GB/T 44628-2024 科技资源关联及聚合 原则与方法

　　ICS 35.240.30 CCS A 14

　　中 华 人 民 共 和 国 国 家 标 准

　　GB/T 44628—2024

　　科技资源关联及聚合 原则与方法

　　Science and technology resource link and aggregation—Principles and methods

　　2024-09-29 发布 2025-04-01 实施

　　发

　　国家市场监督管理总局国家标准化管理委员会

　　

　　布

　　GB/T 44628—2024

　　目 次

　　前言 Ⅲ

　　引言 Ⅳ

　　1 范围 1

　　2 规范性引用文件 1

　　3 术语、定义和缩略语 1

　　3.1 术语和定义 1

　　3.2 缩略语 2

　　4 总体框架 2

　　5 科技资源关联及聚合原则 3

　　5.1 完整性原则 3

　　5.2 可靠性原则 3

　　5.3 统一性原则 3

　　5.4 归一化原则 3

　　6 共有元数据元素预处理方法 3

　　6.1 元数据元素映射 3

　　6.2 规范实体名称 4

　　6.3 规范术语 4

　　6.4 统一格式 4

　　6.5 统一计量单位 4

　　7 科技资源关联及聚合的方法 4

　　7.1 科技资源关联 4

　　7.2 科技资源聚合 7

　　附录 A (资料性) 科技资源关联及聚合示例 9

　　参考文献 13

　　Ⅰ

　　GB/T 44628—2024

　　前 言

　　本文件按照 GB/T 1.1—2020《标准化工作导则 第 1 部分 ：标准化文件的结构和起草规则》 的规定起草。

　　请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。

　　本文件由全国信息与文献标准化技术委员会 (SAC/TC 4)提出并归口。

　　本文件起草单位： 中国科学技术信息研究所、北京智库泉数据处理有限责任公司、厦门大学、北京航空航天大学、 中国化工信息中心有限公司、 中国标准化研究院。

　　本文件主要起草人： 刘伟 、王星 、李超 、董诚 、张运良 、高影繁 、马峥 、刘华 、丹英 、吴清强、张辉、顾方、鲁瑛、郭德华。

　　Ⅲ

　　GB/T 44628—2024

　　引 言

　　科技资源是伴随着科技活动产生的各类资源的总称，是科技创新的要素集合 。 目前科技资源规模巨大但松散孤立，缺少有效的互通协调和配置管理，导致“科技资源孤岛”现象的产生，不能充分发挥科技资源其应有价值与作用 。 随着科技活动的复杂性越来越高，科技资源需求与科技资源共享服务之间的鸿沟越来越大，需要不同类型和来源的科技资源协同服务。

　　本文件的实施有助于实现相同或相似科技资源共享的目标，更好地满足用户对科技资源的需求。

　　Ⅳ

　　GB/T 44628—2024

　　科技资源关联及聚合 原则与方法

　　1 范围

　　本文件确立了基于元数据进行科技资源关联及聚合的总体框架和原则，描述了科技资源元数据预处理方法、科技资源关联的流程和方法，以及在关联基础之上建立科技资源聚合的方法。

　　本文件适用于对科技资源的组织管理，以及对科技资源在显性和隐性层面的关联及聚合。

　　2 规范性引用文件

　　下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款 。其中，注日期的引用文件，仅该日期对应的版本适用于本文件 ;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 7408.1—2023 日期和时间 信息交换表示法 第 1 部分 ：基本原则

　　GB/T 30523—2023 科技资源核心元数据

　　GB/T 31075—2014 科技平台 通用术语

　　3 术语、定义和缩略语

　　3.1 术语和定义

　　GB/T 31075—2014 界定的以及下列术语和定义适用于本文件。

　　3.1.1

　　科技资源 science and technology resource

　　科技活动中的物质和信息要素的总称。

　　注： 科技资源包括科技创新所需的工具、条件和对象，如科研仪器设施、科学数据、生物种质与实验材料等。

　　[ 来源： GB/T 30523—2023 ，3.1] 3.1.2

　　元数据 metadata

　　定义和描述其他数据的数据。

　　[ 来源： GB/T 30523—2023 ，3.2] 3.1.3

　　元数据元素 metadata element

　　元数据的基本单元。

　　[ 来源： GB/T 30523—2023 ，3.4]

　　3.1.4

　　共有元数据元素 shared metadata element

　　不同科技资源元数据之间表示相同含义的元数据元素。

　　3.1.5

　　元数据元素映射 metadata element mapping

　　在统一的标准或规范(框架) 下，将不同科技资源的含义相同的元数据元素之间建立对应关系的过程。

　　1

　　GB/T 44628—2024

　　3.1.6

　　共有元数据元素显性关联 direct link on shared metadata element

　　两项科技资源之间共有元数据元素的内容相同时，在该元数据元素上具有的关联关系。 3.1.7

　　共有元数据元素隐性关联 indirect link on shared metadata element

　　两项科技资源之间共有元数据元素的内容不相同但具有相似性时，在该元数据元素上具有的关联关系。

　　3.1.8

　　科技资源关联度 science and technology resource link degree

　　依据两项科技资源之间共有元数据元素的显性和隐性关联，对其关联关系紧密程度的量化表示。 3.1.9

　　科技资源聚合 science and technology resource aggregation

　　依据科技资源两两之间的关联度，将相同、相似的各类型科技资源聚集合并在一起，以达到提高科技资源服务效果的过程。

　　3.2 缩略语

　　下列缩略语适用于本文件。

　　CSTR： 中国科技资源标识(Chinese Science and Technology Resource Identification)

　　DOI： 数字对象唯一标识符(Digital Object unique Identifier)

　　4 总体框架

　　基于元数据科技资源关联及聚合总体框架如图 1 所示，示例见附录 A。

　　图 1 基于元数据科技资源关联及聚合总体框架

　　总体框架按照关联及聚合的流程次序主要包含共有元数据元素预处理、 科技资源关联 、科技资源

　　2

　　GB/T 44628—2024

　　关联度计算、科技资源聚合 4 个部分。

　　a) 共有元数据元素预处理。

　　在获取科技文献、科研仪器等科技资源的元数据后，对其进行预处理： 首先建立科技资源元数据元素映射，把不同科技资源之间具有相同含义的元数据元素进行映射，抽取出共有元数据元素 ;然后对共有元数据元素的内容分别进行实体名称规范化、计量单位统一、术语规范化和格式统一的预处理，使得不同来源的科技资源元数据在形式及内容上统一。

　　b) 科技资源关联。

　　对预处理后的共有元数据元素，分别进行显性关联或隐性关联判定。

　　c) 科技资源关联度计算。

　　依据两项科技资源的共有元数据元素显性关联和共有元数据元素隐性关联，进行加权求和得到科技资源两两之间的关联度。

　　d) 科技资源聚合。

　　基于科技资源两两之间的关联度，对大量相同或相似的科技资源进行聚合，提升科技资源的服务效果。

　　5 科技资源关联及聚合原则

　　5.1 完整性原则

　　元数据元素的完整性是进行科技资源关联及聚合的核心 。无论在哪个阶段，从元数据收集到元数据的存储和使用，要确保用以建立科技资源关联的共有元数据元素无空值或缺失数据，以保证科技资源元数据的有效性和实用性。

　　5.2 可靠性原则

　　用于科技资源关联及聚合的元数据不仅准确，来源也是可靠的 。可靠性用以确保元数据的真实和准确性。

　　5.3 统一性原则

　　所有相似的元数据元素遵循统一的处理和表示原则 。 即确保所有相似的元数据元素都采用统一的格式以及度量单位。

　　5.4 归一化原则

　　为确保关联度的计算结果是可比较的，无论使用何种计算方法，都将结果转化至 0 到 1 之间，包括0 和 1。

　　6 共有元数据元素预处理方法

　　6.1 元数据元素映射

　　科技资源共有元数据元素在不同的数据源中存在不同的表达形式，在抽取了科技资源元数据后，将其中共有元数据的不同表达形式转换为统一的名称 。科技资源元数据统一的名称按照 GB/T 30523 — 2023 中 5.2 执行。

　　示例： 科技论文的 “论文标题”、 专利的 “专利标题”、 科技人才的 “ 姓名”、 标准的 “标准名称” 以及科研仪器的 “仪器名称”统一映射到 “ 资源名称”。

　　3

　　GB/T 44628—2024

　　6.2 规范实体名称

　　科技资源元数据元素中涉及的人名、地名、机构名等实体名称，在不同的数据源中存在不同的表达形式。对于同一实体名称的各种表达形式需规范为正式名称。

　　示例： 机构名称 “ 中信所”“ISTIC”规范为 “ 中国科学技术信息研究所”。

　　6.3 规范术语

　　科技资源元数据元素中的同一概念在不同的数据源中存在不同的专业术语指称，可利用叙词表等知识组织工具将这些专业术语转换为统一的规范指称，实现术语的规范。

　　示例： “ 色谱分析仪”与 “ 色谱仪” 同义， “ 汽相”与 “气相” 同义， 因此 “ 汽相色谱分析仪”可规范为 “气相色谱仪”。

　　6.4 统一格式

　　科技资源元数据元素中涉及的日期和时间等具有不同的格式，按照 GB/T 7408 . 1 — 202 3 中5.2.2.1 的规定进行统一。

　　示例： “二零二三年八月二十日”统一为“2023﹘08﹘20”。

　　6.5 统一计量单位

　　科技资源元数据元素中涉及的质量 、 长度等具有不同的计量单位，需统一为国际通用的计量单位。

　　示例： 温度单位 “华氏度”统一转换为 “摄氏度”。

　　7 科技资源关联及聚合的方法

　　7.1 科技资源关联

　　7.1.1 共有元数据元素的关联流程

　　科技资源共有元数据元素的关联流程包括显性关联和隐性关联，其判定过程见图2。

　　图 2 科技资源在共有元数据元素上的关联流程图

　　4

　　GB/T 44628—2024

　　7.1.2 共有元数据元素显性关联

　　7.1.2.1 名称和内容一致

　　两个科技资源的共有元数据元素的名称及其内容一致，则判定两个科技资源在该元数据元素上具有显性关联，关联度为 1。

　　示例： 科技资源 ResourceA 和 ResourceB，均有数字对象唯一标识符 “DOI”，且 “DOI”值相等时，判定两个科技资源在 “DOI”上具有显性关联，关联度为 1。

　　7.1.2.2 映射后名称一致

　　按照 6.1 对科技资源元数据元素名称进行映射，如果映射后的元数据元素名称相同且内容完全一致，则判定两个科技资源在该元数据元素上具有显性关联，关联度为 1。

　　示例： 对于科技资源 ResourceA 的 “ 篇名”和科技资源 ResourceB 的 “题名” ，经映射转换后统一为 “ 资源名称” ， “ 资源名称”下的内容完全一致，判定两个科技资源在 “ 资源名称”上具有显性关联，关联度为 1。

　　示例见表 1。

　　表 1 “映射后名称一致”示例

　　来源

　　元数据元素名称

　　元数据元素内容

　　元数据元素名称( 映射后 )

　　ResourceA

　　篇名

　　基于土壤碳平衡的黑土区县域种养规模优化

　　资源名称

　　ResourceB

　　题名

　　基于土壤碳平衡的黑土区县域种养规模优化

　　资源名称

　　7.1.2.3 规范后内容一致

　　按照 6.2 和 6.3，对科技资源元数据元素内容进行规范，如果规范后的元数据元素内容完全一致，则判定两个科技资源在该元数据元素上具有显性关联，关联度为 1。

　　示例： 科技资源 ResourceA 与科技资源 ResourceB 的 “ 资源名称”下的内容不同，但其规范后内容均为 “ 三维激光扫描仪” ，则判定两个科技资源在 “ 资源名称”上具有显性关联，关联度为 1。

　　示例见表 2。

　　表 2 “规范后内容一致”示例

　　来源

　　资源名称

　　资源名称(规范后 )

　　ResourceA

　　三维激光扫描测量仪

　　三维激光扫描仪

　　ResourceB

　　3维激光扫描仪

　　三维激光扫描仪

　　7.1.3 共有元数据元素隐性关联

　　7.1.3.1 基于语义的关联

　　从科技资源中提取元数据元素内容，进行概念抽取，转化为词向量，基于词向量计算语义相似度，按式(1) 计算：

　　S Semantic (a_fieldi, b_fieldi ) = cos (V(a_fieldi ) , V(b_fieldi )) …………………………(1)

　　式中：

　　S Semantic(a_fieldi, b_fieldi )─科技资源A和B在第i个元数据元素上的语义相似度;

　　5

　　GB/T 44628—2024

　　a_fieldi ─科技资源A的第i个元数据元素;

　　b_fieldi ─科技资源B的第i个元数据元素;

　　V(a_fieldi ) ─科技资源A的第i个元数据元素的词向量;

　　V(b_fieldi ) ─科技资源B的第i个元数据元素的词向量。

　　按式(1) 计算得到两项科技资源第 i 个元数据元素的语义相似度后，与预设的阈值进行比较。若语义相似度大于阈值，则判定两项科技资源在第 i 个元数据元素上具有隐性关联，关联度为S Semantic (a_fieldi;b_fieldi ) 。

　　7.1.3.2 基于概念树的关联

　　从科技资源中提取元数据元素内容，进行概念抽取，转化为词向量，计算其相似度 ;然后结合这些概念在叙词表概念树中的上下位关系，计算元数据元素“ a_”〖 field〗 _i和“ b_”〖 field〗 _i在概念树中的距离，最后综合计算科技资源 A 和 B 在第 i 个元数据元素上的相似度，按式(2) 计算：

　　S Tree (a_fieldi;b_fieldi) = _ …………………………(2)

　　式中：

　　S Tree(a_fieldi;b_fieldi )─基于概念树的科技资源A和B在第i个元素上的相似度;

　　a_fieldi ─科技资源A的第i个元数据元素;

　　b_fieldi ─科技资源B的第i个元数据元素;

　　V(a_fieldi ) ─科技资源A的第i个元数据元素的词向量;

　　V(b_fieldi ) ─科技资源B的第i个元数据元素的词向量;

　　Tree (a_fieldi;b_fieldi ) ─ 元数据元素a_fieldi 和b_fieldi 在概念树中的距离;

　　α ─可调节参数,一般大于0。

　　按式(2) 计算得出基于概念树的科技资源 A 和科技资源 B 在第 i 个元数据元素上的相似度后，与预设的阈值进行比较 。若相似度大于阈值，则判定两项科技资源在第 i 个元数据元素上具有隐性关联，关联度为 S Tree (a_fieldi;b_fieldi ) 。

　　7.1.3.3 基于知识图谱的关联

　　从科技资源中提取元数据元素内容，进行概念抽取，转化为词向量，计算其相似度 ;结合这些概念在知识图谱中的最短距离，综合计算科技资源 A 和 B 在第 i 个元数据元素上的相似度，按式 (3)

　　计算：

　　S Graph (a_fieldi;b_fieldi ) = …………………………(3)

　　式中：

　　S Graph (a_fieldi;b_fieldi )─基于知识图谱的科技资源A和B在第i个元数据元素上的相似度;

　　a_fieldi ─科技资源A的第i个元数据元素;

　　b_fieldi ─科技资源B的第i个元数据元素;

　　V(a_fieldi ) ─科技资源A的第i个元数据元素的词向量;

　　V(b_fieldi ) ─科技资源B的第i个元数据元素的词向量;

　　Graph (a_fieldi;b_fieldi )─ 元数据元素a_fieldi 和b_fieldi 在知识图谱中最短距离;

　　α ─可调节参数,一般大于0。

　　按式(3) 计算得出基于知识图谱的科技资源 A 和科技资源 B 在第 i 个元数据元素上的相似度后，与预设的阈值进行比较 。若相似度大于阈值，则判定两项科技资源在第 i 个元数据元素上具有隐性关

　　6

　　GB/T 44628—2024

　　联，关联度为 S Graph (a_fieldi, b_fieldi ) 。

　　7.1.4 科技资源关联度计算

　　基于两项科技资源共有元数据元素的显性关联度和隐性关联度 ，按式(4) 计 算两项科技资源的关

　　联度：

　　S wi ×Max(S Equal (a_fieldi, b_fieldi) ，S Semantic (a_fieldi, b_fieldi) ，

　　S Tree (a_fieldi, b_fieldi ) ，S Graph (a_fieldi, b_fieldi )) …………………………(4)

　　式中：

　　S (a, b) ─科技资源A和B的关联度;

　　wi ─科技资源A和B在第i个元数据元素上的关联关系的权重;

　　m ─科技资源A和B共有元数据元素的数量;

　　S Equal (a_fieldi, b_fieldi ) ─科技资源A和B在第i个元数据元素上的显性关联度;

　　S Semantic(a_fieldi, b_fieldi ) ─科技资源A和B在第i个元数据元素上的语义关联度;

　　S Tree(a_fieldi, b_fieldi ) ─基于概念树的科技资源A和B在第i个元数据元素上的关联度;

　　S Graph (a_fieldi, b_fieldi ) ─基于知识图谱的科技资源A和B在第i个元数据元素上的关联度;

　　Max(S Equal (a_fieldi, b_fieldi ) ，S Semantic (a_fieldi, b_fieldi ) ，S Tree (a_fieldi, b_fieldi ) ，

　　S Graph (a_fieldi, b_fieldi ) ─科技资源A和B在第i个元数据元素上的4个关联度中的最大值。

　　按式(4) 计算得出科技资源 A 和科技资源 B 的关联度后，与预设的阈值进行比较 。若关联度大于阈值，则判定两项科技资源关联度为 S (a, b) 。

　　7.2 科技资源聚合

　　科技资源聚合的核心在于将科技资源之间的关联度转化为科技资源之间的聚合力，通过聚合空间设置、科技资源位置初始化、科技资源聚合力计算、科技资源聚合结果的生成与优化四个步骤，使相同或相似的科技资源聚合在一起，得到最终的科技资源聚合结果。

　　聚合步骤如下所述。

　　a) 聚合空间设置： 建立一个用于科技资源聚合的二维坐标系或多维坐标系，下面称为聚合空间。空间的大小视科技资源的数量而定 。为了得到较好的聚合效果，需使科技资源在聚合空间中均匀稀疏的分布 。 例如聚合空间为n×n大小的二维空间，宜n≥m ×10，其中 m为科技资源的数量。

　　b) 科技资源位置初始化 ：将每项科技资源看作聚合空间中的一个节点，为其随机生成一个初始坐标，如果是二维空间，其坐标为( x，y) ，其中x和y分别为随机数，表示科技资源在聚合空间中的横向坐标和纵向坐标。任意两项科技资源在聚合空间中的坐标不能相同。

　　c) 科技资源聚合力计算 ：按照式(4) 计算每项科技资源与其他科技资源之间的关联度，借鉴物理学中力的思想，将每项科技资源在聚合空间中与其他科技资源的关联视为对其的引力，科技资

　　源A与科技资源B之间引力 F a,b 的值按式(5) 计算：

　　Fa,b …………………………(5)

　　其中， S(a,b) 为科技资源 a 与科技资源 b 之间的关联度， d(a,b) 为科技资源 a 与科技资源 b 在聚合空间的距离 。每项科技资源在聚合空间中所受与之关联的科技资源的引力之和称为聚合力，聚合力包括大小和方向 。计算机依据聚合力对科技资源在聚合空间中的位置进行调整，直至生

　　7

　　GB/T 44628—2024

　　成科技资源聚合结果。

　　d) 科技资源聚合结果优化： 如果科技资源聚合结果不理想，如聚合结果集中在较小的局部区域，可修改步骤a) 和步骤b) 中所涉及参数，并重新生成科技资源聚合结果，直到聚合结果达到理想的情况。

　　8

　　GB/T 44628—2024

　　附 录 A

　　(资料性)

　　科技资源关联及聚合示例

　　A.1 科技资源原始元数据及预处理

　　科技文献 、科学数据 、科学仪器设备 、生物种质资源 、专利资源的科技资源原始元数据分别见表 A.1～表 A.8。

　　表 A.1 科技文献(论文) ResourceA 原始元数据和预处理后元数据

　　原始元数据

　　DOI

　　标题

　　著者

　　主题词

　　所属单位

　　来源

　　10.11975/j.issn.1008﹘ 9572.202303015

　　坡耕地黑土有机碳组分在长期保护性耕作下的变化

　　竹×永

　　有机碳, 土壤

　　××环境科学院

　　众方

　　预处理后元数据

　　DOI

　　资源名称

　　作者

　　资源主题词

　　所属机构

　　来源

　　10.11975/j.issn.1008﹘ 9572.202303015

　　坡耕地黑土有机碳组分在长期保护性耕作下的变化

　　竹×永

　　有机碳, 土壤

　　××环境科学院

　　众方

　　表 A.2 科技文献(论文) ResourceB 原始元数据和预处理后元数据

　　原始元数据

　　DOI

　　题目

　　作者

　　关键词

　　所属机构

　　来源

　　10.11975/j.issn.1008﹘ 9572.202303015

　　坡耕地黑土有机碳组分在长期保护性耕作下的变化

　　竹×永

　　有机碳, 土壤

　　××环境科学院

　　智网

　　预处理后元数据

　　DOI

　　资源名称

　　作者

　　资源主题词

　　所属机构

　　来源

　　10.11975/j.issn.1008﹘ 9572.202303015

　　坡耕地黑土有机碳组分在长期保护性耕作下的变化

　　竹×永

　　有机碳, 土壤

　　××环境科学院

　　众方

　　表 A.3 科技文献(论文) ResourceC 原始元数据和预处理后元数据

　　原始元数据

　　DOI

　　标题

　　著者

　　主题词

　　所属单位

　　来源

　　10.11975/j.issn.1002﹘ 6888.202211158

　　土壤碳平衡对黑土区域的种养规模优化

　　航×盛

　　土壤，碳平衡，水氮耦合

　　××地理资源研究所

　　众方

　　预处理后元数据

　　DOI

　　资源名称

　　作者

　　资源主题词

　　所属机构

　　来源

　　10.11975/j.issn.1002﹘ 6888.202211158

　　土壤碳平衡对黑土区域的种养规模优化

　　航×盛

　　土壤，碳平衡，水氮耦合

　　××地理资源研究所

　　众方

　　9

　　GB/T 44628—2024

　　表 A.4 科技文献(论文) ResourceD 原始元数据和预处理后元数据

　　原始元数据

　　DOI

　　标题

　　作者

　　主题词

　　来源机构

　　出处

　　10.3969/j.issn.1672- 5110.201911032

　　深度学习在自然语言处理中的应用分析

　　刘×景

　　深度学习，自然语言处理

　　××计算机科学与技术研究所

　　识汇

　　预处理后元数据

　　DOI

　　资源名称

　　作者

　　资源主题词

　　所属机构

　　来源

　　10.3969/j.issn.1672- 5110.201911032

　　深度学习在自然语言处理中的应用分析

　　刘×景

　　深度学习，自然语言处理

　　××计算机科学与技术研究所

　　识汇

　　表 A.5 科学数据 ResourceE 原始元数据和预处理后元数据

　　原始元数据

　　CSTR

　　名称

　　关键词

　　所属机构

　　33108.11.a50543602c02406798a3a2dcf99fb5ad

　　东北黑土分布区域数据集

　　丰度，土壤，理化性质

　　××地理资源研究所

　　预处理后元数据

　　唯一标识

　　资源名称

　　资源主题词

　　所属机构

　　33108.11.a50543602c02406798a3a2dcf99fb5ad

　　东北黑土分布区域数据集

　　丰度，土壤，理化性质

　　××地理资源研究所

　　表 A.6 科学仪器设备 ResourceF 原始元数据和预处理后元数据

　　原始元数据

　　名称

　　生产年份

　　主要功能

　　所属机构

　　简介

　　土肥仪

　　2008.01.01

　　土壤检测

　　××地理资源研究所

　　测定植物、农作物、林木和微生物

　　所需养分的仪器

　　预处理后元数据

　　资源名称

　　生产年份

　　资源主题词

　　所属机构

　　资源描述

　　土壤养分检测仪

　　2008-01-01

　　土壤检测

　　××地理资源研究所

　　测定植物、农作物、林木和微生物

　　所需养分的仪器

　　表 A.7 生物种质资源ResourceG 原始元数据和预处理后元数据

　　原始元数据

　　名称

　　关键词

　　学科分类

　　所属机构

　　描述

　　安农7号

　　穗密度，分蘖力，土壤

　　农作物

　　××农业作物科学研究中心

　　基本情况描述、农艺性状、品质、抗逆、抗病虫等方面的信息

　　预处理后元数据

　　资源名称

　　资源主题词

　　学科分类

　　所属机构

　　资源描述

　　安农7号

　　穗密度，分蘖力，土壤

　　农作物

　　××农业作物科学研究中心

　　基本情况描述、农艺性状、品质、抗逆、抗病虫等方面的信息

　　10

　　GB/T 44628—2024

　　表 A.8 科技文献(专利) ResourceH 原始元数据和预处理后元数据

　　原始元数据

　　名称

　　关键词

　　国际专利分类号

　　专利申请号

　　授权日期

　　智能物料搬运机器人

　　机器人、物料搬运、 自主导航、机器视觉、 自适应抓取

　　B25J9/00

　　CN202310246789.4

　　2010/10/01

　　预处理后元数据

　　资源名称

　　资源主题词

　　国际专利分类号

　　专利申请号

　　授权日期

　　智能物料搬运机器人

　　机器人、物料搬运、 自主导航、机器视觉、 自适应抓取

　　B25J9/00

　　CN202310246789.4

　　2010﹘10﹘01

　　A.2 科技资源关联

　　经过元数据预处理后，取阈值为 0.2，对表 A.1～表 A.8 所示的科技资源 ResourceA 到 ResourceH 任意两项之间的关联度计算结果见表 A.9。

　　表 A.9 科技资源关联度计算

　　ResourceA

　　ResourceB

　　ResourceC

　　ResourceD

　　ResourceE

　　ResourceF

　　ResourceG

　　ResourceH

　　ResourceA

　　0.99

　　0.76

　　0

　　0.55

　　0.43

　　0.22

　　0

　　ResourceB

　　0.99

　　0.76

　　0

　　0.55

　　0.43

　　0.22

　　0

　　ResourceC

　　0.76

　　0.76

　　0

　　0.68

　　0.72

　　0.35

　　0

　　ResourceD

　　0

　　0

　　0

　　0

　　0

　　0

　　0

　　ResourceE

　　0.55

　　0.55

　　0.68

　　0

　　0.46

　　0.36

　　0

　　ResourceF

　　0.43

　　0.43

　　0.72

　　0

　　0.46

　　0.28

　　0

　　ResourceG

　　0.22

　　0.22

　　0.35

　　0

　　0.36

　　0.28

　　0

　　ResourceH

　　0

　　0

　　0

　　0

　　0

　　0

　　0

　　从表 A.9 中可看出， ResourceA 和 ResourceB 是相同的科技文献仅来源不同，因此它们之间的关联度接近于 1，科技文献 ResourceA 和科学仪器设备 ResourceF 在资源名称和主题词等共有元数据元素上具有隐性关联，都与土壤成分相关，关联度较高 ; 科技文献 ResourceH 与人工智能相关，和科技文献ResourceA 不存在任何关联关系，因此它们之间的关联度为0。

　　A.3 科技资源聚合

　　根据对表 A.1～表 A.8 所示的科技资源 ResourceA 到 ResourceH 之间关联度对科技资源进行聚合后，聚合结果如图 A.1 所示。

　　11

　　GB/T 44628—2024

　　图 A.1 科技资源 ResourceA 到 ResourceH 的聚合结果

　　如图 A.1，根据科技资源间的关联关系(见表 A.9) ，将土壤及其组分相关的科技文献(ResourceA、 ResourceB、ResourceC)、 科学数据(ResourceE)、 科学仪器设备(ResourceF)、 生物种质资源(ResourceG) 聚合在一起，有利于在科技资源服务过程中为用户推荐相似的科技资源，从而提高科技资源服务的效果，使科技资源发挥更大的效益 。而科技文献 ResourceD 和科技资源 ResourceH 与土壤及其组分不相关，所以呈现为独立节点。

　　12

　　GB/T 44628—2024

　　参 考 文 献

　　[1] GB/T 31074—2014 科技平台 数据元设计与管理

　　[2] GB/T 32843—2016 科技资源标识

　　[3] GB/T 32846—2016 科技平台 元数据汇交报文格式的设计规则

　　[4] 廖伟智，阴艳超. 分布式科技资源巨系统及资源协同理论 [M]. 北京： 电子工业出版社， 2022.

　　[5] 黄琪，曾建勋，刘伟. 科技资源关联及聚合中的元数据框架研究 [J]. 中国科技资源导刊， 2020， 52(4)：9 .

　　[6] 孙林夫，高雪芹. 科技服务与价值链协同业务科技资源 [M]. 北京： 电子工业出版社， 2021.

　　[7] 王宏起，程淑娥，李玥 . 大数据环境下区域科技资源共享平台云服务模式研究 [J].情报理论与实践，2017 ，40(3)：6 .

　　[8] 杨子江. 科技资源内涵与外延探讨 [J]. 辽宁科技参考， 2007 ，27(2)：16-18 .

　　[9] 魏淑艳. 我国科技资源共享的有效路径探究 [J].科学管理研究， 2005 ，23(3)：32-35 .

　　[10] 贺德方，曾建勋 . 基于语义的馆藏资源深度聚合研究 [J] . 中国图书馆学报， 2012 ，38(4)： 79-87.

　　[11] 邱均平，王菲菲. 基于共现与耦合的馆藏文献资源深度聚合研讨探析 [J] . 中国图书馆学报， 2013 ，39(205)：25-33 .

　　[12] 郭德华. 面向产品的标准信息知识链接构建研究 [J].标准科学， 2013(3)：6-9 .

　　[13] 张辉，王志强，赵启阳 . 科技资源信息管理与开放共享 [M] . 北京： 科学技术文献出版社， 2022.

　　[14] 曾建勋，常春. 网络时代叙词表的编制与应用 [J]. 图书情报工作， 2009 ，53(08)：8-11+16 .

　　[15] 叶松，孙林. 长江经济带科技资源集聚与协同创新研究 [J]. 经济体制改革， 2017(1)：5 .

　　[16] 江大鹏. 基于词向量的短文本分类方法研究 [D]. 杭州 ：浙江大学， 2015.

　　[17] 宋培彦，刘伟. 汉语主题词表研究热点与发展路径研究 [J].情报科学， 2016 ，34(4)：164-168 .

　　[18] 李耘辉 . 基于图结构关系推理的知识图谱补全方法研究与应用 [D] . 成都： 电子科技大学， 2023.

　　[19] Grira N ，Crucianu M ，Boujemaa N . Unsupervised and Semi-supervised Clustering： a Brief Survey[C]//Acm Sigmm International Workshop on Multimedia Information Retrieval. 2004.

　　13