基于时间片划分和多元数据融合的异质媒体网络社会事件发现

为了能在大规模、多异质的网络环境下进行网络社会事件的有效检测,提出了一种基于时间片划分和多元数据融合的异质媒体网络社会事件发现方法.该方法首先采用时间片划分的方法,结合用户信息和时间信息来建立用户-时间(user-time,UT)数据模型以减小数据规模;然后通过多元数据线性叠加来整合不同元数据间的相似度并用基于密度的算法以完成社会事件的发现.在最新的SED 2014数据集上进行对比,实验结果表明:该方法与现有方法相比,具有数据处理速度快、事件发现准确率高的优点.

多来源元数据集成的版权风险及其应对策略

[目的/意义]多来源的元数据集成在国家科技信息发现服务体系的构建中发挥了基础性支撑作用,也是其他深层服务的基础。元数据来源渠道多样,多方权益交织,权责关系复杂,版权风险管理成为影响元数据集成工作成效的重要因素。[方法/过程]通过调研国际上各类元数据来源机构(出版商/数据库商、图书馆、数据仓储、大学等)的版权政策、声明,识别多来源元数据集成的版权风险,并进一步分析风险产生的原因。[结果/结论]提出从确保元数据合法性、完善授权许可机制、充分利用合理使用原则和例外条款、履行注意义务四方面应对版权风险。

多源期刊元数据汇聚研究——以世界卫生组织西太平洋地区医学索引为例

基于世界卫生组织西太平洋地区医学索引(WPRIM)开发建设过程中数据资源的现状和期刊元数据汇聚面临的问题,从期刊文献数据源遴选、元数据标签映射、内容著录规范化、非结构化数据转换4个维度设计多源数据汇聚方案。结果表明,面向WPRIM的多源期刊元数据汇聚框架能够较好地解决多源期刊数据汇聚问题,可为类似场景提供方案参考。

多来源机构规范文档的融合研究

【目的】有效利用现有机构规范文档,解决多来源机构规范文档的遴选、评价以及文档间缺少映射、关系冗余等问题。【方法】以调研、梳理已有机构规范文档及相关研究为基础,构建包含元数据收集及分析、元数据框架融合、关系融合、别名融合、构建机构规范文档数据模型、融合结果验证6个步骤的融合模型,对多来源机构规范文档实现融合,并利用Dimensions、Scopus、Web of Science的部分机构数据进行验证。【结果】利用多种指标评估模型的融合效果,在一、二、三级机构中F1值达到0.97以上且Dimensions的融合贡献度最大;构建了包含5128个机构的规范文档。【局限】机构关系只考虑上下级关系,关系之间循环引用以及机构规范名如何选取等问题尚未深入研究;只选取三个来源的部分机构进行验证,在更大数据集上的泛化性能有待进一步验证。【结论】本模型对多来源数据库的机构规范文档的融合是有效的。

基于决策树的多源文献元数据融合研究

[目的/意义]构建多源文献元数据融合模型,有助于提升文献元数据整体质量,促进资源发现系统中的元数据管理与利用,优化用户资源发现服务体验。针对笔者此前提出的文献元数据判重策略进行优化,从经验为主向自动化转变,在保障判重和融合效果的前提下,提升整个过程的自动化水平。[方法/过程]针对不同类型文献的元数据项不一样、同一文献不同来源的元数据项不一样均会使得判重方法有所区别的情况,提出一种自动化的基于决策树的多源文献元数据融合模型,将判重问题转化为分类问题,根据特征相似度选择特征并构造决策树,在此基础上实施元数据判重及融合,并以不同类型的文献资源元数据为例进行实验,对策略进行效果验证。[结果/结论]结果显示,对于5种文献类型元数据,判重策略的准确率均达到99%以上,召回率均达到98%以上,总体效果较好。对于融合策略的效果判断,专利、学位论文、期刊论文、会议论文、图书的元数据项质量提升比例分别为15.15%、36.80%、15.29%、52.63%、15.38%,均有明显幅度的提升。