中國生物醫(yī)學(xué)文獻(xiàn)服務(wù)系統(tǒng)(SinoMed)截詞檢索功能分析

，

SinoMed由中國醫(yī)學(xué)科學(xué)院醫(yī)學(xué)信息研究所/圖書館開發(fā)的生物醫(yī)學(xué)領(lǐng)域重要的檢索工具，也是醫(yī)學(xué)信息檢索教學(xué)和醫(yī)藥衛(wèi)生查新中最常用的中文數(shù)據(jù)庫。它整合了包括中國生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫(CBM)、西文生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫(WBM)、北京協(xié)和醫(yī)學(xué)院博碩士學(xué)位論文數(shù)據(jù)庫等8種資源，學(xué)科范圍廣泛、年代跨度大，更新及時。其中使用最廣泛的CBM收錄了1978年至今1 800余種中國生物醫(yī)學(xué)期刊以及匯編、會議論文，目前文獻(xiàn)題錄達(dá)820余萬篇[1]。

1 SinoMed的截詞檢索功能

SinoMed平臺上的中國生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫是該平臺使用范圍最廣的二次檢索數(shù)據(jù)庫，其檢索功能比較強(qiáng)大，除了常見的快速檢索、高級檢索和主題詞檢索外，還具有智能檢索、分類檢索和截詞檢索等功能。

截詞檢索,也稱詞干檢索或字符屏蔽檢索，是指用給定的詞干做檢索詞，查找含有該詞干的全部檢索詞的記錄，可以起到擴(kuò)大檢索范圍、提高查全率、減少檢索詞的輸入量、節(jié)省檢索時間等作用[2]。簡單來講，截詞檢索是在檢索標(biāo)識中保留相同的部分，用截詞符代替可變化的部分，即通配符檢索[3]。檢索時，系統(tǒng)會將所有含有相同部分標(biāo)識的記錄全部檢索出來。通配符可以置于檢索詞首、中間或詞尾，分別對應(yīng)后方一致檢索、前后方一致檢索和前方一致檢索。

與單字通配符“？”類似，任意通配符“%”在檢索中文單詞或短語時也常用于前后方一致檢索，如輸入“肝炎%疫苗”可以檢索出含有肝炎疫苗、肝炎病毒基因疫苗、肝炎減毒活疫苗、肝炎滅活疫苗等的文獻(xiàn)[1]?！?”置于中文檢索詞的詞首或詞尾進(jìn)行檢索，使用價值不大?！?”在檢索包含英文字母或阿拉伯?dāng)?shù)字的目標(biāo)詞時，除了置于檢索詞中間，前置或后置可以擴(kuò)大檢索范圍。如輸入“CCL%”可以檢索出“CCL”后有任意多個英文字母、阿拉伯?dāng)?shù)字等的結(jié)果。

2 SinoMed“包含檢索”的功能與缺陷

2.1 “包含檢索”的功能

“包含檢索”，即直接用目標(biāo)詞的一部分作為檢索詞進(jìn)行檢索，是SinoMed支持的一種與截詞檢索類似的檢索功能。與截詞檢索相同的是在檢索標(biāo)識中保留相同的部分，唯一的區(qū)別是不使用通配符。

理論上認(rèn)為，從數(shù)據(jù)庫里檢索到一條與檢索提問式相匹配的記錄即為命中[2]，這也是數(shù)據(jù)庫檢索最基本的原理。以前的CBM檢索中，對不加通配符的“任意字符串”(包括漢字單字或詞組、英文單詞或縮略語、西文字母加阿拉伯?dāng)?shù)字的組合形式等)檢索都采取了全字段全文本匹配檢索技術(shù)[4]。

在SinoMed中進(jìn)行中文字符串檢索時，SinoMed默認(rèn)采用了任意通配符，只要出現(xiàn)中文檢索詞的文獻(xiàn)都會出現(xiàn)在檢索結(jié)果中。如輸入“噬細(xì)胞”，可以檢索出“噬細(xì)胞”、“巨噬細(xì)胞”、“吞噬細(xì)胞”、“自噬細(xì)胞”等檢索結(jié)果。

當(dāng)需要檢索中文字符串后連接英文字母、阿拉伯?dāng)?shù)字或特殊符號的目標(biāo)詞時，省略通配符直接用相應(yīng)的中文字符串進(jìn)行檢索，亦不會造成漏檢。如輸入“白細(xì)胞介素”時，“白細(xì)胞介素1”、“白細(xì)胞介素IL-1”、“白細(xì)胞介素-1”、“白細(xì)胞介素(IL)-1”等都會在檢索結(jié)果中出現(xiàn)(表1)。

表1 中文字符串后省略通配符的檢索結(jié)果

2.2 “包含檢索”的主要缺陷

“包含檢索”功能用來檢索中文字符串時，能夠出色地完成檢索要求，但對ASCII字符組成的字符串(英文字符串或由英文字母、阿拉伯?dāng)?shù)字、特殊符號組成的字符串)進(jìn)行檢索時，經(jīng)常會出現(xiàn)漏檢的情況。

在SinoMed鏡像版中，省略通配符僅以英文字符串作為檢索詞進(jìn)行檢索，會漏檢英文字符串后連接數(shù)字的目標(biāo)詞[5]，但不會漏檢英文字符串后連接“-”、“/”、“^”、“)”等特殊符號的目標(biāo)詞。例如，在SinoMed中輸入“MDR”，會漏檢“MDR1”，但可以檢索出“MDR-1”、“MDR-TB”、“MDR-PTB”、“MDR/P-gp”、“MDR/XDRAB”等英文字符串后連接特殊字符的檢索結(jié)果。網(wǎng)絡(luò)版SinoMed經(jīng)過升級，已對這一問題進(jìn)行了完善。即在省略通配符的情況下，僅以英文字符串作為檢索詞進(jìn)行檢索，不會漏檢英文字符串前或后連接數(shù)字的目標(biāo)詞。

目前在SinoMed中，對英文字符串(英文單詞、英文縮略語等)進(jìn)行“包含”檢索，仍然會出現(xiàn)漏檢情況。若僅以英文字符串的一部分作為檢索詞，會漏檢檢索詞前或檢索詞后連接英文字符的目標(biāo)詞，但不會漏檢檢索詞前或檢索詞后連接特殊符號的目標(biāo)詞(表2)。

表2 英文字符串前或后省略通配符的檢索結(jié)果

總之，在SinoMed中，檢索中文字符串后連接英文字母、阿拉伯?dāng)?shù)字或特殊符號的目標(biāo)詞時，省略通配符而僅用中文字符串進(jìn)行檢索，均不會造成漏檢；檢索英文字符串前或后連接特殊符號再連接字母或數(shù)字的目標(biāo)詞時，亦不會造成漏檢。但對于由英文單詞或英文縮略語等組成的英文字符串目標(biāo)詞，直接用英文字符串的一部分作為檢索詞進(jìn)行檢索時，則會造成漏檢。可見，SinoMed系統(tǒng)對英文字符采取了精確匹配的索引技術(shù)，省略通配符而直接用目標(biāo)詞的局部進(jìn)行檢索，會造成漏檢。但對于“-”等特殊符號，SinoMed系統(tǒng)采取模糊匹配原則，省略通配符而直接用目標(biāo)詞的局部進(jìn)行檢索，不容易造成漏檢。

3 SinoMed截詞檢索功能的缺陷

3.1 任意通配符“%”的檢索缺陷

3.1.1 百分?jǐn)?shù)“數(shù)字+%+漢字”的檢索

CBM中使用“*”作為任意通配符，而SinoMed中用“%”取代“*”作為任意通配符。眾所周知，在檢索時作為通配符的符號無法直接被檢索出，而“%”在醫(yī)學(xué)文獻(xiàn)中經(jīng)常出現(xiàn)，遇到特殊的情況需要檢索“數(shù)字+%”時，SinoMed系統(tǒng)就可能會存在一定的不足。

例如，筆者在查新中遇到過檢索百分?jǐn)?shù)的情況，需要檢索“50%有效劑量”。如果直接用“50%有效劑量”進(jìn)行檢索，僅可以檢索出1篇包含“50有效劑量”的文獻(xiàn)(表3)，而并非“50%有效劑量”。

表3 百分?jǐn)?shù)“數(shù)字+%+漢字”的檢索結(jié)果

從表3可見，“%”直接置于阿拉伯?dāng)?shù)字與漢字之間進(jìn)行“前后方一致”檢索，無法按正常步驟檢索出同時包含“%”前后內(nèi)容的文獻(xiàn)。如果在“%”后加一個空格，用“50% 有效劑量”進(jìn)行檢索，系統(tǒng)則會按“50%AND 有效劑量”進(jìn)行檢索。其中的“%”默認(rèn)為通配符，檢索結(jié)果為同時包含“50”和“有效劑量”，且二者之間間隔任意個(≥0)字符的文獻(xiàn)，包括了“50”后直接連接“%”、“-”、“.”等特殊符號、英文字母、阿拉伯?dāng)?shù)字或漢字等各種字符的文獻(xiàn)。如果在“%”前面加一個空格，用“50%有效劑量”進(jìn)行檢索，系統(tǒng)會按“50 AND %有效劑量”進(jìn)行檢索，可以檢索出同時含有“50”和“有效劑量”的文獻(xiàn)。如前所述，通配符“%”置于漢字之前與省略通配符的檢索結(jié)果相同，因此這種檢索方法與使用“50有效劑量”的檢索結(jié)果完全相同?！?0有效劑量”與“50% 有效劑量”相比，前者50后面缺少了通配符“%”導(dǎo)致檢索結(jié)果較少，減少的結(jié)果主要是50后面連接小數(shù)點、英文字母和數(shù)字的文獻(xiàn)，但“50 有效劑量”卻可以檢索出50后面連接其他特殊符號(如“%”、“-”、“)”、“、”“：”等)、空格、希臘字母和漢字等的結(jié)果。因此針對“50%有效劑量”的檢索要求，用“50有效劑量”檢索最為簡潔和準(zhǔn)確。

以上結(jié)果說明，“%”作為通配符無法準(zhǔn)確地被系統(tǒng)檢索出，這直接導(dǎo)致系統(tǒng)對百分?jǐn)?shù)檢索的重大缺陷。“%”可以置于阿拉伯?dāng)?shù)字之后進(jìn)行“前方一致”檢索，但用于檢索百分?jǐn)?shù)時檢索結(jié)果噪聲較大，檢索結(jié)果包括檢索詞后連接特殊符號、英文字母、阿拉伯?dāng)?shù)字以及漢字等各種情況的文獻(xiàn)。

3.1.2 “數(shù)字+特殊符號+漢字”的檢索

由上述百分?jǐn)?shù)的檢索結(jié)果來看，通配符“%”無法準(zhǔn)確檢索出數(shù)字與漢字之間有百分號的檢索結(jié)果，那么“%”是否可以檢索出數(shù)字與漢字之間有特殊符號的檢索結(jié)果呢？

舉例來講，如果需要檢索2型糖尿病的各種表達(dá)方式，根據(jù)任意通配符“%”的檢索功能，理論上可以用“2%糖尿病”進(jìn)行檢索，但使用“2%糖尿病”的檢索結(jié)果為0，無法檢索出“2型糖尿病”、“2-糖尿病”、“2-型糖尿病”等目標(biāo)詞。

檢索白介素12時，使用“白介素%12”作為檢索詞，可以檢索出“白介素12”，卻無法檢索出“白介素-12”等目標(biāo)詞；使用“鈷%60”檢索鈷60的相關(guān)文獻(xiàn)時，可以檢索出“鈷60”、“鈷DT60”等結(jié)果，但無法檢索出“鈷-60” (表4)。

從以上檢索試驗可以看出，通配符“%”用于數(shù)字和漢字之間，無法檢索出數(shù)字和漢字之間有特殊符號的目標(biāo)詞，這是通配符“%”存在的一個缺陷。

表4 “數(shù)字+特殊符號+漢字”的檢索結(jié)果

3.1.3 “英文字母+特殊符號+漢字”的檢索

由上述3.1.2的檢索情況，筆者不禁聯(lián)想到同屬于ASCII字符的英文字母與漢字中間有特殊符號的目標(biāo)詞。當(dāng)筆者使用通配符“%”檢索“英文字母+特殊符號+漢字”或“漢字+特殊符號+英文字母”形式的目標(biāo)詞時，同樣出現(xiàn)了漏檢情況。例如，當(dāng)檢索K+通道的各種形式(檢索試驗并未對“鉀離子通道”等中文表達(dá)方式進(jìn)行檢索)時，用“K%通道”進(jìn)行檢索，可以檢索出KAPT通道、KV通道、KCa通道、K通道等結(jié)果，卻檢索不出K+通道和K離子通道(表5)。

表5 “英文字母+特殊符號+漢字”的檢索結(jié)果

同樣，檢索“漢字+特殊符號+英文字母”形式的目標(biāo)詞時，將通配符“%”置于檢索詞中間進(jìn)行檢索，如使用“血管內(nèi)皮生長因子%A”進(jìn)行檢索時，可以檢索出“血管內(nèi)皮生長因子A”，但卻無法檢索出"血管內(nèi)皮生長因子-A"等目標(biāo)詞。

從以上的檢索情況可以看出，在Sinomed中，通配符“%”用于英文字母與漢字之間，無法檢索出英文字母與漢字之間有特殊符號的目標(biāo)詞，這是通配符“%”檢索存在的又一缺陷。

3.1.4 “英文字母+特殊符號+數(shù)字”的檢索

與上述特殊符號連接數(shù)字/英文和漢字形式的目標(biāo)詞的檢索結(jié)果情況類似，通配符“%”對英文字母與數(shù)字之間有特殊符號的目標(biāo)詞也存在漏檢情況。

例如，用“Co%60”作為檢索詞，可檢索出“Co+英文字母/阿拉伯?dāng)?shù)字+60”形式的結(jié)果以及“Co60”，卻無法檢索出Co^60和Co-60這類英文字母和阿拉伯?dāng)?shù)字中間有特殊符號的目標(biāo)詞。同樣的，“60%Co”可檢索出“60Co”，卻無法檢索出60^Co和60-Co(表6)。

表6 “英文字母+特殊符號+漢字”的檢索結(jié)果

通過以上的檢索試驗可以看出，英文字母與阿拉伯?dāng)?shù)字組成的字符串，用通配符“%”進(jìn)行檢索時，不會出現(xiàn)漏檢情況；但英文字母與阿拉伯?dāng)?shù)字之間有特殊符號的目標(biāo)詞，用通配符“%”進(jìn)行檢索，則會出現(xiàn)漏檢。

3.1.5 “英文字母+特殊符號+英文字母”的檢索

還有一種比較常見的組合是“英文字母+特殊符號+英文字母”的形式，通配符“%”對特殊符號前后連接英文字母的目標(biāo)詞進(jìn)行檢索時，也常會出現(xiàn)漏檢。

以“RT%PCR”為例進(jìn)行檢索，可檢索出“RT+英文字母+PCR”以及“RTPCR”的結(jié)果，但卻檢索不出“RT-PCR”等英文字母之間有特殊符號的結(jié)果，情況與上述ASCII字符之間有特殊符號的檢索情況類似。

綜上所述，通配符“%”用于同類字符中間進(jìn)行前后方一致檢索，一般不會造成漏檢。例如，漢字與漢字之間、英文字母與英文字母之間及英文字母與阿拉伯?dāng)?shù)字之間。但通配符“%”在檢索百分?jǐn)?shù)時具有先天的缺陷，并且用于不同類型字符中間進(jìn)行前后方一致檢索時，會造成漏檢，如“數(shù)字、特殊符號、漢字”的組合、“英文字母、特殊符號、漢字”的組合、“英文字母、特殊符號、數(shù)字”的組合以及“英文字母、特殊符號、英文字母”的組合等。

3.2 單字通配符檢索的缺陷

SinoMed數(shù)據(jù)庫中，單字通配符“？”在檢索中可替代任意一個字符。但筆者在檢索時發(fā)現(xiàn)，單字通配符“？”在檢索包含特殊符號的目標(biāo)詞時，也常常出現(xiàn)漏檢，情況與任意通配符“%”的漏檢情況類似。

由此可見，單字通配符“？”通常替代一個同類字符，因此與任意通配符“%”相比，在檢索中出現(xiàn)漏檢的情況更多，用于檢索目標(biāo)詞為英文字母(或數(shù)字)、特殊符號和漢字等非同類字符的組合字符串時，均會造成漏檢。

4 結(jié)語

SinoMed是生物醫(yī)學(xué)領(lǐng)域非常重要的檢索工具，其收錄資源豐富，檢索功能強(qiáng)大。對于專業(yè)檢索人員而言，截詞檢索不僅可以簡化檢索策略式，又可以提高檢索效率。SinoMed提供的截詞檢索功能比較全面，對于常規(guī)的檢索任務(wù)表現(xiàn)出色，但依然存在很多有待完善之處。例如，使用通配符“%”和“?”檢索由英文字符(數(shù)字)、特殊符號及漢字組成的混合字符串時，經(jīng)常出現(xiàn)漏檢情況，這是SinoMed檢索系統(tǒng)亟待完善的重要問題。截詞檢索并不是萬能的，專業(yè)檢索人員在檢索SinoMed時，應(yīng)根據(jù)檢索目的和SinoMed的具體功能合理制定檢索策略，不可僅根據(jù)基本的檢索理論一概而論。