63、科研信息管理与检索系统的关键技术

科研信息管理与检索系统的关键技术

1. 引言

在信息爆炸的时代，科学领域的出版物数量呈指数级增长。可靠的出版物收集、组织和访问对于科研成果的交流、科学家的评估等方面至关重要。对于提供书目内容的服务提供商来说，服务质量尤其是数据质量管理是核心挑战。本文将介绍 DBLP 的人名质量管控以及 MedSearch 医学信息检索系统的相关技术。

2. DBLP 人名质量管控

2.1 DBLP 概述

DBLP（Digital Bibliography & Library Project）是一个提供科学出版物访问的网络平台。截至 2006 年 5 月，它索引了超过 75 万篇由 45 万多位作者发表的出版物。在构建书目数据库时，需要在质量和数量之间做出选择，DBLP 更注重记录的质量。

2.2 数据获取与维护过程

DBLP 的数据获取和维护过程可视为一个 ETL 过程，具体步骤如下：
1. 数据提取 ：从外部来源提取科学家在期刊、会议论文集等科学场所发表的出版物数据。来源广泛，可能是电子文档，也可能需要手动输入，甚至只有期刊或论文集的首页信息。
2. 数据转换 ：将获取的数据高效转换为内部表示，主要由学生助理完成。转换过程中会进行初步的一致性检查。
3. 质量分析 ：对转换后的数据进行更深入的质量分析，主要由 M. Ley 利用小工具和脚本自动识别错误数据。
4. 数据加载 ：经过质量保证后，新数据加载到主 DBLP 数据库。