虛擬聯(lián)合目錄系統(tǒng)中-資料下載頁
2025-03-25 07:37本頁面
【正文】 讀入的文件作比對(duì)分析真正把資料從文件中萃取出來。萃取資料的演算法如圖表十所示，由於已經(jīng)配置給每個(gè)關(guān)鍵元素唯一的 Level ID，因此我們可以從結(jié)構(gòu)標(biāo)記檔與欲萃取文件的 Level ID 特性很容易地萃取出資料。圖表十一就是我們參照?qǐng)D表九的結(jié)構(gòu)標(biāo)記檔所萃取出來的資料，當(dāng)然為了在虛擬聯(lián)合目錄系統(tǒng)中可以做資料的傳送與整合，我們也將結(jié)果以 MML 的格式來描述並儲(chǔ)存。4. 結(jié)論與討論在本文中，我們提出了一個(gè)從含有共同架構(gòu)的文件中萃取資料的方式。利用共同架構(gòu)文件中的階層性質(zhì)以及平行性質(zhì)，參考輔助表格的內(nèi)容，配置元素所屬的Level ID。並透過相同Level ID擁有相同性質(zhì)的特性，利用結(jié)構(gòu)標(biāo)記檔萃取擁有相同結(jié)構(gòu)文件中的資料。本文中還藉由交通大學(xué)虛擬聯(lián)合目錄系統(tǒng)的實(shí)作，來驗(yàn)證此方法的正確性。資料萃取的流程主要是參照在訓(xùn)練階段中所產(chǎn)生的結(jié)構(gòu)標(biāo)記檔來對(duì)含有相同結(jié)構(gòu)的文件作資料萃取，對(duì)此系統(tǒng)而言僅需要佔(zhàn)用極小的硬碟空間來儲(chǔ)存結(jié)構(gòu)標(biāo)記檔，資料萃取的步驟都可即時(shí)完成並直接輸出結(jié)果，整個(gè)流程的效率是非常高的。從網(wǎng)頁中含有共同結(jié)構(gòu)的文件萃取資料對(duì)很多數(shù)位圖書館及網(wǎng)頁應(yīng)用程式都是非常有用的。除了應(yīng)用在交通大學(xué)虛擬聯(lián)合目錄系統(tǒng)中，我們也可以應(yīng)用在其他更多的地方。大部分的圖書資訊館藏查詢系統(tǒng)及網(wǎng)頁應(yīng)用程式如搜尋引擎等，由程式產(chǎn)生出來的網(wǎng)頁都會(huì)具有相同的結(jié)構(gòu)，如果想要從這些系統(tǒng)萃取資料，則不需要去跟底層的系統(tǒng)作溝通，只要利用本文所提出的方法，即能從該系統(tǒng)產(chǎn)生的網(wǎng)頁中萃取出資料，如此將會(huì)省下很多對(duì)該系統(tǒng)作分析研究的人力與時(shí)間。 在本文的第三部分裡是以 HTML 文件作為測試的範(fàn)本，經(jīng)過測試的結(jié)果，HTML 文件在我們的系統(tǒng)架構(gòu)運(yùn)作得非常順利。當(dāng)然也可以將其他結(jié)構(gòu)化文件如XML及 SGML 用在本文所提出的方法上，只需要改變 LevelID 演算法中的輔助表格內(nèi)容，將之修改成和該結(jié)構(gòu)化文件的標(biāo)籤語言相符合，LevelID 的方法就可以正確地分析出文件的結(jié)構(gòu)。利用輔助表格來協(xié)助各種不同類型文件的分析不但快速且只需要佔(zhàn)用少量的儲(chǔ)存空間，這樣的設(shè)計(jì)可說是一個(gè)相當(dāng)良好的設(shè)計(jì)，不但快速也相當(dāng)方便。圖表十一、資料萃取的結(jié)果 最後，我們將本文所提出的資料萃取方法應(yīng)用在 VUCS @NCTU上，也得到了相當(dāng)好的成效，不但可以整合多個(gè)不同資料庫的資料，也提供 VUCS 一個(gè)可以快速取得網(wǎng)頁上資料的方法。利用 MML 來做為資料收集與整合的媒介也證明了詮釋資料 (Metadata) 的可行性。參考文獻(xiàn)[1]. Sudhir Aggarwal, Fuyung Hung and Weiyi Meng, “WIREA WWWbased Information Retrieval and Extraction System”, Proceedings. Ninth International Workshop on Database and Expert Systems Applications, 1998, .[2]. Karen Coyle, “The Virtual Union Catalog: A Comparative Study”, DLib Magazine, 2000 March, Vol. 6, Number 3.[3]. Tuong Dao, “An Indexing Model for Structured Documents to Support Queries on Content, Structure and Attributes”, Proceedings. IEEE International Forum on Research and Technology Advances in Digital Libraries, 1998.[4]. SuShang Huang, HaoRen Ke, WeiPang Yang, “Interoperability of Cooperative Databases with Metadata”, Appear in the Fourth World Multiconference on Systemics, Cybernetics and Informatics, 2000.[5]. Yong Kyu Lee, SeongJoon Yoo, Kyoungro Yoon, “Index Structures for Structured Documents”, Proceedings of the First ACM International Conference on Digital Libraries, 1996, .[6]. Dave Raggett, “TIDY”, [7]. Ismael Sanz, Rafael Berlanga and Maria Jose Aramburu, “Gathering Metadata from WebBased Repositories of Historical Publications”, Proceedings. Ninth International Workshop on Database and Expert Systems Applications, 1998, –478.[8]. Dongwook Shin, Hyuncheol Jang and Honglan Jin, “BUS: An Effective Indexing and Retrieval Scheme in Structured Documents”, Proceedings of the Third ACM Conference on Digital Libraries, 1998
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1