Classifying document types to enhance search and recommendations in digital libraries
在本文中,我们解决的问题(开放获取)知识库的全球网络中提供的文件,根据其类型进行分类。我们发现,存储库提供的元数据,使我们能够区分研究论文,论文和幻灯片是在超过60%的情况下失踪。虽然这些描述文档类型的元数据在从研究分析到改进搜索和推荐(SR)系统的各种场景中是有用的,但是这个问题在存储库基础设施的上下文中尚未得到充分解决。我们已经开发了一种新的方法,用于分类文档类型,使用监督机器学习完全基于文本特定的功能。我们使用随机森林和Adaboost分类器实现了0.96的F1得分,这是我们数据上性能最好的模型。通过分析CORE [1]数字图书馆聚合器的SR系统日志,我们发现用户点击研究论文和论文的可能性比点击幻灯片的可能性高一个数量级。这表明在数字图书馆中使用文档类型作为对SR结果进行排名/过滤的特征具有改善用户体验的潜力。
2017-07-13 cs.DL
Knowledge Graphs in the Libraries and Digital Humanities Domain
知识图谱表示概念(例如,人物、地点、事件)及其语义关系。作为一种数据结构,它们支撑着数字信息系统,支持用户进行资源发现和检索,并可用于导航和可视化目的。在图书馆和人文学科领域,知识图谱通常植根于知识组织系统,这些系统具有百年传统,并随着Web和关联数据的出现而经历了数字化转型。元数据和概念定义在网上公布后,现在正在形成一个相互联系和分散的全球知识网络,可以通过社区驱动的编辑过程加以管理和丰富。在未来,知识图谱可以成为正式化和连接的工具,这些发现和见解来自于对图书馆和数字人文领域中可能的大规模语料库的分析。
2018-03-08 cs.DL
Leveraging a Federation of Knowledge Graphs to Improve Faceted Search in Digital Libraries
科学家总是在文献中寻找最准确和最相关的答案。传统的学术数字图书馆在搜索结果中列出文档,因此无法为搜索查询提供精确的答案。换句话说,数字图书馆中的搜索是元数据搜索,如果可以的话,还有全文搜索。我们提出了一种方法,通过利用学术知识图谱的联邦来改进结构化内容的分面搜索系统。我们在学术知识图谱的基础上实现了该方法。该搜索系统可以利用来自第三方知识图谱的内容来改进学术内容的探索。我们的方法的一个新颖之处在于,我们在不同的数据类型上使用动态方面,这意味着方面可以根据用户查询而改变。用户还可以调整动态方面的粒度。另一个新颖之处是,我们利用第三方知识图谱来改进对学术知识的探索。
2021-07-05 cs.DL
MetaEnhance: Metadata Quality Improvement for Electronic Theses and Dissertations of University Libraries
Old Dominion University(奥尔德多米宁大学);Virginia Polytechnic Institute and State University(弗吉尼亚理工学院暨州立大学)
本文提出MetaEnhance框架,利用先进人工智能方法自动检测、纠正和规范化电子学位论文元数据,并在包含500份ETDs的基准上验证了其在错误检测与纠正上的高效性。
2023-03-30 cs.AI cs.DL cs.LG
Automatic Recognition of Learning Resource Category in a Digital Library
IIT Kharagpur(印度理工学院卡拉格普尔分校);Indian Association for the Cultivation of Science(印度科学培育协会);Jadavpur University(贾达普大学)
本文针对数字图书馆元数据标注耗时易错的问题,提出基于HLR数据集的自动分类方法,将学习资源分解为页面图像并结合OCR文本与先进分类器,实现文档整体类别预测。
2023-11-28 cs.CV cs.DL
Document Towers: A MATLAB software implementing a three-dimensional architectural paradigm for the visual exploration of digital documents and libraries
本文介绍了通用的文档塔范例、可视化和用于可视化分页文档结构的软件,这些都是基于文档即架构的隐喻。文档塔可视化类似于三维建筑模型,并表示逻辑的物理边界(例如,标题,图像),语义(例如,主题,命名实体),图形(例如,字体、颜色)以及其他类型的信息,其空间范围为房间和楼层的堆叠。该软件将用户提供的JSON格式的文档实体坐标和标签作为输入,或者从ALTO和InDesign IDML文件中提取它们。文档塔范例和可视化使信息系统能够支持面向目标的搜索之外的信息行为。可视化通过生成全景概述和培养偶然的见解来鼓励探索,而隐喻的使用则通过应用熟悉的认知模型来帮助理解表征。文档塔可视化还提供对文本内容以外的信息类型的访问,特别是通过它们的物理结构,它对应于文档的材料,逻辑,语义和上下文方面。可视化使文档变得透明,使不可见的内容变得可见,并使分析变得一目了然,而无需进行物理操作。关键字搜索和其他基于语言的文档交互必须明确表达,并且只返回所提问题的答案;相比之下,视觉观察非常适合模糊目标和发现数据的意外方面。
2021-03-11 cs.DL
Digital Library Initiatives in India: A Comprehensive Study
本研究是对印度数字图书馆倡议的调查,从大约50个数字图书馆各自的网站上收集二次信息。调查结果表明,在大多数情况下,数字图书馆的实际概念仍处于萌芽阶段。在线订阅和第三方网站的链接也被视为数字图书馆。然而,许多数字图书馆由于元数据的安排不当,在各自的网站上没有合适的搜索界面。在某些情况下,他们没有自己的数字化收藏,并提供其他收藏或将其用户介绍给某些第三方网站。此外,有许多数字图书馆无法在本组织外部访问(远程访问)。因此,需要定期维护网站、远程访问设施和适当培训信息专业人员。此外,印度所谓的数字图书馆没有制定自己的标准,也没有遵循任何全球标准。然而,政府数字图书馆的使用统计数据远远好于学术或公共图书馆的使用统计数据。用户可能对政府的规则、法律、命令等更感兴趣,这可能是数字治理和接触公众的一个积极迹象。本文提出了一些重要的观察和政策建议,可能对学生、学者、图书馆工作者和政府决策者有所帮助。
2023-03-23 cs.DL
Beyond Metadata: The Role of DOI, ORCID, and ROR in Shaping Transparent and Interoperable Library Systems
University of Delhi(德里大学)
本研究探讨DOI、ORCID和ROR三种持久标识符系统如何从元数据标签演变为机器可操作的连接器,以提升图书馆基础设施的透明度和互操作性,并基于2019-2026年全球实施证据提出改进措施。
2026-05-30 cs.DL
A Library Perspective on Supervised Text Processing in Digital Libraries: An Investigation in the Biomedical Domain
Institute for Information Systems, TU Braunschweig(布伦瑞克工业大学信息系统研究所)
本文从数字图书馆从业者视角出发,以八个生物医学基准为例,研究关系抽取与文本分类中的监督式文本处理,探讨准确率与应用成本的权衡,并利用远程监督和ChatGPT、LLama、Olmo等大语言模型生成训练数据以设计实用流水线。
2024-11-06 cs.CL cs.DL
GRIN Transfer: A production-ready tool for libraries to retrieve digital copies from Google Books
Institutional Data Initiative, Harvard Law School Library(哈佛法学院图书馆机构数据倡议);Library Innovation Lab, Harvard Law School Library(哈佛法学院图书馆创新实验室);Harvard Law School Library(哈佛法学院图书馆);Harvard Law School, Harvard School of Engineering and Applied Sciences, Harvard Kennedy School(哈佛法学院、哈佛工程与应用科学学院、哈佛肯尼迪学院)
针对从GRIN下载Google Books馆藏时遇到的速率限制、元数据碎片化问题,本研究推出生产级开源Python工具GRIN Transfer及适配的Institutional Books 1.0更新流水线,帮助图书馆高效完成馆藏检索与数据处理。
2025-11-17 cs.DL cs.IR
The Convergence of Digital-Libraries and the Peer-Review Process
在过去的15年里,预印本存储库在多个研究领域的使用显著增加。研究人员开始开发能够使用这些知识库的应用程序,以帮助科学界超越纯粹的信息传播。本文提出的贡献强调了一个解构的出版模式,同行评审过程是由OAI-PMH同行评审服务介导的。这种同行评审服务使用社交网络算法来确定提交的手稿的潜在评审员,并对每个参与评审员的评价的相对影响进行加权。本文还提出了一套同行评审的具体元数据标签,可以伴随预印本的现有元数据记录。这些贡献的组合提供了一个独特的以存储库为中心的同行评审模型,该模型适合于广泛部署的OAI-PMH框架。
2005-09-12 cs.CY cs.DL
Prioritizing and Scheduling Conferences for Metadata Harvesting in dblp
维护文献数据库和在线书目是诸如数字图书馆之类的元数据聚合器的核心职责。在监测所有现有数据源的过程中,出现了应优先考虑哪个数据源的问题。基于信息质量的广泛定义,我们正在寻找不同的方法来找到最合适和最有前途的会议候选人,以收获下一步。我们评估不同的会议排名功能,通过使用伪相关性评估和基于组件的评估我们的方法。
2018-04-17 cs.DL
Integrating Interactive Visualizations in the Search Process of Digital Libraries and IR Systems
用于探索和检索的交互式可视化尚未成为数字图书馆和信息检索系统的组成部分。我们已经在一个真实世界的社会科学数字图书馆中集成了一组交互式图形。这些可视化支持搜索查询,结果和作者的探索,可以过滤搜索结果,显示数据库中的趋势,并可以支持创建新的搜索查询。加权刷动的使用支持搜索方面的相关元数据的标识。我们讨论了IR系统和交互式图形相结合的一些用例。在用户研究中,我们验证了用户可以直观地从统计图形中获得见解,并可以采用交互技术。
2012-01-12 cs.DL cs.IR
Understanding Archives: Towards New Research Interfaces Relying on the Semantic Annotation of Documents
Université de Franche-Comté(弗朗什-孔泰大学);Institut Universitaire de France(法兰西大学研究院)
本文针对档案文献数量庞大导致难以探索利用的问题,提出基于文本语义标注构建新型研究界面的方法学框架,并分析技术障碍及实际应用案例。
2024-03-28 cs.CL cs.DL
Integrating Visual and Textual Inputs for Searching Large-Scale Map Collections with CLIP
尽管地图在数字收藏中的流行和历史重要性,但当前导航和探索地图收藏的方法在很大程度上限于目录记录和结构化元数据。在本文中,我们探讨了使用自然语言输入(“海怪地图”)、视觉输入(即,反向图像搜索)和多模式输入(示例地图+“更多灰度”)。作为一个案例研究,我们采用了562,842张地图图像,这些图像可以通过美国国会图书馆的API公开访问。为了实现这一点,我们使用多模态对比图像预训练(CLIP)机器学习模型来生成这些地图的嵌入,并开发代码来实现这些输入策略的探索性搜索功能。我们目前的结果,例如搜索创建在与美国国会图书馆的地理和地图司的工作人员协商,并描述这些搜索查询的优势,劣势和可能性。此外,我们还介绍了一个包含10,504个地图标题对的微调数据集,以及一个在该数据集上微调CLIP模型的架构。为了便于重复使用,我们将所有代码都提供在文档化的交互式笔记本中,并将所有代码置于公共领域。最后,我们讨论了在画廊,图书馆,档案馆和博物馆举办的数字化和非数字化收藏中应用这些方法的机遇和挑战。
2024-10-02 cs.DL cs.IR
Practical Author Name Disambiguation under Metadata Constraints: A Contrastive Learning Approach for Astronomy Literature
Michigan State University(密歇根州立大学)
针对大型天文数字图书馆元数据缺失/不一致导致现有作者消歧方法失效的问题,提出基于孪生网络的Neural Author Name Disambiguator,仅用基础元数据就实现了高精度消歧,还公开了领域评测基准。
2025-11-13 astro-ph.IM cs.DL physics.soc-ph
Investigating Exploratory Search Activities based on the Stratagem Level in Digital Libraries
在本文中,我们提出的探索性搜索活动在社会科学数字图书馆的用户研究的结果。我们对32名具有社会科学背景的参与者进行了一项用户研究,其中包括16名博士后研究人员和16名学生,他们被要求解决一项搜索与给定主题相关的工作的任务。探索性检索任务在10分钟的时间段内进行。测量某些搜索活动的使用,并将其与用眼动追踪设备记录的注视数据进行比较。我们使用一种新的树图表示可视化用户的搜索模式,并介绍了一种方法来结合多个搜索会话树。树图表示能够为多个用户创建一个单一的树,并识别常见的搜索模式。此外,正在比较学生和博士后研究人员的信息行为。结果表明,搜索活动的战略层面上经常使用的两个用户组。使用最频繁的搜索活动是关键词搜索,其次是浏览参考文献和引文,以及作者搜索。眼动追踪的结果显示了对文献元数据的密集检查,特别是在引用和参考文献的水平上。当比较学生和博士后研究人员的组时,我们发现关于种子文件的期刊名称的区域的凝视数据的显著差异。总的来说,我们发现博士后研究人员倾向于更深入地研究元数据记录的停留时间和注视次数。
2017-06-20 cs.DL cs.HC cs.IR
Improving Text Relationship Modeling with Artificial Data
University of Denver(丹佛大学)
数据增强使用人工创建的示例来支持监督式机器学习,为生成的模型增加鲁棒性,并帮助解决标记数据的有限可用性。我们应用和评估的合成数据的方法,在数字图书馆的关系分类,生成人工书籍的关系,是常见的数字图书馆,但不容易从现有的元数据推断。我们发现,对于书籍之间的整体-部分关系的分类,合成数据将深度神经网络分类器提高了91%。此外,我们考虑的能力,合成数据学习一个有用的新的文本关系类从完全人工训练数据。
2020-10-27 cs.DL cs.LG
OldVisOnline: Curating a Dataset of Historical Visualizations
本文构建首个含 13K 图像及元数据的历史可视化数据集,提出异构元数据处理工作流、半自动标注方法,并发布 OldVisOnline 系统支持浏览与标注。
2023-08-30 cs.DL cs.HC
Digital personal health libraries: a systematic literature review
目的:本文介绍了有关数字个人健康图书馆(PHL)发展的最新文献,并深入探讨了消费者健康信息学在不同临床专业中的潜在应用。材料与方法:根据系统性综述和荟萃分析的首选报告项目(PRISMA)声明进行了系统性文献综述。在这里,2020年3月从PubMed和EMBASE检索到2,850条记录,使用搜索词:个人,健康和图书馆。从每项合格研究中提取与健康主题、目标人群、研究目的、库功能、数据源、数据科学方法、评价指标和状态相关的信息。此外,还运用共现分析和多重对应分析等知识发现方法,探讨了PHL的研究动态。结果:经过筛选,本系统评价集中在十几篇与PHL相关的文章。这些包括健康主题,如传染病,充血性心力衰竭,电子处方。数据科学方法包括关系数据库、信息检索技术、本体构建技术。关于PHL功能和设置的评价措施是异质的。在撰写本文时,这些文章中描述的PHL中只有一个可供公众使用,而其他PHL要么是原型,要么处于试验阶段。讨论内容:虽然PHL研究已经使用不同的方法来解决不同健康领域的问题,但缺乏有效的PHL来满足老年人的需求。结论:PHL的发展可能会创造一个前所未有的机会,通过提供多样化的健康信息,促进老年消费者的健康。
2020-06-21 cs.CY cs.DL
SchenQL: A query language for bibliographic data with aggregations and domain-specific functions
当前数字图书馆的搜索界面不适合直接满足复杂或错综复杂的信息需求,当涉及到诸如“查找最近才开始研究某个主题的作者”的情况时。它们可能提供仅通过要求大量用户交互来获得此信息的可能性。我们提出了SchenQL,一个特定领域的查询语言的书目元数据,它提供了信息搜索和查询公式和导航系统中的探索的Web接口。我们的系统侧重于支持数据的聚合,并提供专门的领域相关的功能,同时适合领域专家以及数字图书馆的临时用户。
2022-05-13 cs.DL cs.IR
Metadata Enrichment of Multi-Disciplinary Digital Library: A Semantic-based Approach
Université de Lyon(里昂大学);Lyon 2(里昂第二大学);CNRS(法国国家科学研究中心);CESI EXIA/LINEACT;UJM-Saint-Etienne(圣艾蒂安大学);Lyon 1(里昂第一大学)
在科学数字图书馆中,来自不同研究社区的一些论文即使具有语义相似的主题,也可以用社区相关的关键字来描述。在任何信息检索系统中,没有用足够的关键字变化标记的文章索引都很差,这限制了科学学科之间潜在的富有成效的交流。在本文中,我们介绍了一种新的实验设计的管道多标签语义为基础的标记开发的开放存取元数据数字图书馆。该方法首先从标准的科学分类和主题标记的文章样本中学习,以找到语义相关的文章,并相应地丰富其元数据。我们提出的管道旨在使研究人员能够接触到来自不同学科的文章,这些学科往往使用不同的术语。它允许检索语义相关的文章给定一个有限的已知变化的搜索条件。除了实现的准确性是高于一个扩展的查询为基础的方法,使用从语义网络中提取的主题同义词集,我们的实验还显示了更高的计算可扩展性与其他可比技术。我们从科学数字图书馆的开放获取元数据中提取了一个新的基准,并将其与实验代码一起发布,以便进一步研究该主题。
2018-06-21 cs.AI cs.CL cs.DL
Enhancing Information Retrieval in Digital Libraries through Unit Harmonisation in Scholarly Knowledge Graphs
TIB -- Leibniz Information Centre for Science and Technology(TIB -- 莱布尼兹科学与技术信息中心)
本文提出了一种基于单元统一的分面搜索方法,用于在学术知识图谱中实现异构数据的比较和过滤,提升数字图书馆的信息检索能力。
2025-12-06 cs.DL cs.IR