基于關聯(lián)理論的信息檢索相關性研究

基于關聯(lián)理論的信息檢索相關性研究

G354：A1007－7634（2010）01－0007－061引言相關性是情報學基本問題的觀點得到了國內外圖書情報學領域主流學者的普遍認同。馬費成教授和梁戰(zhàn)平教授高屋建瓴地提出了情報學的相關性原理。馬費成教授認為“研究和揭示情報相互關聯(lián)（即相關性）的規(guī)律和規(guī)則，是有效組織和檢索信息、知識、情報的基礎”[1]；梁戰(zhàn)平教授提出“相關性原理應用非常普遍，如情報檢索、引文分析、數據庫知識發(fā)現(xiàn)、知識地圖、數據挖掘、市場分析研究、專利圖分析、證券分析等等”[2]。張新民[3]總結了相關性類型及其關系的研究成果，進一步證實了馬費成教授的觀點。屈鵬[4]等的研究提供了數據方面的支持，其在對國際情報學研究主題進行聚類分析的基礎上，提出的研究結論認為“一級類目情報學研究下面……這些主題主要歸屬于檢索和計量兩個方面。其中檢索主要包括文本檢索會議、相關性與相關反饋、模型和用戶行為等這些信息檢索基礎理論（相關性、評價、模型）方面的內容，它們應該是情報檢索理論研究的核心部分，是情報學對于檢索領域的主要貢獻所在。”Saracevic[5－7]更是早在20世紀六、七十年代就提出相關性是情報學的基本問題的觀點，其他眾多的學者如Schamber[8]、Barry[9]等也持相同觀點。目前，信息檢索中的相關性研究在國外已經取得了豐碩的成果，比如對相關性本質的認識、相關性模型、相關性標準以及相關性行為研究等方面都取得了一系列成果。信息檢索相關性研究雖然成績喜人，不過也與情報學研究面臨著相似的尷尬，那就是缺乏廣泛認同的理論基礎。比如對情報學的基礎理論的研究，有學者提出以“世界Ⅲ”理論作為情報學的基礎理論，也有學者提出以馬克思主義理論作為情報學的基礎理論，百家爭鳴的結果是到目前為止還沒有被普遍認同的情報學基礎理論。目前，相關性研究以實驗研究為主，學者們大多采用了基于行為主義的一些研究方法，缺乏基礎理論的支持。學界也在認真思考，完成這些研究的理論基礎是什么，哪些理論可以成為相關性研究的理論基礎。對于這些問題的回答，早在1975年，Saracevic[5]提出了以邏輯學以及哲學中Schutz的理論作為相關性理論基礎的觀點；1992年Harper[10]則提出了基于關聯(lián)理論的相關性研究；2007年，Saracevic[6－7]結合了自己先前的研究以及Harter的觀點提出了從邏輯學、哲學以及傳播學中找尋相關性研究理論基礎的思路，提出關聯(lián)理論作為信息檢索理論基礎的設想。2關聯(lián)理論的基本觀點關聯(lián)理論（RelevanceTheory，語言學界已約定俗成地將其譯為關聯(lián)理論，為了與語言學界保持一致，本文沒有將其譯為相關性理論）由Sperber與Wilson[11]在《關聯(lián)性：交際與認知》（Relevance：communicationandcognition）一書中提出。該理論從語言哲學、認知心理學、交流學等多學科的視角對語言交際加以解釋，把交際與認知進行了有機結合。下面通過對圖1的闡釋說明關聯(lián)理論的基本觀點。圖1語言交流模型人際間的語言交流包括信息處理——信息編碼——信息傳輸——信息解碼——信息處理等幾個基本模塊，不同領域的學者都在探討其背后所蘊含的基本原理。結構主義和符號學家提出了語碼模型（codemodel），該模型的基本觀點認為交際是交際者（communicator）與交際對象（audience）之間的編碼與解碼過程，沒有涉及二者之間復雜的信息處理。語碼模型對于無需推理的言語交際行為可以做出比較滿意的闡釋，但是不能解釋間接言語行為以及會話含義等交流問題。從圖1可以看出，沒有中心思想處理的交際缺陷是顯然的。哲學家Grice另辟蹊徑提出了交際的推理模型（inferentialmodel），認為對話語的理解主要是一種邏輯推理活動，忽略了圖1中的編碼解碼過程。法國學者DanSperber和英國學者DeirdreWilson（以下簡稱S／W）在Grice推理模型的基礎上提出了關聯(lián)理論（RelevanceTheory，RT），RT認為語碼模型與推理模型是相容的，將二者結合起來進行研究有利于揭示交際的一般規(guī)律。RT認為交際涉及兩個過程，其一是編碼與解碼，另一則是明示－推理（ostensive-inferential），前者隸屬于后者，前者提供的語義特征成為推理過程的源泉與證據，從而使得關聯(lián)理論貫穿于語言交流模型的整個過程。關聯(lián)理論的核心是關聯(lián)原則，具體而言，關聯(lián)原則包括認知原則與交際原則，其中認知原則是指人類的認知傾向于同最大限度的相關性相吻合；交際原則是指每一話語（或推理交際的其他行為）都應設想為話語或行為本身具備最佳的相關性。關聯(lián)理論自1986年提出之后，S／W又先后于1995以及2004年對理論進行了完善。目前，該理論已經被廣泛應用于翻譯、歧義消除、指稱確定、語言教學等領域。3關聯(lián)理論適用于相關性研究首先，“語言學是研究語言的科學。語言學的對象是人類的語言。語言學的任務是研究語言的功能、結構及其歷史發(fā)展，揭示語言的本質以及語言的存在和發(fā)展規(guī)律”[12]。從語言學的學科性質、對象以及任務等視角可以得出結論，語言學的理論可以適用于涉及語言的地方。對于信息檢索而言，除了信息科學的相關技術之外，信息檢索語言是信息檢索的核心與基礎，因此普通的語言學理論應用于具有專用特征的信息檢索語言，理論上是可行的。其次，S／W也給出了明確的答案。在回答關聯(lián)理論是否適用于所有形式的交流問題時，S／W做出了否定的回答，他們認為關聯(lián)理論僅適用于明示交流，而不是簡單的編碼交流，比如兩個電報公司雇員之間只需要保證電報內容的編碼解碼正確即可的交流形式，這種交流方式因無需更多地推理從而不屬于關聯(lián)理論的適用領域[11]。S／W認為關聯(lián)理論適用于特定的信源與信宿之間的交流，比如兩個個體之間的交流，也適用于無明確信宿的情況，比如信息生產者與信息用戶之間以及廣播通信中的信宿等。信息檢索可以被抽象為信息生產者借助于信息檢索系統(tǒng)的中介與潛在信息用戶之間的交流活動，因此從S／W的回答可以得出基本的結論：關聯(lián)理論適用于信息檢索，屬于無明確信宿的信息交流情形。既然，信息檢索屬于無明確信宿的信息交流情形，那么根據關聯(lián)理論，可以認為信息檢索實際上是一種涉及信息意圖（informativeintention）和交際意圖（communicativeintention）的明示－推理過程；不過，也應該注意到信息檢索和S／W主要討論的言語交際既有區(qū)別又有聯(lián)系。明示與推理是信息檢索過程中的兩個方面：從信息生產者和檢索系統(tǒng)的組織者的角度來說，信息的生產與組織是一種明示行為，即把信息意圖明白地展現(xiàn)出來；而從信息用戶的角度來說，檢索又是一個推理過程，推理就是根據信息生產者與檢索系統(tǒng)組織者的明示行為（比如文檔／文檔替代物），結合語境假設，獲得語境效果，從而獲知信息生產者的交際意圖。信息用戶推理的基礎是信息生產者的編碼，信息生產者明示的目的在于信息用戶付出最小努力，獲取最佳語境效果。明示／推理交際能否獲得成功有賴于信息生產者和信息用戶認知語境的互明。二者的共性體現(xiàn)在：交際者都期望向交際對象傳達信息意圖與交際意圖，為了取得交際的成功，交際者首先需要判斷哪些對理解起主要作用的語境假設是交際對象的認知環(huán)境中已存在的，然后需要保證其所有明示行為都有助于取得語境效果，有助于減少理解過程中交際對象的認知努力。交際對象尋找明示刺激的相關性，都是以獲知對方的信息意圖和交際意圖為目標。信息檢索和言語交際也存在一定的差異，這些差異正是信息檢索比言語交際困難之處。根據常識，大部分言語交際都是面對面或者通過電話等方式進行的，交際者可以對交際對象的認知語境做出基本的估計，所以交際者可以比較容易地預測出明示刺激對于交際對象認知語境的可及性。當交際者發(fā)現(xiàn)交際對象理解有困難或者產生了誤解，交際者可以及時調整語言的組織、提高明示刺激與交際對象認知語境的相關性，從而幫助交際對象正確把握其信息意圖和交際意圖。對于信息檢索而言，信息生產者與潛在信息用戶之間面對面直接交流的機會是非常難得的，所以信息生產者很難預測哪些明示刺激有助于潛在信息用戶的理解，因此當潛在信息用戶對明示刺激難以理解或理解錯誤時，信息生產者也無法及時有效地協(xié)助潛在信息用戶理解自己的信息意圖與交流意圖。由于信息生產者一般也都以關聯(lián)原則為導向，所以只要潛在信息用戶愿意付出更多的認知努力，就一定能獲得豐富的語境效果[13]。在信息檢索界，面向用戶與面向系統(tǒng)的相關性研究貫穿了信息檢索交互模型[14]（見圖2）的整個過程，本文基于關聯(lián)理論闡釋圖2中的信息生產以及標引兩個主要步驟。圖2信息檢索交互模型4信息生產信息檢索是明示－推理交際的一種具體形式。在信息檢索中，交際者就是信息生產者，信息生產者生產信息的過程就是明示的過程，信息生產的成果——論文、著作以及報告等文檔就是信息生產者明示的形式。信息生產者明示的目的是向潛在信息用戶傳遞其信息意圖與交際意圖，在實現(xiàn)該交際意圖的過程中，必然離不開潛移默化地遵從關聯(lián)理論的明示交際觀、認知原則、交際原則。信息生產的過程是通過信息生產者編碼將信息輸入到論文、著作以及報告等文檔中的過程。為了使信息檢索獲得成功，信息生產者往往使用各種明示手段，力求向信息用戶展示自己的信息意圖與交際意圖，以求得信息用戶對論著中的信息進行正確的推理。根據關聯(lián)理論的認知原則——人類的認知傾向于同最大限度的相關性相吻合，據此，信息生產者在著述過程中依據對自己表達能力的認知，以其認為最合適的方式表達出認為能夠與其信息意圖與交際意圖最大相關性的文檔。根據關聯(lián)理論的交際原則——每一個話語（或推理交際的其他行為）都應該設想為話語或行為本身具備最佳的相關性，信息用戶將注意力和需要加工處理的信息都放在那些看上去有相關性的信息上面，信息用戶期待文檔／文檔替代物具備最佳的相關性。當文獻／替代物具備足夠的相關性而值得信息用戶進行加工處理，特別是當文獻／替代物具有最大相關性時，該文檔／文檔替代物就是最佳相關性文檔。所以，S／W認為文獻／替代物具有最佳相關性需要滿足兩個條件：首先它要具備足夠的相關性，值得對其進行加工處理；其次，它與信息用戶的能力及偏好相一致。目前，隨著信息量的指數級增長，信息用戶越來越依賴于各種類型的檢索系統(tǒng)。現(xiàn)有商用檢索系統(tǒng)的核心技術是采用以向量空間模型為主的文檔表示技術、倒排文檔技術等，采用以字符串匹配結合tf*idf為主的檢索以及相關性排序技術。信息用戶在進行相關性判斷時，通常是對文獻的替代物進行推理與判斷。為了避免信息生產者辛勤勞動的成果被淹沒在海量的文檔／文檔替代物中，現(xiàn)有檢索技術與認知原則以及關聯(lián)原則帶給信息生產者的啟示是：由于信息檢索系統(tǒng)提供的文獻替代物主要包括題名、信息生產者、關鍵詞以及文摘等信息點，每一個信息點都是一條向信息用戶發(fā)出的信息明示，因而信息生產者尤其有必要在文檔的這些信息點上多花一些精力。比如，信息生產者需要通過標題（title）、每段的中心句、篇章的開頭和結尾等位置進行最大限度的明示，以期信息用戶作出對該文中心大意的最相關的推理。具體來說，信息生產者在對這些主要的信息點進行明示時，首先必須做到盡可能向信息用戶提供足夠的新信息、新觀念，做到新穎獨特，從而盡可能引起信息用戶的好奇心，吸引信息用戶的注意力。其次，必須明白地傳遞相關的信息，能說服信息用戶接受文檔中的內容，盡可能給信息用戶帶來切實的利益，并根據信息用戶的需要采取某種行動。第三，盡可能避免使用陳詞濫調或晦澀難懂的詞匯、術語等。下面借助于關聯(lián)理論的認知原則、交際原則分析以下兩個文檔替代物。文檔替代物1：“張亞非．關聯(lián)理論述評．外語教學與研究，1992,03［關鍵詞］關聯(lián)理論（RT）；語用學；交際意圖；［摘要］關聯(lián)理論從認知學的角度闡述并修正了Crice的會話理論，提出語言交際是一個認知過程，是必須依靠推理思維來進行的新的語用學觀念，并建立了頗具解釋力的關聯(lián)原則，希望依靠這一原則說明自然話語理解中的諸種語用現(xiàn)象。這對克服以往語用理論的籠統(tǒng)性和任意性，使之逐漸成為一門嚴謹系統(tǒng)的語言科學，無疑是一種有益的嘗試。關聯(lián)理論現(xiàn)存的主要問題是，它趨于肯定語用推理結論的必然性，對其或然性認識和論述不足；并且采取了將主體思維在話語交際中的作用理想化、形式化和運算化的作法，忽視了主體間的差異的復雜多變性及其對語言交際可能產生的重要影響。文檔替代物2：“劉國輝．關聯(lián)理論的回顧與思考．四川師范學院學報（哲學社會科學版），1999,02［關鍵詞］關聯(lián)理論；認知語境；推理；語境效果；最佳關聯(lián)；文摘：通過對關聯(lián)理論的回顧，使我們更加明白了其優(yōu)點與不足。同時我們認為話語的理解除了認知因素之外，還需考慮社會、文化價值觀以及非言語行為等綜合因素的作用。首先看題名，共同具有“關聯(lián)理論”一詞，“述評”和“回顧與思考”都屬于綜述類文檔體裁。因此，就題名而言，二者沒有顯著差異，兩位信息生產者都基于認知原則，選取了與信息意圖以及交際意圖具有最大相關性的文字。其次分析關鍵詞項，文檔替代物1的明示除了“關聯(lián)理論”之外，“語用學”是一個含義非常豐富的詞，結合目前的檢索實踐，用這種詞進行檢索，會獲得非常大的命中記錄數，從而給信息用戶帶來非常大的認知負擔，因而明示意義有限。“交際意圖”屬于關聯(lián)理論中非常重要的概念，有比較明顯的區(qū)分度，有比較好的明示價值。文檔替代物2中的關鍵詞都屬于關聯(lián)理論的基本概念，有比較明顯的區(qū)分度，從而有比較好的明示價值。因此，就關鍵詞的比較而言，文檔替代物2要優(yōu)于文檔替代物1。第三，文摘：文檔替代物1的字數259字，接近國際標準[15]報道性文摘的字數，而文檔替代物2只有77字，與國家標準指示性文摘的字數都有顯著的距離。謝成英[16]的研究表明，研究報告類學術論文的最佳形式是報道性文摘。因此從文摘項的比較來看，文檔替代物1要優(yōu)于文檔替代物2，也就是說，文檔替代物1在這一信息點上的明示效果要優(yōu)于文檔替代物2。第四，來源：文檔替代物1的來源期刊是“外語教學與研究”，這是語言學的一流期刊。文檔替代物2：“四川師范學院學報（哲學社會科學版）”，是一本普通期刊。學科的一流期刊的明示效果顯然優(yōu)于普通期刊。綜合以上四點，得出結論：文檔替代物1的明示效果要優(yōu)于文檔替代物2。除了這些主要的信息點之外，信息生產者在文檔內容的明示方面，需要視情況著力引導信息用戶去理解寓于文章中的意圖。一方面，信息生產者要防止信息用戶誤解，曲解其意，因此，需要增加信息用戶正確理解的可能性；另一方面，信息生產者需要防止信息用戶不能理解其信息意圖與交際意圖，因此，需要減輕信息用戶理解其意圖的難度。通常，信息生產者有兩種選擇：使用平白直接的語言表達明晰的內容，或者使用一些語言手斷給予信息用戶各種必要的提示。作為一種需要，信息生產者可以考慮使用一些語言手段來幫助信息用戶領會其明晰表達的意思，抽取其隱含傳達的內容。比如話語聯(lián)系語作為其中的一個主要手段，能夠使信息生產者給信息用戶提供自己的明示思路，信息用戶則可順著該思路以較小的認知努力來預測其后的內容。關聯(lián)理論認為交際雙方認知環(huán)境的“互明”對交際成功非常重要。不過，要求交際雙方完全擁有同樣的認知語境是不可能的。每個人擁有的認知環(huán)境都不一樣，這就要求交際雙方的認知環(huán)境能夠互為顯映。當雙方的認知環(huán)境能夠顯映相同的事實或假設時，在他們之間就會產生認知環(huán)境的重疊。重疊的部分構成一個共同的認知環(huán)境，即相互認知環(huán)境。那么如何才能形成信息生產者與潛在信息用戶互相顯映的認知環(huán)境呢，這就要求，在信息生產過程中，信息生產者為了表達自己的交際意圖，總是盡量使自己的文檔信息（新信息）與信息用戶的認知環(huán)境（舊信息）發(fā)生某種聯(lián)系，以便信息用戶能夠將這些信息納入演繹推理過程。此時，為了避免信息生產者的認知語境和信息用戶的認知語境之間的巨大差異，導致明示－推理交際的失敗，有必要將信息生產者和信息用戶的認知環(huán)境進行溝通。不過前面說過二者面對面交流的可能性不大，因此，信息生產者如果盡可能地提供某主題的背景性信息則有利于二者之間形成共同的認知語境，這就對科學出版提出了比較高的要求。以期刊為例，中外文獻在篇幅方面的顯著差異就會帶來必要的認知語境信息的差異。大家都知道，國內期刊論文通常都比較短，通常3－4頁的篇幅，其基本理念是基于信息生產者只需要將自己的創(chuàng)新性的內容表達出來即可，而國外學術論文通常所占篇幅較大的相關主題綜述在國內期刊論文中比較少見，缺乏背景性內容的闡述。而外文文獻篇幅通常在10頁以上，在信息生產者個人的研究成果的前面，通常有篇幅比較大的該研究的綜述，這樣的組織方式，對于信息用戶而言。其明示的價值顯然會更大一些?？傊?，是否有助于信息用戶從中獲得最佳相關，是文獻能否被信息用戶接受的重要因素[17]。5標引標引可以分為兩類，即人工標引與自動標引。自動標引的主要技術是詞頻統(tǒng)計結合加權，然后根據設置好的閾值將符合條件的術語作為關鍵詞輸出，除此之外，現(xiàn)在也有部分人工智能的技術在自動標引中的應用，但是大都還在實驗室中，能在商用系統(tǒng)中直接使用的還非常罕見。自動標引的優(yōu)點是無需人工干預，速度快，但問題是結果比較粗糙，閾值無論如何設置都存在缺陷，實際使用的自動標引系統(tǒng)很少。下面僅討論人工標引與關聯(lián)理論的關系。（1）人工標引可看作雙重的明示－推理過程[18]。如果將翻譯中的譯者映射為標引人員，讀者映射為信息用戶，那么，根據關聯(lián)理論的交際觀，人工標引可被看作是信息生產者、標引人員、信息用戶的雙重明示－推理過程。在第一個明示－推理過程中，信息生產者向標引人員明示其交際意圖，而標引人員則根據原文的語境信息、信息生產者提供的話語及關聯(lián)原則對信息生產者的交際意圖進行推理。在這個過程中，標引人員是交際對象。該輪交際完成之后，標引人員進入第二輪明示－推理交際過程，其身份又轉變?yōu)榻浑H者，此時，基于其對信息生產者交際意圖的理解和把握以及對信息用戶期待的估計，通過標引詞的形式向信息用戶進行明示，而信息用戶則對標引人員的明示信息進行理解。因而，人工標引涉及兩個交際者和兩個交際對象，其中標引人員兼有交際者和交際對象的雙重身份。在該模式下，人工標引活動是一種三元關系，即是信息生產者、標引人員和信息用戶這三個交際者通過原文和標引詞之間進行的交流活動。標引人員的主要任務是保證和促進信息生產者和信息用戶之間交際的成功。為此，標引人員可采用多種人工標引策略，以幫助信息用戶找到標引詞與原文之間的最佳相關性，達到最佳交際效果。（2）人工標引是傳遞信息意圖和交際意圖的雙重目的活動。從關聯(lián)理論的角度來看，人工標引不僅要標引出信息意圖，更深層次應該標引出交際意圖，當二者不可求全時，則取交際意圖。下面分析啟示1和2在標引實踐中的應用，比如周健湘[19]提出的標引規(guī)則中，“熟悉文獻：要求從篇名、文摘、小標題、開頭、結尾等部分去熟悉文獻內容和中心思想。如果達不到要求，要通讀全文?！痹摌艘?guī)則就體現(xiàn)了第一個明示－推理過程，也就是說標引人員要充分從信息生產者的明示中推理出信息生產者的信息意圖與交際意圖。“分析文獻的中心思想，確定標引主題：要求從文獻系統(tǒng)所包含的專業(yè)范圍出發(fā)，分析出應當傳達給檢索者的主要信息，并從檢索者的角度分析出應當標引的主題。例如對于一個交通專業(yè)的文獻系統(tǒng)來說，如果有一篇談石油應用的文獻，既談到石油在一般工業(yè)中的應用，又談到石油在道路工程方面的應用，則提煉主題時，就只要析出“石油在道路工程方面的應用”這一主題進行標引即可?！保懊慨敇送暌粋€關鍵詞的時候，標引者都應問一問自己檢索者會不會從這個主題途徑去檢索呢？這是獲得正確標引結果的秘訣。如果標引者不考慮標引結果有沒有實際檢索意義，就很難消除標引誤差。”這些規(guī)則體現(xiàn)了第二個明示－推理過程，也就是說標引人員要充分理解潛在信息用戶的認知語境與信息需求，從信息用戶的角度進行標引，從而選擇合適的標引詞?！胺治鎏釤挊艘黝}時，應特別注意不要遺漏隱性主題。比如“99％Ni鋼”不但包含著“鎳鋼”這一顯性主題，還包含著“高合金鋼”這一隱性主題，從專業(yè)角度來講，更包含著“低溫鋼”這一隱性主題。”該規(guī)則體現(xiàn)了信息意圖與交際意圖的關系，要求標引人員充分地從文檔所蘊含的內容中分析出信息生產者沒有明示的內容，從而推理出信息生產者隱含的交際意圖。（3）相關性是人工標引評判的指導原則之一。若把人工標引看成是交際行為，用衡量交際成功的標準來考察人工標引，也是可行的。關聯(lián)理論的人工標引評判標準，便是要確定標引人員是否做到了互明，是否體現(xiàn)了最佳相關性。其實質是標引人員在原文中尋找最佳相關性，再在標引詞匯中保持這種最佳相關性，即最佳相關性的傳遞。下面基于上面三個基本原則分析一下Medline數據庫中的一條記錄：McDonaldK.Diastolicheartfailureintheelderly:underlyingmechanismsandclinicalrelevance.InternationalJournalOfCardiology,2008,125(2):197-202.標引的