Please wait a minute...
Advanced Search
现代图书情报技术  2007, Vol. 2 Issue (8): 56-58     https://doi.org/10.11925/infotech.1003-3513.2007.08.13
  知识组织与知识管理 本期目录 | 过刊浏览 | 高级检索 |
基于XFML的分面分类表征方法*
施国良
(南京大学信息管理系 南京 210093)
XFML-based Representation of Faceted Classification
Shi Guoliang
(Department of Intormation Management, Nanjing University,Nanjing 210093,China )
全文: PDF (379 KB)  
输出: BibTeX | EndNote (RIS)      
摘要 

XFML又称为可扩展分面元数据语言,它以分面分类表的形式交换元数据,其基本构造元素是主题或范畴。XFML并不解决所有元数据的需求,它只关注分面分类与标引数据的互换。初步介绍XFML的背景、概念、数据表示方法以及用XFML标引网页的基本原理。指出目前国内对XFML的了解还很少,这一方法的运用将有助于国内网络信息组织的发展。

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
施国良
关键词 XFML网络分类标引    
Abstract

XFML,standing for eXchangeable Faceted Metadata Language, exchanges metadata in the form of faceted hierarchies. Its basic building blocks are topics,also called categories. XFML can’t solve all the metadata’s needs. It focuses on interchanging faceted classification and indexing data.The background,concept,and data representation method of XFML and principles of Web indexing with XFML are discussed in this paper. As XFML is a new concept to Chinese,using XFML will benefit the develop of Web information organization in China.

Key wordsXFML    Web    Classification    Indexing
收稿日期: 2007-05-23      出版日期: 2007-08-25
: 

G254

 
通讯作者: 施国良     E-mail: gl-shi@163.com
作者简介: 施国良
引用本文:   
施国良. 基于XFML的分面分类表征方法*[J]. 现代图书情报技术, 2007, 2(8): 56-58.
Shi Guoliang. XFML-based Representation of Faceted Classification. New Technology of Library and Information Service, 2007, 2(8): 56-58.
链接本文:  
https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2007.08.13      或      https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2007/V2/I8/56

[1] eXchangeable Faceted Metadata Language[EB/OL].[2007-05-07].http://xfml.org/.
[2] XFML Core - eXchangeable Faceted Metadata Language[EB/OL].[2007-05-07].http://www.xfml.org/spec/1.0.html.
[3] Murray P C.Part 1:Knowledge Organization and Faceted Classification[J].The Barrington Report on Advanced Knowledge Organization and Retrieval,2004,1(1):29-34.
[4] Barre K L. Bliss and Ranganathan:Synthesis,Synchronicity or Sour Grapes[J]ISKO,2000(7):157-163.
[5] Louise S.A Simplified Model for Facet Analysis:Ranganathan 101[J].Canadian Journal of Information and Library Science,1998,23(1/2):1-30.

[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] 陈杰,马静,李晓峰. 融合预训练模型文本特征的短文本分类方法*[J]. 数据分析与知识发现, 2021, 5(9): 21-30.
[3] 鲁云蒙,刘铁忠. 基于知识关联性的科研合作网络隐性知识扩散模型研究:以重大科技工程为例*[J]. 数据分析与知识发现, 2021, 5(9): 10-20.
[4] 周泽聿,王昊,赵梓博,李跃艳,张小琴. 融合关联信息的GCN文本分类模型构建及其应用研究*[J]. 数据分析与知识发现, 2021, 5(9): 31-41.
[5] 范涛,王昊,吴鹏. 基于图卷积神经网络和依存句法分析的网民负面情感分析研究*[J]. 数据分析与知识发现, 2021, 5(9): 97-106.
[6] 王若琳, 牛振东, 蔺奇卡, 朱一凡, 邱萍, 陆浩, 刘东磊. 基于异质信息嵌入与RNN聚类参数预测的作者姓名消歧方法*[J]. 数据分析与知识发现, 2021, 5(8): 13-24.
[7] 王勤洁, 秦春秀, 马续补, 刘怀亮, 徐存真. 基于作者偏好和异构信息网络的科技文献推荐方法研究*[J]. 数据分析与知识发现, 2021, 5(8): 54-64.
[8] 顾耀文, 张博文, 郑思, 杨丰春, 李姣. 基于图注意力网络的药物ADMET分类预测模型构建方法*[J]. 数据分析与知识发现, 2021, 5(8): 76-85.
[9] 张乐, 冷基栋, 吕学强, 崔卓, 王磊, 游新冬. RLCPAR:一种基于强化学习的中文专利摘要改写模型*[J]. 数据分析与知识发现, 2021, 5(7): 59-69.
[10] 陆泉, 何超, 陈静, 田敏, 刘婷. 基于两阶段迁移学习的多标签分类模型研究*[J]. 数据分析与知识发现, 2021, 5(7): 91-100.
[11] 谢豪,毛进,李纲. 基于多层语义融合的图文信息情感分类研究*[J]. 数据分析与知识发现, 2021, 5(6): 103-114.
[12] 王晰巍,贾若男,韦雅楠,张柳. 多维度社交网络舆情用户群体聚类分析方法研究*[J]. 数据分析与知识发现, 2021, 5(6): 25-35.
[13] 马莹雪,赵吉昌. 自然灾害期间微博平台的舆情特征及演变*——以台风和暴雨数据为例[J]. 数据分析与知识发现, 2021, 5(6): 66-79.
[14] 高伊林,闵超. 中美对“一带一路”沿线技术扩散结构比较研究*[J]. 数据分析与知识发现, 2021, 5(6): 80-92.
[15] 余本功,朱晓洁,张子薇. 基于多层次特征提取的胶囊网络文本分类研究*[J]. 数据分析与知识发现, 2021, 5(6): 93-102.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn