Análisis de los descriptores de diferentes áreas del conocimiento indizadas en bases de datos del CSIC. Aplicación a la indización automática

SISA—Automatic Indexing System for Scientific Articles: Experiments with Location Heuristics Rules Versus TF-IDF Rules

“…The conceptual development of SISA (Sistema para la Indización Semi-Automática or Automatic Indexing System for Scientific Articles) began in the mid 1990s (Gil-Leiva 1997;Gil-Leiva 1999) with the indexing of information science articles. To determine which information to capture and use we undertook some research (Gil-Leiva and Rodríguez Muñoz 1997) into the values of the titles and abstracts of scientific articles as sources of indexing terms in librarianship and documentation, medicine, chemistry, biology, psychology and physics. We analyzed 450 articles and a total of 2,077 descriptors from the Spanish databases ISOC, IME e ICYT, of the Consejo Superior de Investigaciones Científicas.…”

“…The use of more or less complex controlled vocabularies in automatic indexing is a fact. Some examples, although by no means all, are: Strode (1977), Valle Bracero and Fernández García (1983), Biebricher, et al (1988), Silvester, Genuardi and Klingbiel (1994), Gil-Leiva (1997, Plaunt and Nogard (1998), Aronson et al (2000), Steinberger, Hagman and Scheer 2000, Lukhashevich and Dobrov (2001), Montejo (2001), Zha and Hou (2002), Beheshti (2003) or Kolar (2005), Medelyanand Witten (2005, 2008, El-Haj, et al 2013, Willis and Losee (2013), who draw on no fewer than four thesaurusi (AGROVOC, HEP, NALT and MeSH) to evaluate their algorithm, Pickler and Ferneda (2014), Vlachidis and Tudhope (2016) or Dehghani (2015).…”

Política de indexação

“…Na indexação de artigos científicos, os resumos costumam ter um maior número de conceitos do que os títulos (GIL LEIVA; RODRÍGUEZ MUÑOZ, 1997). Da mesma forma, também é comum que os indexadores lidem num maior ou menor grau, com as palavras-chave fornecidas pelos autores dos artigos para a atribuição dos assuntos ou dos descritores, conforme encontramos nos dois estudos que realizamos nas bases de dados nacionais espanholas (ISOC, ICYT e IME) e internacionais (CAB, LISA, INSPEC e ISTA) (GIL LEIVA; ALONSO ARROYO, 2005; É difícil definir o tempo médio gasto, ou que deveria ser dedicado à indexação de um documento.…”

Ampliación y perfeccionamiento de los métodos cuantitativos y leyes clásicas en recuperación de la información: desarrollo de un sistema de indización y segmentación automática para textos en español.

“…Respecto a las estructuras sintagmáticas de los descriptores cabe citar a Gil Leiva, Rodríguez Muñoz (1997) que realizan un interesantísimo estudio sobre éstas en diferentes áreas del conocimiento (biblioteconomía y documentación, medicina, química, biología, psicología y física) de las bases de datos del Consejo Superior de Investigaciones Científicas (ISOC, IME e ICYT) analizando un total de 2077 descriptores, asignados a 450 referencias de artículos científicos.…”

“…Son varios investigadores los que apoyan esta reflexión, pero en nuestro caso no la compartimos ya que según la investigación realizada por los autores Gil Leiva, Rodríguez Muñoz (1997), comentada anteriormente sobre las estructuras sintagmáticas de los descriptores concluyen que el mayor porcentaje de descriptores se encuentran presentes en todo el texto y no en el título o resumen.…”