:::

浅析 OCLC 的 FRBR 作品聚集算法

11月 29, 2011 0 Comments Edit Post

image

张俊娥(2006)。浅析 OCLC 的 FRBR 作品聚集算法。大学图书馆学报24(006),66–69。


FRBR概念模型實體層次

image

FRBR 作品聚集算法

  • 書目記錄→作者 / 題名鍵 (author / title key),再來計算叢集
  • 步驟一:資料前處理:擷取與整理
    1. 準備權威對照 (Authority Mappings):利用LC的名稱權威檔 (LC Name Authority File)
    2. 建構權威鍵 (Constructing Authority Keys):從書目中抽取作者與題名資料
    3. 透過名稱權威檔過濾,統一作者與題名
  • 步驟二:建立作品集鍵(Work-Set Key),最終可產生以下四種形式:
    • 作者 / 題名
    • 統一題名
    • 題名 / 一個或多個作者
    • 題名 / OCLC控制號
  • 步驟三:以作品集鍵,建構叢集
    • 舉例來說,透過以上步驟,下列五筆作品集鍵都有相同題名,但不同作者:
      1. Title / Author A
      2. Title / Author A / Author B
      3. Title / Author B / Author C
      4. Title / Author C
      5. Title / Author D / Author E
    • 依據作者不同,可以分群成a b c d跟e兩群

感想

  • 與其說是分群演算法,不如說資料前處理的手續更為重要吧。
  • 意外的是,年代、出版地、出版者等其他有用的資料居然沒有納入考量,這樣的分群演算法還有很大的改善空間。

因為看了上一篇「Derivative bibliographic relationships」之後,想要找一下有沒有書目關連的相關技術研究。不過這篇有點像是演算法的中文說明版,倒不像是研究論文啊?

0 意見:

留言工具: