• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of the American Society for Information Science and Technology >Predicting Library of Congress Classifications From Library of Congress Subject Headings
【24h】

Predicting Library of Congress Classifications From Library of Congress Subject Headings

机译：从国会图书馆主题标题预测国会图书馆分类

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper addresses the problem of automatically assigning a Library of Congress Classification (LCC) to a work given its set of Library of Congress Subject Headings (LCSH). LCCs are organized in a tree: The root node of this hierarchy comprises all possible topics, and leaf nodes correspond to the most specialized topic areas defined. We describe a procedure that, given a resource identified by its LCSH, automatically places that resource in the LCC hierarchy. The procedure uses machine learning techniques and training data from a large library catalog to learn a model that maps from sets of LCSH to classifications from the LCC tree. We present empirical results for our technique showing its accuracy on an independent collection of 50,000 LCSH/LCC pairs.
机译：本文解决了在给定国会图书馆主题词组（LCSH）的情况下自动为作品分配国会图书馆分类（LCC）的问题。 LCC以树的形式组织：此层次结构的根节点包括所有可能的主题，叶节点对应于定义的最专门的主题区域。我们描述了一个过程，给定由LCSH标识的资源，该过程会自动将该资源放入LCC层次结构。该过程使用机器学习技术和来自大型图书馆目录的训练数据来学习一个模型，该模型将LCSH集映射到LCC树的分类。我们介绍了我们的技术的经验结果，显示了其在50,000个LCSH / LCC对的独立集合中的准确性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号