开放存取知识库及其数据采集规范的研究

doi:10.11959/j.issn.2096-0271.2019041

大数据 ›› 2019, Vol. 5 ›› Issue (5): 48-57.doi: 10.11959/j.issn.2096-0271.2019041

开放存取知识库及其数据采集规范的研究

万猛¹,张永锋²,李振华²(),霍东云³,赵弋洋⁴,王莲⁴

¹ 教育部科技发展中心，北京 100080
² 清华大学软件学院，北京 100084
³ 北京赛时科技有限公司，北京 100084
⁴ 北京西普阳光教育科技股份有限公司，北京 100191

出版日期:2019-09-15 发布日期:2019-10-11
作者简介:万猛（1975-），男，博士，教育部科技发展中心研究员，主要研究方向为信息管理与信息系统、科技评价与管理、教育大数据等。|张永锋（1994-），男，清华大学软件学院硕士生，主要研究方向为云存储、网络信息爬取等。|李振华（1983-），男，博士，清华大学软件学院副教授、博士生导师，主要研究方向为云计算、云存储、移动互联网等。|霍东云（1981-），男，北京赛时科技有限公司联合创始人兼首席技术官，主要研究方向为大数据、云计算、移动互联网等。|赵弋洋（1975-），男，博士，北京西普阳光教育科技股份有限公司首席科学家，主要研究方向为物联网、定位、移动互联网等。|王莲（1984-），女，北京西普阳光教育科技股份有限公司高级经济师，主要研究方向为物联网、大数据、产业经济学等。
基金资助:
国家重点研发计划基金资助项目(2018YFB1004701)

Research on open-access repositories and data acquisition specifications

Meng WAN¹,Yongfeng ZHANG²,Zhenhua LI²(),Dongyun HUO³,Yiyang ZHAO⁴,Lian WANG⁴

¹ Center for Science and Technology Development,Ministry of Education,Beijing 100080,China
² School of Software,Tsinghua University,Beijing 100084,China
³ ScientistIn Co.,Ltd.,Beijing 100084,China
⁴ Beijing Simpleware Education Technology Co.,Ltd.,Beijing 100191,China

Online:2019-09-15 Published:2019-10-11
Supported by:
The National Key Research and Development Program of China(2018YFB1004701)

摘要/Abstract

摘要：

在建设学术大数据、促进学术共享的时代背景下，调查了目前开放存取知识库的发展现状，在数据规模、地区分布、系统软件等方面阐述了国内外的研究情况。以建立科研机构知识库为例，梳理了建立过程中的数据采集需求，并从数据属性、元数据标准、语义去重等方向分析了常用的数据采集规范。最后，综合考虑国内外开放存取知识库的发展现状，并结合我国发展开放存取知识库存在的问题和面临的挑战，提出了4点发展建议。

关键词: 开放存取, 知识库, 数据, 规范

Abstract:

Under the background of building academic big data and promoting academic sharing,the current development status of open-access repositories was investigated and domestic and foreign research were summarized on data scale,regional distribution and system software.Taking the establishment of building academic institutional repositories as an example,the data collection requirements were analyzed and the commonly used data acquisition specifications were summarized from the aspects of data attributes,metadata standards and semantic deduplication.Finally,combined with the problems and challenges faced by China in developing open-access repositories,reasonable suggestions were put forwar.

Key words: open-access, repositories, data, specification

中图分类号:

TP3，G250.74

万猛, 张永锋, 李振华, 霍东云, 赵弋洋, 王莲. 开放存取知识库及其数据采集规范的研究[J]. 大数据, 2019, 5(5): 48-57.

Meng WAN, Yongfeng ZHANG, Zhenhua LI, Dongyun HUO, Yiyang ZHAO, Lian WANG. Research on open-access repositories and data acquisition specifications[J]. Big Data Research, 2019, 5(5): 48-57.

图/表 5

图1

表1

表2

表3

表4

参考文献 10

[1]	李月明 . 基于OpenDOAR的开放存取知识库分析与研究[J]. 图书馆, 2017(7): 46-48,98.
	LI Y M . Analysis and research on open access repository based open DOAR[J]. Library, 2017(7): 46-48,98.
[2]	BJORK B C . Gold,green,and black open access[J]. Learned Publishing, 2017,30(2).
[3]	何琳 . OpenDOAR和机构知识库发展现状[J]. 图书馆工作与研究, 2009(2): 30-33.
	HE L . OpenDOAR and development of institutional repository[J]. Library Work and Study, 2009(2): 30-33.
[4]	杨武健, 王学勤 . DSpace机构知识库系统的分析与研究[J]. 现代情报, 2006(11)： 22-222,225.
	YANG W J , WANG X Q . Analysis and research of dspace institutional repository system[J]. Journal of Modern Information, 2006(11): 220-222,225.
[5]	祝忠明, 马建霞, 卢利农 ,等. 机构知识库开源软件DSpace的扩展开发与应用[J]. 现代图书情报技术, 2009(Z1): 11-17.
	ZHU Z M , MA J X , LU L N ,et al. Developing an institutional repository platform via extending dspace[J]. New Technology of Library and Information Service, 2009(Z1): 11-17.
[6]	ZHU Z M , ZHANG W Q , LIU W ,et al. CSpace–a more practical and customizable repository platform serving local needs[J]. Polymer-Plastics Technology and Engineering, 2010,49(7): 662-671.
[7]	吴玲芳 . 用于机构知识库的元数据研究[J]. 现代情报, 2009,29(8): 128-130,134.
	WU L F . Study on metadata used in institutional repository[J]. Journal of Modern Information, 2009,29(8): 128-130,134.
[8]	杜小勇, 陈峻, 陈跃国 . 大数据探索式搜索研究[J]. 通信学报, 2015,36(12): 77-88.
	DU X Y , CHEN J , CHEN Y G . Exploratory search on big data[J]. Journal on Communications, 2015,36(12): 77-88.
[9]	李建伟, 宋文, 汤怡洁 ,等. 科研本体知识库数据建设研究[J]. 现代图书情报技术, 2013(11): 15-21.
	LI J W , SONG W , TANG Y J ,et al. Research on data building for knowledge base based on scientific research ontology[J]. New Technology of Library and Information Service, 2013(11): 15-21.
[10]	朱立禄, 宋世俊, 王琳 . 国内外机构知识库建设现状及建议[J]. 现代情报, 2017,37(3): 109-115.
	ZHU L L , SONG S J , WANG L . The development status of worldwide institutional repositories and some corresponding measures[J]. Journal of Modern Information, 2017,37(3): 109-115.

序号	国家	数量/个	比例
1	美国	575	13.89%
2	英国	283	6.84%
3	德国	237	5.72%
4	日本	235	5.68%
5	西班牙	145	3.50%
6	法国	139	3.36%
7	意大利	139	3.36%
8	克罗地亚	116	2.80%
9	巴西	109	2.63%
10	波兰	106	2.56%

序号	机构名称	下载量/次	数据量/条
1	半导体研究所	3 087 717	15 557
2	文献情报中心	1 544 048	8 535
3	力学研究所	1 475 556	17 577
4	生态环境研究中心	1 175 433	22 838
5	合肥物质科学研究院	1 006 240	16 016
6	水生生物研究所	873 957	12 494
7	沈阳自动化研究所	843 349	17 073
8	大连化学物理研究所	736 712	34 014
9	金属研究所	657 976	31 669
10	地理科学与资源研究所	472 921	27 518

字段	类型	长度/byte	字段	类型	长度/byte
题名	Varchar	255	页码	Varchar	255
作者	Varchar	255	摘要	LongText	-
作者单位	Varchar	255	doi	Varchar	255
期刊名称	Varchar	255	ISSN	Varchar	255
会议名称	Varchar	255	卷	Int	10
类别	Varchar	255	期	Int	10
分类代码	Varchar	255	会议地点	Varchar	255
来源数据库	Varchar	255	会议代码	Varchar	255
通信作者	Varchar	255	唯一获取号	Varchar	255
会议日期	DateTime	-	出版日期	DateTime	-

序号	英文名称	中文名称	定义
1	title	题名	赋予资源的名称
2	creator	创建者	创建资源内容的主要责任者
3	subject	主题	资源内容的主题描述
4	description	描述	资源内容的说明
5	publisher	出版者	可以获得资源并使其可用的责任者
6	contributor	其他责任者	对资源的内容做出贡献的其他实体
7	date	日期	与资源生命周期中的一个事件相关的时间
8	type	类型	资源内容的特征或类型
9	format	格式	资源的物理或数字表现形式
10	identifier	标识符	在特定的范围内给予资源的一个明确的标识
11	source	来源	对当前资源来源的参照
12	language	语种	描述资源知识内容的语种
13	relation	关联	对相关资源的参照
14	coverage	覆盖范围	资源内容涉及的外延与覆盖范围
15	rights	权限	有关资源本身所有的或被赋予的权限信息

[1]	叶雅珍, 朱扬勇. 数字化转型服务平台：面向新竞争格局的企业竞争力建设[J]. 大数据, 2023, 9(3): 3-14.
[2]	任洪润, 朱扬勇. 数据管道模型：场外流式数据市场形态探索[J]. 大数据, 2023, 9(3): 15-28.
[3]	王跃. 基于过程视角的我国政府数据共享流通管道建设关键问题和策略研究[J]. 大数据, 2023, 9(3): 29-38.
[4]	李冬青, 刘吟啸, 邓镭, 李铭洋. 基于数据全生命周期的数据资产价值评估方法及应用[J]. 大数据, 2023, 9(3): 39-55.
[5]	钱海红, 王茂异, 熊贇. 高等教育数字化转型的现状与发展研究[J]. 大数据, 2023, 9(3): 56-70.
[6]	刘豆豆, 焦宝臣. 高校数据资产编目研究[J]. 大数据, 2023, 9(3): 71-84.
[7]	黄丽华, 杜万里, 吴蔽余. 基于数据要素流通价值链的数据产权结构性分置[J]. 大数据, 2023, 9(2): 5-15.
[8]	高丰. 厘清公共数据授权运营：定位与内涵[J]. 大数据, 2023, 9(2): 16-32.
[9]	王泽宇, 吕艾临, 闫树. 数据要素形成与价值释放规律研究[J]. 大数据, 2023, 9(2): 33-45.
[10]	朱永敏, 张诚. 数据产品开发与流通[J]. 大数据, 2023, 9(2): 46-55.
[11]	陈宏民, 熊红林, 胥莉, 杨云鹏, 卓训方. 基于平台视角下的数据交易模式及特点分析[J]. 大数据, 2023, 9(2): 56-66.
[12]	黄京磊, 李金璞, 汤珂. 数据信托：可信的数据流通模式[J]. 大数据, 2023, 9(2): 67-78.
[13]	刘业政, 宗兰芳, 金斗, 袁昆. 数据要素流通使用的安全风险分析及应对策略[J]. 大数据, 2023, 9(2): 79-98.
[14]	罗超然, 马郓, 景翔, 黄罡. 数据空间基础设施的技术挑战及数联网解决方案[J]. 大数据, 2023, 9(2): 110-121.
[15]	张传尧, 司世景, 王健宗, 肖京. 联邦元学习综述[J]. 大数据, 2023, 9(2): 122-146.

开放存取知识库及其数据采集规范的研究

Research on open-access repositories and data acquisition specifications

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 5

参考文献 10

相关文章 15

Metrics

推荐阅读 0