一种面向科技文献元数据增量数据规范的多模式匹配算法.docx

1 引言 随着信息技术的快速发展,各个领域都产生了大量的数据,数据量呈现爆炸式增长,大数据的概念逐渐形成。大数据的HACE（Heterogeneous,Autonomous,Complex,Evolving）法则认为大数据的特征之一是异构（Heterogeneous）,即相同的实体数据来源不同,具有不同的数据内容构成、格式规范以及描述规范[1]。因此,在大数据时代,科技情报分析流程中的一个重要环节就是对异构数据进行规范化等处理,构建内容干净、结构规范的目标数据集,即多源信息融合与清洗[2,3]。在文献元数据的融合过程中,很重要的一个步骤是机构信息规范化。在机构信息规范化的基础上,才能够保证机构