基于WEB的書(shū)目信息自動(dòng)搜集與服務(wù).pdf

1、電子書(shū)目數(shù)據(jù)(又稱(chēng)書(shū)目數(shù)據(jù)信息)指的是以數(shù)字化形式存在的有關(guān)圖書(shū)資料的元數(shù)據(jù)，它的建設(shè)是數(shù)字圖書(shū)館資源建設(shè)中一個(gè)重要的組成部分。傳統(tǒng)上，書(shū)目信息的建設(shè)需要人工逐條錄入，這不但需要繁重的人力勞動(dòng)，還給書(shū)目信息的準(zhǔn)確性和及時(shí)性帶來(lái)了問(wèn)題。其實(shí)，互聯(lián)網(wǎng)上有許多現(xiàn)成的書(shū)目信息可以被利用：圖書(shū)作者和讀者的博客、出版商的業(yè)務(wù)網(wǎng)、數(shù)字圖書(shū)館的檢索系統(tǒng)，所有這些地方都有可能提供現(xiàn)成的書(shū)目信息。一個(gè)基于Web的書(shū)目信息自動(dòng)搜集和服務(wù)系統(tǒng)可以自動(dòng)地從Web

2、上搜集書(shū)目信息，通過(guò)加工整理、分析、存儲(chǔ)、索引后，可以集中對(duì)外提供元數(shù)據(jù)服務(wù)。 本文研究了基于Web的書(shū)目信息自動(dòng)搜集和服務(wù)系統(tǒng)所涉及到的關(guān)鍵技術(shù)和系統(tǒng)的相關(guān)實(shí)現(xiàn)，具體包括如下內(nèi)容： 如何在Web中發(fā)現(xiàn)包含書(shū)目信息的目標(biāo)網(wǎng)站和頁(yè)面；如何將目標(biāo)頁(yè)面中的書(shū)目信息抽取出來(lái)；怎樣將抽取到的書(shū)目信息轉(zhuǎn)換為MARC元數(shù)據(jù)：怎樣利用這些MARC元數(shù)據(jù)為用戶(hù)提供服務(wù)。 本系統(tǒng)是根據(jù)網(wǎng)絡(luò)上書(shū)目信息展現(xiàn)的特點(diǎn)，建立了一個(gè)書(shū)目主題的知

3、識(shí)庫(kù)，結(jié)合現(xiàn)有的主題網(wǎng)絡(luò)爬蟲(chóng)、網(wǎng)頁(yè)去噪、信息抽取等計(jì)算機(jī)技術(shù)，將互聯(lián)網(wǎng)上半結(jié)構(gòu)化的書(shū)目主題信息抽取出來(lái)存放到結(jié)構(gòu)化的數(shù)據(jù)庫(kù)中，再通過(guò)MARC生成技術(shù)將這些抽取到的結(jié)構(gòu)化書(shū)目信息生成MARC格式信息，利用已有的Web技術(shù)和全文檢索技術(shù)為各類(lèi)用戶(hù)提供書(shū)目MARC信息檢索和下載服務(wù)。 本課題的研究與開(kāi)發(fā)為解決目前封閉式圖書(shū)編目提供了一個(gè)可行的解決方案。充分利用互聯(lián)網(wǎng)上豐富的書(shū)目信息和現(xiàn)代計(jì)算機(jī)技術(shù)，使得圖書(shū)編目更加開(kāi)放化，有利于數(shù)字圖