主題分析

標題是圖書館提供目錄查詢的檢索點之一，藉由標題概念及標題款目的規範，使檢索者之資訊需求與專業人員之主題分析獲得充分溝通與協調後，能夠獲得最大的檢索效益。為了解目前中文標題能夠達成之檢索效益及可能產生的缺失，本研究以國立臺灣大學線上公用目錄系統之檢索者為研究對象，共蒐集48份有效樣本，分析其中文標題檢索行為與檢索效益，冀能對於中文標題款目結構與線上公用目錄標題檢索設計提出具體改善建議。

Subject heading is one of the access points enabling subject searchers to retrieve the best available materials in the library. This paper uses 48 collected samples concerning the Tulips system (National Taiwan University Library Information Processing System) to analyze user searching behavior and the effectiveness of retrieval under the Chinese Subject Headings. On the one hand, the paper tries to provide some suggestions to improve the structure of the Chinese Subject Headings, and on the other hand to enhance system features of online catalogues.

本文探討分類不一致對自動分類成效的影響。經由近似文件的自動偵測，以及兩種分類方法針對兩個測試文件集做的比較實驗，本文發現：訓練資料的分類不一致性，即便高達34%，幾乎也不會影響分類器的成效。此項發現，其重要的意涵是，即便過去的研究使用了一致性不高的測試集做實驗，其結論仍舊是有效的。當然，分類不一致性高的資料，拿來訓練後，不管分類器好壞，其得到的分類成效都是比較低的。除了以上發現外，本文也介紹了一套中文分類測試集，免費提供各界研究使用。另外，作者也提出了一套偵測複本或相似文件的可靠方法，與過去的方法比較，此方法可以偵測過去方法所無法偵測到的相似文件。

This article discusses the effect of inconsistency in training data on the performance of text classifiers. Our experiments show that the inconsistency, even reaching a level as high as 34%,hardly affects the effectiveness of he classifiers.Better classifiers perform better independent of duplicates and label inconsistency.The implication is that past experiments(especially on the Reuters-21578 collection) remain valid. In the experiment process,the author proposes a duplicate detection technique that is far more effective than previous ones.A new Chinese test collection for text categorization is also introduced for deneral free download.