元数据自动抽取研究新进展.pdfVIP

《现代图书情报技术》 2008 年第 4 期 元数据自动抽取研究新进展∗ 1,2 1 1, 曾 苏 马建霞 张秀秀 １ （中国科学院国家科学图书馆兰州分馆 兰州 730000） 2 （中国科学院研究生院 北京 100190） [摘要] 分析了元数据自动抽取的现实需求,对元数据自动抽取的相关研究进行了阐述,然后对 DROID 、 NLNZ Metadata Extractor 、Metadata Miner Catalogue PRO 三种典型的元数据自动抽取器进行 了分析比较；在提出目前元数据自动抽取技术局限性的基础上，对该技术作了总结和展望。 [关键词] 元数据；自动抽取； 抽取器 [分类号] G250.76 New Development of Automatic Metadata Extraction Zeng Su (Lanzhou Branch, National Science Library, Chinese Academy of Sciences, Lanzhou 730000) (Graduate University of Chinese Academy of Sciences, Beijing 100049) Ma Jianxia (Lanzhou Branch, National Science Library, Chinese Academy of Sciences, Lanzhou 730000) [Abstract] This paper analyses realistic demands of automatic metadata extraction, elaborates related research on automatic metadata extraction and compares three typical automatic extractors of metadata: DROID, NLNZ Metadata Extractor and Metadata Miner Catalogue PRO. On the basis of discussing present limitations of automatic metadata extraction, the article gives a summary and prediction of this technology. [Keywords] metadata; automatic extraction; extractor 1 元数据自动抽取的现实需求 随着当代信息技术的飞速发展，以印刷型书刊资料为主要收藏载体的传统图书馆逐渐 难以适应信息社会不断增长的信息需求，E-only 、E-first 为主要特征的数字图书馆必将成 为科研人员的主要信息源。元数据为数字图书馆的信息单元和数据集合提供规范、普遍的 描述方法和检索工具，并且为其分布、异类资源的信息体系提供整合的工具与纽带。元数 据对数字图书馆而言至关重要，离开了元数据的数字图书馆将无法提供有效服务。 然而面对海量文献描述的需要，如何快速、高效产生元数据成为数字图书馆建设过程 中的一大难题。元数据主要有人工输入和自动生成两种方式，人工输入又可分为作者、信 息加工人员两种。当前数字图书馆建设过程中，由于没有规定作者必须提交文档的元数据 信息，元数据大部分由图书馆员逐条输入。这不仅花费了大量的人力、物力和时间，而且 也越来越不能满足海量文献描述的需要。若元数据可以自动生成、自动抽取，必将大大减 轻信息人员的的工作负担和极大地提高工作效率，而且可以避免元数据人工录入过程中的 主观性和不准确性。 2 元数据自动抽取相关研究 目前国内外学者对元数据自动抽取已有不少研究，主要可分为以下几类： ∗本文系国家社会科学基金项目“机构知识库建设与应用研究”(项目编号：07BTQ019) 的研究成果之一。