浅析 OCLC 的 FRBR 作品聚集算法

11月 29, 2011 期刊論文閱讀 0 Comments Edit Copy Download

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

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？