信息组织与检索 第二章 数据及其文档形式.pptVIP

* * 2.3.4 音频 凡是通过声音形式传递信息的媒体，都属于听觉媒体 声音以电信号的形式传播，就是音频 类型 波形音频（听觉特征） 语音（语音-〉识别-〉文本） 音乐（音符事件） 音频是时基媒体 * * 2.4 文档结构化语言 文档结构化的一种有效方法 用语言来定义和说明文档的结构 结构化的基本手段是置标，称为置标语言 置标语言 利用附加的文本语法，描述文档的格式、结构、文本语义和属性等 常用的置标语言 SGML XML、HTML… * * 2.4.1 SGML SGML：标准通用置标语言（Standard Generalized Markup Language） “置标”标记 指在文档中加入某些标签，利用标签语法来标记“数据复合体”中各种信息的组织结构。 “通用性” 用它只标记文档中各个逻辑成份的名字、类型和属性，而不标记具体格式化信息 应用可以根据各个逻辑成份的类型和属性进行具体的处理 * * 2.4.1 SGML SGML的结构 文档结构的描述（即DTD，Document Type Definition） 用描述结构的标签标记过的文本 DTD 文档段落的描述和命名，定义这些段落相互之间的关系 DTD不定义标签的语义（即含义、表现和行为）及其如何使用，但是一些语义信息可以包含在注释中，嵌入DTD * * 2.4.1 SGML 示例 * * 2.4.2 XML 可扩展置标语言XML（eXtensible Markup Language）是一种元语言 提供一种既能被人识别又能被机器识别的标签 是SGML简化的一个子集，或者说是SGML的一种受限形式 XML文档是合乎规范的SGML文档 允许任何用户自己定义标签和更复杂的结构，并且可以对数据有效性进行检查 * * 2.4.2 XML 示例 * * 小结 这一章介绍了各种数据和文档的形式，它们是被检索的原始数据资源 文档是原始数据资源的容器，可以包含文本、图像、图形、视频和音频等各种类型的数据。 文档也可以具有自身的信息，它称为元数据。 一般性元数据 专业性元数据 Web元数据 多媒体元数据 * * 小结 文本 字、词、句、段、节、章 词服从Zipf分布，词汇服从Heaps分布 图形 图元及其关系 图像 图象对象、逻辑属性、视听特征 * * 小结 视频 时间结构、运动对象、过程 音频 时间结构、影片对象、听觉特征 SGML是最基本的元置标语言，从它导出了HyTime和XML，前者用于超媒体文档，后者用于Web 而HTML是SGML的实例。进一步说，RDF、MML和SMIL又是XML的实例。 * MARC: 美国国会图书馆发行的磁带版图书目录。在图书馆学中的机读目录系统,该系统最初由美国国会图书馆建立,其目的是以机读形式组织和传播书刊目录数据,将目录数据并入国家和本地记录中,以便成卷存档。 * Project: RDF概念和实例 * EBCDIC:Extended Binary Coded Decimal Interchange Code扩充二-十进制交换码 Unicode:统一的字符编码标准, 采用双字节对字符进行编码 * * term * * Vocabulary * 头标签和尾标签是必须的（用-表示）还是可选的（用O表示） “，”表示元素的并置关系，“|”表示元素的逻辑或关系；“？”表示使用零个或一个该元素，“*”表示使用零个或多个该元素，“+”表示使用一个或多个该元素。内容标签表示内容的数据类型，如ASCII码（PCDATA）、二进制数据（NDATA）或空（EMPTY）。一个标签的可能属性由一个属性列表（ATTLIST）说明，它包括属性名、类型，并说明它是否是必要的（否则给出缺省值）。 * * 是否使用DTD是可选的，如果没有DTD，则在做语法分析时获得标签的信息。 RMD（Required Markup Declaration）属性说明是否必须使用DTD（此例中不含DTD）。如果RMD取 INTERNAL，表示DTD在文档中；如果取ALL（缺省值），表示允许使用外部资源用作为DTD * HyTime:超媒体/时基结构化语言HyTime（Hypermedia/Time-based structuring Language） RDF:资源描述框架RDF MML:数学置标语言MML（Mathematical Markup Language）。 SMIL:同步多媒体集成语言SMIL（Synchronized Multimedia Integration Language）。 TOC TOC * * 第2章 数据及其文档形式 信息检索的对象和信息资源形式？ 信息包含在数据中 数据是以文档的形式存储和组织的