利用VB讀取中國(guó)知網(wǎng)過刊數(shù)據(jù)提取元數(shù)據(jù)的研究

楊海亮++林清華++付示威

摘 要：元數(shù)據(jù)的提取和發(fā)布為網(wǎng)刊發(fā)布工作中的重要內(nèi)容。為實(shí)現(xiàn)自動(dòng)提取元數(shù)據(jù)功能，該文以中國(guó)知網(wǎng)提供的自定義文本數(shù)據(jù)為對(duì)象，建立了提取元數(shù)據(jù)的數(shù)學(xué)模型，同時(shí)提出尾部分割算法。然后利用基于對(duì)象的VB編程軟件編寫了自動(dòng)提取元數(shù)據(jù)程序。在分析了中國(guó)知網(wǎng)數(shù)據(jù)的特點(diǎn)之后，建立了分割關(guān)鍵詞的列表文件，最后將提取的元數(shù)據(jù)保存到Excel文件中。實(shí)際應(yīng)用表明，僅幾秒鐘就可以完成一次數(shù)據(jù)的提取工作，一次提取可以是1年的數(shù)據(jù)也可以使十幾年的數(shù)據(jù)，在完善過刊信息的工作中提供了很大的作用。

關(guān)鍵詞：網(wǎng)刊發(fā)布系統(tǒng)；元數(shù)據(jù)；中國(guó)知網(wǎng)；VB；自動(dòng)提取

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）09-0090-03

在國(guó)內(nèi)，絕大部分讀者是從期刊網(wǎng)站獲取期刊全文，進(jìn)而進(jìn)行引用的。因此，期刊建立自己的官方網(wǎng)站，為讀者提供論文檢索、數(shù)據(jù)核對(duì)、實(shí)現(xiàn)在線出版，對(duì)擴(kuò)大期刊的影響力和傳播力至關(guān)重要[1]。網(wǎng)刊發(fā)布系統(tǒng)為期刊建立一個(gè)實(shí)現(xiàn)現(xiàn)刊和過刊的瀏覽、查詢等功能的網(wǎng)刊數(shù)據(jù)提供了技術(shù)平臺(tái)[2-3]。以此為基礎(chǔ)，建設(shè)期刊自己的網(wǎng)站時(shí)，需要對(duì)期刊數(shù)據(jù)進(jìn)行網(wǎng)刊發(fā)布，對(duì)于一般編輯部來說，歷史期刊，有的只是紙質(zhì)的，需要對(duì)歷史期刊電子化，轉(zhuǎn)化為電子版的期刊還需要進(jìn)一步進(jìn)行元數(shù)據(jù)的提取工作[4-8]。

一般來說，各個(gè)編輯部在發(fā)布網(wǎng)刊工作中都是采用手工粘貼拷貝的方式。這種方式不僅工作量很大，而且數(shù)據(jù)質(zhì)量很低。另外，由于手工制作的工作量[9]，導(dǎo)致了網(wǎng)站建設(shè)要么耗時(shí)很長(zhǎng)、要么需要大量人力或物力。因此本文基于對(duì)象的VB語(yǔ)言編程軟件，編寫了能夠批量提取元數(shù)據(jù)的程序，采用模式識(shí)別智能算法[10-11]，從大型數(shù)據(jù)庫(kù)[12]提供的信息中準(zhǔn)確提取本期所有文章的元數(shù)據(jù)，并形成可直接發(fā)布到網(wǎng)刊系統(tǒng)上的Excel文件，大幅度提高工作效率。

5 結(jié)束語(yǔ)

在期刊數(shù)字化的工作中，對(duì)于很多新建網(wǎng)站的雜志社來說，有兩部分工作：最新1期的元數(shù)據(jù)提??；歷史期刊的元數(shù)據(jù)提取。對(duì)于很多期刊來說歷史期刊的數(shù)據(jù)都已經(jīng)不全了，因此通過大型數(shù)據(jù)庫(kù)來完善網(wǎng)站的過刊數(shù)據(jù)成為比較可行的途徑之一。通過本文實(shí)現(xiàn)的程序可以對(duì)1年的過刊數(shù)據(jù)甚至幾十年的過刊數(shù)據(jù)一次性進(jìn)行提取操作，工作效率大幅提升。

但是中國(guó)知網(wǎng)上的數(shù)據(jù)更新比雜志社期刊出版要延時(shí)約2個(gè)月，而且網(wǎng)刊發(fā)布系統(tǒng)中要求有的元數(shù)據(jù)有32項(xiàng)，而中國(guó)知網(wǎng)提供的僅有12項(xiàng)，所以本文方法并不適合使用在最新一期的元數(shù)據(jù)提取工作上。下一步工作重點(diǎn)研究對(duì)最新一期的排版數(shù)據(jù)進(jìn)行元數(shù)據(jù)的提取上。

參考文獻(xiàn)：

[1] 閆蓓，嚴(yán)謹(jǐn)，肖宏.搭建科學(xué)與大眾的橋梁：談科技期刊與大眾媒體的新聞報(bào)道合作實(shí)踐[J].編輯學(xué)報(bào)， 2009，21（4）： 325-327

[2] 吉玉珠，胡兵.我國(guó)學(xué)術(shù)期刊數(shù)字化建設(shè)的分析與思考[J].圖書與情報(bào)，2003（3）：33-35.

[3] 張科，王景發(fā).期刊網(wǎng)絡(luò)采編系統(tǒng)研發(fā)及系統(tǒng)功能分析[J].自動(dòng)化數(shù)字化網(wǎng)絡(luò)化，2008（4）：72-76.

[4] 洪鷗，姜春明，陳海清.上海市高校科技期刊數(shù)字出版現(xiàn)狀及分析[J].學(xué)報(bào)編輯論叢，2011：172-176.

[5] 丁巖，吳惠勤，龍秀芬等.科技期刊數(shù)字化出版轉(zhuǎn)型初探[J]. 編輯學(xué)報(bào)， 2011， 23 （sup1）：3-6.

[6] 林有興.關(guān)于促進(jìn)科技期刊高效傳播科技信息的思考[J].編輯學(xué)報(bào)， 2005，17（3）： 165-166.

[7] 鄭筱梅， 楊小玲. 期刊網(wǎng)絡(luò)化趨勢(shì)及科技期刊應(yīng)對(duì)策略[J]. 編輯學(xué)報(bào)， 2009，21（1）： 64-66.

[8] 孫遠(yuǎn)，朱曉紅，喻偉.網(wǎng)絡(luò)環(huán)境下科技期刊數(shù)字化建設(shè)初探[J]. 人民長(zhǎng)江，2009，40（4）：102-103.

[9] 洪鷗，姜春明，王寧.高校學(xué)報(bào)自然科學(xué)版網(wǎng)絡(luò)出版現(xiàn)狀[J].調(diào)查與思考，2014，25（7）：895-901.

[10] 劉曉華.非計(jì)算機(jī)專業(yè)VB程序設(shè)計(jì)教學(xué)探討[J]. 創(chuàng)新教育，2011（38）：135-137.

[11] 劉杰華，楊雁.基于VB 界面的期刊數(shù)據(jù)庫(kù)管理系統(tǒng)設(shè)計(jì)[J].計(jì)算機(jī)與數(shù)字工程， 2005， 33（2）：127-128.

[12] 孔毅.萬方數(shù)據(jù)資源系統(tǒng)與中國(guó)知網(wǎng)數(shù)據(jù)庫(kù)對(duì)比分析[J].圖書情報(bào)工作，2010（sup2）：342-347.