資料庫檢索基本概念－

控制語言與MeSH、Emtree簡介 

崑巖醫學圖書分館　陳威宇

索引的意義與功能

索引（index）是指透過有規則的排序方式，指引使用者到資訊內容或資料所在位置的一種工具。起初索引專指將書籍內容或重要詞彙摘錄，並依順序（如字母順、筆畫、部首）排列，同時標明所在頁數的清單，即所謂「書後索引」。此時的索引多以專名（人名、地名）、篇目名稱或語詞作為款目，讓讀者知道該名稱於書中的所在位置。一直到18世紀，開始有了主題索引（subject index）的概念。主題索引即根據文獻的內容，利用適當的詞彙進行描述。既可歸納該文獻的主題，同時在網路環境中也能夠增加文獻被搜尋到的機會，提高其可查找性。對線上資料庫而言，索引不僅提供期刊文獻的內容線索，也為其增添檢索途徑。 

圖1　書後索引截圖

原書出處： Feagan, B. G., Kahrilas, P. J., Jalan, R., & McDonald, J. W. D. (Eds.). Evidence-based gastroenterology and hepatology (4th ed.). John Wiley & Sons. http://doi.org/10.1002/9781119211419 

控制語言與自然語言索引 

為文獻進行索引時使用的詞彙（下稱索引詞）並非各自獨立的個體，而是存在一定的語法（syntax）特性。也因為索引詞的語法特性，彼此間形成一個有系統的語意關係，正如同我們日常使用的語言一般，因此稱之為索引語言（indexing language）。部分學者將索引語言可分為3種： 

所謂的控制索引語言，是指資料庫根據文獻內容，轉化為辭典、詞表或是資料庫索引典（thesaurus）中的詞彙來描述。這些「詞彙清單」是根據專家學者的審定編輯而成，除了規範詞彙格式、指引參照關係，並且按照一定規律排列外，甚至還會顯示詞彙間的廣狹義關係，以呈現完整的知識架構。自然索引語言與自由索引語言，無論從文獻檢索者或資料庫使用者的角度上，其本質都是根據任意、非規範的詞彙來描述該文獻，因此實務上往往將二者並稱為自然索引語言，以區別控制語言。

自然語言與控制語言索引各有其優缺點。自然語言的優勢，能夠直接使用文章出現的詞語作為索引詞，以節省索引工作投入的成本，同時既可避免人為的索引錯誤，又可直接將文章中出現的新興詞彙設為索引詞，讓使用者能夠即時查找有關文獻。然而另一方面，面對隱含在文章中、而沒有明確書寫的主題概念，便可能會因此漏失。

控制語言因為經過人工的管理，因此能夠解決很多自然語言的語意問題，例如同義詞、同形異義詞，或是外語詞彙的單複數、時態語態變化。此外主題概念之間的相近、相反、廣狹義位階等關係，在編纂詞彙清單時便一併經控制，因此在檢索資料時也可運用這些關係來擴展自己的檢索結果，有效地掌握相關概念文獻。但控制語言的缺點包含詞彙更新速度慢、可能會有人為誤引情形，以及對使用者不友善，意即資料庫使用者未必熟悉某一概念最終被控制的格式。無論是只採用哪一種索引語言都可能造成不便，因此目前有些電子資料庫採用混合式的索引方法，使用者能夠自由輸入檢索詞彙，而後經內部比對到控制索引詞，進而檢索出相關主題的文獻。 

很多領域有其領域內通用的控制詞彙，一般稱為主題詞表或標題表，例如圖資領域的中文主題詞表、席爾氏標題表（Sears List of Subject Headings）與LCSH（Library of Congress Subject Headings，美國國會圖書館標題表）；工程領域的SHE（ Subject Headings for Engineering，工程學標題表）；醫學領域的MeSH（Medical Subject Headings，醫學標題表）。有些資料庫也有其專用控制詞表，如醫學領域的Embase與Emtree，或是護理領域的CINAHL與CINAHL Subject Headings，都是專屬於該資料庫的控制詞彙表。本文接下來將簡介MeSH、Emtree以及在資料庫中如何查詢控制詞彙。 

MeSH

MeSH是由美國國家醫學圖書館（National Library of Medicine）負責建置與修訂的控制詞彙表，以作為生物醫學文獻主題內容的分類依據；除了用於醫學圖書館的館藏目錄，也用於MEDLINE等資料庫的文獻索引。使用者可以從PubMed首頁左下角連結到MeSH資料庫進行查詢。 

圖2　PubMed首頁與MeSH資料庫入口

MeSH主要有三個部分：主要標題（main headings）、副標題（subheadings）、supplementary concept records（SCR）等。主要標題代表一個概念的統一用語，在MEDLINE資料庫中，每一篇文獻會經過專家解析，並給予數個適當的主要標題來描述文章內容。副標題依附於主要標題，用於補充細節，讓該標題能夠細分、表達更精準的概念。SCR主要是各類物質與藥物的詞表，同時也包含程序（protocols）名詞、病原體名稱或是罕見疾病。 

要確認一個詞彙是否為MeSH terms，可以從MeSH資料庫首頁的搜尋欄位輸入，系統便會比對並引導至指定的MeSH terms紀錄，或是呈現相似概念的搜尋結果。以骨癌為例，隨意輸入"bone cancer"，會直接引導至"Bone Neoplasms"的頁面（如圖3），代表在MeSH資料庫中是以bone neoplasms代表骨腫瘤。 

圖3　MeSH term紀錄頁面：定義與副標題 

在每一個MeSH terms紀錄頁面中提供簡單定義，讓使用者能了解惡性骨腫瘤的意涵。副標題的清單則用於修飾，以更精確的表達與骨腫瘤有關的概念。例如以"Bone Neoplasms / nursing"表示骨腫瘤的護理議題；"Bone Neoplasms / diagnosis"代表骨腫瘤的診斷。這樣的機制有助於更聚焦地表現文獻的主題。此外在頁面中有"Entry Terms"的段落，標示出與骨腫瘤有關的同義詞及相關格式（如右圖4）。在使用MeSH資料庫搜尋時，這些Entry Terms便提供比對管道，即使使用者以cancer表達癌症，也能連結到此筆紀錄。

MeSH terms之間存在廣義與狹義的語意關係，在資料庫中則以樹狀結構呈現，從16個大類開始逐層展開，各大類細分為下層主題，而後漸次細分並形成一個龐大的階層體系。在上層的標題，其涉及的意涵較廣，越往下層其概念就越專指。而每一筆MeSH紀錄中也會呈現該詞彙在MeSH體系中所屬的位置，以及其上位詞（廣義詞）和下位詞（狹義詞），如圖5。 

圖4　MeSH term紀錄頁面：Entry Terms 

圖5  MeSH term紀錄頁面：樹狀結構與上下位詞

根據左圖5，bone neoplasms這個詞同時隸屬於兩條「分支」： 

前述詞彙即bone neoplasms的上位詞。而在bone neoplasms之下則有adamantinoma（造釉細胞瘤）、femoral neoplasms（股骨腫瘤）、skull neoplasms（顱骨腫瘤）與spinal neoplasms（脊椎腫瘤）等下位概念。上下位的詞彙關係則可運用於資料庫檢索，如PubMed預設的查詢邏輯，便會自動將下層的狹義詞帶入查詢。換句話說當使用者採用"bone neoplasms"進行搜尋，系統會自動查詢脊椎、顱骨等不同部位腫瘤的文獻，幫助使用者更周全地找到相關文獻。 

Emtree

Emtree是Embase資料庫專用的控制詞彙索引典，由愛思唯爾公司進行維護及修訂。相較於MeSH，Emtree的詞彙種類更多元，除了各類疾病及生物學的詞彙外，還包含更多藥物、醫療儀器等用語。同時Emtree不僅包含了所有MeSH terms，在條目數量、同義詞等規模也更為龐大。想要查詢Emtree，可以從Embase資料庫的首頁右上角進入。在頁面中間的搜尋框可以直接輸入欲查詢的詞彙，也可以依照層面分類逐層瀏覽（如圖6與圖7）。Embase會隨著使用者輸入的字即時比對並提示可能的Emtree，在進行搜尋的同時也可以參考系統提示的其他字詞，以擴展使用者的檢索，請參考圖8。 

圖6　Embase首頁與瀏覽Emtree連結處 

圖7　Emtree查詢介面 

圖8　於輸入時自動提示Emtree的機制 

在圖8中可以看到，搜尋結果詞彙有灰色與黑色2種顏色。淺灰字代表使用者使用自然語言輸入，而該詞彙並不是Emtree選用的字；另一方面黑字則代表正式收錄於Emtree的詞彙，並且使用"use:"做為引導。以上圖為例"bone neoplasms use: bone tumor"意即在Emtree不以bone neoplasms、而是使用bone tumor表示骨骼腫瘤。除此之外，Embase會將一些新興詞彙標記為candidate term，類似Emtree候選詞的概念。例如圖8下方的bone neovascularization（骨骼血管增生）目前仍沒有適合的Emtree可以對應。 

Emtree與MeSH一樣，使用樹狀結構表現Emtree terms之間上下位（廣狹義）的關係（如右圖9）。以bone tumor為例，依序為"diseases"、"physical disease"（生理疾病）、"physical disease by anatomical structure"（依據解剖構造劃分）、"musculoskeletal disease"（肌肉與骨骼疾病）、"bone disease"（骨骼疾病）、"physical disease by etiology and pathogenesis"（依據病原與發病機制劃分）、"neoplasm"（腫瘤）、"neoplasms subdivided by anatomical site"（依據生理部位劃分）、"locomotor system tumor"（肌肉骨骼系統腫瘤）等上位詞，以及各種骨骼部位的腫瘤作為下位詞。進行搜尋時輸入"bone tumor"，系統便會同時將下位詞帶入搜尋，增加檢索的周全性。

在Embase系統中，每一筆Emtree term也有相對應的同義詞，詞彙數量相較於MeSH更為龐大，讓系統能夠更容易比對搜尋詞彙與Emtree term。在系統中直接查詢Emtree，同義詞便會顯示在頁面下方（如下圖10）。 

圖9　 Emtree term頁面：樹狀結構與上下位詞

圖10　 Emtree term頁面：同義詞 

結語

每一筆文獻收錄於資料庫之前，會先經過索引工作，根據主題給予相關的索引詞彙，資料庫系統再透過比對使用者輸入的搜尋詞與索引詞彙，將符合的文獻呈現出來。並且隨著索引詞來源的不同，可分為自然語言索引與控制語言索引。控制語言索引在資料庫中又稱為索引典，索引典中除了呈現概念制式的表現形態外，還會展現同義詞以及上下位詞，用以輔助使用者檢索。在醫學領域中有二大控制語言索引──運用於MEDLINE的MeSH與Embase的Emtree。本文透過二種索引的查詢方式簡介，讓讀者對於控制語言索引有基本的認識，在之後的文章中則會介紹如何將其用於檢索實務。 

參考資料

若有任何問題，歡迎來信至 medref@libmail.lib.ncku.edu.tw，謝謝您