[发明专利]一种用于内容标引的数据处理方法及装置

说明书

本申请公开了一种用于内容标引的数据处理方法及装置。该用于内容标引的数据处理方法括判断从不同数据源获得的内容数据是否相同，其中，所述内容述数据中至少包括：期刊元数据或文章元数据；如果判断从所述不同数据源获得的内容数据相同，则对所述内容数据执行预设消除歧义处理；以及根据所述预设消除歧义处理结果生成内容标引。本申请解决了文献检索特别是论文检索中存在的歧义问题。

技术领域

本申请涉及文献处理领域，具体而言，涉及一种用于内容标引的数据处理方法及装置。

背景技术

科研工作者在科研过程中需要阅读大量前人已经发表的论文，为了对论文进行定位、访问以及对论文的元数据进行管理，国际标准化组织在2012年5月10日通过了国际DOI基金会的《信息文档数字标识符系统标准》，即ISO26324标准。

尽管DOI标准是广泛使用的国际标准，通过DOI编码可以搜索到唯一的论文，但是存在搜索结果的歧义问题，例如，西南民族大学民族研究院杨正文教授在中国农业大学学报(社会科学版)发表《从村寨空间到村寨博物馆——贵州村寨博物馆的文化保护实践》的一文，在知网(CNKI)搜索得到的DOI编码为10.13240/j.cnki.caujsse.2008.03.017，而在万方数据搜索得到的DOI编码是10.3969/j.issn.1009-508X.2008.03.001。这两个DOI编码在国际DOI基金会查询均可以得到下载地址，但是属于同一篇文章。

发明人发现目前造成文献检索中歧义问题的原因有三：1)期刊社不注册不使用DOI服务，由第三方机构自行进行DOI编码，第三方机构在编码时没有录入期刊的元数据，而元数据是促进DOI服务多样化的必须要素，是有效管理数字权益的基础；2)期刊社虽然使用DOI服务，但是同时委托多家第三方机构而不是一家第三方机构独家进行DOI编码；3)第三方机构的DOI编码中的REG代码不同，必然会造成数据重复，产生歧义。

针对相关技术中文献检索特别是论文检索中存在的歧义问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种用于内容标引的数据处理方法及装置，以解决文献检索特别是论文检索中存在的歧义问题。

为了实现上述目的，根据本申请的一个方面，提供了一种用于内容标引的数据处理方法。

根据本申请的用于内容标引的数据处理方法包括：判断从不同数据源获得的内容数据是否相同，其中，所述内容述数据中至少包括：期刊元数据或文章元数据；如果判断从所述不同数据源获得的内容数据相同，则对所述内容数据执行预设消除歧义处理；以及根据所述预设消除歧义处理结果生成内容标引。

进一步地，判断从不同数据源获得的内容数据是否相同包括：判断所述期刊元数据是否相同；如果所述期刊元数据相同，则判断所述文章元数据是否相同；如果所述文章元数据相同，则判断所述从不同数据源获得的内容数据的DOI编码是否相同；其中，所述期刊元数据至少包括：期刊的打印版国际刊号；所述文章元数据至少包括：文章标题数据、文章作者数据、文章发表的年卷期数据、文章摘要数据。

进一步地，在所述判断从不同数据源获得的内容数据是否相同之前还包括：判断从相同数据源获得的内容数据的期刊元数据是否相同；如果从相同数据源获得的内容数据的期刊元数据相同，则判断所述从相同数据源获得的内容数据的文章元数是否相同。

进一步地，如果判断从所述不同数据源获得的内容数据相同，则对所述内容数据执行预设消除歧义处理包括如下任一一种方式：如果所述从不同数据源获得的内容数据的DOI编码不同，对所述内容数据执行预设消除歧义处理；如果从相同数据源获得的内容数据的文章元数据相同，则对所述内容数据执行预设消除歧义处理。