SemreX中基于语义的参考文献元数据信息提取.pdfVIP

计算机研究与发展 ISSN 1000—1239|CN 11—1777|1P Journal of Computer Research and Development 43(8)：I368～1374，2006 SemreX中基于语义的文档参考文献元数据信息提取 郭志鑫 金 海 陈汉华 (华中科技大学计算机科学与技术学院 武汉 430074) (guozhixin@hust．edu．cn) Semantic Document Reference Metadata Extraction in SemreX GUO Zhixin，Jin Hai，and Chen Hanhua (School of Computer Science and Technology，Huazhong University of Science and Techonlogy，Wuhan 430074) Abstract In order to implement knowledge sharing between technical researchers，a new method using techniques of semantic Web is proposed，which can retrieve reference metadata from varied documents．By way of pattern matching，it can get some metadata such as authors，titles，publishing date and journal name，and USeS the OWL ontology description language to formulate the metadata，which assists the semantic searching in the next step．Experiments prove its efficiency． Key words information extraction；semantic Web；ontology；pattern matching 摘 要 为了实现科研工作者之间的文献知识的共享，结合语义网技术，提出了一种从文档中提取参考 文献元数据信息的方法．该方法采用模式匹配方式，可以从文档中提取作者、标题、出版时间、期-t=1名等 信息，并使用OwL本体描述语言进行形式化，为进一步的语义搜索奠定基础．实验数据证明了该方法 的有效性． 关键词 信息提取；语义网；本体；模式匹配 中图法分类号 TP391 对于科研人员而言，各种在线的电子科技文献 度还远远不够，其搜索主要是基于关键字查找和全 文档是最为重要的知识信息来源之一．各数字图书 文检索机制，返回的结果数目往往过于庞大，并掺杂 馆收录了多种来源的文献电子信息，包括期刊、杂 许多无用的信息． 志、会议等，并提供相应的检索机制．这些数字图书 自2000年XML会议上 Berners—Lee等人提出 馆或信息库已经成为人们获得科技文献的重要途 语义网的概念…之后，语义网技术不断蓬勃发展． 径．但是它们也存在一些弊端，一方面收录的文献信 语义网的目标是使得网上的信息具有计算机可理解 息领域相对狭窄，如IEEE信息库只收录由IEEE举 的含义，满足智能软件代理对因特网上异构和分布 办的杂志和会议的论文信息，中国期刊网只收录国 信息的有效访问和检索，实现网络资源语义层面上 内的期刊信息等，而且，信息的录入与发布之间存在 全方位互联，并进一步实现更高层次的基于知识的 一 定的时间差，不能即时地发布文献信息；另一方 智能应用．语义网中的本体(ontology)机制可以有 面，对于其他来源的文献如个人拥有的无法检索，而 效地表示和组织信息．基于语义网技术的本体搜索 这些信息往往是最新的信息来源之一．人们不得不 技术