面向VIVO本体的数据摄取工具

doi:10.11925/infotech.1003-3513.2011.02.03

现代图书情报技术

2011, Vol. 27

Issue (2): 16-20 https://doi.org/10.11925/infotech.1003-3513.2011.02.03

数字图书馆

本期目录 | 过刊浏览 | 高级检索

面向VIVO本体的数据摄取工具

黄金霞, 景丽

中国科学院国家科学图书馆北京 100190

A Data Ingest Tool for VIVO Ontology

Huang Jinxia, Jing Li

National Science Library, Chinese Academy of Sciences, Beijing 100190, China

摘要
参考文献
相关文章
Metrics

全文: PDF (476 KB) HTML
输出: BibTeX | EndNote (RIS)

摘要

介绍基于本体的科学家网络VIVO中的数据摄取工具,分析关系数据模型向RDF数据模型的批量数据摄取并与VIVO本体匹配的原理,阐述工具应用流程,为基于本体构建的信息服务系统或语义网应用中存在的异构数据摄取问题提供解决方法,并讨论该工具的特色和存在的问题。

	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
	黄金霞
	景丽

关键词 ： VIVO, 本体, 数据摄取工具, SPARQL查询

Abstract：

To provide an effective method to import the heterogeneous data into the information systems based on Ontologies, this paper introduces a data ingest tool developed in VIVO which is a networking of scientists and is also a semantic Web application, including the principles and the working process in the data ingestion from relational data model to RDF data model and the data mapping with VIVO Ontology. The characteristics and some questions in this tool are also discussed.

Key words： VIVO Ontology Data ingest tool SPARQL query

收稿日期: 2011-01-12 出版日期: 2011-03-25

TP391

引用本文:

黄金霞, 景丽. 面向VIVO本体的数据摄取工具[J]. 现代图书情报技术, 2011, 27(2): 16-20.
Huang Jinxia, Jing Li. A Data Ingest Tool for VIVO Ontology. New Technology of Library and Information Service, 2011, 27(2): 16-20.

链接本文:

https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2011.02.03 或 https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2011/V27/I2/16

[1] Rapid Semantic Integration of Data Using the Tango DataLoader Framework . .http://www.semandex.net/content/knowledge-center/application-briefs.

[2] WebSphere电子商务软件 . .http://www-01.ibm.com/software/cn/websphere/commerce/index.html.

[3] VIVO is a Research-focused Discovery Tool . . http://vivo.cornell.edu.

[4] VIVO: Enabling the National Networking of Scientists . .http://www.vivoweb.org.

[5] VIVO and the Linked Open Data Cloud . . http://vivoweb.org/blog/2010/09/vivo-and-linking-open-data-cloud-diagram.

[6] Welcome to the VIVO Resources Library . .http://www.vivoweb.org/support.

[7] Data Ingest Tool Guide . . http://cdnetworks-kr-2.dl.sourceforge.net/project/vivo/Data%20Inges t/Data_Ingest_Guide.pdf.

[8] Semantic Web:语义网是如何运作的 . .http://hi.baidu.com/zjuhebi/blog/item/425814d47132c80 8a18bb700.html.

[9] RDF Semantics . . http://www.w3.org/TR/2004/REC-rdf-mt-20040210/.

[10] SPARQL Query Language for RDF . .http://www.w3.org/TR/rdf-sparql-query/.

[11] 金灿.面向不同结构化程度数据源的本体学习方法研究
[J]. 计算机时代 ,2010(8):10-13.

[1]	盛姝, 黄奇, 杨洋, 解绮雯, 秦新国. HL7 FHIR框架下中国医疗领域信息交换研究与解决方案[J]. 数据分析与知识发现, 2021, 5(11): 13-28.
[2]	曾桢,李纲,毛进,陈璟浩. 区域公共安全数据治理与业务领域本体研究^*[J]. 数据分析与知识发现, 2020, 4(9): 41-55.
[3]	潘虹,唐莉. 质性数据分析工具在中国社会科学研究的应用 ——以Nvivo为例*[J]. 数据分析与知识发现, 2020, 4(1): 51-62.
[4]	强韶华,罗云鹿,李玉鹏,吴鹏. 基于RBR和CBR的金融事件本体推理研究 ^*[J]. 数据分析与知识发现, 2019, 3(8): 94-104.
[5]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	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.
[15]	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.

Viewed

Full text

Abstract

Cited

Shared

Discussed