自動索引是資訊檢索領域的重要課題其應用的典型代表為文件檢索
(document retrieval) 及書後索引 (back-of-book indexing)。有關探
討書後索引的研究一向不多，在中文方面尤其罕見；在本篇論文，我們
提出一套利用術語辨識的方法來為中文文書產生書後索引。本篇論文的基
本作法結合了術語（terminology）辨識、自然語言處理的技術及傳統文
件檢索的概念。實驗的前段是術語的辨識，後段則嘗試以術語為基礎，將
之擴展為索引項。在術語辨識的階段，我們利用類似統計式詞性標注的方
法，製作了一個術語標注器 (term tagger)。實驗結果顯示，這個標注器
標示術語的能力，不論在查全率或精確率都有將近 90% 的水準，是相當
不錯的結果。在索引形成的階段，則以術語為基礎，找出名詞組與動賓結
構，並利用傳統文件檢索的權重計量方式，來篩選出有檢索價值的書後索
引項。由實驗結果看來，查全率在 57 -70% 的水準，精確率也在
41-51%之間，可說是令人滿意的結果。在實驗過程中，我們將一部術語元
素辭典與一般領域辭典合併，因此，可以全力地發展術語標注器，而不必
擔心有太多非術語字彙的雜訊干擾。這樣一個利用特定領域辭典輔助的方
法，或許可以為中文特定領域的語料，提供另一種處理方式。
|