信息组织课程笔记

0. 学习导航：先建立一张地图#

0.1 信息组织究竟在解决什么#

信息组织面对的不是“信息太少”，而是资源很多、表达不一、关系隐蔽，用户又无法准确说出自己需要什么。它要在资源与用户之间建立一套稳定的中介结构，使资源：

• 可以被识别：这是什么资源，是哪一个版本？
• 可以被聚合：同一作者、同一作品、同一主题的资源能否汇到一起？
• 可以被区分：名称相同、版本不同或主题相近的资源如何区分？
• 可以被关联：翻译、改编、引用、上下位概念之间有什么关系？
• 可以被检索和浏览：用户从哪些入口进入，如何扩检或缩检？

因此，信息组织可以压缩为一条加工链：

资源界定 → 特征分析 → 信息描述 → 内容标引 → 建立索引 → 检索匹配 → 评价与维护

0.2 三层结构#

0.3 贯穿全篇的虚构案例#

后文反复使用一篇虚构论文：

李明：《生成式人工智能支持高校图书馆知识服务：方法与评价》，2026 年发表于《图书情报研究》，讨论大语言模型、RAG 在高校图书馆参考咨询中的应用与评价。

同一资源会依次经历：

1. 描述题名、作者、日期和载体。
2. 判断中心主题与文献类型。
3. 选择分类位置。
4. 赋予主题词和关键词。
5. 建立索引并设计查询式。
6. 用查全率、查准率评价结果。

这能看出：描述、分类、主题标引和检索不是四件孤立的事，而是对同一资源的不同表示。

1. 导论：信息为什么需要组织#

1.1 “组织”的三件事#

任何信息组织系统都要回答：

• 如何描述：选择哪些属性、字段或符号表示对象。
• 如何排列：按类别、主题、时间、权重或关系安排对象。
• 如何展示和检索：设置哪些入口、检索点、导航与反馈方式。

常见概括是 描述（Description）—排列（Arrangement）—展示/检索（Presentation/Retrieval）。信息组织不是简单“整理好看”，而是根据使用需要，对资源的内容特征与外部特征进行选择、处理、序化和提供。

1.2 定义中的三个维度#

• 使用需要：谁使用、解决什么问题、发生在什么场景。
• 内容特征：资源谈论什么，属于什么学科和主题。
• 外部特征：题名、责任者、版本、载体、出版信息、标识符等。

外部特征常支持已知项检索；内容特征主要支持主题发现。二者共同构成资源的可检索表示。

1.3 数据、信息与知识#

DIKW 不是不可逆的绝对等级。同一对象在不同任务里可以承担数据、信息或知识的角色。

1.4 Buckland 的四种信息观#

信息系统能够直接保存和组织的通常是 information-as-thing；它的价值则在于支持 information-as-process，最终影响人的知识状态。

1.5 信息组织的对象与粒度#

• 集合层：整个馆藏、数据库、网站或专题资源库。
• 个体层：一本书、一篇论文、一个网页或一段视频。
• 成分层：章节、图表、字段、事实或知识单元。

粒度越细，检索越精确，加工成本也越高。组织前必须先明确系统边界：一篇论文在期刊数据库中是一个资源个体，在引文数据库中又会拆成作者、机构、参考文献等多个可关联单元。

1.6 信息组织与信息检索#

信息组织提供文档表示，信息检索处理需求表示，两者在匹配环节相遇：

资源 → 描述与标引 → 文档表示 / 索引 ↔ 查询表示 ← 用户需求

组织质量会直接限制检索上限：没有稳定的名称形式、主题表达和关系记录，再先进的排序算法也只能在混乱的数据上工作。

2. 信息组织原理：控制什么，为什么控制#

2.1 三个理论基础#

• 逻辑学：支持概念划分、类目层级、同位类互斥和关系判断。
• 语言学：处理词形、词义、同义词、多义词和术语组合。
• 系统论：把资源、用户、人员、工具、规则和交互看成整体。

2.2 信息组织的四类活动#

1. 选择：确定资源范围、收录标准与组织粒度。
2. 描述和标引：记录形式特征，分析并表达主题内容。
3. 设计交互：建立目录、索引、分类导航、分面与搜索入口。
4. 维护和治理：修订规范记录、更新词表、管理权限和保存信息。

2.3 三项保证原则#

• 文献保证：类目和术语应有实际资源依据，避免只凭抽象推演无限细分。
• 用户保证：表达方式要能回应目标用户的语言和检索习惯。
• 系统与设备适应：粒度、编码和交互方式要适合技术条件、网络与终端。

三者可能冲突：学术上最精确的术语不一定是用户会输入的词；用户最常说的词也不一定适合作为稳定的规范标目。系统需要在专业准确性与可用性之间建立映射。

2.4 什么是规范控制#

规范控制不是简单“统一格式”，而是为实体或概念选择稳定的规范形式，同时保存变体、关系和使用说明。常见控制对象包括：

• 名称控制：同一人不同笔名、译名和姓名形式统一到规范名称。
• 同义控制：多个表达指向同一概念，如“电脑”参见“计算机”。
• 多义控制：用限定语区分同形异义，如“苹果（水果）”与“苹果（公司）”。
• 关系控制：明确上位、下位、整体、部分和相关关系。
• 格式控制：统一日期、代码、语言和标识符的表达方式。

规范记录通常包含：规范形式、变体形式、标识符、适用范围、关系与来源说明。它使“同物聚集、异物区分”成为可能。

2.5 从分类表到本体：KOS 光谱#

知识组织系统（Knowledge Organization Systems, KOS）并非只有分类表：

从左到右，语义关系更明确，建设与维护成本也更高。不能因为本体形式化程度高，就在所有场景中取代简单词表。

2.6 信息组织系统的四个要素#

• 资源：被选择、描述和标引的对象。
• 用户：提出需求并解释结果的人。
• 中介：连接二者的馆员、制度、算法或平台。
• 工具：规则、元数据方案、分类表、词表、索引和界面。

分析一个系统时连续追问：谁在找？找什么？为什么找？用什么语言表达？系统凭什么匹配？结果怎样反馈？

3. 信息描述：把资源变成可操作的记录#

3.1 描述活动与描述结果#

信息描述是依据规则，对资源特征进行分析、选择和记录的活动；其结构化结果就是元数据记录。记录并非资源本身，而是资源在系统中的替代物（surrogate）。

这一区分很重要：搜索目录时，系统最先匹配的是记录中的字段与索引，不是书架上的实体本身。

3.2 描述什么：四个观察维度#

不能把“元数据”理解成只记录题名和作者。保存、版权、技术环境和关系数据同样属于元数据体系。

3.3 元数据三大类型#

• 描述性元数据：题名、责任者、主题、摘要等，用于发现和识别。
• 结构性元数据：章节顺序、页码、文件组成和资源间结构关系。
• 管理性元数据：格式、权限、来源、保存事件、技术参数等。

3.4 元数据支持的用户任务#

1. 发现：通过题名、作者、主题等入口找到候选资源。
2. 识别：确认记录指向的究竟是哪一个资源。
3. 选择：比较版本、语言、载体和适用对象。
4. 获取：知道馆藏地、链接、访问条件或借阅状态。
5. 探索：沿作者、作品、主题和引用关系继续发现。
6. 管理：记录来源、权利、保存状态与生命周期。

3.5 字段、元素、取值与检索点#

• 字段 / 元素：规定要描述哪一种属性，如题名、日期。
• 取值：该资源在某字段中的具体内容。
• 检索点 / 访问点：允许用户进入记录集合的字段或规范实体。
• 标识符：在特定范围内唯一指向资源或实体的代码。

同一个元素未必自动成为检索点；能检索也不意味着已进行规范控制。例如系统可以搜索所有题名词，但题名词通常不是规范主题词。

3.6 描述质量#

一条高质量记录应做到：

• 客观：以资源和可靠来源为依据，不随意推断。
• 准确：字段含义、取值和关系没有事实错误。
• 充分：足以支持预定用户任务，但不追求无限详细。
• 一致：相似资源采用相同规则，名称与代码受控。
• 可维护：来源、时间和规则版本清楚，便于修订。

4. 信息描述工作与元数据标准#

4.1 一个方案如何设计#

1. 界定资源范围和描述粒度。
2. 明确用户任务和使用场景。
3. 复用已有标准，确定本地扩展。
4. 为每个元素规定名称、定义、取值类型、是否必填、是否可重复。
5. 为主题、类型、角色等字段选择受控词表。
6. 确定唯一标识符、编码语法和交换方式。
7. 用样例记录、检索任务和数据校验反复测试。

这套“字段规则的规则”也叫元数据方案或应用纲要。只有字段名而没有定义、取值规范和约束，不足以形成可互操作的方案。

4.2 Dublin Core 十五项#

Dublin Core 是跨领域、低门槛的资源描述元素集。十五个核心元素可以按记忆组归纳：

其中 Identifier 是特定语境中的无歧义引用，如 ISBN、DOI 或持久 URI；Subject 表达资源主题。实际关联数据项目通常使用更丰富的 DCMI Metadata Terms，而不止十五项基础元素。

4.3 用 Dublin Core 描述贯穿案例#

这张表仍只是示范记录。正式方案还需说明 Subject 是否受控、姓名采用什么规范形式、Date 遵守何种格式，以及 Identifier 由谁分配。

4.4 FRBR：区分作品与载体#

传统 FRBR 第一组实体最适合用“同一小说的不同版本”理解：

1. 作品 Work：抽象的创作内容。
2. 内容表达 Expression：某种语言、演奏或修订形成的表达。
3. 载体表现 Manifestation：某出版社、某版次形成的一组物化产品。
4. 单件 Item：图书馆实际持有的某一册或某个文件副本。

第二组描述个人、团体等责任主体；第三组描述作为主题的概念、对象、事件和地点。其价值是把传统“一条记录包办全部”的结构拆成实体与关系网络。

标准更新：IFLA LRM 已整合 FRBR、FRAD、FRSAD。考试仍应掌握 FRBR 的经典层次，但理解当前标准脉络时应以 LRM 的统一实体关系视角为准。

4.5 MARC、XML、RDF 与 BIBFRAME 不在同一层次#

RDF 关注“谁与谁有什么关系”；XML 关注“文档怎样结构化表达”。RDF 可以采用 Turtle、JSON-LD、RDF/XML 等多种序列化。

4.6 一个最小 RDF 例子#

@prefix dcterms: <http://purl.org/dc/terms/> .
@prefix dcmitype: <http://purl.org/dc/dcmitype/> .

<urn:example:paper-01>
  dcterms:title "生成式人工智能支持高校图书馆知识服务：方法与评价"@zh ;
  dcterms:creator <urn:example:person-li-ming> ;
  dcterms:subject <urn:example:concept-generative-ai> ;
  dcterms:type dcmitype:Text .

这里的价值不在 Turtle 标点，而在于题名是字面量，作者和主题则被建模为可继续描述、可跨系统链接的资源。

5. 分类法：用类目体系表达知识位置#

5.1 类、分类和分类法#

• 类：具有共同属性的对象集合。
• 分类：依据属性异同区分并归入类别的活动。
• 分类法：由类目体系、标记符号、注释说明和索引构成的规范工具。

分类法的核心不是“给书贴号码”，而是用知识体系中的位置表达主题关系，并支持系统浏览和相近资源聚类。

5.2 类目划分的逻辑要求#

• 唯一性：同一层次尽量采用同一划分标准。
• 完整性：下位类总体上应覆盖上位类范围。
• 互斥性：同位类边界尽量清楚，避免无规则交叉。
• 科学性：反映对象本质属性和相对稳定的学科认识。
• 逻辑性：上下位、并列和相关关系能够解释。

现实知识经常跨学科，绝对互斥很难实现，因此分类法还需要交替类目、参见、复分和组配等机制处理多维主题。

5.3 分类法的组成#

• 类目体系：主表、复分表、类目层级和参照关系。
• 标记符号：分类号，可用数字、字母或混合号码。
• 说明与注释：类目范围、包含、排除、沿革和组配规则。
• 类目索引：把自然语言主题映射到类目位置。

好的标记应具有简明性、层次表达能力、可扩充性和适度助记性。但符号只是类目的地址，不能脱离类目含义和注释独立解释。

5.4 等级列举与分面组配#

现实分类法常是混合型：以列举体系为主体，同时使用复分表和组配符号增强表达能力。

5.5 分面分析#

分面是按某一共同特征形成的一组概念。经典冒号分类法常用 PMEST 帮助分析：

• Personality：本体或核心对象。
• Matter：材料、性质。
• Energy：过程、操作或问题。
• Space：空间。
• Time：时间。

它的意义不在背五个英文词，而在于把“一个复杂主题”拆成可重组的概念单元，并规定稳定的引用次序。

5.6 多主题文献的关系判断#

• 并列关系：几个主题地位相同；有共同上位类时可归共同上位类，否则依据重点或规则处理。
• 从属关系：大主题包含小主题；通常归入较完整主题，若重点明确落在小主题则从专。
• 应用关系：某学科方法应用于另一对象；通常优先考虑研究目的和被解决的问题。
• 影响关系：A 对 B 的影响，需判断文献着重解释 A 还是 B 的变化。
• 比较关系：比较多个对象时，按共同上位概念或分类法中的比较规则处理。

主题词出现次数最多，不必然就是分类主题。分类首先看研究目的、学科视角和论证重心。

6. 主要分类法：同为分类，设计思想并不相同#

6.1 五种代表性分类法#

6.2 《中图法》的基本结构#

• 马克思主义、列宁主义、毛泽东思想、邓小平理论：A
• 哲学、宗教：B
• 社会科学：C—K
• 自然科学：N—X
• 综合性图书：Z

复分是使用通用或专类复分表表达地区、时代、形式等共同因素；仿分是参照另一类已经展开的结构设置本类下位类。常见记忆句“先分类，后分析”强调先确定学科归属，再用复分等方式补充地区、时代或文献形式。

6.3 DDC 与 UDC 为什么不能混称#

二者都用十进数字，但设计能力不同：

• DDC 以等级展开和相对索引见长，表中已有的类号较多。
• UDC 是明显的分析—综合系统，可用共同辅助表与连接符表达地点、语言、形式及主题关系。

“都用小数”只是表面相似；真正要比较的是类目结构、组配能力和使用场景。

6.4 贯穿案例如何确定分类位置#

虚构论文同时出现“大语言模型”“高校图书馆”“知识服务”“评价”。判断步骤：

1. 看题名、摘要和结论确定研究目的。
2. 判断是研究 AI 算法本身，还是研究 AI 在图书馆服务中的应用。
3. 本文主要解决高校图书馆知识服务问题，因此应先在图书馆学/信息服务范围寻找类目。
4. 再依现行分类表规则表达高校、智能技术或评价等次要因素。
5. 最终类号必须查阅当前类表与注释，不能仅凭关键词猜号。

这体现了应用关系中的核心原则：分类跟着学科视角和研究目的走，不跟着最“新”或最醒目的词走。

7. 分类标引与分类检索工具#

7.1 分类标引的完整流程#

1. 资源审读：查看题名、摘要、目录、前言、结论与责任说明。
2. 主题分析：判断主题对象、方面、关系和学科视角。
3. 概念转换：把自然语言主题转换为分类法中的类目概念。
4. 查表定位：先用索引寻找候选类，再回到类目体系和注释核实。
5. 组配复分：按规则加入地区、时代、形式等因素。
6. 校核记录：检查专指度、一致性、号码顺序和历史沿用。

类目索引只是入口，不是分类结论。找到索引词后必须回到类表上下文检查范围注释、上下位类和参见关系。

7.2 专指度与一致性#

• 专指度：使用分类法所允许的、与资源主题相称的最具体类目。
• 一致性：相同或相似资源在相同规则下获得相同或相近结果。

只追求专指度可能造成类号过细和数据稀疏；只追求一致性又可能牺牲新主题表达。实际工作要受类表深度、馆藏规模和用户需求约束。

7.3 分类号、书次号与索书号#

• 分类号：表达资源的学科或主题位置。
• 书次号：区分同一分类号下的不同文献，常与作者或题名有关。
• 索书号：用于馆藏排架和定位，通常由分类号、书次号及卷册等组成。

所以分类号不是 ISBN，索书号也不等于分类号。前者表达知识位置，后者指向具体馆藏排列位置。

7.4 分类检索怎样扩展和缩小#

• 从当前类目进入下位类：提高专指度、缩小范围。
• 回到上位类：扩大主题范围、提高查全可能。
• 浏览同位类：发现相邻主题。
• 沿相关类和交替类参见：跨越不同学科视角。
• 结合地区、时代、形式等分面筛选：从多维度缩小结果。

分类导航的优势是即使用户不知道准确术语，也能通过知识结构逐步定位。

8. 主题法：用语词直接表达文献主题#

8.1 主题法与分类法#

二者是互补关系：分类法告诉用户主题处于知识体系的什么位置，主题法告诉用户可以用什么词直接找到它。

8.2 自然语言主题法与受控主题法#

• 关键词法：直接选取题名、摘要或正文中的词，更新快但歧义多。
• 标题法：以规范标题及其细分形式表达主题，常具有先组特征。
• 叙词法：以概念单元为基础，系统控制等同、等级和相关关系。

8.3 先组与后组#

• 先组式：标引阶段已把多个概念组合成一个完整主题标目，例如“大学图书馆—参考咨询—人工智能应用”。
• 后组式：标引时分别记录“大学图书馆”“参考咨询”“生成式人工智能”，检索时再用 AND 组合。

先组式语义关系较明确，但组合数量容易膨胀；后组式灵活，但检索时可能出现错误组配。

8.4 主题标引流程#

1. 明确用户和系统任务。
2. 审读资源，确定中心主题和次要主题。
3. 抽取概念并判断概念间关系。
4. 把自然语言概念映射到规范词。
5. 按规则选择专指词、组配词或主题标目。
6. 检查完整性、一致性和必要的参照关系。

8.5 叙词表的三类核心关系#

• USE / UF：规范词与非规范入口词，处理同义或准同义关系。
• BT / NT：上位词与下位词，表达等级关系。
• RT：相关词，表达非等级的语义关联。

此外还需要**范围注释（Scope Note）**说明词义边界。只列出一堆词而没有关系与使用规则，不能算完整叙词表。

9. 典型主题词表与主题检索工具#

9.1 三类代表#

不同词表服务不同语料和用户。把通用词表直接搬到专业领域，往往会缺少专指概念；专业词表则可能增加普通用户门槛。

9.2 用 MeSH 理解“入口词—规范词—树结构”#

用户输入的日常词可以先映射到规范描述词；描述词再处于一个或多个树状位置中。检索时：

• 使用入口词映射解决同义表达。
• “爆炸”下位词提高查全率。
• 使用限定词表达疾病的诊断、药物治疗等方面。
• 只检索主要主题或关闭下位词扩展可提高查准率。

这是一套完整的“用户语言—规范概念—等级检索”机制，不只是医学术语字典。

9.3 贯穿案例的主题表达#

针对虚构论文，可形成候选概念：

• 高等学校图书馆
• 生成式人工智能
• 知识服务
• 参考咨询
• 服务评价
• 检索增强生成（RAG）

受控标引时应查词表确认规范形式和专指度；自然语言关键词则可保留“大语言模型”“智能问答”等新表达。两套词汇并存，既支持稳定聚合，也照顾新词与用户语言。

9.4 主题检索的扩检与缩检#

扩检：

• 加入同义词、缩写、旧称和外文词。
• 使用上位词或允许下位词自动展开。
• 使用 OR 连接同类表达。
• 放宽字段、截词或邻近距离。

缩检：

• 使用更专指的主题词。
• 加入限定词、方面词或另一个概念。
• 限定主题字段、题名字段或主要主题。
• 用 AND、短语检索和必要的 NOT 消歧。

10. 自然语言标引、自动标引与语义检索#

10.1 控制语言与自然语言#

现代系统通常不是二选一，而是让用户用自然语言提问，再通过同义映射、实体识别、词表或本体增强检索。

10.2 中文切词#

中文没有天然空格，自动处理首先要确定词边界。常见方法：

• 基于词典的最大匹配。
• 基于词频、互信息等统计特征。
• 基于序列标注、神经网络和预训练模型。

切词错误会向后传播：“高校图书馆”被切成“高校 / 图书 / 馆”时，主题识别和向量表示都会受到影响。

10.3 Zipf 定律与 TF-IDF#

Zipf 定律揭示少量词高频、大量词低频。高频词往往区分度不足，因此不能只用词频判断主题重要性。

$N$ 是文档总数，$\operatorname{df}(t)$ 是包含词 $t$ 的文档数。某词在当前文档中常见、在整个集合中少见时，权重通常较高。

10.4 向量空间与嵌入#

查询和文档可表示为向量，用余弦相似度比较方向：

• TF-IDF / 词袋向量：可解释、稀疏，不直接理解上下文。
• Word2Vec 等静态词向量：相似词空间接近，但同一词通常只有一个表示。
• BERT 等上下文嵌入：词义随上下文变化，更适合语义匹配。

向量相似不等于事实正确，也不天然遵守学科边界。控制词表和本体仍可用于标准化、消歧、过滤和结果解释。

10.5 自动标引的三种任务#

• 自动抽词：直接从原文选择关键词。
• 自动赋词：把文本映射到受控词表中的规范词。
• 自动分类：预测资源所属类目或多个标签。

评价自动标引时不能只看总体准确率，还应检查长尾类目、类别不平衡、新术语、跨学科资源和人工一致性。

10.6 RAG 与知识组织#

RAG 的典型链条是：

文档解析 → 切块 → 元数据与权限处理 → 建立关键词/向量索引 → 召回 → 重排 → 生成 → 引证

知识组织可在多个环节介入：

• 用元数据过滤时间、类型、来源和权限。
• 用词表扩展同义词并规范实体。
• 用分类与本体补充上下位关系。
• 用稳定标识符维护引用和来源。
• 用粒度规则减少切块断义。

所以 RAG 不是跳过信息组织，而是把信息组织从目录记录延伸到检索管线。

11. 网络信息资源组织#

11.1 网络资源的特点#

网络资源分布式存在，具有超文本结构、多媒体形态、更新快速、数量巨大、质量不一和边界不稳定等特点。单靠集中式人工标引无法承担全部组织任务。

11.2 四种组织方式#

• 主题树：按目录层级组织，便于浏览。
• 数据库方式：用结构化字段保存并按需查询，典型于 Deep Web。
• 文件与全文索引：抓取、解析文本，建立倒排索引。
• 超文本方式：用链接把不同空间的信息单元组织成网络。

11.3 内容分析与链接分析#

• 基于内容：比较关键词、主题、元标签或语义向量。
• 基于链接：把链接视为权威或推荐信号，典型方法包括 PageRank、HITS。

PageRank 的一种常见归一化表达为：

$d$ 是阻尼系数，$N$ 是网页总数，$T_i$ 是链向 $A$ 的网页，$C(T_i)$ 是 $T_i$ 的出链数。有些教材把常数项写成 $1-d$，差异来自归一化约定。

11.4 Folksonomy#

Folksonomy 是用户用自由标签共同组织资源的方式。它开放、平面、反应新概念快，也能呈现群体视角；问题是同义、多义、拼写变体、恶意标签和粒度不一。可通过标签推荐、规范化、聚类和受控词映射改善质量。

11.5 Web 1.0、Web 2.0 与语义网#

这里的 Web 3.0 指课程中的语义网，不等同于加密货币行业常说的 Web3。

11.6 语义网的技术层次#

• Unicode：跨语言字符表达。
• URI / IRI：统一标识资源。
• XML：提供结构化语法。
• RDF / RDFS：描述三元组与基础语义。
• OWL：表达本体、概念关系和更强约束。

11.7 移动环境#

移动设备屏幕小、操作碎片化、情境依赖强。组织设计应压缩层级、卡片化表达，并合理利用位置、时间和传感器信息进行情境推荐，同时遵守最小必要、知情同意和权限隔离等隐私原则。

12. 信息检索系统与评价#

12.1 检索系统结构#

1. 资源经描述与标引进入文档集合。
2. 系统根据字段、词项或向量建立索引。
3. 用户把信息需求转化为查询。
4. 查询表示与文档表示匹配并排序。
5. 用户查看结果、点击、修改查询，形成反馈。

按组织方式可形成目录、文摘索引、数据库、全文搜索引擎、知识图谱和 RAG 问答系统。

12.2 检索类型#

• 已知资源检索：目标明确，强调识别与定位。
• 主题检索：围绕主题获取相关资源。
• 探索性检索：需求在浏览、比较和反馈中逐渐形成。
• 目的性浏览：沿分类、引文、作者、标签或推荐逐步进入。

12.3 布尔逻辑#

• AND：取交集，缩小范围，通常提高查准率。
• OR：取并集，扩大范围，通常提高查全率。
• NOT：排除集合，用于消歧，但可能误删相关资源。
• XOR：只满足 A 或 B 之一，实际检索中较少使用。

贯穿案例的查询可以写成：

(“生成式人工智能” OR “大语言模型” OR RAG)
AND (“高校图书馆” OR “大学图书馆”)
AND (“知识服务” OR “参考咨询”)

不同数据库的字段代码、引号、截词和邻近算符并不通用，正式检索前要查平台帮助。

12.4 查全率、查准率与 F1#

12.5 一道完整计算例题#

某主题共有 80 篇相关文献。系统检出 50 篇，其中 40 篇相关：

• $A=40$：相关且检出。
• $B=10$：不相关但误检。
• $C=40$：相关但漏检。

结论：结果集较干净，但漏掉一半相关文献。若用于系统综述，应优先扩展同义词和上位概念；若用于普通问答，则可能更重视前几条结果质量。

12.6 高查准不等于好系统#

只返回 1 篇且这 1 篇相关，查准率可以是 100%，但大量相关文献未被找到。评价必须结合任务、排序和成本。常见补充指标还有 Precision@k、MAP、MRR、nDCG、响应时间、覆盖范围、数据新鲜度和用户满意度。

13. 贯穿案例：把整套方法串起来#

现在把虚构论文完整走一遍。

13.1 界定资源#

• 资源层次：论文个体。
• 组成部分：题名、作者、摘要、正文、参考文献、图表。
• 关系：刊载于某期刊；引用其他文献；由作者和机构创作。

13.2 信息描述#

• 外部特征：题名、作者、期刊、年份、卷期、语言、资源类型、标识符。
• 内容特征：高校图书馆、生成式人工智能、知识服务、参考咨询、服务评价。
• 管理信息：来源、访问权限、文件格式、采集与更新时间。

13.3 分类标引#

先判断研究目的：它讨论的是图书馆知识服务，而非训练大模型的新算法。因此在图书馆学/信息服务范围选择主类，再按现行类表处理高校、人工智能应用和评价等方面。

13.4 主题标引#

• 规范词候选：高等学校图书馆、知识服务、人工智能、服务评价。
• 自然语言补充：生成式人工智能、大语言模型、RAG、智能参考咨询。
• 关系：生成式人工智能是人工智能的下位概念；RAG 与智能问答相关。

13.5 建立检索入口#

• 已知项入口：题名、作者、期刊、标识符。
• 主题入口：规范主题词、分类号、关键词。
• 关系入口：作者机构、引用文献、相似论文。
• 全文入口：摘要和正文词项、语义向量。

13.6 检索与评价#

先用规范词和自然语言同义词组成查询，再根据误检和漏检修订：

• 漏检多：加入“大模型”“智能问答”、上位词和英文表达。
• 误检多：限定主题字段、加入“高校图书馆”，排除纯算法论文。
• 结果排序不佳：用日期、来源质量、被引关系或语义重排调整。

这一案例说明，信息组织的最终产物不是某个孤立号码或词，而是一组可解释、可维护、可被检索系统利用的资源表示。

14. 易错辨析与答题模板#

14.1 十组易错概念#

14.2 名词解释模板#

按“属概念 + 核心构成或机制 + 作用”回答。

例：叙词表是一种受控词汇工具，由规范叙词及其等同、等级和相关关系构成，用于统一主题表达、支持标引一致性和查询扩展。

14.3 比较题模板#

按“共同点 + 差异维度 + 使用场景 + 联系或趋势”回答。至少比较：

• 表达符号。
• 组织结构。
• 标引阶段与检索阶段。
• 优点、局限和适用资源。

常见组合：分类法与主题法、控制语言与自然语言、等级列举与分面组配、TF-IDF 与语义嵌入。

14.4 场景分析模板#

1. 界定资源与组织粒度。
2. 明确用户、任务和系统条件。
3. 设计描述元素和规范控制。
4. 分析主题并选择分类法、词表或本体。
5. 建立字段索引、全文索引或向量索引。
6. 设计浏览、查询和结果展示。
7. 用查全、查准、效率、可用性与维护成本评价。

14.5 计算题模板#

• 查全/查准：先画 $2\times2$ 表，确定 $A$、$B$、$C$、$D$ 再代公式。
• TF-IDF：先求文档频率 $\operatorname{df}$，再求 $\operatorname{idf}$，最后乘词频。
• 余弦相似度：点积 → 两个模长 → 相除。
• PageRank：找入链页面 → 看各自 PageRank 与出链数 → 乘阻尼系数并加随机跳转项。

15. 一页式速记#

信息组织根据用户任务，对资源的外部特征和内容特征进行选择、描述、标引、排列与维护，使资源能够被识别、聚合、区分、关联和检索。描述活动产生元数据；分类法用知识体系中的位置表达主题，主题法用语词直接提供入口；控制语言保证一致性，自然语言保证及时性和用户友好，现代系统常把二者结合。分类标引先分析学科视角和研究目的，再查索引、回类表、复分组配；主题标引则从自然语言概念映射到规范词，并通过 USE/UF、BT/NT、RT 控制关系。检索系统把文档表示与查询表示匹配，布尔检索负责集合运算，TF-IDF、向量和链接分析负责权重与排序；查全率衡量漏检，查准率衡量误检，F1 综合二者。网络和 AI 并未取消信息组织，而是把描述、规范控制、分类、本体和标识符扩展到知识图谱、语义检索与 RAG 管线。

参考与延伸#

• 清华大学出版社：《信息组织》内容简介与公开目录
• DCMI Metadata Terms
• MARC 21 Format for Bibliographic Data
• BIBFRAME 2.0 Model
• RDF Concepts and Abstract Data Model
• IFLA Library Reference Model
• OCLC：Dewey Decimal Classification
• Library of Congress Classification
• UDC Consortium：About UDC
• Library of Congress Subject Headings
• National Library of Medicine：Introduction to MeSH