主題索引

主題索引とは、さまざまな文書の内容を示したり、内容を要約したり、検索可能性を高めたりするために、索引用語、キーワード、またはその他の記号で文書を記述または分類する行為です。言い換えれば、文書の主題を識別して記述することです。索引は、書籍などの文書内の用語、図書館などのコレクション内のオブジェクト、知識分野内の文書（書籍や記事など）という 3 つの異なるレベルで個別に構築されます。

主題索引は情報検索で使用され、特に特定の主題に関する文書を検索するための書誌索引を作成するために使用されます。学術索引サービスの例としては、 Zentralblatt MATH、Chemical Abstracts、PubMed などがあります。索引用語は主に専門家によって割り当てられていますが、著者キーワードもよく使用されます。

索引付けのプロセスは、文書の主題の分析から始まります。索引作成者は、文書から直接単語を抽出するか、統制語彙から単語を割り当てることによって、主題を適切に識別する用語を特定する必要があります。^[1]索引内の用語は、体系的な順序で提示されます。

索引作成者は、含める用語の数と用語の具体性を決定する必要があります。これらを組み合わせることで、索引の深さが決まります。

索引付けの最初のステップは、文書の主題を決定することです。手動索引付けでは、索引作成者は「文書は特定の製品、状態、または現象を扱っているか？」などの一連の質問に対する回答という観点から主題を検討します。^[2]分析は索引作成者の知識と経験によって左右されるため、2 人の索引作成者がコンテンツを異なる方法で分析し、異なる索引用語を作成する可能性があります。これは検索の成功に影響します。

自動索引付けは、単語パターンの頻度を分析し、その結果を他の文書と比較して主題カテゴリに割り当てるという、定められたプロセスに従います。索引付けの対象となる資料を理解する必要はありません。これにより、索引付けの均一性は高まりますが、真の意味の解釈が犠牲になります。コンピュータプログラムは文の意味を理解できないため、関連する用語を割り当てられなかったり、誤って割り当てたりすることがあります。人間の索引作成者は、全文を詳細に分析するのはコストがかかり、時間がかかるため、タイトル、概要、要約、結論など、文書の特定の部分に注意を集中します^[3]自動化されたシステムは時間制限をなくし、文書全体を分析できるようにしますが、文書の特定の部分に向けるオプションもあります。

索引付けの第 2 段階では、主題分析を索引用語のセットに変換します。これには、ドキュメントからの抽出や、制御された語彙からの割り当てが含まれます。全文検索が広く利用できるようになったため、多くの人が情報検索を行う際に自分の専門知識に頼るようになり、全文検索が非常に人気を博しています。主題索引付けとその専門家であるプロの索引作成者、カタログ作成者、および司書は、情報の整理と検索に不可欠です。これらの専門家は制御された語彙を理解しており、全文検索では見つけられない情報を見つけることができます。主題索引付けを作成するための専門家分析のコストは、同等の全文の完全に検索可能な資料を作成するためのハードウェア、ソフトウェア、および労働力のコストと簡単に比較できません。すべてのユーザーがドキュメントに注釈を付けることができる新しい Web アプリケーションにより、ソーシャル タグ付けは特に Web で人気を博しています。^[4]

索引の応用例の 1 つである書籍索引は、情報革命にもかかわらず、ほとんど変化していません。

抽出インデックス作成では、文書から直接単語を取得します。自然言語を使用し、単語の頻度を計算し、事前に決定されたしきい値を超える頻度の単語をインデックス用語として使用する自動化技術に適しています。一般的な単語 (「the」、「and」など) を含むストップリストが参照され、そのようなストップワードはインデックス用語として除外されます。

自動抽出インデックス作成では、フレーズではなく単語をインデックス作成するため、用語の意味が失われる可能性があります。よく出現するフレーズを抽出することは可能ですが、キーコンセプトがフレーズ内で一貫して表現されていない場合は、より困難になります。自動抽出インデックス作成には、ストップリストを使用して一般的な単語を削除しても、一部の頻出単語がドキュメント間の区別に役立たない可能性があるという問題もあります。たとえば、グルコースという用語は、糖尿病に関連するドキュメントで頻繁に出現する可能性があります。したがって、この用語を使用すると、データベース内のほとんどまたはすべてのドキュメントが返される可能性があります。検索時に用語を組み合わせる事後調整インデックス作成では、この影響は軽減されますが、適切な用語をリンクする責任は情報専門家ではなく検索者にあります。さらに、出現頻度の低い用語が非常に重要である場合があります。たとえば、新薬は頻繁に言及されないかもしれませんが、主題の目新しさにより、参照が重要になります。自動化された技術によって、よりまれな用語を含め、一般的な単語を除外できるようにする方法の 1 つは、ドキュメント内の単語の出現頻度をデータベース全体の出現頻度と比較する相対頻度アプローチです。したがって、データベースの残りの部分に基づいて予測されるよりも頻繁にドキュメントに出現する用語をインデックス用語として使用し、データベース全体で同じ頻度で出現する用語を除外することができます。

自動抽出のもう一つの問題は、概念が議論されているが、テキスト内でインデックス可能なキーワードによって識別されていない場合、それを認識できないことです。^[5]

このプロセスは単純な文字列のマッチングに基づいており、知的な分析は行われないため、結果として得られる成果物は、索引というよりも コンコーダンスと呼ばれる方が適切です。

代替案としては、索引用語が統制語彙から取得される割り当て索引があります。これには、優先用語が索引付けされ、同義語または関連用語がユーザーを優先用語に誘導するため、同義語を制御できるという利点があります。つまり、ユーザーは著者が使用する特定の用語に関係なく記事を見つけることができ、考えられるすべての同義語を知って確認する必要がなくなります。 ^{[6]また、修飾語を含めることで}同音異義語による混乱も解消されます。3 つ目の利点は、階層または関連性のいずれでリンクされているかに関係なく、関連用語をリンクできることです。たとえば、経口薬の索引エントリでは、他の経口薬を階層の同じレベルの関連用語としてリストしますが、治療などのより広い用語にもリンクします。割り当て索引は、手動索引で索引作成者間の一貫性を向上させるために使用されます。異なる索引作成者が選択できる制御された用語セットを持つためです。統制語彙では、2 つの索引作成者が主題を異なる方法で解釈する可能性があるため、不一致が完全になくなるわけではありません。^[2]

索引作成の最終段階は、エントリを体系的な順序で提示することです。これにはエントリのリンクが含まれる場合があります。事前調整された索引では、索引作成者は、ユーザーが検索をどのように作成するかを考慮して、エントリ内で用語がリンクされる順序を決定します。事後調整された索引では、エントリは個別に提示され、ユーザーは検索を通じてエントリをリンクできます。検索は、通常、コンピュータソフトウェアによって実行されます。事後調整では、事前調整と比較して精度が低下します^[7]

索引作成者は、索引に含める項目と、索引に含める項目の数を決定する必要がある。索引の深さは、網羅性と特異性を参照して索引作成プロセスの徹底性を表す^[8]

網羅的索引とは、索引用語をすべて列挙する索引である。網羅性が高いほど再現率が高まり、関連する記事がすべて検索される可能性が高くなるが、精度が犠牲になる。つまり、ユーザーは、無関係な文書や主題をあまり深く扱っていない文書をより多く検索する可能性がある。手動システムでは、網羅性のレベルを高めると、より多くの工数が必要になるため、コストが増大する。自動化システムでかかる追加時間はそれほど重要ではない。その一方で、選択的索引では、最も重要な側面のみがカバーされる。^[9]選択的索引では、索引作成者が十分な用語を含めないと、関連性の高い記事が見落とされる可能性があるため、再現率は低下する。したがって、索引作成者はバランスをとるよう努め、文書が何に使用されるかを考慮する必要がある。また、時間と費用の影響も考慮する必要があるかもしれない。

特異性は、索引用語がそれらが表すトピックにどれだけ近いかを表します。 ^[10]索引作成者が文書の概念に平行した記述子を使用し、概念を正確に反映している場合、索引は特異性があると言われます。^[11]網羅性が高くなると、用語が多くなるほど用語の範囲が狭くなるため、特異性は高くなる傾向があります。

Hjørland（2011）^[12]は、索引付けの理論は最も深いレベルでさまざまな知識理論と関連していることを発見しました。

• 索引付けの合理主義理論(Ranganathan の理論など) では、主題は基本的なカテゴリ セットから論理的に構築されると示唆しています。主題分析の基本的な方法は「分析的総合的」であり、一連の基本カテゴリを分離し (= 分析)、その後、いくつかの規則に従ってそれらのカテゴリを組み合わせることで、任意のドキュメントの主題を構築します (= 総合的)。
• 索引付けの経験主義理論は、特に数値統計手法を適用して、特性に基づいて類似文書を選択することに基づいています。
• 索引付けの歴史主義的および解釈学的理論は、特定の文書の主題は特定の談話または領域に関連していると示唆しており、索引付けは特定の談話または領域の必要性を反映すべきである。解釈学によれば、文書は常に特定の地平から書かれ、解釈される。知識組織化システムおよびそのようなシステムを検索するすべてのユーザーについても同様である。そのようなシステムに対して出される質問はすべて、特定の地平から出される。それらの地平はすべて、多かれ少なかれ合意または対立している可能性がある。文書を索引付けすることは、それらの異なる地平について知ることによって「関連」文書の検索に貢献しようとすることである。
• 索引付けに関する実用的かつ批判的な理論（Hjørland、1997 など）^{[13] は}、主題は特定の言説に相対的であるという歴史主義的観点に同意しているが、主題分析は与えられた目標と価値をサポートし、何らかの方法で索引付けすることの結果を考慮する必要があることを強調している。これらの理論は、索引付けは中立的であってはならず、中立的な方法で索引付けしようとするのは間違った目標であると考えている。索引付けは行為である（そしてコンピュータ ベースの索引付けはプログラマの意図に従って動作する）。行為は人間の目標に役立つ。図書館と情報サービスも人間の目標に役立つため、その索引付けはこれらの目標を可能な限りサポートする方法で行う必要がある。一見すると、これは奇妙に思える。なぜなら、図書館と情報サービスの目標は、あらゆる文書または情報を識別することにあるからだ。それにもかかわらず、特定の索引付け方法が常に何らかの用途をサポートし、他の用途を犠牲にしているわけではない。索引付けされる文書は、コミュニティ内の特定の目的に役立つことを意図している。基本的に、索引付けは同じ目的に役立つことを意図している必要がある。一次および二次文書と情報サービスは、同じ全体的な社会システムの一部です。このようなシステムでは、異なる理論、認識論、世界観などが作用している可能性があり、ユーザーはそれらの異なる見解の間を移動して方向を定める必要があります。これには、分野内の異なる認識論をマッピングし、単一の文書をそのようなマップに分類する必要があります。このような異なるパラダイムとそれが索引付けおよび分類システムに与える影響の優れた例は、芸術の分野ではØrom (2003) ^[14]、音楽の分野ではAbrahamsen (2003) ^{[15]が提供されています。}

索引付けの核心は、Rowley & Farrow ^{[16]が述べたように、論文の知識への貢献を評価し、それに応じて索引付けすることです。あるいは、Hjørland (1992、 [17]} 1997)の言葉を借りれば、その情報の可能性を索引付けすることです。

「一貫性のある優れた索引付けを実現するためには、索引作成者は主題の構造と、文書が知識の進歩にどのような貢献をしているかを徹底的に理解していなければならない。」（Rowley & Farrow、2000、^[16] p. 99）。

ウィキメディア・コモンズには、主題索引に関連するメディアがあります。

• 索引作成および抄録サービス
• 文書分類
• メタデータ
• 過剰分類
• 中世の主題索引の先駆者であるアイルランドのトーマス

• フグマン、ロバート（1993）。主題分析と索引作成。理論的基礎と実践的アドバイス。フランクフルト/マイン：インデックス出版社。
• Frohmann, B. (1990). 「索引付けのルール: 情報検索理論におけるメンタリズムの批判」Journal of Documentation . 46 (2): 81–101. doi :10.1108/eb026855.
• Wellisch, Hans, H. (1986)。「最古の印刷索引」The Indexer 15 号 10 月 2 日、pp. 1-10。