キーワード検索・基礎編～「勘」のありか

photo credit: Peter Morville via photopin cc


社会人になってから、ずーーーーーーーーっと (←この長さに注目！笑） 検索をしているわけですが、日本語環境で「難しいなぁ」 と思うのは、キーワード検索、とりわけ最近の全文検索です。



私が 「難しいー！」 と感じている原因は、

● ルールのある「分類」は、ルールに基づいて検索できるし、それを教えることができる。

● 自然語からなる「キーワード」は、自分が調査する時も「勘」の領域が大きいし、教えにくい。

ということ。  ( >> 関連記事）

「結局キーワード検索って、勘とか感性の勝負なのか･･･？」 って思っちゃいます。
でも、「勘」 と 「理論・ルール」 の境界って、どのあたりにあるんでしょうね・・・？

それを探るために、今回から「キーワード検索の基礎」を眺めてみます。



◆ ２種類の「キーワード」

---

技術内容からの調査、といえば 「分類」か「キーワード」を使うのが一般的です。
では、キーワードに２種類ある事はご存知ですかー？？
         ↓
         ↓
         ↓
答えは・・・ 「自然語（非統制語）」 と 「統制語」です。

「自然語」 というのは、普通に意識せず使っている日本語のこと。

では 「統制語」 とは、どんな 「語」 の事でしょうか？


◆ 「自然語」 と 「統制語」 の違い

---

統制語、というのは、検索専用に使う単語／キーワードのことです。
用語辞典から、定義を紹介します。

---------------------------------------
統制語彙  controlled vocabulary
---------------------------------------
情報検索において、索引語として利用する語を限定し，その意味範囲や使用方法を規定したもので、統制語ともいう。


ただし、本来、「語彙」は語の集合を指し、「語」は個別の語を指すので、それに応じて使い分けることもある。


統制語制の基本的な目的は、語形や表記の変化、同義語の存在で検索漏れが生じないよう、または同形異義語でノイズが生じないようにすることである。


典型的な統制語彙としては、シソーラスに基づくディスクリプタがある。


また、ディスクリプタが事後結合索引法の統制語彙であるのに対し、件名標目表に基づく件名標目、分類表に基づく分類記号は、事後結合索引法の統制語彙とみなすことができる。このような索引語彙を定めることを統制語制という。


『図書館情報学用語辞典』(ISBN:4621043625)より
---------------------------------------

イメージできました？
なんか、説明自体が難しいですよね(笑)。


今度は具体的な例で、説明します。
突然ですが 「芋」 。 この文字で何をイメージしますか？

photo credit: zackeys via photopin cc

さつまいも？

photo credit: Donnacadh & Lauzy via photopin cc

それとも、じゃがいも？

photo credit: Nemo's great uncle via photopin cc

斜め上の発想、焼き芋屋さん？


ここでは 「じゃがいも」で説明します。


「じゃがいも」って、色々な呼び方がありますよね？
ポテトとか、馬鈴薯とか。

品種もたくさんあります。
男爵とか、メークインとか。最近はインカの目覚め、なんて面白い名前のものも。

さて、
何か料理のレシピで

「ジャガイモ  中３個」 と書いてあっても、
「ばれいしょ  中３個」 や
「メークイン  中３個」  でも、

読者は 「じゃがいも」 を準備するのだな、と認識できますよね。


それぞれの呼び方には、次の図の関係があります。
中でも、赤字の 「ジャガイモ」 が目立っていますが・・・

これが 統制語 というものです。
「じゃがいも」を表現する、色々な呼び方の代表者、リーダーのイメージです。

周りに並んでいる、じゃがいも、馬鈴薯、メークイン・・・などは 自然語 です。
リーダーの下に集められているので、被統制語 ともいいます。

注 ： 常にジャガイモが統制語になる、というわけではないですよ～
       「この例では、ジャガイモを代表にした」 というだけです。


また、脱線ですが、「芋」 はジャガイモの上位概念、
「芋」の下位概念に、ジャガイモ、サツマイモ、里芋・・・などが存在しています。
「焼き芋屋さん」は、サツマイモの関連語ですね♪


なぜ、統制語という代表を決めるのか？というと・・・


◆ 統制語を使った検索

---

先ほどの 「統制語の定義」 で、

統制語制の基本的な目的は、語形や表記の変化、同義語の存在で検索漏れが生じないよう、または同形異義語でノイズが生じないようにすることである。

という説明が出てきました。

これって、どういう事かというと・・・？

● 統制語で検索するなら   「ジャガイモ」 の一言で、被統制語が全部カバーできる！

● 自然語／被統制語の検索は、ジャガイモ＋じゃがいも＋馬鈴薯＋・・・・ と、関連語をできるだけ多く列挙しないと、漏れが多くなってしまう。

ということです。


「へぇー、統制語って便利なんだ！」

「関連語をできるだけ列挙、って、結構大変かも・・・」

と思った方も、いらっしゃるかもしれません。


ここで残念なお知らせが。
特許データベースで、統制語が使えるデータベースって皆無に近いのですよ・・・

日本語で、本格的に統制語が使えるのは、実質的にパトリスだけです。
（パトリスのフリーキーワードが、統制語になります。）



「えーーー。な・ん・で、他のデータベースには統制語がないの？」

と思われた方！
ナイスです！ あとで、サルミアッキ※あげますね♪ ＞うそ


統制語って、人が作るものです。

で、
特許情報って、件数が多いですよね？

先端技術が出願されてくる関係で、
新語もどんどん登場してきますよね？

新語に追随しながら、
新規発行公報にも統制語のインデックスをつけて・・・ って、
かなり膨大な作業だと聞きます。

だから、他の特許データベースには、
あまり「統制語」 が存在しないのですね。

※ 論文データベースは、ほとんどが統制語を持っています。
    これはまた、別のお話ということで。


・・・・・・・・・・・・・
ええっと、話を引き戻します。


そういうわけで、一般的な特許データベース。

こっちの 「自然語検索」 を駆使せざるを得ません。
これ、結構大変です。(汗)


次回は、キーワードの 「さじ加減」 を説明していきます～



□自然語／統制語に関連する記事□

□キーワード検索シリーズ一覧はこちら□








■ご案内■