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

ICS01.140.20A14

DB13

河北省地方标准

DB13/T2351.1—2016

标准文献结构化数据规范

第1部分：全文元数据

Structureddataspecificationsofstandarddocuments

Part1:Full-textMetadata

2016-05-23发布2016-07-01实施

河北省质量技术监督局发布

I

DB13/T2351.1—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

DB13/T2351.1—2016

II

前言

本部分按照GB/T1.1-2009给出的规则起草。

DB13/T2351《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。

DB13/T2351.1—2016

III

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/T22373-2008《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。

DB13/T2351.1—2016

1

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/T74088数据元和交换格式信息交换日期和时间表示法（GB/T7408-2005,ISO8601:2000,IDT）

GB/T18391.3-2009信息技术元数据注册系统(MDR)第3部