基于專業(yè)術(shù)語的中外文獻(xiàn)數(shù)據(jù)庫知識關(guān)聯(lián)比較研究

陳 榮，袁碩娜，朱 雯，王倩倩，孫濟(jì)慶（華東理工大學(xué)科技信息研究所）

知識關(guān)聯(lián)是指知識單元之間存在的各種關(guān)系的總和，知識單元包括文獻(xiàn)、人腦等知識載體和概念、詞語等知識內(nèi)容。［1］具體地說，知識關(guān)聯(lián)就是指大量的知識單元之間存在的知識序化的聯(lián)系，以及所隱藏的、可理解的、最終可用的關(guān)聯(lián)。［2］術(shù)語是在特定專業(yè)領(lǐng)域中一般概念的詞語指稱（GB/T 15237.1-2000 3.4.3），是某專業(yè)領(lǐng)域內(nèi)的國際通用語言，可以解決領(lǐng)域內(nèi)對某事物的溝通交流障礙，具有專一性、特定性和精確性，不存在誤差和歧義。［3］專業(yè)術(shù)語作為專業(yè)領(lǐng)域知識表達(dá)的基本單位，是知識網(wǎng)絡(luò)的基礎(chǔ)節(jié)點，［4］在課題檢索和知識服務(wù)中具有非常關(guān)鍵的作用。目前，國內(nèi)外關(guān)于SciFinder 數(shù)據(jù)庫［5-7］和三大中文數(shù)據(jù)庫——萬方、維普、中國知網(wǎng)［8-10］的研究內(nèi)容基本相同，主要集中于數(shù)據(jù)庫的使用方面，如收錄范圍、檢索方法和系統(tǒng)功能等。另外，還有部分研究集中在數(shù)據(jù)庫之間的比較，如Reaxys 與SciFinder 的比較，［11］萬方、維普和CNKI 之間的比較，［12,13］比較的著眼點也集中于檢索方法、功能和收錄情況等方面。

可見，目前數(shù)據(jù)庫的研究方向主要集中在客觀的檢索能力方面，并沒有從數(shù)據(jù)庫內(nèi)部的知識關(guān)聯(lián)角度進(jìn)行深入探討，也沒有在數(shù)據(jù)庫內(nèi)部對專業(yè)術(shù)語檢索結(jié)果的研究。SciFinder 是美國的化學(xué)專業(yè)數(shù)據(jù)庫，其檢索途徑全面、知識關(guān)聯(lián)豐富，而國內(nèi)多為綜合類學(xué)科文獻(xiàn)數(shù)據(jù)庫，缺乏這類專業(yè)的數(shù)據(jù)庫。故本文選取SciFinder 維普、萬方和中國知網(wǎng)，基于專業(yè)術(shù)語“水楊酸（salicylic acid）”“輕烴（light hydrocarbon）”等，從知識關(guān)聯(lián)類型、表達(dá)形式和強(qiáng)度對上述4 個數(shù)據(jù)庫的知識關(guān)聯(lián)進(jìn)行深入分析和比較，旨在使用戶了解各數(shù)據(jù)庫對術(shù)語的處理原理，促進(jìn)中文數(shù)據(jù)庫改進(jìn)術(shù)語處理，提升數(shù)據(jù)庫的知識服務(wù)能力。

1 文獻(xiàn)數(shù)據(jù)庫的知識關(guān)聯(lián)類型比較

本文將檢索過程分為檢索前和檢索后兩個過程，對這兩個過程中文獻(xiàn)數(shù)據(jù)庫的知識關(guān)聯(lián)類型進(jìn)行分析比較。檢索前是指輸入檢索詞未出現(xiàn)檢索結(jié)果的檢索過程，檢索后是出現(xiàn)檢索結(jié)果的檢索過程。通過檢索化學(xué)術(shù)語“salicylic acid（水楊酸）”“l(fā)ight hydrocarbon（輕烴）”等，發(fā)現(xiàn)文獻(xiàn)數(shù)據(jù)庫的知識關(guān)聯(lián)類型主要是兩種，一是顯性知識關(guān)聯(lián)，二是隱性知識關(guān)聯(lián)。顯性知識關(guān)聯(lián)是指知識單元與知識單元間表現(xiàn)出來的易于識別和發(fā)現(xiàn)的關(guān)系，［14］隱性知識關(guān)聯(lián)是指知識單元與知識單元間難以識別和發(fā)現(xiàn)的隱含關(guān)系。［14］

檢索發(fā)現(xiàn)：① SciFinder 數(shù)據(jù)庫的知識關(guān)聯(lián)主要是檢索后的顯性知識關(guān)聯(lián)和隱性知識關(guān)聯(lián)，檢索前沒有知識關(guān)聯(lián)；② 萬方數(shù)據(jù)庫、維普數(shù)據(jù)庫的檢索前的知識關(guān)聯(lián)主要是顯性關(guān)聯(lián)，檢索后的知識關(guān)聯(lián)包含顯性知識關(guān)聯(lián)和隱性知識關(guān)聯(lián)；③中國知網(wǎng)檢索前和檢索后的知識關(guān)聯(lián)主要是顯性知識關(guān)聯(lián)。總體而言，SciFinder 作為化學(xué)領(lǐng)域的專業(yè)數(shù)據(jù)庫，其在檢索前不包含知識關(guān)聯(lián)，而作為綜合類文獻(xiàn)數(shù)據(jù)庫的萬方、維普和中國知網(wǎng)數(shù)據(jù)庫，其檢索前和檢索后均包含隱性知識關(guān)聯(lián)和顯性知識關(guān)聯(lián)。

2 文獻(xiàn)數(shù)據(jù)庫的知識關(guān)聯(lián)表達(dá)形式比較

知識關(guān)聯(lián)表達(dá)形式是指文獻(xiàn)數(shù)據(jù)庫通過哪些形式將與專業(yè)術(shù)語檢索詞的相關(guān)知識表示出來（見表1）。本文將顯性知識關(guān)聯(lián)的表達(dá)形式分為直接關(guān)聯(lián)形式，即知識關(guān)聯(lián)內(nèi)容直接包含檢索詞，將隱性知識關(guān)聯(lián)的表達(dá)形式分為相關(guān)詞關(guān)聯(lián)形式、知識圖譜關(guān)聯(lián)形式以及其他特色關(guān)聯(lián)形式。相關(guān)詞關(guān)聯(lián)形式是文獻(xiàn)數(shù)據(jù)庫能提供與檢索詞有關(guān)系的詞，如同義詞、不包含相同詞素的詞等，主要以詞的形式表現(xiàn)；知識圖譜關(guān)聯(lián)形式是文獻(xiàn)數(shù)據(jù)庫以圖譜的方式表現(xiàn)與檢索詞相關(guān)的內(nèi)容，如形成以檢索詞為中心的知識網(wǎng)絡(luò)；其他特色關(guān)聯(lián)形式是指與專業(yè)特色有關(guān)的知識關(guān)聯(lián)方式，如化學(xué)反應(yīng)式關(guān)聯(lián)方式等。

① SciFinder 的顯性知識關(guān)聯(lián)的形式是指明確包含檢索詞的文獻(xiàn)（見圖1）。相關(guān)詞關(guān)聯(lián)形式包含術(shù)語- 文獻(xiàn)知識點關(guān)聯(lián)形式、術(shù)語- 術(shù)語關(guān)聯(lián)形式。術(shù)語- 文獻(xiàn)知識點關(guān)聯(lián)形式是指在整篇文獻(xiàn)中，沒有明顯出現(xiàn)該專業(yè)術(shù)語，而是通過文獻(xiàn)中的知識點，間接性地關(guān)聯(lián)初始檢索詞（見圖2）；術(shù)語- 術(shù)語關(guān)聯(lián)形式是指通過初始的專業(yè)術(shù)語檢索詞間接性地將其他相關(guān)術(shù)語關(guān)聯(lián)起來（見圖3）。其他特色關(guān)聯(lián)形式包含符號知識點關(guān)聯(lián)形式、圖形知識點形式和其他知識點形式。符號知識點關(guān)聯(lián)形式是指通過專業(yè)特點符號等可以確定該檢索的相關(guān)信息，如通過化學(xué)物質(zhì)登記號等可以確定物質(zhì)的名稱、分子式等相關(guān)信息（見圖4）。圖形關(guān)聯(lián)形式是指以圖形表達(dá)檢索詞的相關(guān)信息，如通過化學(xué)物質(zhì)結(jié)構(gòu)式可以得到物質(zhì)的分子式，進(jìn)而連接到物質(zhì)名稱，并且可以查找到與該結(jié)構(gòu)式相關(guān)的反應(yīng)式等（見圖5）。其他知識關(guān)聯(lián)形式如化學(xué)反應(yīng)式關(guān)聯(lián)形式，即通過化學(xué)反應(yīng)式可以關(guān)聯(lián)到反應(yīng)物、產(chǎn)物、反應(yīng)試劑、中間體等許多化學(xué)物質(zhì)（見圖6）。

（2） 首先，萬方、維普和中國知網(wǎng)的顯性知識關(guān)聯(lián)形式主要是下拉框列表形式，即輸入檢索詞，系統(tǒng)自動出現(xiàn)以該專業(yè)術(shù)語檢索詞為詞首的擴(kuò)展詞（見圖7）。其次，萬方、維普和中國知網(wǎng)的相關(guān)詞關(guān)聯(lián)形式主要是以關(guān)鍵詞列表或者相關(guān)檢索詞列表形式出現(xiàn)（見圖8），需要指出的是關(guān)鍵詞列表和相關(guān)檢索詞列表中的詞有一部分是顯性知識關(guān)聯(lián)。

（3）萬方和維普包含知識圖譜關(guān)聯(lián)形式，而中國知網(wǎng)不包含知識圖譜形式。知識圖譜形式是以檢索詞為中心擴(kuò)展相關(guān)詞，包含與專業(yè)術(shù)語檢索詞相關(guān)的范疇、同義詞、上位詞、下位詞等（見圖9）。

表1 文獻(xiàn)數(shù)據(jù)庫知識關(guān)聯(lián)表達(dá)形式

圖1 SciFinder 直接關(guān)聯(lián)形式

圖2 SciFinder 術(shù)語—文獻(xiàn)知識點關(guān)聯(lián)形式

圖3 SciFinder 術(shù)語-術(shù)語知識點關(guān)聯(lián)形式

總體而言，作為綜合類學(xué)科文獻(xiàn)數(shù)據(jù)庫的萬方、維普和中國知網(wǎng)尚未對專業(yè)術(shù)語的專業(yè)性進(jìn)行特定的知識關(guān)聯(lián)，而作為化學(xué)專業(yè)數(shù)據(jù)庫的SciFinder 的知識關(guān)聯(lián)形式與檢索詞的化學(xué)特性緊密相連，不僅僅是詞的形式，還包括與化學(xué)物質(zhì)相關(guān)的分子式、結(jié)構(gòu)式、反應(yīng)式等，更加全面和智能化。在SciFinder 數(shù)據(jù)庫中輸入“l(fā)ight hydrocarbon（輕烴）”，時間限制為2017-2018 年，語言選擇“中文”，檢索結(jié)果中出現(xiàn)了不明確含有“輕烴”的文章，但是包含輕烴的下位詞“n-pentane（戊烷）”、“naphthalene（萘）”等的文章，可以找到相關(guān)物質(zhì)的結(jié)構(gòu)式（見圖10、圖11）。而在中文數(shù)據(jù)庫中輸入“l(fā)ight hydrocarbon（輕烴）”，時間同樣限制為2017-2018 年，檢索結(jié)果均是明確包含“輕烴”的文章，知識關(guān)聯(lián)形式較簡單（見圖12）。

圖4 SciFinder 符號關(guān)聯(lián)形式

圖5 SciFinder 圖形關(guān)聯(lián)形式

圖6 SciFinder 反應(yīng)式關(guān)聯(lián)形式

圖7 萬方下拉框列表形式

圖8 中國知網(wǎng)數(shù)據(jù)庫的關(guān)鍵詞列表形式

圖9 萬方數(shù)據(jù)庫知識圖譜形式

圖10 SciFinder 檢索結(jié)果“n-pentane（戊烷）”

圖11 SciFinder 檢索結(jié)果“naphthalene（萘）”

圖12 中國知網(wǎng)數(shù)據(jù)庫檢索結(jié)果

3 文獻(xiàn)數(shù)據(jù)庫的知識關(guān)聯(lián)強(qiáng)度分析

知識關(guān)聯(lián)強(qiáng)度是指知識單元間聯(lián)系的緊密程度，測量知識關(guān)聯(lián)強(qiáng)度的指標(biāo)主要有相關(guān)性、耦合強(qiáng)度和共引強(qiáng)度、共詞和共現(xiàn)頻次等。［15］本文從相關(guān)性角度比較數(shù)據(jù)庫的知識關(guān)聯(lián)強(qiáng)度，通過了解檢索詞salicylic acid 的相關(guān)信息（見表2），［16］比較文獻(xiàn)數(shù)據(jù)庫中是否有該檢索詞的相關(guān)信息出現(xiàn)，從語義、應(yīng)用和化學(xué)反應(yīng)三個方面對文獻(xiàn)數(shù)據(jù)庫的關(guān)聯(lián)內(nèi)容進(jìn)行關(guān)聯(lián)強(qiáng)度分析，其中語義相關(guān)是指與“水楊酸”存在上位、下位或者相關(guān)關(guān)系，應(yīng)用相關(guān)是指在應(yīng)用研究領(lǐng)域中與“水楊酸”有直接或者間接的關(guān)聯(lián)關(guān)系，化學(xué)反應(yīng)相關(guān)是指與“水楊酸”共同作用于某一化學(xué)反應(yīng)，可為反應(yīng)物、生成物或試劑等。

表2 “salicylic acid”的相關(guān)信息

圖15 SciFinder 檢索結(jié)果“salicylic acid（水楊酸）”

（1）SciFinder 關(guān)聯(lián)的知識與專業(yè)術(shù)語檢索詞之間存在較高相關(guān)性，一方面除提供包含檢索詞的文獻(xiàn)以外，還有隱含關(guān)聯(lián)的其他文獻(xiàn)，用戶可以根據(jù)需要選擇顯示兩類文獻(xiàn)的交集、并集或任何一部分（見圖15）；另一方面還提供了檢索詞的詳細(xì)信息，如分子式、結(jié)構(gòu)式和相關(guān)的化學(xué)反應(yīng)式，還可以利用Markush（馬庫什） 檢索來確定該檢索詞的種類和名稱，進(jìn)一步獲取該檢索詞的其他相關(guān)信息。

（2）在萬方數(shù)據(jù)庫中，用戶在檢索結(jié)果中可以獲得與專業(yè)術(shù)語檢索詞相關(guān)的其他詞，并且大多是不與檢索詞含有相同詞素的詞，如本文使用的檢索詞是“水楊酸”，在萬方數(shù)據(jù)庫檢索結(jié)果中提供的知識圖譜會顯示水楊酸的上位詞、下位詞、同義詞等，下拉框列表關(guān)聯(lián)內(nèi)容均是與水楊酸有緊密關(guān)聯(lián)的化學(xué)名詞，相關(guān)檢索詞與“水楊酸”的關(guān)系如表3 所示，由此分析發(fā)現(xiàn)這些詞大部分是與水楊酸應(yīng)用相關(guān)，可以明確定位到某個應(yīng)用領(lǐng)域中，但這些詞具有一定的重復(fù)性，相同的概念多次出現(xiàn)。

表3 萬方數(shù)據(jù)庫“水楊酸”的相關(guān)檢索詞及相關(guān)關(guān)系

（3） 維普數(shù)據(jù)庫除了常規(guī)數(shù)據(jù)庫提供的文獻(xiàn)和相關(guān)檢索詞之外，還創(chuàng)新提供了以專業(yè)術(shù)語檢索詞為中心的知識圖譜，圍繞該檢索詞有與其相關(guān)的作者、機(jī)構(gòu)、刊物、學(xué)科、其他檢索詞等，讓用戶更加清晰明了地了解檢索詞的相關(guān)信息。由于維普數(shù)據(jù)庫提供的下拉框列表提供的關(guān)聯(lián)內(nèi)容與知識圖譜中顯示的主題詞內(nèi)容相同，故僅分析下拉框列表中的關(guān)聯(lián)內(nèi)容。如表4 所示與水楊酸相關(guān)的詞中大部分是應(yīng)用相關(guān)詞，但像“水楊酸誘導(dǎo)”（序號3） 和“水楊酸處理”（序號7） 這樣的詞匯，既不是專業(yè)術(shù)語，也不是化學(xué)名稱，并不應(yīng)該出現(xiàn)在相關(guān)主題詞中，而應(yīng)該與具體水楊酸含量檢測方法等一類術(shù)語合并，如“高效液相色譜法”（序號1） 等。分析可能的原因是維普數(shù)據(jù)庫的知識關(guān)聯(lián)內(nèi)容主要通過關(guān)鍵詞共現(xiàn)實現(xiàn)，所以關(guān)聯(lián)的知識未涉及術(shù)語的上位概念和下位概念及同義詞。

（4）中國知網(wǎng)數(shù)據(jù)庫提供的知識關(guān)聯(lián)結(jié)果大多與專業(yè)術(shù)語檢索詞含有相同詞素，它們之間的共詞素越多，關(guān)系越緊密，如在中國知網(wǎng)數(shù)據(jù)庫中輸入檢索詞“水楊酸”，下拉框列表關(guān)聯(lián)內(nèi)容均是與水楊酸有緊密關(guān)聯(lián)的化學(xué)名詞，關(guān)鍵詞列表關(guān)聯(lián)內(nèi)容是通過詞頻統(tǒng)計將關(guān)鍵詞進(jìn)行排序，有的是專業(yè)術(shù)語，有的是方法等，但這些詞的類別和關(guān)系在一定程度上有些混亂。相關(guān)檢索詞關(guān)聯(lián)內(nèi)容如表5 所示，除了專業(yè)的化學(xué)術(shù)語之外，還有“含量測定”“同時測定”“水楊酸的合成”等詞匯，分析原因可能是用戶曾經(jīng)使用過的檢索詞，這些詞被數(shù)據(jù)庫收入了系統(tǒng)中，但由于這些檢索詞沒有經(jīng)過數(shù)據(jù)庫二次篩選或者分類，而是直接推送給下一檢索用戶。因此中國知網(wǎng)提供的知識關(guān)聯(lián)內(nèi)容范圍較窄，涵蓋面窄，局限性較大。

表4 維普數(shù)據(jù)庫“水楊酸”的相關(guān)檢索詞及相關(guān)關(guān)系

表5 中國知網(wǎng)數(shù)據(jù)庫“水楊酸”的相關(guān)檢索詞及相關(guān)關(guān)系

總體而言，SciFinder 知識關(guān)聯(lián)強(qiáng)度較高，而萬方、維普和中國知網(wǎng)對于知識處理的深度不足，并且中文數(shù)據(jù)庫主要以計算機(jī)對用戶輸入的檢索詞詞頻或文獻(xiàn)共詞詞頻為基礎(chǔ)進(jìn)行的關(guān)聯(lián)，尚未經(jīng)過人工處理，關(guān)聯(lián)結(jié)果的可靠性和準(zhǔn)確性不強(qiáng)。

4 總結(jié)與建議

本文以“salicylic acid（水楊酸）”“l(fā)ight hydrocarbon（輕烴）”等為檢索詞，從知識關(guān)聯(lián)類型、知識關(guān)聯(lián)表達(dá)形式和知識關(guān)聯(lián)強(qiáng)度三個方面分析SciFinder、萬方、維普和中國知網(wǎng)數(shù)據(jù)庫中的知識關(guān)聯(lián)。發(fā)現(xiàn)作為化學(xué)專業(yè)數(shù)據(jù)庫的SciFinder 深入挖掘與化學(xué)專業(yè)特色有關(guān)的關(guān)聯(lián)形式，形成了詞- 形一體的關(guān)聯(lián)形式，而綜合類學(xué)科中文數(shù)據(jù)庫萬方、維普和中國知網(wǎng)對于專業(yè)知識的處理深度不足。維普數(shù)據(jù)庫雖然創(chuàng)新性采用圖譜關(guān)聯(lián)的方式，但其知識關(guān)聯(lián)局限于關(guān)鍵詞共現(xiàn)，未涉及術(shù)語的上位概念和下位概念及同義詞；萬方數(shù)據(jù)庫圖譜關(guān)聯(lián)方面功能較強(qiáng)，推薦的相關(guān)詞與檢索詞之間的相關(guān)性較強(qiáng)，但其知識關(guān)聯(lián)表達(dá)形式僅僅以詞的形式出現(xiàn)，未深入挖掘?qū)I(yè)特色；中國知網(wǎng)數(shù)據(jù)庫提供專業(yè)術(shù)語的知識關(guān)聯(lián)內(nèi)容，但其知識關(guān)聯(lián)表達(dá)形式單一，需要創(chuàng)新知識關(guān)聯(lián)表達(dá)形式。

4.1 知識關(guān)聯(lián)表達(dá)形式更加多樣化

除了現(xiàn)有的基礎(chǔ)知識關(guān)聯(lián)表達(dá)形式以外，中文數(shù)據(jù)庫需創(chuàng)新知識關(guān)聯(lián)表達(dá)形式，加強(qiáng)文獻(xiàn)中的內(nèi)容挖掘，做到詞—形一體。如本文中提到的檢索詞是化學(xué)專業(yè)術(shù)語，有很大的特點，區(qū)別于常規(guī)的檢索詞，既包含化學(xué)物質(zhì)的特性，又包含化學(xué)名稱、分子式、結(jié)構(gòu)式、反應(yīng)式等多個知識點關(guān)聯(lián)，如果能做到將這些知識點相關(guān)聯(lián)，則將大大提高中文數(shù)據(jù)庫在專業(yè)領(lǐng)域的查準(zhǔn)率和查全率，有利于用戶發(fā)現(xiàn)更多的研究點，促進(jìn)學(xué)術(shù)發(fā)展。

4.2 建立規(guī)律性的動態(tài)知識關(guān)聯(lián)

目前，中文數(shù)據(jù)庫的知識關(guān)聯(lián)原理是通過共詞分析或詞頻統(tǒng)計得出關(guān)聯(lián)結(jié)果，而關(guān)聯(lián)結(jié)果會隨來源出版物的更新而變化，而非僅僅由于共詞等關(guān)系造成知識關(guān)聯(lián)的改變，而SciFinder 數(shù)據(jù)庫關(guān)聯(lián)的知識點均是在人工篩選的前提下，再利用計算機(jī)進(jìn)行處理，經(jīng)過了專業(yè)人士的人工處理后可以大大減少計算機(jī)處理的誤差，極大程度地增加了數(shù)據(jù)庫的查準(zhǔn)率。因此，建議中文數(shù)據(jù)庫可以通過專業(yè)人士對用戶使用的檢索詞、文獻(xiàn)信息等進(jìn)行篩選和處理，以保證數(shù)據(jù)庫中檢索出的相關(guān)知識點的正確性和有效性。

4.3 加強(qiáng)對專業(yè)學(xué)科領(lǐng)域的檢索特點探究

目前SciFinder 數(shù)據(jù)庫是化學(xué)化工領(lǐng)域的權(quán)威數(shù)據(jù)庫，其對于化學(xué)化工領(lǐng)域的文獻(xiàn)處理較專業(yè)，而中文數(shù)據(jù)庫是綜合學(xué)科類數(shù)據(jù)庫，沒有精專某一學(xué)科的數(shù)據(jù)庫，雖然檢索模式是通用的，但以綜合類學(xué)科均適用的檢索方法為主導(dǎo)，專業(yè)學(xué)科的檢索特點難免被忽視，這在一定程度上會降低數(shù)據(jù)庫對專業(yè)學(xué)科知識點的查全率和查準(zhǔn)率，因此，中文數(shù)據(jù)庫需要加強(qiáng)對專業(yè)學(xué)科檢索特點的探究，以保證數(shù)據(jù)庫在檢索專業(yè)內(nèi)容時的準(zhǔn)確性。