主题词与自由词：如何为每个概念准备检索词清单

如果每个概念只准备一个检索词，就等于默认所有研究者都会用完全相同的说法来描述它——但事实并非如此。同一件事，不同研究团队、不同年代、不同学科分支使用的表述可能差异很大，而检索系统只会按字面进行匹配。

检索词清单，就是把每个概念可能用到的说法提前列出来，分为同义词、上位词和下位词三层。扩充清单是为了提高查全率，从中挑选使用是为了控制结果规模——两件事靠的是同一份准备。

本文承接如何确定检索词：那一篇讲怎么把研究问题拆成三到四个核心概念，这一篇讲每个概念下面该放哪些词。清单做好之后怎么组合成检索式，见布尔逻辑与检索式的组合。

同义词从哪里来

别从普通词典里找同义词。词典收录的是语言层面的近义词，而文献检索需要的是本领域研究者实际使用的表述。以下四个来源更可靠：

一、从已知相关的文献里抄。手上如果已经有一两篇确定切题的文献，把它的标题、摘要和关键词字段通读一遍，作者用的每一个术语都是候选。这是最可靠的来源，因为它直接来自这个领域的写作习惯。

二、从粗搜结果的标题里归纳。用最有把握的一个词先搜一次，不看内容，只扫前两页的标题，看看同一个意思被写成了几种样子。这一步通常能捞到两三个你没想到的说法。

三、从综述文章的开头。综述的引言部分往往会交代这个概念的不同叫法和历史沿革，有时还会说明为什么本文采用某一种。这是密度最高的术语来源。

四、从被引和参考文献往外扩。相关文献引用的文献、以及引用了它的文献，通常处在同一个术语体系里。

主题词与自由词：学科术语和日常说法的差异

中文文献检索里有一组基础概念：主题词是经过规范化、由学科词表统一过的术语；自由词是作者自己写的、未经统一的说法。两者的差别直接决定检索效果。

类型	特点	例子	适用场景
主题词（规范术语）	一个概念只对应一个标准说法，查准率高	阿尔茨海默病	概念成熟、词表已收录
自由词（作者用语）	贴近实际写作，覆盖面广，噪声也多	老年痴呆、失智症	新兴概念、跨学科主题

两者都要用，原因有三个。新出现的概念还来不及进入规范词表，只能靠自由词检出；作者写标题和摘要时不一定遵循规范用词；而完全依赖自由词又会漏掉那些严格按术语写作的文献。

日常说法尤其值得单独留意。「老年痴呆」在公众语境里通用，在学术文献里则大多写成「阿尔茨海默病」；反过来，科普性质的综述又可能两者都用。判断一个说法是否可行，最快的办法是搜一次，看检出文献的标题里它出现的频率。反复出现就留下，只零星出现几次就当作补充词。

上位词与下位词

同义词是横向扩展，上下位词是纵向调节。

上位词是更宽的类别。「运动干预」的上位词是「生活方式干预」，再往上是「非药物干预」。下位词是更具体的实例。「运动干预」的下位词包括「有氧运动」「抗阻训练」「太极」「快走」。

层级	示例	什么时候用
上位词	生活方式干预	结果太少，需要扩大范围
原词	运动干预	默认起点
下位词	有氧运动、抗阻训练、太极	结果太多太杂，或者原词检不出具体研究

这里有一个容易踩坑的地方：检索系统一般不会自动把上位词的检索扩展到下位词。搜索"运动干预"，未必能检索到一篇通篇只写"太极"、从未出现"运动干预"这四个字的文献。因此，下位词不能只是备而不用——当你追求查全时，必须主动将它们以并列的方式加入检索式。

反过来说，下位词也不等同于同义词。把多个下位词用"或"并列加入检索式，会扩大检索范围，因为此时它们之间是可替换的关系；而如果把原词整体替换成某一个下位词，则是在缩小检索范围。两者的方向截然相反，使用时千万不要混淆。

简称与全称

学科里大量概念同时存在长短两种写法：「慢性阻塞性肺疾病」和「慢阻肺」，「冠状动脉粥样硬化性心脏病」和「冠心病」，「磁共振成像」和「核磁」。部分学科还会直接沿用拉丁字母缩写，例如「慢性阻塞性肺疾病」在文献中也常写作「COPD」，「磁共振成像」常写作「MRI」。

三个需要注意的地方：

1. 同一个简称可能对应多个概念，尤其是字母缩写。只用简称检索，噪声会明显偏高。

2. 标题和摘要的用法不一致。规范的写法是正文首次出现时给出全称并标注简称，之后一律用简称——这意味着标题里出现的往往是全称，而正文里是简称。检索字段不同，命中率也就不同。

3. 简称和全称都要列进清单，作为可替换的说法并列使用，而不是二选一。

同一个概念的不同写法

除了简称，中文术语还有几类系统性的写法差异，漏掉任何一类都会造成检索缺口。

差异类型	例子	说明
译名不统一	阿尔茨海默病 / 阿尔茨海默症	音译用字和词尾都可能不同
异形写法	帕金森病 / 帕金森氏病	「氏」字的取舍在不同年代不同
新旧术语更替	老年性痴呆 / 阿尔茨海默病	早期文献只用旧称
数字与序号写法	2型糖尿病 / Ⅱ型糖尿病 / 二型糖尿病	阿拉伯数字、罗马数字、汉字并存
学名与俗名	幽门螺杆菌 / 幽门螺旋杆菌	多一个字少一个字都检不到

新旧术语这一类要格外小心。如果你的检索需要覆盖较长的时间跨度，旧称一定要保留在清单里——因为那个年代的文献只使用旧称，用新术语根本检索不到。反过来，如果你只关注近几年的研究进展，就可以只保留现行术语，让清单更加精简。

一个概念该准备几个词

三到五个是合理区间。判断标准很直接：把一个新词加进去，如果结果数量的增幅不到一成，说明这个词基本被已有的词覆盖了，属于冗余，可以删掉。

不要为了凑数加边缘词。每多一个说法，就多一批只在字面上沾边的文献进入结果，而这些噪声最终要靠你自己一条条筛掉。

还有一个现实限制：检索框有字符上限，三个概念、每个概念五种说法写成完整检索式就已经接近上限了，所以真正需要取舍时，应按"先删最长且命中最少的说法，再删粗搜结果中几乎不出现的说法，最后只保留出现频率最高的两三个"的顺序来精简。

清单不是一次做完的。第一轮检索之后回头补充，把结果里新看到的说法加进去，这一步比一开始凭空多想两个词有效得多。检索流程的三轮迭代，见如何确定检索词。

检索词清单模板

准备检索式之前，先把下面这张表填出来。三个概念，每行一个。

填写示例

概念	同义词	上位词	下位词
运动干预	体育锻炼、身体活动、运动训练	生活方式干预	有氧运动、抗阻训练、太极
老年人	老年、高龄、老龄人群	成年人	高龄老人、社区老年人
认知功能下降	认知障碍、认知衰退、记忆减退	神经系统退行性变	轻度认知障碍、阿尔茨海默病

空白模板

概念	同义词	上位词	下位词
概念一
概念二
概念三

用法：默认取「概念」和「同义词」两列组合检索；结果太少时，把某一个概念换成它的上位词；结果太多太杂时，把最核心的那个概念换成具体的下位词，或者移到标题字段。字段用法见高级检索：五个字段怎么用。

常见问题

怎么知道本领域有没有通行的规范词表？最快的办法是找三到五篇本领域的高质量文献，看它们的关键词字段。如果不同作者的关键词高度一致，说明这个领域有成熟的术语规范，优先用主题词检索；如果各写各的，说明规范化程度低，自由词的权重要加大。

同义词是不是越多越好？不是。同义词的作用是提高查全率，但边缘说法带来的多半是噪声而不是相关文献。加一个词如果结果只多出百分之几，它就没有存在的必要。

上位词和同义词怎么区分？同义词与原词互换之后，句子的意思不变；上位词包含原词，互换之后句子的范围变宽了。「体育锻炼」换掉「运动干预」，说的还是同一件事；换成「生活方式干预」，就把饮食、睡眠也包含进来了。

清单准备好了，是不是就不用改了？需要改。检索词清单在第一轮检索之后一定会有新增——结果标题里出现的说法，是最真实的术语来源。把清单当成随检索推进而更新的工作文档，而不是一次性的准备动作。