文本和数据挖掘服务--- 浙江大学学报" 英文版# ) 的实践张欣欣!缪弈洲!张月红,; 已于!"#4 年 % 月实现了对非商业目的的文本挖掘的著作权费用的免除$ 这使得研究者能够挖掘他们已付费订购的任何内容* 欧盟等虑及计算式研究的障碍可能阻碍科学创新$ 也在积极推

Size: px

Start display at page:

Download "文本和数据挖掘服务--- 浙江大学学报" 英文版# ) 的实践张欣欣!缪弈洲!张月红,; 已于!"#4 年 % 月实现了对非商业目的的文本挖掘的著作权费用的免除$ 这使得研究者能够挖掘他们已付费订购的任何内容* 欧盟等虑及计算式研究的障碍可能阻碍科学创新$ 也在积极推"

残贺
7 years ago
Views:

1 年月第卷第期 - 0 文本和数据挖掘服务浙江大学学报英文版的实践张欣欣缪弈洲张月红收稿日期 " 修回日期浙江大学学报英文版编辑部杭州市浙大路号摘要目的为国内出版界介绍如何使用 - 0 文本和数据挖掘方法研究 - 0 文本和数据挖掘的流程并分析浙江大学学报英文版的 - 0 文本和数据挖掘创新服务的实践结果 - 0 文本和数据挖掘可以为研究人员提供便捷的服务支持科学研究结论加入 - 0 文本和数据挖掘顺应国际出版业的潮流和发展并可藉此扩大期刊的国际显示度从多角度增强期刊的国际影响力关键词 - 0 文本和数据挖掘 - 0 0)2));5 国际影响力中国科技期刊国际影响力提升计划 " " 引言文本和数据挖掘跨越多学科领域并结合语言学计算机科学和统计学技术来构建工具可以有效地检索和提取数字化的文本信息过去无论是对于开放获取期刊还是基于订阅模式的期刊研究人员进行文本和数据挖掘没有一个简单普遍的获取全文的方法研究人员对学术内容进行数据挖掘的兴趣和需求与日俱增这就需要对大量的文章全文进行自动地访问研究人员发现为获得对已经订阅内容进行数据挖掘的授权他们需要与众多的基于订阅购买模式的出版商协商复杂的双边协议但这显然不太实际并常常被困于曲折的接洽和谈判中比如加利福尼亚大学计算生物学家 ). )0 +0 花费三年多时间与出版商争论要求获得许可以便从数据为人类基因在线地图做注释出版商也认为与大量的研究人员和众多的研究机构基于复杂的双边协议进行授权谈判同样很难实现! - 0 公司于 " 年月启用的 - 0 文本和数据挖掘服务提供了一个简单通行的方法即可用于文本和数据挖掘的标准应用程序界面 - 0 0)2));5 ;+* )*- 5 -, ) 0 ) 0 不论出版商的商业模式如何开放获取订阅或者二者兼而有之都可以使用 - 0 0)2));5 而且对于任何研究者都是免费使用的 - 0 文本和数据挖掘创新服务依托于出版业不仅满足了研究人员对文本和数据挖掘的迫切需求支持科学研究解决了出版商与研究人员进行双边协议的谈判问题同时也扩大了出版商期刊的显示度中国科技期刊近年来愈发重视学术影响力的提升与国际化发展 " 浙江大学学报英文版一直关注全球期刊行业的创新动态争取与国际出版标准接轨在中国科技期刊国际影响力提升计划项目的资助下继 " 年成为国内首家在网站平台与论文中同时标注 - ) =2 0 和的期刊后浙江大学学报英文版继续研究和实践 - 0 文本和数据挖掘创新服务并藉此扩大期刊的国际显示度从多角度增强期刊的国际影响力本文将着重从出版商的角度介绍如何参与 - 0 文本和数据挖掘并将从研究者角度使用数据挖掘应用程序界面 - 0 4;5-0 文本和数据挖掘对于出版商而言数据挖掘很可能存在一个增长潜力巨大的市场和快速发展的机遇英国政府基金项目! 年度中国科技期刊国际影响力提升计划第一作者简介张欣欣!!! $ 中级编辑 )*+ < 通讯作者张月红!!! $ 编审主任 )* " 中国科技期刊研究 "!

2 文本和数据挖掘服务--- 浙江大学学报" 英文版# ) 的实践张欣欣!缪弈洲!张月红,; 已于!"#4 年 % 月实现了对非商业目的的文本挖掘的著作权费用的免除$ 这使得研究者能够挖掘他们已付费订购的任何内容* 欧盟等虑及计算式研究的障碍可能阻碍科学创新$ 也在积极推进数据挖掘* 这些都为出版业的数据挖掘铺平道路$ 给出版业的蓬勃发展带来了新的契机 % 38) * 出版商希望研究人员可以从他们的在线平台直接访问和抓取所需内容$ 这样不仅访问效率更高$同时防止短时间内的大量访问对其他使用者造成影响 % 38) * ; 文本和数据挖掘应运而生$ 并于!"#4 年 $ 月!K 日正式启用* 发起和推动这个 0 < 0 G 项目的出版商和赞助者包括 Y@ 图!#G+,2 2 PT文本和数据挖掘流程图! SX " Y< S# Y@ 0 SX R X" YSR # 文本和数据挖掘$ 包括从出版商角度参与 ; > Z D 7 S R) 0D c X n a 0 申请参与 ; 文本和数据挖掘存储元数据提和 7 X等众多知名出版机构和组织* ; 文供全文链接明示版权信息以及提供 ; ^ 本和数据挖掘服务使用一个可用于文本和数据挖服务等* 并从研究者角度使用数据挖掘应用程序 O P YS< * 不掘的标准应用程序界面 ; 界面 ; :>RcYS<且成功获取所挖掘的全文* 论何种商业模式的出版商 " 开放获取订阅或者二 %"!#注册 YS< $ 并对研究人者兼而有之# 都可以使用 ; 员免费 #) * ; 拥有多达 4""" 多家的出版商会员$ 这些会员都使用 =9< * 每个 =9<都有对应的元数据$ 网站上注册$ 网址为 )! ** 首先在 ; +++,, D* P@* $ 申请参与 ; 文本和数据挖掘 " ; c 0P = O 0 0D; 0 " 见图!# * 带有描述了不同内容片段的信息片段$ 比如期刊文章图书章节或者会议论文* 这些存储的元数据可以扩展并识别哪些内容片段对应的全文是可以找到的$并且此信息可以被对数据挖掘感兴趣的研究人员所使用* ; O P YS<使用 ; =9<为研究人员提供在出版商页面的全文链接* 出版商有义务保证满足研究人员获取全文链接的请求并可直接批量给予其全文* 开放获取期刊的出版商可以简单地将请求的内容直接传送给研究人员$而基于订阅模式的出版商需要控制访问权限* ; 文本和数据挖掘的流程如图 # 所示* $> 和 < 9SR 0等也提供除了 ; 对学术内容进行文本和数据挖掘的服务 K) $ 并且仍图 $#G+,2 2 PT文本和数据挖掘注册页面!! 积极更新文本挖掘政策以改善研究人员的获取状况 8$2$#") * 1- 浙江大学学报" 英文版#. 的参与和实践 %"$#元数据存储文本和数据挖掘$ 需作为出版商参与 ; 要做如下两件事情!"## 为每个 =9<存储带有全文 - 浙江大学学报 " 英文版 #. 从!"#4 年 #" 月开链接的元数据$使研究人员能够据此链接找到文章文本和数据挖掘服务 * 首先始$尝试实践 ; 全文+"!# 在上述的元数据中存储版权信息$ 方便研 $2$ + )$ $$,,,*% )*% -

3 !"#$ 年 % 月第!% 卷第 % 期究人员据此查询他们是否能够获取挖掘此内容片允许访问全文$那么出版商仅为其提供全文链接是段的许可* 没有意义的* 存储的数据中的版权信息部分需提 ; 系统的 O P 处* 供允许访问全文链接的时间范围* 一般而言$ 出版 1L!L#全文链接商设定的允许访问时间为一年" 见图 1# * 开放获取根据出版商自身平台是否支持内容协商 #!) $存期刊仅提供开放获取版权信息即可$ 如通用的储内容的全文链接分为两种方式* 绝大多数的出 ; 0 $并没有时间限制* 版商不在自身平台支持内容协商$ 则使用 ; %"%#提供全文提供的方法 # " O P #! SGT ) P ) #) X ) X G)) * 以 - 浙江出版商必须保证存储内容中所显示的链接与文章的实际链接一致* 如果访问链接有所变动$ 大学学报" 英文版 #. 为例$ 提供数据的须随时更新以保证存储内容中的链接的有效性* 含文章的基本信息 " 如 =9< 年卷和页码等 # %"#访问速度控制 9:;< =和 ag0p 等信息$ 并且提供可以直接获取文本和数据挖掘可能会增大网站的访问量$ 出文章内容的全文链接" 见图 1# * 版商的服务器必须能够应对和支持大流量的数据度丰富$ 直接体现文本和数据挖掘的真实下载* 出版商可以通过控制访问速度减轻网站负价值 %$2$#") 担$这取决于其自身情况* * %"#附加版权条款 1L!L!版权访问信息元数据需要给文本和数据挖掘使用者一个明出版商可能要求研究人员同意一些额外的版 =9<所确的指示$告知其是否被允许使用 ; 权条款* 这就必须使用 \:<指引使用者到 ; ^ 指向的内容* 若研究人员不能自动得知其是否被 ^ 服务服务* 研究人员可以通过 ; 图 %#$ 浙江大学学报英文版) % 文本和数据挖掘的存储数据 W)8 ) 示例 $2% + )$ $$,,,*% )*% -

4 文本和数据挖掘服务--- 浙江大学学报" 英文版# ) 的实践 0P 阅读出版商的条款和限制条件 " c 图 4 所示* cn;必须申明$文本和数据挖掘仅用于 ; 0P 0" cn; # # $并判断是否接受或拒绝* 出版非商业目的$ 每次挖掘的片段内容不能超过!"" 个 $ 必须提供如下内容!"## 出版商上传和管理 cn; 字$且必须通过机器挖掘而非人工处理$ 同时遵守商的网站 \:< +"!# 出版商名称+"1# cn;的简短描 ;; 5g1L " 协议等#1 3#$) * cn;正式上线之后一旦述+"4# cn;的全文$并用 O ^P +0 格式显示* - 浙被研究人员阅读并执行了同意或者拒绝命令$将不可江大学学报" 英文版#. 在 ; ^ 中的 cn;如修改+除非作废此 cn; $并提供新的版本* 图 #$ 浙江大学学报英文版) % 的 G8 3 5 ^ 0 1+,1页面.) 及其 S+ )2.46G, ,42 ) 出版商使用 ; 系统的账号和密码使用求" 比如使用 _ 0G系统中常见的访问网页命令 ; ^ 服务$并获取其 YS<验证码 " SGT G # 来检查哪些条款被遵守$ 哪些没有* 研究人员 YS<c ^ 0 " SYc# # $如- 浙江大学学报" 英文版#. 的在发送 ZccS请求时$ 在头部 " P # 包含 SYc$ 在 SYc为 K81 PP2 K$"$!$ 4P!11T! " 最后 \:<研究人员对应的部分填写 ;Yc$形式如下! 八位数字隐去# * 研究人员在爬取数据时发送了包含客户端 YS<验证码 " ; 0YS<c ^ 0 " ;Yc# # 的内容 " 如本文作者的 ;Yc为 2 2T!"%1 T$8"!# 8 P82P " 最后八位数字隐去 # # * 出版商结合 SYc和 ;Yc$可以很容易通过简单的 ZccS请 G ^ Z o;: ; ^ SGT c ^ 0! K81 PP2 K$"$!$ 4P!11T! o o )! ** )),, D* ^ * ) * 0 * 2 2T!"%1 T$8"!# 8 P82P o = _ 9 R9d 格式$ 故需在网页上安装返回信息 " 为 Q Q R9dk +插件# 给出了研究人员所接受或拒绝的出 $28 + )$ $$,,,*% )*% -

5 年月第卷第期版商列出的条款出版商可以通过迭代这样的结果查看研究人员是否已签署相关内容的协议以此判断是否同意其下载所请求的全文! ; 研究人员使用 - 0 4;5 简介浙江大学学报英文版扮演研究人员的角色实践了如何使用 - 0 ;5 获取全文研究人员使用 - 0 ;5 的教程请参见 >0-0:#*+20 的报告使用简介请参见,* )* ) 0 0 <)*<- 2 其参数说明请访问,* )* ) 0 0 <)* 2 研究人员在 ) - 0 -, +* -, 0 0) 0 +-,* 处使用登录在 56+* 0 40 * * ;, 000 处可以查看接受或拒绝各出版商已经发表的并可获取 ; 研究人员将包含接受或拒绝的条款信息的 ; 提供给出版商出版商即可知道该研究人员是否具有相应的许可一旦研究人员接受或拒绝相应的 +* -, 许可在发送 5 请求并要求下载文章全文时在 0)20 部分提供一个 +*0-0 那些不需要 +* -, 功能或者开放获取期刊的出版商可直接忽略这个头文件而需要 +* -, 服务的出版商可以核对研究人员是否遵守和签订了条款出版商使用研究人员提供的 ; 来判断其是否已经接受了相应的条款和协议如果研究人员接受则将给予其全文! 比如本文作者扮演研究人员角色通过 +* -, 服务请求获取某些特定的文章示例如下 + +* -, +*0-0 )6 6 ) *8 ;" + +* -, +*0-0 )6 6 ) *8 ;" + +* -, +*0-0 )6 6 ) *8 ;" 表示本文作者使用的 ; 为 )6 6 ) 请求获取为 ;" ;" 和 ;" 这三篇文章的全文并得以实现通过 - 0 ;5 及其提供的 +* -, 服务可以方便获取大量数据的及其对应的全文链接研究人员通过简单的 5 等请求或语言批量获取文章的全文比如研究人员使用 - 0 ;5 搜索在 - 0 元数据中包含血液 #+--2 这个关键词并且提供版权信息和全文链接的记录有多少条要求如下所示 )* - 0 -, - *+0 8) +* 0 0 0) : 由此可以获取大量记录并可继续增加限制条件来缩小获取数据的范围从而精准地得到最符合要求的文献如果需要从 ;5 的结果中获取特定的及其全文链接并且批量下载全文则需要用 5:- 或 6: 等语言编辑小程序来实现在此不再赘述 " 结语文本和数据挖掘市场增长潜力巨大 - 0 文本和数据挖掘解决了传统数据挖掘手段存在的诸多问题满足了研究人员对学术内容进行文本和数据挖掘的需求方便地解决了出版商需要与大量的研究人员和众多的研究机构基于复杂的双边协议进行授权谈判的问题并且出版商参与方式也简单便捷必将会吸引越来越多的期刊加入此创新服务行列浙江大学学报英文版一直关注全球期刊行业的动态并积极追求国际创新服务在参与和使用 - ) =2 0 和之后在科技期刊国际影响力提升计划的资助成为国内首家实践 - 0 文本和数据挖掘创新服务项目的期刊这不仅满足科研人员进行数据挖掘的迫切需求支持科学研究顺应国际出版业的潮流和发展同时藉此扩大期刊的国际显示度从国际创新技术服务等多角度提升期刊的国际影响力致谢感谢浙江大学软件学院金小刚教授提供技术支持并感谢 - 0 公司 ) )0+ 女士提供详细的咨询服务参考文献 )2 )) **, #!! , )0: )2 )) **,40 * 0-0 ; 545;)+ 00*, " )00.*0 3 "#

6 张欣欣缪弈洲张月红 - 0 文本和数据挖掘服务浙江大学学报英文版的实践 " "! " 任胜利中国科技期刊国际化发展专题序 3 中国科技期刊研究! 张欣欣张月红缪弈洲等创新与棒期刊浙江大学学报英文版在科技期刊国际影响力提升计划中的思考与实践 3 科技与出版 "! ; *0 *, 0. )2 2)) **, ; )*-) " -2-9 史双青彭乃珠 + 0 *0 更新文本挖掘政策以改善研究人员的获取状况 #!"! -0 ) *0 0.**,- + 0 * #!!" *0-0.<**, + * 4*+ + 0 *0 2)0 0. **,-+* :-* - 0 ) 0-0 0) 0 #!"! 0+ 0 * *0 2)0 0. **, -+* : - * - 0 ) 0-0 0) *0-0 * )0-0. **, 0@0 " ) *0-0 * )0-0. **,! " )2 )) *, -) =- # "!! - 0 -, 2 -) < - + 张善友内容协商 #!! 6+-, - ):- ) * 0 " + 4 *,0 ;5 4 *,0 0. )2 2)) **,-+* : #!! *,0 -, *, 0 * *- *,0 0. )2 2)) **, -+* : " 54 *0 0 0.)2 )) **, #!! *- *0 0 *- -, * - ),0 0. )2 2)) **, + 0 *0 0 )2-2**- - 0.)2 2))**, #!! 0+ 0 *0 - )6- -+* *0-0 **, -+* *0-2** **, )0: )2 )) **,%06*) 30 " #!!" :-60 - ) 8#$; #*+20 > >0-0:#* )*- - 0" - 0 %- - " #!! * 0 )+0: 006) 0. 2)) **, )* 0 0) 0 0 作者贡献声明张欣欣材料收集技术分析综合整理及写作缪弈洲技术分析及实现张月红全面指导论文设计和修改 "$$!"!")!# #!# "!" #$$!"9!", 8! 8 ") #% # $ #. #$ * # + + % %#$ #- # %- %#,, $ )- )$#%! %##% % # # )+ "#$% # 1 * % %#, %- # #,%.!"$!") %#, %- $! % % %# # $,##! %# %# $ %9 % %# %$ # "#! " %#, %- -%! - # # % # % # $ # $%! 0-1 $ %#, %# # %# % % #- # %- # #$% %##% % # # )+ "#$% 本文责编李翠霞

张欣欣缪弈洲张月红 -. (/ 文本和数据挖掘服务浙江大学学报英文版的实践已于年月实现了对非商业目的的文本挖掘的著作权费用的免除这使得研究者能够挖掘他们已付费订购的任何内容欧盟等虑及计算式研究的障碍可能阻碍科学创新也在积极推进数据挖掘这些都为出版业的数据挖掘铺平道路给出版

张欣欣缪弈洲张月红 -. (/ 文本和数据挖掘服务浙江大学学报英文版的实践已于年月实现了对非商业目的的文本挖掘的著作权费用的免除这使得研究者能够挖掘他们已付费订购的任何内容欧盟等虑及计算式研究的障碍可能阻碍科学创新也在积极推进数据挖掘这些都为出版业的数据挖掘铺平道路给出版年月第卷第期 -. (/ 文本和数据挖掘服务浙江大学学报英文版的实践张欣欣缪弈洲张月红收稿日期!! 修回日期!! 浙江大学学报英文版编辑部杭州市浙大路号, 摘要目的为国内出版界介绍如何使用 -. (/ 文本和数据挖掘方法研究 -. (/ 文本和数据挖掘的流程并分析浙江大学学报英文版的 -. (/ 文本和数据挖掘创新服务的实践结果 -. (/ 文本和数据挖掘可以为研究人员提供便捷的服务