Automatically Assigning NDC Categories to Reference Service Records by Using Machine Learning Methods

Abstract

〒305-0821 茨城県つくば市春日 1-2 国立国会図書館は，レファレンス協同データベースでレファレンス事例を公開・提供している．レフ ァレンス事例はこの事業に参加している各図書館によって登録されるが，登録の際の項目の一つで ある NDC の項目に関しては全体の約 2/3 にしか記述されていない．本研究では機械学習を用いて， レファレンス事例に対して自動的に NDC を付与する手法を提案する．NDC の自動付与を行う事で， NDC を付与する図書館員の負担を軽減する事ができると考える．本研究では以下の 3 つの手法を 提案する．即ち（1）参考資料の NDC を用いる手法，（2）質問文から疎でない特徴ベクトルを作る手 法，（3）両方同時に用いる手法，である．NDC の 2 桁目（綱）まで自動付与する実験の結果，（1）で は 45.6%，（2）では 53.8%，（3）では 45.6%の精度で自動付与を行う事ができた．従来手法による精 度は 32.4％であり，精度を向上させる事ができた． The National Diet Library collects and maintains a database (Collaborative Reference Database) of reference service questions and the answers given to them. The questions are submitted to public and university libraries by users, and the answers are given by the libraries. This project support reference service and research activities. In Collaborative Reference Database, Property of " Nippon Decimal Classification (NDC) codes " is optional, and the NDC codes are assigned to only about 2/3 records because such codes can be burdensome to reference librarians. This paper proposes a method for automatically assigning Nippon Decimal Classification (NDC) codes to them using machine learning. NDC codes allow users to easily find reference service records and are therefore useful. We propose following two methods. (1) Using the NDC codes of the reference materials in reference recodes, (2)