基于Topic Maps的叙词表再工程

doi:10.11925/infotech.1003-3513.2006.09.18

现代图书情报技术

2006, Vol. 1

Issue (9): 81-84 https://doi.org/10.11925/infotech.1003-3513.2006.09.18

工作交流

本期目录 | 过刊浏览 | 高级检索

基于Topic Maps的叙词表再工程

朱良兵纪希禹

（四川大学公共管理学院成都 610064）

Reengineering of Thesaurus Based on Topic Maps

Zhu Liangbing Ji Xiyu

（School of Public Administration, Sichuan University，Chengdu 610064,China)

摘要
参考文献
相关文章
Metrics

全文:
输出: BibTeX | EndNote (RIS)

摘要

利用主题图技术构建一个在线叙词表。在分析传统叙词表的词间关系及其不足的基础上，从现有叙词表中选取18个叙词作为研究样本，分析其词间关系并进行建模；最后结合新兴的主题图技术，用Ontopia公司提供的Ontopoly创建出主题图，并用Omnigator和Vizigator分别进行在线浏览和可视化呈现。

	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
	纪希禹
	朱良兵

关键词 ：叙词表, 主题图, 叙词, 关系, 再工程

Abstract：

The paper designs a online thesaurus by making use of Topic Maps. Based on the analysis of the relationship between descriptores and of the shortage of the traditional thesaurus, this paper analyzes and models the relationship between descriptores by selecting eighteen descriptors from current thesaurus as the research sample. Finally, combined with the newly Topic Maps technology, an experiment is completed by employing three free tools provided by Ontopia to create, browse and visualize online topic map.

Key words： Thesaurus Topic Maps Descriptor Relationship Reengineering

收稿日期: 2006-05-19 出版日期: 2006-09-25

G203

通讯作者: 朱良兵 E-mail: zhliangb@126.com

作者简介: 朱良兵,纪希禹

引用本文:

朱良兵,纪希禹 . 基于Topic Maps的叙词表再工程[J]. 现代图书情报技术, 2006, 1(9): 81-84.
Zhu Liangbing,Ji Xiyu . Reengineering of Thesaurus Based on Topic Maps. New Technology of Library and Information Service, 2006, 1(9): 81-84.

链接本文:

https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2006.09.18 或 https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2006/V1/I9/81

1秦铁辉. 信息时代的“全球定位系统”——主题地图. 江西图书馆学刊，2005，35（1）：1-3
2张琪玉.情报语言学基础(增订第二版).武汉：武汉大学出版社，1997. 175-186
3魏铁进.管理科学主题词表.北京：机械工业出版社，1996
4何建新. 主题图及其应用. 中国索引. 2005，3(1):26-29
5韩泽春. 主题地图—— 一种有效的知识组织与揭示方法. 忻州师范学院学报，2005，21（4）：122-124
6Lars Marius Garshol. Metadata? Thesauri? Taxonomies? Topic Maps!. http://www.ontopia.net/topicmaps/materials/tm-vs-thesauri.html(Accessed Mar.22,2006)
7Steve Pepper,Graham Moore.XML Topic Maps(XTM)1.0. http://www.topicmaps.org/xtm/(Accessed Mar.24,2006)
8Ontopia.Ontopoly:The Topic Map Editor User’s Guide.http://www.ontopia.com(Accessed Mar.25,2006)
9Ontopia.Omnigator:The Topic Map Browser User’s Guide. http://www.ontopia.com(Accessed Mar.26,2006)
10Ontopia.Omnigator:The Ontopia Vizigator User’s Guide. http://www.ontopia.com((Accessed Mar.27,2006)

[1]	范少萍,赵雨宣,安新颖,吴清强. 基于卷积神经网络的医学实体关系分类模型研究*[J]. 数据分析与知识发现, 2021, 5(9): 75-84.
[2]	王一钒,李博,史话,苗威,姜斌. 古汉语实体关系联合抽取的标注方法*[J]. 数据分析与知识发现, 2021, 5(9): 63-74.
[3]	马江微, 吕学强, 游新冬, 肖刚, 韩君妹. 融合BERT与关系位置特征的军事领域关系抽取方法^*[J]. 数据分析与知识发现, 2021, 5(8): 1-12.
[4]	江雅仁, 乐小虬. 一对多实体关系少样本持续学习方法研究[J]. 数据分析与知识发现, 2021, 5(8): 45-53.
[5]	董淼, 苏中琪, 周晓北, 兰雪, 崔志刚, 崔雷. 利用Text-CNN改进PubMedBERT在化学诱导性疾病实体关系分类效果的尝试[J]. 数据分析与知识发现, 2021, 5(11): 145-152.
[6]	王鸿, 舒展, 高印权, 田文洪. 一种单分类器联合多任务网络的隐式句间关系分析方法^*[J]. 数据分析与知识发现, 2021, 5(11): 80-88.
[7]	戴志宏, 郝晓玲. 上下位关系抽取方法及其在金融市场的应用^*[J]. 数据分析与知识发现, 2021, 5(10): 60-70.
[8]	焦启航,乐小虬. 对比关系句子生成方法研究[J]. 数据分析与知识发现, 2020, 4(6): 43-50.
[9]	李成梁,赵中英,李超,亓亮,温彦. 基于依存关系嵌入与条件随机场的商品属性抽取方法^*[J]. 数据分析与知识发现, 2020, 4(5): 54-65.
[10]	田钟林,吴旭,颉夏青,许晋,陆月明. 一种基于领域语义关系图的短文本实时分析模型^*[J]. 数据分析与知识发现, 2020, 4(2/3): 239-248.
[11]	王思丽,祝忠明,杨恒,刘巍. 基于模式和投影学习的领域概念上下位关系自动识别研究*[J]. 数据分析与知识发现, 2020, 4(11): 15-25.
[12]	王晰巍,张柳,黄博,韦雅楠. *基于LDA的微博用户主题图谱构建及实证研究^——以“埃航空难”为例**[J]. 数据分析与知识发现, 2020, 4(10): 47-57.
[13]	裴晶晶,乐小虬. 篇章级并列关系文本块识别方法研究[J]. 数据分析与知识发现, 2019, 3(5): 51-56.
[14]	吴粤敏,丁港归,胡滨. 基于注意力机制的农业金融文本关系抽取研究^*[J]. 数据分析与知识发现, 2019, 3(5): 86-92.
[15]	王欣瑞,何跃. 社交媒体用户交互行为与股票市场的关联分析研究: 基于新浪财经博客的实证[J]. 数据分析与知识发现, 2019, 3(11): 108-119.

Viewed

Full text

Abstract

Cited

Shared

Discussed