پيوندهاي كور، چالشي در ايده داده‌هاي پيوندي: واكاوي سرعنوان‌هاي موضوعي فارسي

Blind Links, a Big challenge in the Linked Data Idea: Analysis of Persian Subject Headings

در اين نوشتار ضمن طرح ايده داده‌هاي پيوندي، رويكرد انتشار، اشتراك، و برقراري پيوند ميان پاره‌هاي داده‌، اطلاعات و دانش در وب معنايي، بخشي از اشكالات احتمالي در تبديل ركوردهاي مستند سرعنوان‌هاي موضوعي فارسي به داده‌هاي پيوندي با روش پيمايشي شناسايي شد. 11233 ركورد مستند موضوع فارسي در سه نظام – فهرست پيوسته كتابخانه ملي ايران، فهرست پيوسته كتابخانه كنگره، و گنجينه كتاب‌هاي نوسا مورد كاوش قرار گرفت و چگونگي برقراري پيوند ميان موضوعات فارسي و انگليسي در 9519 ركورد مشترك در فارسي و كنگره ثبت گرديد. نتايج، نشانگر آن است كه برقراري پيوند ميان موضوعات فارسي و انگليسي در 20 درصد ركوردها با خطا مواجه مي‌شود. بيشترين بروز خطا مربوط به نامشخص‌بودن نظام موضوعي (6/7 درصد) در پايگاه مستند موضوعي كتابخانه ملي ايران است. پيشنهاد مي‌شود جهت تبديل صحيح و فراهم‌ساختن امكان پيوند ميان موضوعات فارسي و انگليسي، قبل از تبديل ركوردهاي مستند موضوع به داده‌هاي پيوندي، خطاهاي موجود در جريان پيش‌پردازش‌ها شناسايي و برطرف گردد.

In this survey, Linked data concept as exposing, sharing, and connecting pieces of data, information, and knowledge on the Semantic Web and some potential problems in converting Persian subject headings (PSHs) records into linked data were discussed. A data set (11233 records) of PSHs was searched in three information retrieval systems including National Library of Iran (NLI) online catalog, Library of Congress (LC) online catalog and NOSA books. Correct links between Persian and English subject headings in the 9519 common records of two catalogs were recorded. The results indicate that the links between Persian and English subjects in %20 of records were failed. The maximum error was associated with the anonymous databases (%6/7) in NLI online catalog. It is recommended to preprocess the PSHs records before any conversion projects. It seems that, during the preprocessing, the potential errors could be identified and corrected.