分类空间：一种用于自动文档索引和检索的多变量程序

本文概述了解决语言数据处理问题的概念方法，并展示了文档处理系统的主要软件组件——索引、存储和检索的实证示例。该系统原则上具备完全自动化、无限交叉索引、有效的顺序检索、反映文档内部主题异质性的子文档索引，以及一套可自动识别系统无法充分处理的检索请求的程序。该索引模式称为“分类空间”，包括一个欧几里得模型，用于映射给定主题领域内的主题相似性。此类模式针对工程和化学的某些领域进行了实证推导。五项相关的实证研究提供了有力证据，表明在遵循适当实验程序时，可以基于异常小的数据集构建一个非常稳定的特定内容领域的分类空间。其他实证研究展示了在分类空间中，利用相对较小的系统词汇，进行文档有效自动索引的具体计算程序。一项研究表明，分类空间不仅映射主题相似性，还能映射主题相关性，因而促进了有效的顺序检索；该结果在自动索引条件下同样成立。尝试利用结构语言学中主语和宾语的区分以改进自动索引技术则得到负面结果。