DB13-T2351-1-2016标准文献结构化数据规范第1部分：全文元数据

1、ICS 01.140.20A 14DB13河北省地方标准DB 13/T 2351.12016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 Metadata2016 - 05 - 23 发布2016 - 07 - 01 实施河北省质量技术监督局发 布DB13/T 2351.12016 PAGE * ROMAN II目次前言II引言III范围1规范性引用文件1术语和定义1全文元数据的属性2全文元数据模型2全文元数据描述3全文元数据字典描述14全文元数据扩展原则

2、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。 PA

3、GE * ROMAN III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

4、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

5、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。 PAGE 9标准文献结构化数据规范 第 1 部分：全文元数据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

6、化数据的处理。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

7、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3.13.2元数据 metadata定义和描述其他数据的数据。 GB/T 18391.3-2009，定义3.2.183.3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4.613.4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 19

8、710-2005，定义4.713.5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全文元数据的属性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。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/T26816-2011中4.6的要求。4.4定义应符合GB/T26816-2011中4.2的要求。4.5数据类型应符合GB/T26816-2011中4.4的要求

9、。4.6值域应符合GB/T26816-2011中4.5的要求。4.7约束/条件应符合GB/T26816-2011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。全文元数据模型标准文献结构化全文元数据模型见图1。 图2全文元数据模型全文元数据描述全文元数据中文名称：全文元数据英文名称：Full-text Metadata缩写名：FulTxtMdata定义：描述结构化标准中全文数据的元数据。数据类型：复合型约束/条件：M 最大出现次数：1标识符中文名称：标识符英文名称：identifier缩写名：ID定义：名称空间中对象的唯一

10、标识符。数据类型：字符串值域：UUID约束/条件：M 最大出现次数：1全文中文名称：全文英文名称：Full Text缩写名：FulTxt定义：以篇章条形式描述的标准内容。数据类型：复合型约束/条件：M 最大出现次数：1标准号中文名称：标准号英文名称：document reference缩写名：docRef定义：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。数据类型：字符串值域：标准代号+1 个空格+顺序号+1 个连字符-+4 位发布年份约束/条件：M最大出现次数：1标准名称中文名称：标准名称英文名称：document name

11、in Chinese 缩写名：docNmCN定义：标准的中文名称数据类型：字符串值域：自由文本约束/条件：M 最大出现次数：1篇章条编号中文名称：篇章条编号英文名称：chapter number缩写名：chapNo定义：标准内容中篇章条按一定规则的顺序编号（篇章条编号定义说明见附录 B.1.1）。数据类型：字符串值域：见附录 B.1.2约束/条件：O 最大出现次数：1篇章条名称中文名称：篇章条名称英文名称：chapter name缩写名：chapNm定义：标准中篇章条的标题名称。数据类型：字符串值域：自由文本约束/条件：M 最大出现次数：1篇章条内容中文名称：篇章条内容英文名称：Charpte

12、r Content缩写名：ChapCont定义：标准中篇章条的段落内容。数据类型：复合型值域：自由文本约束/条件：M 最大出现次数：1篇章条类型中文名称：篇章条类型英文名称：chapter type缩写名：chapTyp定义：描述篇章条类别。数据类型：字符串值域：字典(篇章条类型代码见附录 表 A.2)。约束/条件：O 最大出现次数：N篇章条所在页码中文名称：篇章条所在页码英文名称：charpter page number 缩写名：chapPNo定义：同一标准篇章条首次出现所在的页码。数据类型：数值型值域：正整数约束/条件：M 最大出现次数：1篇章条父章节中文名称：篇章条父章节英文名称：par

13、ent chapter number 缩写名：parChpNo定义：当前篇章条的上一级章节的编号。数据类型：字符串值域：条层级最多 4 层的篇章条编号约束/条件：C 最大出现次数：1篇章条顺序号中文名称：篇章条顺序号英文名称：charpter order number 缩写名：chpOrdNo定义：篇章条的顺序号数据类型：数值型值域：正整数约束/条件：M 最大出现次数：1文字中文名称：文字英文名称：word缩写名：wrd定义：以文字形式描述的标准内容。数据类型：自由文本约束/条件：O 最大出现次数：1表格中文名称：表格英文名称：Table缩写名：Tab定义：以表格形式描述的标准内容。数据类型：

14、复合型约束/条件：O 最大出现次数：N表号中文名称：表号英文名称：table number缩写名：tabNo定义：标准内容中表格按特定规则的顺序编号。（表号定义说明见附录 B.2.1）。数据类型：字符串值域：见附录 B.2.2约束/条件：O 最大出现次数：1表名中文名称：表名英文名称：table name缩写名：tabNm定义：描述表格主题的名称。数据类型：字符串值域：自由文本约束/条件：M 最大出现次数：1表格图像路径中文名称：表格图像路径英文名称：table image path缩写名：tabImgPath定义：表格图像文件存储的路径。数据类型：字符串值域：自由文本约束/条件：M最大出现次

15、数：1表注中文名称：表注英文名称：table note缩写名：tabNote定义：标准内容中表格的注释。数据类型：字符串值域：自由文本约束/条件：O 最大出现次数：1表格所在页码中文名称：表格所在页码英文名称：table page number缩写名：tabPNo定义：标准内容中同一表格首次出现所在页码。数据类型：数值型值域：正整数约束/条件：M 最大出现次数：1同一表格顺序号中文名称：同一表格顺序号英文名称：same table order number 缩写名：tabOrdNo定义：跨页表格图像文件的顺序号。数据类型：数值型值域：正整数约束/条件：M 最大出现次数：1表格 HTML 格式中

16、文名称：表格 HTML 格式英文名称：table HTML code缩写名：tabHTML定义：用 HTML 描述的表格信息。数据类型：字符串值域：自由文本约束/条件：C 最大出现次数：1图像中文名称：图像英文名称：Image缩写名：Img定义：以图形式描述的标准内容。数据类型：复合型约束/条件：O 最大出现次数：N图号中文名称：图号英文名称：image number缩写名：imgNo定义：标准内容中图像按特定规则的顺序编号。（图号定义说明见附录 B.3.1）。数据类型：字符串值域：见附录 B.3.2约束/条件：O 最大出现次数：1图名中文名称：图名英文名称：image name缩写名：img

17、Nm定义：描述图的主题的名称。数据类型：字符串值域：自由文本约束/条件：M 最大出现次数：1图像路径中文名称：图像路径英文名称：image path缩写名：imgPath定义：图像文件存储的路径。数据类型：字符串值域：自由文本约束/条件：M 最大出现次数：1图注中文名称：图注英文名称：image note缩写名：imgNote定义：标准内容中图像的注释。数据类型：字符串值域：自由文本约束/条件：O 最大出现次数：1图像所在页码中文名称：图像所在页码英文名称：image page number缩写名：imgPNo定义：标准内容中同一图像首次出现的页码。数据类型：数值型值域：正整数约束/条件：M

18、最大出现次数：1同一图像顺序号中文名称：同一图像顺序号英文名称：same image order number 缩写名：imgOrdNo定义：同一图号的图像在不同页赋予的顺序编号。数据类型：数值型值域：正整数约束/条件：M 最大出现次数：1公式中文名称：公式英文名称：Formula缩写名：Fmla定义：以公式形式描述的标准内容。数据类型：复合型约束/条件：O 最大出现次数：N公式名称中文名称：公式名称英文名称：formula name缩写名：fmlaNm定义：描述公式的主题的名称。数据类型：字符串值域：自由文本约束/条件：M 最大出现次数：1公式所在页码中文名称：公式所在页码英文名称：form

19、ula page number缩写名：fmlaPNo定义：标准内容中同一公式首次出现所在页码。数据类型：数值型值域：正整数约束/条件：M 最大出现次数：1公式图像路径中文名称：公式图像路径 PAGE 16英文名称：formula image path缩写名：fmlaImgPath定义：公式图像文件存储的路径。数据类型：字符串值域：自由文本约束/条件：M 最大出现次数：1公式注中文名称：公式注英文名称：formula note缩写名：fmlaNote定义：公式的注释。数据类型：字符串值域：自由文本约束/条件：O 最大出现次数：1术语中文名称：术语英文名称：Term缩写名：Term定义：在本标准中

20、需要规范的用词。数据类型：复合型约束/条件：O 最大出现次数：N术语中文名称中文名称：术语中文名称英文名称：term name in Chinese 缩写名：termNmCN定义：术语的中文标题名。数据类型：字符串值域：自由文本约束/条件：M 最大出现次数：1术语英文名称中文名称：术语英文名称英文名称：term name in English 缩写名：termNmEN定义：术语的英文标题名。数据类型：字符串值域：自由文本约束/条件：O 最大出现次数：1术语内容中文名称：术语内容英文名称：term definition缩写名：termDef定义：术语的定义内容。数据类型：字符串值域：自由文本约束

21、/条件：M 最大出现次数：1术语缩略语中文名称：术语缩略语英文名称：term abbriviation缩写名：termAbbr定义：为了使用方便，使术语称谓中的成分进行有规律的节缩或者省略形成的词。数据类型：字符串值域：自由文本约束/条件：O 最大出现次数：N术语同义词中文名称：术语同义词英文名称：term synonym缩写名：termSyn定义：表达意义相同或相近，但是表达形式不同的词汇。数据类型：字符串值域：自由文本约束/条件：O 最大出现次数：N术语禁用词中文名称：术语禁用词英文名称：term stop缩写名：termStp定义：禁止使用的术语。数据类型：字符串值域：自由文本约束/条件

22、：O 最大出现次数：N术语注中文名称：术语注英文名称：term note缩写名：termNote定义：术语条款的注释。数据类型：字符串值域：自由文本约束/条件：O 最大出现次数：1术语所在页码中文名称：术语所在页码英文名称：term page number缩写名：termPNo定义：标准内容中该术语首次出现所在页码。数据类型：数值型值域：正整数约束/条件：M 最大出现次数：1版本信息中文名称：版本信息英文名称：Version Information缩写名：VInfo定义：描述全文数据产生、更新的一组信息。数据类型：复合型约束/条件：M 最大出现次数：1更新时间中文名称：更新时间英文名称：upd

23、ate time缩写名：upTime定义：描述全文数据修改更新的时间。数据类型：日期型值域：按 GB/T 7408 执行，格式为 CCYY-MM-DD hh:mm:ss 约束/条件：M最大出现次数：1记录状态中文名称：记录状态英文名称：record status缩写名：recSta定义：关于标准文献全文元数据库中记录所处的状态（修改、删除、新增）的说明。数据类型：字符串值域：采用表 A.3记录状态代码中的名称。约束/条件：M 最大出现次数：1版本中文名称：版本英文名称：version number缩写名：verNo定义：描述全文数据更新的版本编号。数据类型：字符串值域：自由文本约束/条件：M

24、最大出现次数：1加工单位中文名称：加工单位英文名称：process unit缩写名：prsUnit定义：描述全文数据加工单位的信息。数据类型：字符串值域：字典约束/条件：M 最大出现次数：1全文元数据字典描述标准文献结构化全文元数据字典描述见附录C，表C.1中带“*”的元数据为核心元数据。全文元数据扩展原则和方法标准对象的多样性决定标准内容的多样性，标准文献结构化全文元数据亦需要扩充。扩充的原则与方法应符合GB/T 26816-2011第6章的要求。附录A（规范性附录）标准文献全文结构化元数据代码集约束/条件代码约束/条件代码见表A.1。表A.1约束/条件代码代码名称说明M必选表明该元数据元素

25、或元数据实体必须选择。O可选根据实际应用可以选择也可以不选的元数据元素或元数据实体。已经定义的可选元数据元素和可选元数据实体，可指导部门元数据标准制定人员充分说明其信息。如果一个可选元数据实体未被使用，则该实体所包含的元素（包括必选元素）也不选用。可选元数据实体可以有必选元素，但只当可选实体被选用时才成为必选。C条件必选当满足约束条件中所定义的条件时应选择。条件必选用于以下三种可能性之一：当在多个选项中进行选择时，至少一个选项必选，且必须使用；当另一个元数据元素已经使用时，选用一个元数据实体或元数据元素；当另一个元数据元素已经选择了一个特定值时，选用一个元数据元素。篇章条类型代码篇章条类型代码

26、见表A.2。表A.2篇章条类型代码代码名称说明Q强制表明该篇章条内容为强制性。T推荐表明该篇章条内容为推荐性。记录状态代码记录状态代码见表A.3。表A.3记录状态代码代码名称说明A修改A-AmendD删除D-DeleteN新增N-New附录B（规范性附录）篇章条编号、表号和图号说明篇章条编号说明篇章条编号定义说明篇章条编号是标准内容中篇章条按一定规则的顺序编号。结构化标准内容一般包括三个层次：篇、章、条。章是标准内容划分的基本单元，一般从“公告”或“前言”开始，一直延续到“参考文献”结束，标准正文中使用阿拉伯数字从1开始对章编号，附录中一般使用大写拉丁字母从A开始对章编号，特殊情况以文本为准。

27、篇是章的向上扩充类型，使用汉语小写数字从“一”开始对篇编号。条是章的细分， 是章的下一层级，一般使用阿拉伯数字从1开始对条编号，特殊情况以文本为准，条最多可以有5层。篇章条编号根据篇章条的层级，由篇编号、章编号、条编号、固定的描述词和分隔符“.”按一定的规则组合形成。篇章条编号值域篇章条编号的值域有以下几种形式：篇层级的篇章条编号值域为：“第”+篇编号+“篇”。示例：“第一篇”、“第二篇”章层级的篇章条编号值域为：标准正文中的篇章条编号值域：章编号。示例：“1”、“5”附录中的篇章条编号值域：“附录”+章编号。示例：“附录 A”、“附录 B”条层级的篇章条编号值域为：标准正文中的篇章条编号值域

28、：章编号+“.”+条编号。示例： “5.2”、“5.2.1“附录中的篇章条编号值域：章编号+“.”+条编号。示例：“A.1”、“B.1.1”表号说明表号定义说明表号是标准内容中的表格按特定规则的顺序编号。自引言开始连续到附录之前的标准正文中整体使用阿拉伯数字从1开始对表编号，附录中每章使用阿拉伯数字从1开始对表编号。表号由“表”、分隔符“.”和表编号按一定的规则组合而成，续表在表号后面加“（续）”。表号值域表号值域按有无续表有以下两种形式：无续表的表号值域：自引言开始连续到附录之前的标准正文中的表号值域：“表”+表编号。示例：“表 1” 、“表 2”附录中的表号值域：“表”+章编号+“.”+表

29、编号。示例：“表 A.1” 、“表B.1”有续表的表号值域：自引言开始连续到附录之前的标准正文中的表号值域：“表”+表编号+“（续）”。示例：“表 1（续）” 、“表 2（续）”附录中的表号值域：“表”+章编号+“.”+表编号+“（续）”。示例：“表 A.1（续）”、“表 B.1（续）”图号说明图号定义说明图号是标准内容中的图像按特定规则的顺序编号。自引言开始连续到附录之前的标准正文中整体使用阿拉伯数字从1开始对图编号，附录中每章使用阿拉伯数字从1开始对图编号。图号由“图”、分隔符“.”和图编号按一定的规则组合而成，续图在表号后面加“（续）”。图号值域图号值域按有无续图有以下两种形式：无续图的

30、图号值域：自引言开始连续到附录之前的标准正文中的图号值域：“图”+图编号。示例：“图 1” 、“图 2”附录中的图号值域：“图”+章编号+“.”+图编号。示例：“图 A.1”、“图 B.1”有续图的图号值域：自引言开始连续到附录之前的标准正文中的图号值域：“图”+图编号+“（续）”。示例：“表 1（续）” 、“表 2（续）”附录中的图号值域：“图”+章编号+“.”+图编号+“（续）”。示例：“图 A.1（续）” 、“图B.1（续）”DB13/T 2351.12016 PAGE 19附录C（资料性附录）标准文献结构化全文元数据-字典描述标准文献结构化全文元数据-字典描述见表C.1。表C.1标准文

31、献结构化全文元数据-字典描述序号中文名英文名缩略语定义数据类型值域约束最大出现次数核心元数据0全文元数据Full-text MetadataFulTxtMdata描述结构化标准中全文数据的元数据。复 合型M11标识符identifierID名称空间中对象的唯一标识符。字 符串UUIDM1*2全文Full TextFulTxt以篇章条形式描述的标准内容。复 合型M12.1标准号document referencedocRef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

32、发布年份M1*2.2标准名称document name in ChinesedocNmCN标准的中文名称字 符串自由文本M1*2.3篇章条编号chapter numberchapNo标准内容中篇章条按一定规则的顺序编号（篇章条编号定义说明见附录 B.1.1）。字 符串见附录 B.1.2O1*2.4篇章条名称chapter namechapNm标准中篇章条的标题名称。字 符串自由文本M1*2.5篇章条内容Charpter ContentChapCont标准中篇章条的段落内容。复 合型自由文本M1*2.5.1文字wordwrd以文字形式描述的标准内容。自 由文本O1*2.5.2表格TableTab

33、以表格形式描述的标准内容。复 合型ONDB13/T 2351.12016表 C.1 标准文献结构化全文元数据-字典描述（续）序号中文名英文名缩略语定义数据类型值域约束最大出现次数核心元数据2.5.2.1表号table numbertabNo标准内容中表格按特定规则的顺序编号。（表号定 义 说 明 见 附 录B.2.1）。字 符串见附录 B.2.2O1*2.5.2.2表名table nametabNm描述表格主题的名称。字 符串自由文本M1*2.5.2.3表格图像路径table pathimagetabImgPath表格图像文件存储的路径。字 符串自由文本M1*2.5.2.4表注table no

34、tetabNote标准内容中表格的注释。字 符串自由文本O1*2.5.2.5表格所在页码table numberpagetabPNo标准内容中同一表格首次出现所在页码。数 值型正整数M12.5.2.6同一表格顺序号sametable order numbertabOrdNo跨页表格图像文件的顺序号。数 值型正整数M12.5.2.7表格HTML 格式table codeHTMLtabHTML用 HTML 描述的表格信息。字 符串自由文本C12.5.3图像ImageImg以图形式描述的标准内容。复 合型ON2.5.3.1图号image numberimgNo标准内容中图像按特定规则的顺序编号。（图

35、号定 义 说 明 见 附 录B.3.1）。字 符串见附录 B.3.2O1*2.5.3.2图名image nameimgNm描述图的主题的名称。字 符串自由文本M1*2.5.3.3图像路径image pathimgPath图像文件存储的路径。字 符串自由文本M1*2.5.3.4图注image noteimgNote标准内容中图像的注释。字 符串自由文本O1*2.5.3.5图像所在页码image numberpageimgPNo标准内容中同一图像首次出现的页码。数 值型正整数M12.5.3.6同一图像顺序号sameimage order numberimgOrdNo同一图号的图像在不同页赋予的顺序

36、编号。数 值型正整数M12.5.4公式FormulaFmla以公式形式描述的标准内容。复 合型ON2.5.4.1公式名称formula namefmlaNm描述公式的主题的名称。字 符串自由文本M1*2.5.4.2公式所在页码formula numberpagefmlaPNo标准内容中同一公式首次出现所在页码。数 值型正整数M1序号中文名英文名缩略语定义数据类型值域约束最大出现次数核心元数据2.5.4.3公式图像路径formula image pathfmlaImgPath公式图像文件存储的路径。字符串自由文本M1*2.5.4.4公式注formula notefmlaNote公式的注释。字符串

37、自由文本O1*2.5.5术语TermTerm在本标准中需要规范的用词。复合型ON2.5.5.1术语中文名称term name in ChinesetermNmCN术语的中文标题名。字符串自由文本M1*2.5.5.2术语英文名称term name in EnglishtermNmEN术语的英文标题名。字符串自由文本O1*2.5.5.3术语内容term definitiontermDef术语的定义内容。字符串自由文本M1*2.5.5.4术语缩略语term abbriviationtermAbbr为了使用方便，使术语称谓中的成分进行有规律的节缩或者省略形成的词。字符串自由文本ON2.5.5.5术语同义