基于Vitro构建专业领域知识应用环境

doi:10.11925/infotech.1003-3513.2010.12.04

摘要
参考文献
相关文章
Metrics

全文: PDF(764 KB) HTML
输出: BibTeX | EndNote (RIS)

摘要

以中国科学院国家科学图书馆开展专业领域知识应用环境建设为背景,通过对Vitro组成结构和功能特征的分析,提出基于Vitro的专业领域知识应用环境平台的设计方案,并介绍平台系统实现中对Vitro本地化应用开发的主要方法。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	刘毅
	宋文
	汤怡洁
	杨锐
	黄金霞
	周子健

关键词 ：知识服务, 知识组织体系, 本体, 语义网技术

Abstract：

This paper introduces the background of Subject Knowledge Environment (SKE) platform.Then by analyzing the composing and functional characteristic of Vitro, the authors advance the design solution to the SKE platform. The main methods on the localization of Vitro are also expounded.

Key words： Knowledge service Knowledge organization system Ontology Semantic Web technology

收稿日期: 2010-10-15

G250

引用本文:

刘毅, 宋文, 汤怡洁, 杨锐, 黄金霞, 周子健. 基于Vitro构建专业领域知识应用环境[J]. 现代图书情报技术, 2010, 26(12): 21-27.
Liu Yi, Song Wen, Tang Yijie, Yang Rui, Huang Jinxia, Zhou Zijian. Developing Subject Knowledge Environments Based on Vitro. New Technology of Library and Information Service, DOI：10.11925/infotech.1003-3513.2010.12.04.

链接本文:

http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2010.12.04

[1] 张晓林.重新认识知识过程和知识服务
[J] 图书情报工作,2009,53(1):6-8.

[2] Koch T, Neuroth H, Day M. Renardus: Cross-browsing European Subject Gateways via a Common Classification System (DDC). UBCIM Publications, New Series. http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.122.9506&rep=rep1&type=pdf.

[3] Knowledge Web Official Website. http://www.k-web.org/.

[4] VIVO Official Website. http://vivo.cornell.edu/.

[5] Devare M, Corson-Rikert J, Caruso B, et al. VIVO: Connecting People, Creating a Virtual Life Sciences Community. D-Lib Magazine, 2007, 13(2):7-8. http://www.dlib.org/dlib/july07/devare/07devare.html.

[6] VIVO Development Guide. http://vitro.mannlib.cornell.edu/vitroDeploymentGuide.html.

[7] Noy N F, McGuiness D L. Ontology Development 101: A Guide to Creating Your First Ontology. http://protege.stanford.edu/publications/ontology_development/ontology101.pdf.

[8] Allemang D, Hendler J. 实用语义网:RDFS与OWL高效建模
[M]. 北京:人民邮电出版社,2009.

[9] Oreilly COS Documentation. http://www.servlets.com/cos/index.html.

[10] Jena 2 Inference Support. http://jena.sourceforge.net/inference/.

[11] Papazoglou M P. Web服务:原理和技术
[M]. 龚玲,张云涛译.北京:机械工业出版社,2009.

[12] 中国科学院专业领域知识环境. http://ske.las.ac.cn/.

[1]	邓诗琦,洪亮. *面向智能应用的领域本体构建研究^——以反电话诈骗领域为例**[J]. 数据分析与知识发现, 2019, 3(7): 73-84.
[2]	高广尚. 用户画像构建方法研究综述^*[J]. 数据分析与知识发现, 2019, 3(3): 25-35.
[3]	王颖,钱力,谢靖,常志军,孔贝贝. 科技大数据知识图谱构建模型与方法研究^*[J]. 数据分析与知识发现, 2019, 3(1): 15-26.
[4]	钱力,谢靖,常志军,吴振新,张冬荣. 基于科技大数据的智能知识服务体系研究设计^*[J]. 数据分析与知识发现, 2019, 3(1): 4-14.
[5]	何有世,何述芳. 基于领域本体的产品网络口碑信息多层次细粒度情感挖掘^*[J]. 数据分析与知识发现, 2018, 2(8): 60-68.
[6]	唐慧慧,王昊,张紫玄,王雪颖. 基于汉字标注的中文历史事件名抽取研究^*[J]. 数据分析与知识发现, 2018, 2(7): 89-100.
[7]	庞贝贝,苟娟琼,穆文歆. 面向高校学生深度辅导领域的主题建模和主题上下位关系识别研究^*[J]. 数据分析与知识发现, 2018, 2(6): 92-101.
[8]	丁晟春,刘梦露,傅柱. 概念设计中基于知识流的多维设计知识统一建模技术研究^*[J]. 数据分析与知识发现, 2018, 2(2): 11-19.
[9]	涂海丽,唐晓波. 基于标签的商品推荐模型研究^*[J]. 数据分析与知识发现, 2017, 1(9): 28-39.
[10]	陈二静,姜恩波. 文本相似度计算方法研究综述[J]. 数据分析与知识发现, 2017, 1(6): 1-11.
[11]	白如江,冷伏海,廖君华. 一种基于语义组块特征的改进Cosine文本相似度计算方法^*[J]. 数据分析与知识发现, 2017, 1(6): 56-64.
[12]	吴丹,刘畅,李翼. 用户步行导航过程中的情感变化研究^*[J]. 数据分析与知识发现, 2017, 1(5): 42-51.
[13]	刘健,毕强,刘庆旭,王福. *数字文献资源内容服务推荐研究^——基于本体规则推理和语义相似度计算**[J]. 现代图书情报技术, 2016, 32(9): 70-77.
[14]	丁恒,陆伟. 标准文献知识服务系统设计与实现^*[J]. 现代图书情报技术, 2016, 32(7-8): 120-128.
[15]	陆佳莹,袁勤俭,黄奇,钱韵洁. 基于概念格理论的产品领域本体构建研究^*[J]. 现代图书情报技术, 2016, 32(5): 38-46.

Viewed

Full text

Abstract

Cited

Shared

Discussed