C-DBLP中文文献信息集成系统.PDFVIP

C-DBLP: 中文文献信息集成系统 陈威 王仲远 C-DBLP（）是一个以作者为中心的面向计算机领域的中文文献集成系统，由 本实验室 Web 组开发完成，于 2008 年 10 月中旬正式对外发布。该项目是实验室承担的国家 863 课 题“海量数据空间模型、索引与查询技术研究”（项目编号 2007AA01Z155）下的一个子项目，是我 们在个人数据空间中 Web 上个人信息管理机制的一次尝试。在 C-DBLP 系统开发过程中，我们形成 了一个可扩展的软件平台，可用来管理具有丰富数据的学术社区（Community）。通过对计算机领域 研究人员这个社区的文献信息的分析和处理，我们在学术社区信息管理（Academic Community Information Management）方法上也取得了一定的研究进展。 Ⅰ 系统简介 计算机科学文献库 DBLP Computer Science Bibliography 在学术界有很好的声誉，给人们带来了 极大的便利，其权威性也得到了研究界的高度认可。然而 DBLP 不提供对中文文献的收录和检索功 能，国内的权威期刊及重要会议的论文缺乏一个类似的集成检索系统。 WAMDM 实验室自 2000 年开始研究 Web 数据集成的相关技术，先后在 Web 数据抽取、数据库 选择、查询转换等方面积累了丰富的研究工作和技术成果，并一直在尝试利用研究成果去解决人们 在 Web 使用中面临的问题。针对中文文献缺乏权威的收录和检索系统的现状，我们尝试着在计算机 领域中建立一个类似于 DBLP 的文献集成系统。2008 年暑假中，我们利用 WAMDM 实验室积累下来 的 Web 集成技术，短短几个星期就成功搭建了系统原型，高质量地集成了我国计算机科学领域 11 本权威期刊自创刊以来及中国数据学术会议（NDBC）2000 年至 2008 年来共 5 万余篇文献，提供基 于作者的文献检索服务，并在此基础上开展了社区信息管理的研究。这就是面向计算机领域的中文 文献集成系统 C-DBLP。 通过两个月的试运行，实验室在 2008 年 10 月中旬正式对外发布了 C-DBLP 系统，并根据用户 反馈不断改进系统功能。我们的工作得到了研究界高度认可，中国计算机学会网站和《中国计算机 学会通讯》都登载了该系统的发布报告（如图 1 所示）。 图 1 C-DBLP 的系统发布新闻 系统对外发布后，我们还得到了来自广大用户的肯定。截至 12 月初，搜索引擎中 Google 已收 录本站近 7 万页面，百度也已收录本系统近万条记录。C-DBLP 网站的访问量反映了我们的工作得到 了许多用户的关注，从系统发布以来的用户访问情况（如图 2 所示）可以看出，越来越多的用户开 始关注 C-DBLP，系统网站的访问量总体上不断上升，到 12 月上旬系统平均每日向近两千位用户提 供文献检索服务。我们相信，随着系统功能的演进，C-DBLP 将会得到更多的关注和认同。 图 2 C-DBLP 系统发布以来用户访问量情况 Ⅱ C-DBLP 与学术社区信息管理 在传统的个人数据管理场景中，本地计算机是存储和处理个人信息的主要载体，如何在桌面电 脑中有效管理个人数据是研究界最关注的问题。然而随着 Web 提供越来越强大的功能和更好的用户 体验，blog 等面向个人的应用不断涌现，更多的用户选择 Web 作为发布和处理个人信息的平台，这 使包含海量的个人信息的 Web 在人们的工作和生活中扮演着越来越重要的角色。区别于本地计算机 中个人信息的有限性和规则性，Web 上的个人数据具有高度的异质性和更大的数据量，Web 场景下 个人数据的发现和管理给研究人员带来了不小的挑战。针对这一现状，WAMDM 实验室在 Web 上的 个人数据管理方面进行了一些探索性的研究。 根据用户行为和偏好分析，我们发现 Web 上存在着许多的社区（Community），这些社区由成员 （People）和存储该社区相关信息的多个数据源（Data Sources）组成。社区是用户的松散组织，由 具有相同爱好的，关注相同领域的用户组成，比如喜欢希区柯克的电影的人组成的社区，计算机领 域研究人员构成的社区等。Web 中数据的高度异质性使个人数据的发现和管理面临重重困难，而 Web 上的这些具有相同爱好或关注相同领域的社区提供了一个新的发现和管理个人数据的途径。通过对 社区相关信息的集成和分析，我们可以精确定位并抽取每个社区成员的个人信息，并进而为该成员 构建 Web 上的个人数据空间，提供个人数据管理服务。 为了探索 Web 上的个人数据管理的方案，我们在学术社区信息管理的场景下提出了实体（Entity） 和关联（Association