Transcript 下載/瀏覽
以RSS為格式提昇數位典藏系統檢索 效能 南台科技大學 資訊管理所 作者:陳志達、劉芸如 報告者:劉芸如 1 outline • • • • • 摘要 動機 目的 文獻探討 系統架構設計 – 典藏RSS資料 – Dublin Core詮釋資料格式 – RSS轉數位典藏之XML規劃設計 • 系統架構 – 關鍵字最佳化模組(Keyword optimization Module) • 結論 2 摘要 • 在檢索系統,會依據每筆資訊的關鍵字與分類索 引,利用ASCII編碼技術搭配索引項目,對每筆資 訊增加唯一的識別碼,當資料檢索時可以藉由識 別碼快速作資訊檢索。 3 動機 • 數位典藏的資料量日益成長,每個不同型態的資 料所使用的資料規格也不盡相同,所呈現的資源 都不一樣,使得瀏覽者為了搜尋某些特定的資訊 需要花費更多時間瀏覽各大網站。 4 目的 • 利用數位典藏具備的特色,讓RSS資訊不會因為連結失效,導致 此筆資訊消失,同時數位典藏已有詳細的要求完整的資訊描述 之規範,所以本研究藉此特性,從各大網站的收集的RSS資料, 依照數位典藏格式並針對RSS資料屬性作格式上的處理,進行 RSS資料屬性的分類,讓每筆資訊可以完整的儲存於資料庫。 • 透過RSS系統發佈與訂閱訊息,推廣典藏裡儲存的資訊,同時強 化資訊的處理與典藏內容作有效擷取。 5 文獻探討(1/7) • RSS – RSS是以整合清單的方式蒐集不同來源的資料,不一定 只能應用在Web page上,像是Instant messaging服務 就適合利用它來傳送headline,如同手機上的簡訊服務。 (陳震洋, 2005) 6 文獻探討(2/7) • RSS – 行政院研究發展考核委員會所訂定之「行政機 關電子資料流通詮釋資料及分類檢索規範」。 (政府入口網營運團隊, 2009) <?xml version="1.0"?> <rss version="2.0"> <channel> <title>Liftoff News</title> <link>http://liftoff.msfc.nasa.gov/</link> <description>Liftoff to Space Exploration.</description> <language>en-us</language> <pubDate>Tue, 10 Jun 2003 04:00:00 GMT</pubDate> <docs>http://blogs.law.harvard.edu/tech/rss</docs> <generator>Weblog Editor 2.0</generator> <managingEditor>[email protected]</managingEditor> </channel> </rss> 7 文獻探討(3/7) • OAI(Open Archives Initiative Protocol) – 常被拿來應用在圖書館書籍編碼、期刊、博物館等, 是一套具備可以獨立的應用程式,而且這些獨立應用 程式可互相運作,能夠定義一個套Metadata機制。 (Haslhofer, 2008) Repository Request Repository Response Service Provider Data Provider Repository 8 文獻探討(4/7) • 數位典藏 – Vatican Museums將珍貴的教廷手稿數位化,提供全球 學者進行歷史研究;羅浮宮則以典藏數位化為主,重 視多媒體技術的展現;大英博物館則挑選館藏進行數 位化,並強調教育主題。(宋思齊, 1999) 9 文獻探討(5/7) • 資訊檢索 – 資料庫檢索 – 文件資訊檢索 10 文獻探討(6/7) • 資料庫檢索 – 「資料庫檢索」主要探討結構化資料的檢索方式,其應用 範圍以傳統資料庫為主,例如目前最著名也最常用的資料 模型為關聯式資料庫(Relational database),最早由E. F. Codd 於1970 年提出,利用表格式的結構化資料模型,儲 存文物典藏品的各種屬性,並提供許多檢索功能,以協助 使用者快速搜尋符合某些欄位條件的典藏記錄。(Codd, 1970) 11 文獻探討(7/7) • 文件資訊檢索 – 文件內容可藉由一組索引詞彙(Index Terms)或關鍵詞彙 (Keywords)來表示,當我們做關鍵字檢索時,文件資訊檢 索系統會比對這些索引詞彙與使用者查詢的關鍵字之相關 性,所用的關鍵字決定檢索結果的好壞。(張云濤、龔玲, 2007) 12 典藏RSS資料 • 第一步:對資料重新進行分類 政治 美國 社會 選舉 恐怖活動 台灣 世界 國際 中東衝突 財經 伊拉克 科技 RSS資料庫 中文 運動 健康 教育 藝術 影劇 目錄索引架構設計(原) 政治 RSS資料庫 英文 財經 科技 運動 影劇 健康 科學 旅遊 輿論&社論 生活 訃告 13 典藏RSS資料 RSS資料庫 國際&台灣 政 治 社 會 財 經 科 技 運 動 健 康 教 育 其他 藝 術 影 劇 旅 遊 生 活 恐 怖 活 動 中 東 衝 突 伊 拉 克 訃 告 資料歸納目錄索引關聯圖 14 詮釋資料格式 • 第二步:針對在OAI Data Provider提供不同的典 藏之資料種類中,根據不同Metadata設計XML schema。 15 欄位名稱 標示 定義 說明 Title 題名 資源所賦予的名稱。 題名是資源的正式標題名稱。 Creator 創作 資源之主要創作者。 創作者包括個人、團體機構或服務系統。 簡單的資源內容之描述。 可用關鍵詞或分類號來表示資源之內容。 者 Subject and Keywords 主題 和關鍵詞 Descriptio 描述 對資源之相關說明。 簡述可包括摘要或對於內容的文字敘述等。 Publisher 出版 資源提供者。 出版者包括個人、團體機構或服務單位。 Date 日期 資源的日期。 日期通常可用來表示資源的創作或可供使用的時 間。建議遵循 ISO 8601 [WDTF]之標準著錄日期,即 以YYYY-MM-DD的格式著錄。 Type 資源 類型 資源之屬性。 資源類型包括描述資源之性質、功能、類別等。 n 者 Identifier Language Rights Source 識別 資源在某環境中明確的 碼 辨識資料。 語文 資源內容之語文。 建議利用字串或數字組成的識別系統來辨識資源。 建議使用RFC1766並併用ISO639標準,該標準使 用兩個與三個字母做為語文代碼。 權限 有關權限的相關資訊, 權限管理包括資源的權限申明,或說明提供該資 管理 包括資源原有的或被賦予的 源的服務機構。 權限。 來源 說明衍生出本資源的原 本資源可能完全或部份由原始資源衍生而出。建 始資源。 議利用字串或數字所組成的識別系統來表示其原始 16 資源。 RSS轉數位典藏之XML規劃設計 • 第三步:對RSS資料進行重新命名與增加相關欄位, 讓資料訊息敘述更加完善。 新欄位名稱 原始欄位名稱 Title Description Date Source Publisher Type Title1 Describe1 pubDate2 Link1 S C2 17 <div id="ynwsart"> <div class="hd"><div></div></div> <div class="bd"> <h1>MLB/王建民復出指標? 響尾蛇王牌冀望9月中回大聯盟</h1> <div class="offer"> <label><a href="http://tw.rd.yahoo.com/referurl/news/logo/ettoday//SIG=10pugg0rl/*http://www.no wnews.com/" target="_blank"><img src="http://l.yimg.com/f/i/tw/news/newspartner2006/ettoday.jpg" alt="NOWnews" /></a></label> <span>更新日期:<q>2010/08/31 12:34</q></span> <em>記者陳浚錡/綜合報導</em> </div> <div class="w"> <div id="ynwsartcontent"> <p>同樣受肩傷所擾的響尾蛇王牌韋伯(Brandon Webb)恢復狀況可能作為<a href="?" class="ynwsyq" title="王建民"><span>王建民</span></a>復出指標。</p> </div> </div> </div> 原始網站程式碼 18 <?xml version="1.0" encoding="UTF-8"?> <oai_dc:dc xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"> <dc:title xml:lang="ch">MLB/王建民復出指標?響尾蛇王牌冀望9月中回大聯 盟</dc:title> <dc:creator>陳浚錡</dc:creator> <dc:subject>響尾蛇,王建民</dc:subject> <dc:publisher> NOWnews</dc:publisher> <dc:date></dc:date> <dc:type>politics</dc:type> <dc:description>同樣受肩傷所擾的響尾蛇王牌韋伯(Brandon Webb)恢復狀況 可能作為王建民復出指標。</dc:description> <dc:identifier>3B367275303461757036Z010011</dc:identifier> <dc:Source>http://tw.news.yahoo.com/article/url/d/a/100831/17/4ii.html</dc:Source > <dc:language>Chinese</dc:language> <dc:rights xml:lang="ch">Public Domain</dc:rights> </oai_dc:dc> XML之數位典藏格式規劃圖 19 系統架構 Query 1 USER 3 Respon d RSS Publish/Subs cribe Component Information Retrieve Component A C Directory Classify Module Access RSS Data Base 2 B Keyword optimization Module 20 關鍵字最佳化模組(Keyword optimization Module) 目錄索引編號表 目錄索 英文名 目錄索引 引名稱 稱 編號 politic 政治 01 s 社會 society 02 財經 biz 03 科技 tech 04 運動 sport 05 健康 教育 藝術 health edu art 06 07 08 目錄索 引名稱 英文名 稱 目錄索引 編號 影劇 showbiz 09 旅遊 生活 恐怖活 動 中東衝 突 伊拉克 訃告 travel life terroris m 10 11 conflict 13 Iraq obituary 14 15 12 21 關鍵字最佳化模組(Keyword optimization Module) 英文名 稱 Politics Motion 目錄索 引編號 編號 (ID) 關鍵字 關鍵字編碼 王金平 016A3B367275702071752F36Z0001 11 1 陳水扁 01747036676A6F3331753033Z00100 1 2 王建民 056A3B367275303461757036Z010011 3 王建民 056A3B367275303461757036Z011000 4 01 05 Tourism 10 西班牙 仿古船 107675203130207538367A3B33656 A33746A3036Z011011 5 tourism 10 西班牙 仿古船 107675203130207538367A3B33656 A33746A3036Z110000 6 22 結論 • 本研究提出對RSS資料轉成數位典藏格式之建構, 其目標是將RSS資料經由數位典藏轉換後,能擁有 保存與分享達到資訊可再利用的價值,首先要對 資料作結構化分類之建立,同時對每筆資訊的描 述更加完整性,另一方面,透過ASCII編碼技術搭 配結構化階層式的方式加強對資訊的檢索,讓系 統可以更有效率。 23 謝謝聆聽 24