DB13T 2351.1-2016标准文献结构化数据规范 第1部分：全文元数据.docxVIP

ICS 01.140.20 A 14 河 北 省 地 DB13 方 标 准 DB 13/T 2351.1—2016 标准文献结构化数据规范 第 1 部分：全文元数据 Structured data specifications of standard documents Part 1:Full-text Metadata 2016 - 05 - 23 发布 2016 - 07 - 01 实施 河 北省 质量技术监 督局 发 布 I DB13/T 2351.1—2016 目 次 前言 II 引言 III 1 范围 1 2 规范性引用文件 1 3 术语和定义 1 4 全文元数据的属性 2 5 全文元数据模型 2 6 全文元数据描述 3 7 全文元数据字典描述 14 8 全文元数据扩展原则和方法 14 附录 A (规范性附录) 标准文献全文结构化元数据代码集 15 附录 B (规范性附录) 篇章条编号、表号和图号说明 16 附录 C (资料性附录) 标准文献结构化全文元数据-字典描述 18 参考文献 22 II DB13/T 2351.1—2016 前 言 本部分按照GB/T 1.1-2009给出的规则起草。 DB13/T 2351《标准文献结构化数据规范》包括了3部分： ——第1部分：全文元数据； ——第2部分：指标元数据； ——第3部分：元数据著录规则。 本部分是第1部分，本部分与第3部分配套使用。 本部分由河北省标准化研究院提出并归口。 本部分起草单位：河北省标准化研究院。 本部分主要起草人：施健、卢艳芳、马星晓、李朴、李建勋、谢燕、闫志强、张园园、陈南、赵倩、 郭天强、安姣。 III DB13/T 2351.1—2016 引 言 标准文献电子文档格式有DOCX、数字版PDF、扫描版PDF。在生产、科研和管理过程中，往往需要定 位到标准内容、指标信息上，如：检索标准指标、指标比对及标准水平分析等。但是，现有的标准文献 电子文档为非结构化文档，这一特性决定它的内容检索指向性笼统模糊，故而，以非结构化文档为单元 存储无法实现小颗粒度的指标数据的检索、比对分析，只有通过数据处理将非结构化文档转换为结构化 或半结构化文档方能解决上述问题。 为寻求上述瓶颈的突破，河北省标准化研究院在2012年将标准文献结构化列为重点科研项目，在此 基础上，2013年又承担了国家标准化委员会标准化信息中心的《“双打”重点产品标准文献结构化内容 数据库》项目，而实现标准文献结构化必须首要解决2个问题：1) 结构化标准的数据结构问题，换而言 之，标准结构化加工抽取出的数据是哪些数据？2) 对抽取出来的数据进行加工应符合什么样的数据规 范要求，方能满足与原始标准文本内容的一致性的需求。 解决第一个问题，需要建立标准结构化数据模型，并通过元数据规范来实现； 解决第二个问题，需要建立数据的著录规则，实现数据的规范性。 项目组在确定文献结构化抽取技术的基础上，对4000余项强制性国家标准的内容要素逐一进行了分 析研究、归纳总结后，按UML思想确定了标准结构化数据模型，并在工程上对4000余项强制性国家标准 进行了结构化数据的抽取验证，确定了结构化元数据。通过验证测试，逐步完善了加工抽取结构化数据 的规范要求，形成了《标准文献结构化数据规范》。 目前，在行业内广泛使用的GB/T 22373-2008《标准文献元数据》是针对标准文献题录的元数据标 准，侧重的是标准文献形式特征，而此次制定的《标准文献结构化数据规范》是关于标准内容结构化的 全文元数据和指标元数据规范，希望此两个标准的结合使用，实现标准文献信息资源的统一描述，促进 标准文献信息资源的开发利用。 1 DB13/T 2351.1—2016 标准文献结构化数据规范 第 1 部分：全文元数据 1 范围 本部分规定了标准文献结构化全文元数据 (包括全文、术语、图像、表格和公式) 的术语和定义、 属性、模型、描述以及扩展原则和方法。 本部分适用于标准文献结构化数据的处理。 2 规范性引用文件 下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件，仅注日期的版本适用于本文件。 凡是不注日期的引用文件，其最新版本 (包括所有的修改单) 适用于本文件。 GB/T 74088 数据元和交换格式信息交换 日期和时间表示法 (GB/T 7408-2005,ISO 8601:2000,IDT) GB/T 18391.3-2009 信息技术 元数据注册系统(MDR) 第3部分:注册系统元模型与基本属性 (ISO/IEC 11179-3:2