web元數(shù)據(jù)標(biāo)準(zhǔn)和z39.50協(xié)議的研究與實(shí)現(xiàn)

1、上海交通大學(xué)碩士學(xué) 位論文摘 要自 二十世紀(jì)九十年代起， We b逐漸成為一個(gè)存儲(chǔ)人類(lèi)知識(shí)的倉(cāng)庫(kù)。借助于W e b ，人們用前所未有的方式共享思想和信息。 但如何從 W e b中搜尋有價(jià)值的信息對(duì)于 大多數(shù)人來(lái)說(shuō)， 仍是一件麻煩而困 難的事情。以 搜索引擎為代表的面向 W e b數(shù)據(jù)的信息檢索服務(wù)的出 現(xiàn)從一定程度上緩解了 此矛盾， 但 W e b 數(shù)據(jù)的 海量性使得信息檢索的查準(zhǔn)率成為人們對(duì)信息檢索質(zhì)量的一個(gè)主要衡量指標(biāo)。另一方面，集

2、中式體系結(jié)構(gòu)的信息檢索系統(tǒng)己經(jīng)不能滿(mǎn)足需求，研究重點(diǎn)越來(lái)越多的 放到如何整合己 有的異構(gòu)的 信息資源。為保證異構(gòu)的信息資源服務(wù)之間能夠共享和協(xié)同 工作，必須提供標(biāo)準(zhǔn)的公 共訪(fǎng)問(wèn) 查詢(xún)協(xié)議。本文分析了 W e b上信息檢索的困難，指出了 遵循標(biāo)準(zhǔn)協(xié)議構(gòu)造分布式的 信息檢索服務(wù)是大勢(shì)所趨，并 研究了 相關(guān)的關(guān)鍵協(xié)議和技術(shù)。{ 在 元 數(shù) 據(jù) 描 述 方 案 研 究 方 面 ， 本 文 研 究 了D u b l i n C o r 。 核

3、心 元 素 方 案 、 解決元數(shù)據(jù)互操作性的資源描述框架 ( R D F ) ，以 及如何在現(xiàn)有的 W e b頁(yè)面上 應(yīng)用元數(shù)據(jù)方案的問(wèn) 題。最后，針對(duì)元數(shù)據(jù) 目 前應(yīng)用的內(nèi)在缺陷，論文提出了一種利用W e b自 身超文本特性的 元數(shù)據(jù)傳遞機(jī)制。在公共檢索協(xié)議方面，我們嘗試將圖書(shū)館界長(zhǎng)期研究的信息檢索國(guó)際標(biāo)準(zhǔn)Z 3 9 . 5 0 協(xié)議應(yīng)用到W e b 環(huán)境的 信息服務(wù)， 并在實(shí)現(xiàn)過(guò)程中 初步研究了 一些關(guān)鍵的 新技術(shù) ( 如底層編碼

4、、 協(xié)議狀態(tài)和消息映射問(wèn) 題) ， 這些都是國(guó)內(nèi)尚 未探討過(guò)的。 研究的 著重點(diǎn) 在于如何在H T T P 上構(gòu)造Z 3 9 . 5 0 應(yīng)用，如何利用Z 3 9 . 5 0 構(gòu)造分布式結(jié)構(gòu)的 信息檢索服務(wù)。 本文提出了 基于 Z 3 9 . 5 0 協(xié)議的分布式信息檢索服務(wù)的體系結(jié)構(gòu)，并討論了實(shí)現(xiàn)過(guò)程中的關(guān)鍵技術(shù)。關(guān) 鍵 詞 : 信 息 搜 索 ， 搜 索 引 擎 ， 元 數(shù) 據(jù) ， Z 3 9 . 5 0 一 。 議上海交通大

5、學(xué) 碩士 學(xué) 位論文第一章 緒論信息 檢索 ( I n f o r m a t i o n R e t r i e v a l : I R ) 是一門(mén)古 老的 學(xué)科，主 要研究如何表示、存儲(chǔ)、 組織和 獲取信息 ( t h e r e p r e s e n t a t i o n , s t o r a g e , o r g a n i z a t i o n o f , a n d a c c e s s t oi

6、 n f o r m a t i o n i t e m s ) 。 然而， 在 工 n t e r n e t 出 現(xiàn)之前， 它是一門(mén)比 較 狹窄的學(xué) 科，隸 屬于圖書(shū)情報(bào)學(xué) 領(lǐng)域。 事實(shí)上， 在我國(guó)，I n f o r m a t i o n R e t r i e v a l傳統(tǒng)上 被譯作 “ 情報(bào)檢索” 或者 “ 文獻(xiàn)檢索” [ 1 ] .從本世紀(jì)九 十 年代中 期 起， I n t e r n e t ， 尤其是Wo r

7、 l d Wi d e W e b 的出 現(xiàn)給人類(lèi)獲得 信息、發(fā)布信息的 模式帶來(lái)了 革命性的變化， 并進(jìn)而為信息檢索學(xué)科提供了前所未有的機(jī)遇，也提出了前所未有的 挑戰(zhàn)。如今，以W e b為主的 I n t e r n e t 己 經(jīng)成為 名副 其實(shí)的人 類(lèi)知識(shí) 文化大 倉(cāng)庫(kù)。 人們 用史 無(wú)前 例的 方式， 最大限 度地共享知 識(shí)和信息:人們無(wú)需了 解各種技術(shù)的 細(xì) 節(jié)， 比如 硬件平臺(tái) 、 軟件系統(tǒng)、 通信協(xié)議 等等;人們 用標(biāo)

8、準(zhǔn)的 瀏覽 器 用戶(hù)界面 來(lái)訪(fǎng)問(wèn)W e b 上的 信息;人 們可以 幾 乎不受任 何限 制地 創(chuàng)建自己 的 W e b站點(diǎn) 或者網(wǎng)頁(yè)， 發(fā)布自 己 的 信息 供全世界的 人訪(fǎng)問(wèn) 、 共享?？?之， W e b成為一 個(gè)獨(dú)立的信息發(fā)布、訪(fǎng)問(wèn) 渠道， 也構(gòu)成了一 個(gè)獨(dú)立的 信息訪(fǎng)問(wèn) 的 虛擬空間 ( C y b e r S p a c e ) .如何在這 樣一 個(gè)虛擬的 信息空間內(nèi) 尋找 所需的 特定信息， 成為近年 來(lái)的一個(gè) 研究熱 點(diǎn)

9、。隨 之而來(lái)， W e b 時(shí)代的信息 搜索學(xué) 科從傳統(tǒng)的圖 書(shū)情報(bào) 學(xué)擴(kuò)展為一項(xiàng) 綜合性的 研究 性課 題，它 涉及情報(bào)學(xué)、 計(jì)算 機(jī)科學(xué)、統(tǒng)計(jì)學(xué)、 認(rèn)知學(xué)、 人工智能 等多 學(xué)科領(lǐng)域，主 要研究 信息，尤其是數(shù)字 化、網(wǎng) 絡(luò) 化形式的 信息 如何更有效的 表達(dá)、 存 儲(chǔ)、 組織、 訪(fǎng)問(wèn) 和檢索等。1 . 1 . 信息 檢索效率 評(píng)價(jià)指標(biāo)本節(jié)主要 從傳統(tǒng)信息 檢索理論 討論 信息 檢索效率。衡量 信息 檢索 效率的 基本指 標(biāo)是:查全

10、率 ( r e c a l l ) — 下文以R 表示;查 準(zhǔn) 率( p e r t m e n c y 或r e l e v a n c e ) — 下 文以P 表 示 ;漏檢率 ( o m i s s i o n ) — 下文以O(shè)表示;誤檢率 ( n o i s e ) — 下文以N表示。任一 檢索 課題 和某一 特定 檢索系 統(tǒng)存 貯的文 獻(xiàn)可以 從 “ 有關(guān)” 、 “ 無(wú) 關(guān)” 和 “ 查出 ” 、 “ 未查出” 4 種情 況劃