【目的】对学术数据库中研究主题的索引术语的质量进行测度并探究其分布特点。【方法】从Web of Science、CNKI中采集来自人文、社会和自然科学领域的研究主题的索引术语,构建主题、领域和数据库层次的术语空间,将术语区分能力(Term Dis...【目的】对学术数据库中研究主题的索引术语的质量进行测度并探究其分布特点。【方法】从Web of Science、CNKI中采集来自人文、社会和自然科学领域的研究主题的索引术语,构建主题、领域和数据库层次的术语空间,将术语区分能力(Term Discriminative Capacity,TDC)作为术语质量评价指标,采用ANOVA分析方法探究不同数据库、领域的研究主题的术语质量分布特点。【结果】不同领域的研究主题的术语质量在字段分布上均满足:"Abstract">平均水平>"Keyword";CNKI的"Title"(Web of Science的"Keyword Plus")与平均水平相比在不同领域中有所差异,但均低于"Abstract";Web of Science的"Title"与"Abstract"相比在不同领域中有所差异,但均高于平均水平。【局限】研究主题不够丰富。【结论】TDC测度方法具有稳定性和可靠性;通过探究研究主题的术语质量分布特点,可以为选择检索字段入口和提高术语质量提供方向与依据。展开更多
文摘改进索引术语质量的衡量方法可以有效提高IR系统的检索效率,但术语的固有属性易受文档长度影响,难以全面衡量术语质量。对此,本文从术语内在的区分性出发,借鉴词袋模型的基本思想,提出了术语区分能力(term discriminative capacity,TDC)这一理论及3种不同的计算方法。本文还采集了Web of Science的3个子数据库中包含4个著录项的900条记录作为实验数据,来实现TDC的大规模计算,并观察3种算法在实践中的差异。经过实验分析得出,计算术语区分能力的最佳方法为TDC-T,该算法在多个方面表现稳定,且不受DF值的影响,可以作为衡量术语质量的全新指标,记为TDC。但是本研究所选取的A&HCI数据库的记录较少,这或许会造成另两个领域计算结果的失衡。
文摘【目的】对学术数据库中研究主题的索引术语的质量进行测度并探究其分布特点。【方法】从Web of Science、CNKI中采集来自人文、社会和自然科学领域的研究主题的索引术语,构建主题、领域和数据库层次的术语空间,将术语区分能力(Term Discriminative Capacity,TDC)作为术语质量评价指标,采用ANOVA分析方法探究不同数据库、领域的研究主题的术语质量分布特点。【结果】不同领域的研究主题的术语质量在字段分布上均满足:"Abstract">平均水平>"Keyword";CNKI的"Title"(Web of Science的"Keyword Plus")与平均水平相比在不同领域中有所差异,但均低于"Abstract";Web of Science的"Title"与"Abstract"相比在不同领域中有所差异,但均高于平均水平。【局限】研究主题不够丰富。【结论】TDC测度方法具有稳定性和可靠性;通过探究研究主题的术语质量分布特点,可以为选择检索字段入口和提高术语质量提供方向与依据。
