孫輝

[摘要]本文分析傳統(tǒng)書刊索引的知識揭示和定位功能，指出利用信息組織技術(shù)編制書刊索引可提高索引的質(zhì)量和效率，保證叢書索引的一致性，并為復合出版的知識服務打下基礎。基于上述思路，本文通過原型系統(tǒng)對中華人民共和國史領域的叢書索引進行實踐。

[關(guān)鍵詞]書刊索引；信息組織技術(shù)；主題詞表

DOI：10.3969/i.issn.1008-0821.2015.01.018

[中圖分類號]G254.92 [文獻標識碼]A [文章編號]1008-0821（2015）01-0096-04

索引是知識組織的工具。通過索引可以有系統(tǒng)地揭示各類文獻的內(nèi)容，將分散記載于大量文獻中的知識初步地組織起來，以方便檢索。過去，由于我國學術(shù)規(guī)范和評價體系不完善，圖書期刊的索引編制不被重視。2012年新聞出版總署提出“按照國家最高學術(shù)出版的標準，探討建立一套科學、完善、規(guī)范的學術(shù)出版評價體系。我們將在中國出版政府獎、國家出版基金和“三個一百”原創(chuàng)出版工程的評審標準中增加一條：凡是索引、注釋不規(guī)范的圖書一律取消評審資格?！北疚幕趪覙藴省端饕幹埔?guī)則（總則）》（GB/T22466-2008），結(jié)合信息組織技術(shù)，就計算機輔助書刊索引編制進行研究和實踐，主要探析以下幾個問題：（1）索引的本質(zhì)是什么？信息時代，全文檢索和數(shù)據(jù)庫能否代替書刊索引，書刊索引是否有必要存在；（2）信息組織技術(shù)是如何支撐書刊索引編制的；（3）實現(xiàn)書刊索引編制需要解決的實際問題有哪些以及如何實現(xiàn)?；谏鲜鎏轿觯疚脑O計索引原型系統(tǒng)，系統(tǒng)包含“主題詞表模塊”“文本標注模塊”“索引整理輸出模塊”，實現(xiàn)《中華人民共和國史編年》清樣的索引編制。

1.書刊索引的知識揭示和定位功能

書刊索引，一般指文后索引，是對某一部文獻的內(nèi)容作標引，并附在該書末尾的文獻內(nèi)容索引。其功能主要是簡便查詢過程，加快定位知識單元所在的文獻或文獻中的位置，其過程是對文獻進行知識層次的解構(gòu)和重構(gòu)，方便用戶將某一知識單元的文獻或文獻片段聚合在一起。在信息技術(shù)高度發(fā)達的今天，數(shù)字出版的技術(shù)和形式層出不窮，傳統(tǒng)書刊出版不斷受到挑戰(zhàn)。書刊索引作為一項繁瑣的勞動更加被忽視，人們認為，既然能夠?qū)崿F(xiàn)全文檢索，何必需要文獻內(nèi)容索引。其實，傳統(tǒng)索引的原理是建立全文檢索和數(shù)據(jù)庫檢索的基礎。在全文檢索系統(tǒng)中，索引是不可缺少的部件，其過程一般是：通過分詞詞典對全部文本進行切分，對切分后的詞語建立索引（或建立單字索引），其索引結(jié)構(gòu)為“索引詞+位置序列”——類似印刷版的書后索引，此處“位置”表示為該詞匯在文獻中的字符串位置，而書后索引的“位置”表示該詞語所在的“頁碼”。另外，索引也是所有數(shù)據(jù)庫系統(tǒng)不可或缺的部件，其索引結(jié)構(gòu)也為“索引詞+位置序列”，此處的“位置”是指數(shù)據(jù)庫中的記錄號。離開索引技術(shù)，數(shù)據(jù)庫系統(tǒng)是不能實現(xiàn)高效檢索的。因此，與全文檢索不同的，書刊索引中的索引標目（索引項）是經(jīng)過專業(yè)人士精心挑選出來，全文檢索中“索引標目”指文本中的所有詞匯，是“大數(shù)據(jù)”，此處的“大數(shù)據(jù)”不能提供關(guān)鍵信息，無法主動推送文獻主題信息，用戶只能通過不斷檢索來嘗試定位重要知識單元。

復合出版更加強調(diào)“內(nèi)容與內(nèi)容之間的關(guān)聯(lián)”，突出出版的知識服務功能，索引作為知識單元的組合引擎，在包括傳統(tǒng)出版在內(nèi)的所有出版形式中都是不可或缺的要素，現(xiàn)有的傳統(tǒng)書刊出版中的索引可以為該作品的復合出版提供知識服務入口，已經(jīng)出版的書刊索引可以為復合出版中建立統(tǒng)一的學科知識組織標準提供知識積累。此外，盡管數(shù)字出版模式出現(xiàn)多樣化趨勢，學術(shù)類書刊因其閱讀深度，暫時不能告別傳統(tǒng)出版，書刊索引作為知識揭示的關(guān)鍵手段，有著不可替代的重要作用。

2.信息組織技術(shù)與書刊索引編制

機編索引軟件利用信息技術(shù)輔助書刊索引生成。孫琳對國內(nèi)外索引軟件尤其是國內(nèi)索引之星軟件和Word索引功能進行對比，認為當前的索引軟件存在不足并對新的索引軟件提出如下期望：支持多種類型的索引，支持多種文本類型，排序的多樣性和準確性，自動編配參照系統(tǒng)以及實現(xiàn)概念標引等。本文認為，上述軟件最大的缺點是不能重復利用已經(jīng)出版的書刊索引的成果，對于同一套叢書，可能存在前后索引選詞考量不統(tǒng)一的問題。已經(jīng)出版的書刊索引是對文獻的知識揭示，包含了索引工作者的智慧和汗水，如果僅僅作為一次性成果，難免可惜，也不利于叢書的統(tǒng)一性和完整性。信息組織即信息的有序化與優(yōu)質(zhì)化，也就是利用一定的科學規(guī)則和方法，通過對信息外在特征和內(nèi)容特征的表征和排序，實現(xiàn)無序信息流向有序信息流的轉(zhuǎn)換，從而使信息集合達到科學組合實現(xiàn)有效流通，促進用戶對信息的有效獲取和利用。書刊索引是印刷時代的一種信息組織方式，手工編制的書刊索引，在索引項選擇、參照設定、頁面摘錄和合并等方面存在隨意性和一定的差錯率。利用信息組織技術(shù)中的主題詞表技術(shù)和數(shù)據(jù)庫技術(shù)可以提高書刊索引編制的質(zhì)量和效率，并保證叢書索引的一致性和完整性，具體分析如下。

2.1基于概念組織索引款目

在書刊索引中，要求意義相同的標目統(tǒng)一合并為一個統(tǒng)一標目，統(tǒng)一標目盡量選用規(guī)范表達的詞語，其他同義詞雖然可以作為標目，但其后不包括頁碼，通過“見”項指向統(tǒng)一標目；在有緊密內(nèi)在聯(lián)系的標目之間，如果存在等級關(guān)系，可通過設立副標目、次副標目的方式來體現(xiàn)這種關(guān)系，如果存在其他關(guān)聯(lián)關(guān)系，可通過參照標目“參見”其所關(guān)聯(lián)的標目。在信息組織技術(shù)中，主題詞表是規(guī)范的信息描述語言，它主要反映了兩方面的關(guān)系，一是同一概念的規(guī)范語言與自然語言的關(guān)系，即主題詞與入口詞的關(guān)系；二是不同概念之間的屬種關(guān)系和參照關(guān)系。可以看出，主題詞表與書刊索引在概念的組織和表達方面具有一致性（見表1）。

學科主題詞表包含了本學科重要術(shù)語，使用主題詞表中的詞匯標引書刊，可獲得索引初稿；人工根據(jù)書刊索引初稿進行標目補充，再將補充的標目詞匯增加到主題詞表中以供后續(xù)標引。通過這種迭代方式豐富的主題詞表，可繼續(xù)用于同類學科書刊的索引編制，體現(xiàn)了學術(shù)用語的規(guī)范性，也有利于同一套叢書索引的統(tǒng)一性和完整性。此外主題詞表可作為索引款目關(guān)系的標準，有助于構(gòu)造索引款目的參照關(guān)系和排序等。endprint

2.2通過文本標注定位索引位置

文本標注用于定位詞語在文獻中位置，使用的是中文分詞技術(shù)，一般采用的基于切分詞表的詞語切分方法，切分詞表包含上述主題詞表中所有的主題詞和入口詞。文本標注時采用的類似XML的語言，可轉(zhuǎn)換成排版標記語占，便于在校樣中突出顯示，方便索引校對；由于索引標記是嵌入在小樣文件中的，索引頁碼也由排版軟件即時生成。這種手段改變了傳統(tǒng)索引流程。傳統(tǒng)索引流程中，為了保證頁碼的確定性，索引工作是在書刊的最后一個校次的校樣上進行的，索引本身因校對次數(shù)少而不能保證質(zhì)量，整個出版進程也不可控。通過文本標注定位索引的方法支持用戶從初稿開始進行索引工作，用戶在排版周期的任何校次上都可以核對和修改索引項，編輯可以在出版初期獲得索引初稿，便于計算索引密度，把握索引篇幅，這樣既保證了索引的高質(zhì)量和完整性，也保證了出版進度和出版成本的可控性。

2.3基于數(shù)據(jù)庫自動生成索引

通過文本標注獲得索引標目的位置信息，還需要進行款目合并、款目等級定位、款目參照（“見”“參見”）關(guān)聯(lián)、頁碼合并、款目排序等過程才能生成索引。由于主題詞表本身是以數(shù)據(jù)庫形式存儲，文本標注后的索引標目與位置關(guān)系也以數(shù)據(jù)庫形式存儲，將兩表進行對照，根據(jù)主題詞表的概念關(guān)系調(diào)整索引表中的記錄，將同一款目的頁碼合并到一個記錄中，如果存在同義關(guān)系，只在主題詞款目下呈列頁碼，入口詞款目后跟“見”項，指向主題詞；如果存在等級關(guān)系，則輸出時，按副標目處理；對于連續(xù)頁碼，通過排序算法進行合并；最后利用數(shù)據(jù)庫技術(shù)對索引款目進行排序。這樣生成的索引基本符合出版需求。

4.討論

4.1主題詞表的知識來源

利用信息組織技術(shù)編制書刊索引，無論是文本標注模塊還是索引整理輸出模塊都要用到主題詞表，可以說，主題詞表是該系統(tǒng)的核心部件。主題詞表的知識是不斷迭代生成的，最初的知識來源于學科主題詞表、工具書，在實際文本標注后，用戶會發(fā)現(xiàn)新索引項。這些新的索引項被添加到主題詞表中并建立相關(guān)關(guān)聯(lián)關(guān)系，等一校樣完成后，索引款目基本定型，可以隨時輸出索引。由于中華人民共和國史領域本身沒有主題詞表，本文通過人物名錄、職官志、百科辭典等工具書以及4卷本的《中華人民共和國史編年》校對，共獲得收集人名概念3063個，涉及3158人物名稱；收集地名概念1610個，涉及2188個地點；國家機構(gòu)2396個，涉及3898個機構(gòu)名稱。

4.2索引編制與排版軟件的關(guān)系

書刊索引的編制軟件是寄生在出版軟件之上的，一是借助排版軟件即時生成索引；二是借助排版軟件在校樣中凸顯索引項，便于在任何校次的校樣中檢查索引項。因此基于主題詞表索引編制應該成為排版軟件的一個功能，而不應該另起爐灶。本文當前是對方正小樣文件進行處理，再通過方正排版預覽效果。經(jīng)多次試驗，索引項采用下劃線或著重符時，對版式影響比較小，但還是有個別地方影響版式，期待排版軟件公司能關(guān)注這方面需求，在設計時兼容此類功能。

4.3索引編制是人機結(jié)合的工作

索引編制是人機結(jié)合的工作。本系統(tǒng)支持抽詞標引，對于賦詞標引，需人工進行。賦詞標引后的索引項應該加入到主題詞表中，供后續(xù)的索引整理輸出。此外，在文本標注模塊，由于機器的智能有限，單純的文本標注容易出現(xiàn)的切分錯誤、漏標和歧義標注。切分錯誤舉例如下：對“交通運輸部門”標注出“交通運輸部”；對“大興調(diào)查之風”標注出地名“大興”，對“我們曾三次建議談判解決”一詞標注出“曾三”人名。漏標漏標的原因有二，一是詞表收詞不全；二是部分概念無法通過抽詞匹配。另外，文本中的自然語言有一定隨意性，不是用固定的字符表示，造成無法機器匹配。例如“交通、公安兩部”“我委、部同意人民、文學、美術(shù)、世界知識、中國青年、中國少年兒童、音樂、體育、商務和上海的人民、文藝、美術(shù)、少年兒童等13個出版社與兄弟國家相近性質(zhì)的出版社”，此處機構(gòu)都是以不完整的詞匯出現(xiàn)，無法直接抽詞標注。由于機器標注暫不考慮語法分析，故出現(xiàn)歧義標注。例如“鄧小平同新西蘭共產(chǎn)黨代表團團長、中央政治局委員麥卡拉會談”，此處的“中央政治局”如抽出，在文后索引中會與“中共中央政治局”頁碼匯合。另外，在主題詞表構(gòu)建過程中，概念之間的等級關(guān)系和同義關(guān)系也需要領域?qū)＜业膶彾?。這些問題都說明，機器是索引編制的輔助工具，人工參與是不可缺少的環(huán)節(jié)。endprint