韩红旗，桂 婕，张运良，翁梦娟，薛 陕，悦林东

（1.中国科学技术信息研究所，北京 100038；2.富媒体数字出版内容组织与知识服务重点实验室（国家新闻出版署），北京 100038）

1 引 言

主题标引（subject indexing）是对文献主题及其他有检索意义的特征进行分析、表示、提炼和归纳，然后用某种检索语言（自然语言、受控语言）标注出来，作为信息存储与检索依据的信息处理过程[1]。简而言之，主题标引是对文献内容进行主题分析、赋予主题词标识的过程。按照使用主题标引语言的不同，主题标引可以分为受控标引和自然语言标引（或自由标引）。其中，受控标引是采用叙词表（或主题词表）中选用的规范词对文献进行标注，自然语言标引是直接选择自然语言词汇对文献进行标引。主题标引是数据资源加工和分析的基础工作，我国国家标准《科学技术报告、学位论文和学术论文的编写格式》（GB 7713-87）明确规定论文关键词应尽可能采用《汉语主题词表》等词表提供的规范词。

主题标引是数字资源组织的有效手段，它的准确性是保证数字资源检索和利用的关键因素。在大数据时代，文本信息的规模和增速非常大，靠人工标引不仅不可行，而且不可能，自动标引的价值凸显。当前，虽然全文检索技术已经非常成熟，但自动标引能实现信息精炼、提升、过滤，使检索更有效率、检索结果更准确，因此其重要性愈发凸显[2]。自动标引是指利用自动化技术从文献中抽取检索标志的过程。相比于人工标引，自动标引具有速度快、成本低以及稳定性和一致性高的优点，更适合大数据时代的数字信息资源标注[1]。……