的语词。如政协(“中国人民政治协商会议”和“地方各级政治协商会议”的缩略语)、彩电(“彩色电视机”的缩略语)、WTO(World Trade Organization世界贸易组织的缩略语)。一般提取名词全称做关键词,而不用缩略语。应将中英文缩略语写成全称,才能作为关键词。
  用半禁用或全禁用词 无特殊检索意义,不能表征文档所属专业学科概念的詞不能独立作关键词使用,这类词称为半禁用词。最常见的有:概念、规律、理论、报告、试验、学习、研究、方法、分析、问题、途径、特点、目的、发展、现象等。无实质意义的词不能作关键词,这类词称为全禁用词,它们有冠词、虚词、介词、连词、代词、副词、形容词、感叹词、某些动词(连系动词、情感动词、助动词)。关键词一般是实意名词和部分特征动词。
  关键词的社会价值
  关键词是能够反映或代表一篇文档(文章、论文、文件、报告等)主要内容的一组词语或短语。关键词与文档所在的专业学科领域密切相关,多个关键词的组合(关键词表)能够标识一类文档的核心概念,并呈现出特定专业学科的认知范畴和研究发展的关注倾向。关键词具有以下社会价值。
  信息资源 关键词是信息社会文化科技发展的宝贵资源,是人类文明的思想结晶。关键词的形成、延伸(衍生)和拓展,证明关键词是循环资源,它的演变既记录过去与现在,又预示将来发展。关键词能够帮助人们沟通与交流、生存与发展,因而需要探究与发掘、开发与利用。
  分类聚合 关键词简短精练,具有限定语义(概念),人们可依据关键词的限定概念将文档进行分类,或根据关键词的特征倾向(向量)将文档进行聚类。分类和聚类的本质相同,但切入的方向不同。由于上位关键词可涵盖下位关键词,下位关键词可归属上位关键词,因而分类是从上向下分,聚类是由下向上归。
  知识管理 现实世界,信息万变,唯有经过提炼整理并按照逻辑关系排列组合的结构化信息,才能成为实用知识。关键词能够方便数据管理,如文档分类、知识归类、网页浏览、文献检索、专利查新、信息记录等。
  共享使用 关键词的共享使用,使得多民族、跨文化之间的信息交流,计算机科学技术领域中的人机对话,现实与虚拟世界的沟通(网购、导游、娱乐),现代职业教育内容的传授等,变得十分方便快捷。由于约定俗成、反复多用和简明扼要的原因,公认的、成熟的、稳定的和新生的关键词不断涌现,它们促进信息社会的形成。
  关键词的认识进展
  关键词是客观世界存在的反映 世界上的事物是客观存在的,凡存在的都是可认知的,凡被认知的事物都需要给予名称,否则无法记录和交流。因此,世界上的名词最多,每天层出不穷。有新的认知就要给予新的名称。尽管世界各地、各民族语言给予的名称不同,但客观事物本身是真实存在的,它包括物质的和精神的、具体的和抽象的、现实的和虚拟的存在。它们都需要有确定概念的名称,关键词能够反映客观世界的存在,因此,关键词就是客观世界存在的一种反映。
  关键词是词汇链上的节点 客观世界的存在不是孤立分割的,而是互相关联和依存的。关键词和自由词不同,关键词是人类社会关注的焦点,如果将这些焦点放到整个世界的信息链中观察,关键词就是词汇链上的节点。抓住关键词节点,可将整个专业学科领域的一批信息链归纳串联起来,从而方便深入和拓展研究。这样的节点的组合就是关键词表。关键词表是一组密切相关的关键词的有序排列和组合,其中,每个关键词可作为研究的关注焦点,通过它再深化或拓展到其他节点,开展相关性研究。
  关键词随认识的深化而不断演变 关键词同样有生长、成熟、发展、更新、淘汰的生命周期,依人类认识世界的深化而发展变化。原先的关键词所代表的概念不完全、不准确、不恰当的,经过实践检验可以优化、更新、淘汰,替换成新的关键词。因此,关键词表是每年需要调整、充实、提高的。关键词表的演变过程,就是人类认识世界、与世界和谐相处的互动过程。   关键词是人际沟通的有效工具 现代社会的信息含量日益庞大,信息交流的形式层出不穷。由于关键词总是代表着人类社会关注的焦点,因此,它可以作为人际沟通的有力工具。经济生产、文化科技和社会管理的各个方面,均需要借助关键词进行有效沟通。跨国之间的文化交流,公共场所的信息化管理,均借助关键词进行人机对话、教育培训、关系转移和过境签证。关键词的提取和使用能力已经成为现代社会国民素质的基本要素之一,也成为职业院校培养专业学生职业技术能力的一项重要内容。
  关键词的提取
  学会提取关键词,需要掌握以下技术。
  理解核心思想 即从阅读理解的文献或讲话中分辨主题思想,明确作者的主旨观点,抓住表述的核心内容。思想的表述不一定是直线的,有时是曲线的,有时是螺旋式的,有时是发散后汇聚的。务必认真阅听完整,抓住关键要点内容,做第一层次即核心思想内容的提取,为关键词的提取奠定基础和限定范围。倘若没有阅读明白或听懂全篇内容,不做核心思想的分辨和提炼,随机抽取几个关键词,就会犯偏离主题的技术错误。
  明确关键词地位 关键词概念前文已经表述,此处再与主题词作一比较。关键词是由作者、读者或编者提取的能够表达主题内容的核心单词,主题词是由图书情报、语言专家根据特定标准进行规范后,提出的表达主题内容的核心单词。关键词与主题词的区别见表1。明确关键词的学术等级地位是大众性质的,有利于广大作者、读者和编者提取关键词。在公共和学术交流中,流行关键词有其重要而深刻的技术基础。即计算机科学和信息技术的发展使海量文献检索能够在极短(数秒,数十秒)的时间内完成,而且可以精确检索到任何单字、单词、词组和短语,包括关键词和主题词。由于信息技术的支持和保障,关键词的使用日益普及,并向学术领域渗透。相反,主题词的应用范围主要局限在高层学术领域,且有应用淡化的倾向,远不及关键词流行。原因很简单,关键词可以人工提取并实现机器提取(机标关键词),主题词需要专家严审规范处理,所需人工和周期跟不上信息社会的发展节奏。
  掌握关键词的特征 掌握关键词的基本特征有助于高效提取关键词。一是词频特征。词频指文档中某词序列重复出现的次数。由于作者表达主题思想时,常精心选择最能表达其思想的词汇,因此,该词汇在文档中出现的频次较高。二是词位特征。词位指文档中某词序列经常出现的位置。它们一般位于标题、摘要、目录、副标题、小标题、绪论、总论、结论和参考文献的位置上。三是词性特征。中外语言均有词性之分,如动词、名词、形容词、副词、量词等。关键词的词性一般为名词(>82%)。名词的信息含量大,且名词在语言表达中比较灵活,可以担当主语、宾语,也可以充当定语、表语和状语使用(如名词性形容词),或赋予动词含义即英语中的动名词。具有特征意义的动词(<16%)也可作关键词。少量动词与名词组成的主谓结构或动宾结构关键词,能改善提取关键词的质量。
  分辨关键词关系 由于客观事物的内在关联,任何关键词均有上下左右的关系。即关键词有上位词、下位词、同类词和等位词之相互关系。上位词指概念上外延更广的词,如“细菌”的上位词是“微生物”;下位词指概念上内涵更窄的词,如“线粒体”是“细胞”的下位词;同位词指地位相同但同属一类概念的词,如“高血压病”和“冠心病”是同位词,同属于“心血管疾病”;等同词指事物概念相同但表达形式不同的词,如“牛皮癣”和“银屑病”是等同词。能够分辨关键词的上下左右关系,区别禁用词和半禁用词,有助于精确提取关键词。
  关键词的使用
  关键词的使用主要指关键词的标引,它是亿万网民(读者、作者、编者)每天进行的作业。普通读者、作者掌握关键词的正确使用,需要观察思考,熟悉方法,规范应用。使用中应注意以下几点。
  基本原则 “以实意名词为主,关键单词为宜,内涵健全为上”。实意名词指表征文稿主题思想的术语名词,关键单词指构成最小单元的词而非多元词组,内涵健全指选用内涵概念较为成熟、稳定和规范的词而非近义词、同义词或等同词。
  操作步骤 第一步提炼主题思想,会聚选词范围;第二步研读文摘和各级标题,候选关键词语;第三步依据专业名词术语或学科主题词表,比对词语内涵概念;第四步确定标引文稿主题内容的关键词。
  逐步聚焦 关键词使用从候选到确定是逐步聚焦的过程。笔者开头所述的实验,可以引导学生进一步将各自列出的关键词(每人5个)排列,作为第一次聚焦。然后,选用重合度较高的关键词(第二次聚焦),再过滤禁用词和半禁用词,消除歧义词语,增补漏标关键词(第三次聚焦),最终达到使用较全面而正确的关键词的目的。
  科学排序 关键词排序目前国际国内尚无统一的规定。一般作者将表征主题思想。反映实质内容的词语列前,意义密切相关的词语列近,描述结果意义性质的词语列后。但行业、学术团体或期刊编辑部可能根据文献分类和方便检索的要求,对关键词排序进行约定,如中国科协学会学术部《关于在学术论文中规范关键词选择的决定(试行)》。读者应注意观察,作者应注意应用。
  数量控制 文稿关键词一般为3-8个。关键词数量过少(少于3个),不能充分表征文稿主题内容;过多(多于8个),可能偏离文稿主题内容而不利分类。
  认真鉴审 计算机科学和信息技术的发展使“机标关键词”成为现实。所谓“机标”,就是由计算机进行关键词的提取并自动化标注呈现给读者,以解决信息量剧增,人工标注周期较长的缺点。“机标关键词”速度快、算法多,但也因“机标”文稿对象的文体及表达形式多样性而存在标引疏漏、标引過度、标引重复或标引偏离的问题。对于“标全率”和“标准率”较高的“机标关键词”,应人工鉴审把关,提高关键词使用质量。
  参考文献:
  [1]刘霖,叶旭春,姜安丽,等.护理本科生专业信息能力现状及启示[J].护理学报,2010,17(5):24-26.
  [2]严春风.科技论文关键词抽取技术的研究[D].苏州:苏州大学,2009.
  [3]李枫林,何洲芳.基于关键词共现分析的检索结果聚类研究[J].情报学报,2011,30(8):819-825.
  [4]刘文森.以“关键词”取代“主题词”检索公文信息之我见[J].秘书之友,2010(10):37-39.
  [5]罗准辰.关键词抽取的研究与实现[D].北京:国防科学技术大学,2008.
  [6]刘大乾.SCI关于关键词的一般选取准则及词义库建设[J].中国科技期刊研究,2007,18(6):1073-1074.
  [7]李星华.中英文新闻网页关键词抽取技术研究[D].合肥:合肥工业大学,2009.
  [8]陈文君.跨语言医学信息挖掘中关键词提取方法的研究[D].南京:东南大学,2010.
  作者简介:
  华危持(1951—),男,江苏常州人,常州卫生高等职业技术学校副主任医师,副教授,研究方向为卫生信息管理。
  张铮(1973—),男,江苏常州人,常州卫生高等职业技术学校讲师,研究方向为英语教学。
其他文献
目的 探讨血清中脂联素、高敏C反应蛋白与儿童肥胖症及其相关疾病的关系及临床意义。方法 收集74名肥胖症儿童及30名正常对照儿童血清标本。分别检测血清脂联素、高敏C反应蛋
将全省58所高职院校各自的优势合起来形成办学优势再与本省大产业企业联合.真正形成产教合一的“大高职教育”.这是近日召开的河北省高等职业教育改革与发展工作会议确定的发展
通过研究石墨烯柔性薄膜材料的导电特性对微带天线端口反射性能和辐射性能的影响,对石墨烯薄膜代替金属铜成为微带天线辐射体的可行性进行了分析,设计了S波段的石墨烯薄膜微
从油料专业技术训练机构教员实习操作能力偏低现象入手,本文分析了现象产生的原因及其影响,提出了加强教员实习操作能力的对策,旨在为实践教学水平提高提供有效的技术支持。
目的分析麻疹流行的特征和分布规律,为进一步控制和消除麻疹提供科学依据。方法对1995-2006年麻疹监测资料进行描述性流行病学分析。结果深圳市盐田区1995-2006年麻疹的年平均
摘要:中职英语教学强调培养学生的英语实际应用能力,要在学时不多的情况下,既传授一定的英语基础知识,又培养较强的应用能力,这对所有中职英语教师都是极大的挑战。教师必须根据实际情况采用适合学生的教学方法。通过协商集群体智慧为个体共享,拓展知识学习的方式——英语合作学习,不仅能促进学生的高水平的思维和学习活动,还能提高学生学习英语的自我成功感和自信心,增强他们的平等意识,发展学生的合作意识和合作能力。有
介绍了新版弧焊设备的电磁兼容标准IEC 60974-10:2014与IEC 60974-10:2007的在试验条件和状态、测试布置上差异,重点分析了电源端子骚扰电压测试、辐射发射测试、谐波电流测试
摘要:职业教育的创新与发展,关键在教师。通过分析和研究机械类高职师资的特点,提出机械类专业高职师资队伍建设的具体措施和建议,包括在专业理论知识、专业实践技能、师范教育能力、教师职业道德等方面科学合理地构建高职机械类专业课教师可持续发展的质量保障体系。  关键词:高职;机械类专业;师资队伍建设;对策  中图分类号:G715文献标识码:A文章编号:1672-5727(2011)06-0069-02  
研究表明,我国仰泳运动员身体形态指标有所提高,但身高、体重指标不够理想;肩关节与踝关节的柔韧性和灵活性明显好于其他泳式的运动员,但臂的拉力和伸膝力差距较大。
提出一种基于电磁钳的开关电源耦合衰减特性测试方法。利用电磁钳将干扰信号注入到开关电源的高压输入端,干扰信号通过电子元件或者电路中的寄生参数耦合到低压输出端;使用接