基于OAI-PMH協(xié)議的元數(shù)據(jù)聚類算法及應(yīng)用研究.pdf

1、信息技術(shù)的發(fā)展造成了大量數(shù)字信息資源的積累，OAI-PMH作為解決大量數(shù)字信息資源互操作和共享的一個(gè)簡(jiǎn)單、靈活的協(xié)議越來(lái)越受到了人們的關(guān)注。而目前大多已實(shí)現(xiàn)的服務(wù)提供者對(duì)收割回來(lái)的元數(shù)據(jù)只進(jìn)行了簡(jiǎn)單的索引，沒(méi)有進(jìn)行更深層次的組織。當(dāng)收割回的數(shù)據(jù)量非常龐大時(shí)，將產(chǎn)生數(shù)據(jù)難以進(jìn)行合理組織管理、檢索周期長(zhǎng)、檢索速度慢等問(wèn)題。如何有效的組織服務(wù)提供者收割回來(lái)的元數(shù)據(jù)以方便用戶檢索、瀏覽和管理，實(shí)現(xiàn)高效率的元數(shù)據(jù)互操作與資源共享，是當(dāng)前亟需解決的

2、課題。 本文在深入研究了OAI-PMH協(xié)議的基礎(chǔ)上，分析比較了現(xiàn)有的索引方式和分類方式的不足，提出了用聚類方式來(lái)組織OAI-PMH協(xié)議中服務(wù)提供者收割回來(lái)的大量元數(shù)據(jù)的方法，為服務(wù)提供者中元數(shù)據(jù)的合理組織提供了一種新的有效途徑。通過(guò)對(duì)聚類方法，特別是FIHC算法的討論，針對(duì)FIHC聚類算法是基于頻繁詞進(jìn)行聚類的，沒(méi)有考慮詞匯間的語(yǔ)義信息，其準(zhǔn)確度很難得到進(jìn)一步的提高的缺點(diǎn)，采用基于知網(wǎng)的詞匯語(yǔ)義相似度計(jì)算對(duì)其進(jìn)行了改進(jìn)，重新設(shè)計(jì)

3、了打分函數(shù)，將詞匯的語(yǔ)義信息加入到FIHC算法中，提出了一種基于語(yǔ)義的FIHCSS算法。實(shí)驗(yàn)表明，F(xiàn)IHCSS算法在繼承FIHC算法聚類效率高、聚類速度快、可伸縮性好、聚類結(jié)果為一棵簇樹(shù)等特點(diǎn)的基礎(chǔ)上，其聚類精度比FIHC算法有了很大提高。在此基礎(chǔ)上提出了基于FIHCSS算法的OAI-PMH服務(wù)提供者框架，將FIHCSS聚類算法應(yīng)用到OAI-PMH協(xié)議之中來(lái)組織服務(wù)提供者收割回來(lái)的元數(shù)據(jù)。通過(guò)對(duì)數(shù)據(jù)庫(kù)、用例、類以及架構(gòu)的設(shè)計(jì)，實(shí)現(xiàn)了基于