基于WEB的書目信息自動搜集與服務.pdf

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

2、上搜集書目信息，通過加工整理、分析、存儲、索引后，可以集中對外提供元數(shù)據(jù)服務。 本文研究了基于Web的書目信息自動搜集和服務系統(tǒng)所涉及到的關鍵技術和系統(tǒng)的相關實現(xiàn)，具體包括如下內(nèi)容： 如何在Web中發(fā)現(xiàn)包含書目信息的目標網(wǎng)站和頁面；如何將目標頁面中的書目信息抽取出來；怎樣將抽取到的書目信息轉(zhuǎn)換為MARC元數(shù)據(jù)：怎樣利用這些MARC元數(shù)據(jù)為用戶提供服務。 本系統(tǒng)是根據(jù)網(wǎng)絡上書目信息展現(xiàn)的特點，建立了一個書目主題的知

3、識庫，結(jié)合現(xiàn)有的主題網(wǎng)絡爬蟲、網(wǎng)頁去噪、信息抽取等計算機技術，將互聯(lián)網(wǎng)上半結(jié)構(gòu)化的書目主題信息抽取出來存放到結(jié)構(gòu)化的數(shù)據(jù)庫中，再通過MARC生成技術將這些抽取到的結(jié)構(gòu)化書目信息生成MARC格式信息，利用已有的Web技術和全文檢索技術為各類用戶提供書目MARC信息檢索和下載服務。 本課題的研究與開發(fā)為解決目前封閉式圖書編目提供了一個可行的解決方案。充分利用互聯(lián)網(wǎng)上豐富的書目信息和現(xiàn)代計算機技術，使得圖書編目更加開放化，有利于數(shù)字圖