Автоматическое наполнение информационных систем библиограическими сведениями о научных публикациях презентация

Новосибирск, Россия

Ю.А.Загорулько
Институт систем информатики
имени А.П. Ершова СО РАН
Новосибирск, Россия

RCDL –2011, Воронеж. 19-22 октября

знаний, включая создание:
модуля экспорта формальных описаний публикаций в формат, пригодный для использования сторонними системами
модуля добавления/обновления данных портала
Интеграция разработанных средств в портал знаний по компьютерной лингвистике.

managers
BiblioScape 8
I, Librarian
Mendeley Desktop
…

уверенности известно, что она содержит необходимую для описания текста информацию.
Поле - компонент цитаты или некоторого значимого отрывка текста, представленный в тексте или цитате своим значением, образуя пару < атрибут – значение >.
Пример: «автор», «заголовок» и др.
Подполе - составляющая часть сложного поля.
Пример: поле «страницы» со своим значением «С. 251-256»
подполе «признак поля» >>> «С.»,
«начальная страница» >>> «251»,
«конечная страница» >>> «256».
Индикатор (или маркер) - слово или словосочетание, которые характерны для значений или признаков некоторого поля и позволяют однозначно восстановить пару «поле – значение».
Пример: «http://» является маркером для URL в тексте.

Выпуск, Часть, Страницы, Издательство, ISBN, URL и другие.

Описание

Поле-значение

Поле-значение

Поле-значение

Поле-значение

Поле-значение

Список Авторов

значимой части текста («шапки»);
определение автора, названия и др.
Разбор списка цитируемой литературы.
выделение списка цитируемой литературы;
разбор списка на отдельные элементы (цитаты);
синтаксический разбор цитаты.

входящих в нее, и нахождение их значений.
Синтаксический разбор осуществляется путем сопоставления цитаты различным шаблонам:
<шаблон> ::= {<блок-поле>|<симв.блок>}+
Символьный блок – набор литер, которые обязательны для присутствия в цитате в указанном в шаблоне порядке.
Пример: «//», - присутствует описаниях журнальных статей.
Блок-поле – блок, соответствующий некоторому полю.
Пример: <Автор>

Каждому шаблону присвоен свой вес, обозначающий его авторитетность.

библиографической базе;
применение шаблонов.

Нормализация цитаты - это устранение из цитаты незначимых символов, приведение ее к виду, удобному для сопоставления с шаблонами. Включает удаление повторяющихся пробелов, некоторых комбинаций символов и др.

- Текст»
Опыт теории лингвистических моделей
Ошибки и различные написания
Опыт теории лингвистических моделей «Смысл - Текст»
ОПЫТ ТЕОРИИ ЛИНГВИСТИЧЕСКИХ МОДЕЛЕЙ

есть в базе.
Добавить новые данные.

Добавить данные как новую статью

Запомнить ID

Добавить авторов

Добавить связи с авторами

Добавить ссылки

Добавить связи цитирования

именем

Есть совпадающий email?

То же место работы?

Тот же город?

Новый

Найден

Найден

вставки одного символа, удаления одного символа и замены одного символа на другой, необходимых для превращения одной строки в другую.
Процент расстояния Левенштейна от минимальной длины сравниваемых строк

значения, можно менять качество сравнения объектов

БД






Среди добавляемых 1378 авторов, только 105 персон уже оказались существующими в БД

БД цитирования.
Реализована возможность экспортирования полученных формальных описаний в формат XML.
Разработаны методы и средства автоматизации пополнения контента портала знаний данными о публикациях по тематике портала знаний.
Проведены тестирование разработанных методов на реальных данных (труды конф. Диалог 2005-2010).

форматы, например, BibTex.
Реализовать поддержку различных форматов документов (*.pdf, *.doc, *.html).
Добавить функциональность Reference Manager’ов:
Конвертация полученных цитат в форматы, необходимые для различных видов публикаций (например, стандарты оформления ссылок в журналах).
Визуализация связей между цитатами и авторами.

источник или серийные издания.
применение всех полных шаблонов, подходящих типу цитаты;
Выбор среди подошедших наилучшего по весу, далее по количеству блоков-полей
«жадное» отделение данных при помощи частичных шаблонов.

др.
наличие маркеров ключевых слов;
«Ключевые слова», «Keywords»
наличие маркеров аннотации;
«Статья содержит», «в работе рассматривается» и др.
определение начала первой главы «по большому количеству слов»
положение авторов.
Разбор происходит с использованием тех же маркеров и шаблонов.

авторов;
по нумерации;
по «пустым» строкам;
Разделение списка литературы:
по нумерации;
по специальным маркерам («Guaridano 2003 - »);
по переводу строки;

онтологий для порталов знаний по гуманитарным наукам // Труды Всероссийской конференции с международным участием “Знания-Онтологии-Теории” (ЗОНТ-07). Новосибирск, 2007. Т.1, С.191-200.