论文部分内容阅读
信息技术的发展造成了大量数字信息资源的积累,OAI-PMH作为解决大量数字信息资源互操作和共享的一个简单、灵活的协议越来越受到了人们的关注。而目前大多已实现的服务提供者对收割回来的元数据只进行了简单的索引,没有进行更深层次的组织。当收割回的数据量非常庞大时,将产生数据难以进行合理组织管理、检索周期长、检索速度慢等问题。如何有效的组织服务提供者收割回来的元数据以方便用户检索、浏览和管理,实现高效率的元数据互操作与资源共享,是当前亟需解决的课题。本文在深入研究了OAI-PMH协议的基础上,分析比较了现有的索引方式和分类方式的不足,提出了用聚类方式来组织OAI-PMH协议中服务提供者收割回来的大量元数据的方法,为服务提供者中元数据的合理组织提供了一种新的有效途径。通过对聚类方法,特别是FIHC算法的讨论,针对FIHC聚类算法是基于频繁词进行聚类的,没有考虑词汇间的语义信息,其准确度很难得到进一步的提高的缺点,采用基于知网的词汇语义相似度计算对其进行了改进,重新设计了打分函数,将词汇的语义信息加入到FIHC算法中,提出了一种基于语义的FIHCSS算法。实验表明,FIHCSS算法在继承FIHC算法聚类效率高、聚类速度快、可伸缩性好、聚类结果为一棵簇树等特点的基础上,其聚类精度比FIHC算法有了很大提高。在此基础上提出了基于FIHCSS算法的OAI-PMH服务提供者框架,将FIHCSS聚类算法应用到OAI-PMH协议之中来组织服务提供者收割回来的元数据。通过对数据库、用例、类以及架构的设计,实现了基于FIHCSS的OAI-PMH服务提供者框架系统。实验表明,该方法能够很好的组织服务提供者收割回来的大量元数据,大大提高了检索速度,且便于用户按类浏览元数据,非常适合于对服务提供者收割回来的元数据进行组织。