ICS 01.140.20 A 14 DB13 河 北 省 地 方 标 准 DB 13/T 2351.1—2016 标准文献结构化数据规范 第 1 部分：全文元数据 Structured data specifications of standard documents Part 1:Full-text Metadata 2016 - 05 - 23 发布 河北省质量技术监督局 2016 - 07 - 01 实施 发 布 DB13/T 2351.1—2016 目 次 前言 ................................................................................ II 引言 ............................................................................... III 1 范围 .............................................................................. 1 2 规范性引用文件 .................................................................... 1 3 术语和定义 ........................................................................ 1 4 全文元数据的属性 .................................................................. 2 5 全文元数据模型 .................................................................... 2 6 全文元数据描述 .................................................................... 3 7 全文元数据字典描述 ............................................................... 14 8 全文元数据扩展原则和方法 ......................................................... 14 附录 A（规范性附录） 标准文献全文结构化元数据代码集 ................................. 15 附录 B（规范性附录） 篇章条编号、表号和图号说明 ..................................... 16 附录 C（资料性附录） 标准文献结构化全文元数据-字典描述 .............................. 18 参考文献 ............................................................................ 22 I DB13/T 2351.1—2016 前 言 本部分按照GB/T 1.1-2009给出的规则起草。 DB13/T 2351《标准文献结构化数据规范》包括了3部分： ——第1部分：全文元数据； ——第2部分：指标元数据； ——第3部分：元数据著录规则。 本部分是第1部分，本部分与第3部分配套使用。 本部分由河北省标准化研究院提出并归口。 本部分起草单位：河北省标准化研究院。 本部分主要起草人：施健、卢艳芳、马星晓、李朴、李建勋、谢燕、闫志强、张园园、陈南、赵倩、 郭天强、安姣。 II DB13/T 2351.1—2016 引 言 标准文献电子文档格式有DOCX、数字版PDF、扫描版PDF。在生产、科研和管理过程中，往往需要定 位到标准内容、指标信息上，如：检索标准指标、指标比对及标准水平分析等。但是，现有的标准文献 电子文档为非结构化文档，这一特性决定它的内容检索指向性笼统模糊，故而，以非结构化文档为单元 存储无法实现小颗粒度的指标数据的检索、比对分析，只有通过数据处理将非结构化文档转换为结构化 或半结构化文档方能解决上述问题。 为寻求上述瓶颈的突破，河北省标准化研究院在2012年将标准文献结构化列为重点科研项目，在此 基础上，2013年又承担了国家标准化委员会标准化信息中心的《“双打”重点产品标准文献结构化内容 数据库》项目，而实现标准文献结构化必须首要解决2个问题：1）结构化标准的数据结构问题，换而言 之，标准结构化加工抽取出的数据是哪些数据？2）对抽取出来的数据进行加工应符合什么样的数据规 范要求，方能满足与原始标准文本内容的一致性的需求。 解决第一个问题，需要建立标准结构化数据模型，并通过元数据规范来实现； 解决第二个问题，需要建立数据的著录规则，实现数据的规范性。 项目组在确定文献结构化抽取技术的基础上，对4000余项强制性国家标准的内容要素逐一进行了分 析研究、归纳总结后，按UML思想确定了标准结构化数据模型，并在工程上对4000余项强制性国家标准 进行了结构化数据的抽取验证，确定了结构化元数据。通过验证测试，逐步完善了加工抽取结构化数据 的规范要求，形成了《标准文献结构化数据规范》。 目前，在行业内广泛使用的GB/T 22373-2008《标准文献元数据》是针对标准文献题录的元数据标 准，侧重的是标准文献形式特征，而此次制定的《标准文献结构化数据规范》是关于标准内容结构化的 全文元数据和指标元数据规范，希望此两个标准的结合使用，实现标准文献信息资源的统一描述，促进 标准文献信息资源的开发利用。 III DB13/T 2351.1—2016 标准文献结构化数据规范 第 1 部分：全文元数据 1 范围 本部分规定了标准文献结构化全文元数据（包括全文、术语、图像、表格和公式）的术语和定义、 属性、模型、描述以及扩展原则和方法。 本部分适用于标准文献结构化数据的处理。 2 规范性引用文件 下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件，仅注日期的版本适用于本文件。 凡是不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。 GB/T 74088 数据元和交换格式信息交换 日期和时间表示法（GB/T 7408-2005,ISO 8601:2000,IDT） GB/T 18391.3-2009 信息技术 元数据注册系统(MDR) 第3部分:注册系统元模型与基本属性 （ISO/IEC 11179-3:2003,IDT） GB/T 19710-2005 地理信息 元数据（ISO 19115-2003,MOD） GB/T 26816-2011 信息资源核心元数据 3 术语和定义 下列术语和定义适用于本部分。 3.1 信息资源 information resource 在政治、经济和社会等各领域产生和使用、具有各种载体形式的信息内容。 [GB/T 26816-2011,定义3.1] 3.2 元数据 metadata 定义和描述其他数据的数据。 [GB/T 18391.3-2009，定义3.2.18] 3.3 元数据元素 metadata element 元数据的基本单元。 注：元数据元素在元数据实体中是唯一的。 [GB/T 19710-2005，定义4.61] 3.4 1 DB13/T 2351.1—2016 元数据实体 metadata entity 一组说明信息资源相关特性的元数据元素。 注：可以包含一个或一个以上元数据实体。 [GB/T 19710-2005，定义4.71] 3.5 核心元数据 core metadata 描述信息资源基本属性的元数据元素和元数据实体。 [GB/T 26816-2011,定义3.5] 4 全文元数据的属性 4.1 中文名称 指元数据元素或元数据实体的中文名称，用本部分第6章中各条的标题来表达。 4.2 英文名称 元数据元素的英文名称，一般用小写英文全称，英文单词之间用空格分隔。 元数据实体的英文名称，每一个单词首字母为大写，其余字母为小写，英文单词之间用空格分隔。 4.3 缩写名 应符合GB/T 26816-2011中4.6的要求。 4.4 定义 应符合GB/T 26816-2011中4.2的要求。 4.5 数据类型 应符合GB/T 26816-2011中4.4的要求。 4.6 值域 应符合GB/T 26816-2011中4.5的要求。 4.7 约束/条件 应符合GB/T 26816-2011中4.7的要求，约束/条件代码见附录A 表A.1。 4.8 最大出现次数 应符合GB/T 26816-2011中4.8的要求。 5 全文元数据模型 标准文献结构化全文元数据模型见图1。 2 DB13/T 2351.1—2016 图1 全文元数据模型 6 全文元数据描述 6.1 全文元数据 中文名称： 英文名称： 缩写名： 定义： 数据类型： 约束/条件： 最大出现次数： 全文元数据 Full-text Metadata FulTxtMdata 描述结构化标准中全文数据的元数据。 复合型 M 1 6.2 标识符 3 DB13/T 2351.1—2016 中文名称： 英文名称： 缩写名： 定义： 数据类型： 值域： 约束/条件： 最大出现次数： 标识符 identifier ID 名称空间中对象的唯一标识符。 字符串 UUID M 1 6.3 全文 中文名称： 英文名称： 缩写名： 定义： 数据类型： 约束/条件： 最大出现次数： 全文 Full Text FulTxt 以篇章条形式描述的标准内容。 复合型 M 1 6.4 标准号 中文名称： 英文名称： 缩写名： 定义： 数据类型： 值域： 约束/条件： 最大出现次数： 标准号 document reference docRef 由有关标准化机构给定的用于唯一识别某一标准的注册号或登记号，标准号 由标准代号、顺序号、发布年份及有关标识符组成。 字符串 标准代号+1 个空格+顺序号+1 个连字符"-"+4 位发布年份 M 1 6.5 标准名称 中文名称： 英文名称： 缩写名： 定义： 数据类型： 值域： 约束/条件： 最大出现次数： 标准名称 document name in Chinese docNmCN 标准的中文名称 字符串 自由文本 M 1 6.6 篇章条编号 中文名称： 英文名称： 缩写名： 4 篇章条编号 chapter number chapNo DB13/T