基于社会化标签的MARC书目数据扩展研究
发布时间：2020-07-10 17:19
【摘要】：MARC书目数据是描述图书馆书目记录的主要方式，应用范围广泛。随着网络技术的发展，传统MARC的局限性越来越明显，而且用户已经不仅仅是网络信息的检索者、接受者，更是网络信息的组织者、创造者，越来越多的用户偏向于利用社会化标签自由创造信息。通过基于标签的MARC书目数据扩展方法，可以在一定程度上解决传统MARC的局限性问题。本文的第一部分是基础部分，介绍了研究背景、研究意义、研究思路和方法，对国内外相关的研究现状进行了全面的梳理。第二部分是社会化标签与MARC书目数据的关联，主要是研究社会化标签、MARC书目数据及两者之间关联的内涵。第三部分是基于标签的MARC书目数据扩展方法，主要是研究通过社会化标签扩展MARC书目数据属性、属性值的实现方法，这部分的研究是实证分析的理论基础。第四部分是实证分析，获取有效的MARC书目数据和豆瓣标签，并对获取的数据进行数理统计分析和标签共现分析。第五部分是本文的结论部分，对基于标签的MARC书目数据扩展方法及其实证研究进行总结，指出根据属性、属性值之间的关系可以利用社会化标签对MARC书目数据进行扩展。
【学位授予单位】：东北师范大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：G254
【图文】：
格式：图书计算机、科普、图书7《戏曲音乐五题》年份：2013格式：图书《摇滚圣经》豆瓣常用标签：摇滚、音乐、李宏杰、2013-8年份：2013主题：音乐8《ASP.NET 2.0 编程珠玑》出版社：清华大学出版社格式：图书《编程珠玑》豆瓣常用标签：算法、编程、计算机、图书格式：图书主题：编程由表 2-2 可以看出，前 6 组图书中，每组都有一个共同的实体属性值，通过图书馆 MARC 书目数据和豆瓣读书标签的属性值对比，可以得出每组一个共同的实体属性，分别是作者、出版社、题名、主题、年份、格式。第 7 组和第 8 组图书可以得出每组两个共同的实体属性，第 7 组是年份和主题，第 8 组是格式和主题。通过第 5 组和第 7 组，第 6 组和第 8 组的比较可以得出共同的实体属性越多，图书馆 MARC 书目数据和豆瓣读书标签的关联越紧密。总体来说，不相同的实体属性类型可以关联图书馆 MARC 书目数据和豆瓣读书标签，进而实现对 MARC 书目数据的扩展。为便于直观性地表现结果，本文利用 Gephi 软件对表 2-2 进行可视化呈现，具体如图 2-1 所示：
3.2.2 在两者关联基础上进行扩展将 MARC 书目数据和社会化标签都用 RDF 三元组形式进行标准化处理后，就是将两者建立了关联。本文主要根据属性和属性值进行关联，具体做法是将 MARC 书目数据和社会化标签的属性、属性值进行对比，根据属性、属性值之间的关系对两者进行关联，并在关联的基础上进行深层次的扩展研究。3.3 社会化标签的 RDF 描述本文中选取的是豆瓣读书中用户对普通图书标记的常用标签，通过豆瓣 API 参考手册[37]和豆瓣用户常用标签，可以对豆瓣读书中的社会化标签进行 RDF 描述，以普通图书《计算机科学概论》为例进行具体说明，豆瓣读书中用户常用标签如图 3-1 所示：
<dc:publisher>210 c</dc:publisher><skos:class>690 a</skos:class><skos:keyword>606 a</skos:keyword><skos:Concept><skos:note>300 a</skos:note></skos:Concept><foaf:agent><foaf:name>905 a</foaf:name></foaf:agent></rdf:Description>3.4.2 MARC 书目数据的 RDF 描述步骤MARC 书目数据的 RDF 描述步骤主要分两步：第一步是将 MARC 机读记录转换成MARC 记录字段，第二步是根据 MARC 书目数据的 RDF 描述模版将字段与内容一一对应。选择东北师范大学图书馆的一条 MARC 机读记录，如图 3-2 所示：
本文编号：2749219
【学位授予单位】：东北师范大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：G254
【图文】：
格式：图书计算机、科普、图书7《戏曲音乐五题》年份：2013格式：图书《摇滚圣经》豆瓣常用标签：摇滚、音乐、李宏杰、2013-8年份：2013主题：音乐8《ASP.NET 2.0 编程珠玑》出版社：清华大学出版社格式：图书《编程珠玑》豆瓣常用标签：算法、编程、计算机、图书格式：图书主题：编程由表 2-2 可以看出，前 6 组图书中，每组都有一个共同的实体属性值，通过图书馆 MARC 书目数据和豆瓣读书标签的属性值对比，可以得出每组一个共同的实体属性，分别是作者、出版社、题名、主题、年份、格式。第 7 组和第 8 组图书可以得出每组两个共同的实体属性，第 7 组是年份和主题，第 8 组是格式和主题。通过第 5 组和第 7 组，第 6 组和第 8 组的比较可以得出共同的实体属性越多，图书馆 MARC 书目数据和豆瓣读书标签的关联越紧密。总体来说，不相同的实体属性类型可以关联图书馆 MARC 书目数据和豆瓣读书标签，进而实现对 MARC 书目数据的扩展。为便于直观性地表现结果，本文利用 Gephi 软件对表 2-2 进行可视化呈现，具体如图 2-1 所示：
3.2.2 在两者关联基础上进行扩展将 MARC 书目数据和社会化标签都用 RDF 三元组形式进行标准化处理后，就是将两者建立了关联。本文主要根据属性和属性值进行关联，具体做法是将 MARC 书目数据和社会化标签的属性、属性值进行对比，根据属性、属性值之间的关系对两者进行关联，并在关联的基础上进行深层次的扩展研究。3.3 社会化标签的 RDF 描述本文中选取的是豆瓣读书中用户对普通图书标记的常用标签，通过豆瓣 API 参考手册[37]和豆瓣用户常用标签，可以对豆瓣读书中的社会化标签进行 RDF 描述，以普通图书《计算机科学概论》为例进行具体说明，豆瓣读书中用户常用标签如图 3-1 所示：
<dc:publisher>210 c</dc:publisher><skos:class>690 a</skos:class><skos:keyword>606 a</skos:keyword><skos:Concept><skos:note>300 a</skos:note></skos:Concept><foaf:agent><foaf:name>905 a</foaf:name></foaf:agent></rdf:Description>3.4.2 MARC 书目数据的 RDF 描述步骤MARC 书目数据的 RDF 描述步骤主要分两步：第一步是将 MARC 机读记录转换成MARC 记录字段，第二步是根据 MARC 书目数据的 RDF 描述模版将字段与内容一一对应。选择东北师范大学图书馆的一条 MARC 机读记录，如图 3-2 所示：
【参考文献】
相关期刊论文 前10条
1 朱晓晨;高飞;;协作标签系统中的信息检索问题研究[J];电脑知识与技术;2008年13期
2 李峰;李芳;;中文词语语义相似度计算——基于《知网》2000[J];中文信息学报;2007年03期
3 康微;;网络书目数据对图书馆编目工作发展的启示[J];河南职工医学院学报;2012年05期
4 魏来;;国外Folksonomy语义丰富研究综述[J];情报资料工作;2010年03期
5 黄建年;侯汉清;;关于TAG分类及相关理论问题的研究[J];图书馆杂志;2008年07期
6 吴万晔;;论MARC元数据的缺陷及发展趋势[J];图书馆工作与研究;2006年02期
7 罗红燕;李章平;陈绍兰;;MARC、DC、MODS、FRBR等文献编目元数据比较[J];图书馆学刊;2009年12期
8 翟爽;宋文;;社会标签进展研究概述[J];图书情报工作;2010年20期
9 姚晓锋;;图书馆书目数据的网络化研究[J];图书馆学研究;2011年03期
10 周鑫;王军;;基于概念外延的Folksonomy语义关系挖掘方法[J];现代图书情报技术;2008年10期
本文编号：2749219
本文链接：https://www.wllwen.com/tushudanganlunwen/2749219.html
教材专著
