基于OAI-PMH協(xié)議的元數據聚類算法及應用研究.pdf

1、信息技術的發(fā)展造成了大量數字信息資源的積累，OAI-PMH作為解決大量數字信息資源互操作和共享的一個簡單、靈活的協(xié)議越來越受到了人們的關注。而目前大多已實現的服務提供者對收割回來的元數據只進行了簡單的索引，沒有進行更深層次的組織。當收割回的數據量非常龐大時，將產生數據難以進行合理組織管理、檢索周期長、檢索速度慢等問題。如何有效的組織服務提供者收割回來的元數據以方便用戶檢索、瀏覽和管理，實現高效率的元數據互操作與資源共享，是當前亟需解決的

2、課題。 本文在深入研究了OAI-PMH協(xié)議的基礎上，分析比較了現有的索引方式和分類方式的不足，提出了用聚類方式來組織OAI-PMH協(xié)議中服務提供者收割回來的大量元數據的方法，為服務提供者中元數據的合理組織提供了一種新的有效途徑。通過對聚類方法，特別是FIHC算法的討論，針對FIHC聚類算法是基于頻繁詞進行聚類的，沒有考慮詞匯間的語義信息，其準確度很難得到進一步的提高的缺點，采用基于知網的詞匯語義相似度計算對其進行了改進，重新設計

3、了打分函數，將詞匯的語義信息加入到FIHC算法中，提出了一種基于語義的FIHCSS算法。實驗表明，FIHCSS算法在繼承FIHC算法聚類效率高、聚類速度快、可伸縮性好、聚類結果為一棵簇樹等特點的基礎上，其聚類精度比FIHC算法有了很大提高。在此基礎上提出了基于FIHCSS算法的OAI-PMH服務提供者框架，將FIHCSS聚類算法應用到OAI-PMH協(xié)議之中來組織服務提供者收割回來的元數據。通過對數據庫、用例、類以及架構的設計，實現了基于