초록

Abstract

In this study, web link analysis of the Korean National Archives has been performed using LexiURL to show the dynamic web flow of the National Archives and to identify which closely related institutions the archives should seek to cooperate with for developing an institutional strategic plan. Inlink and co-inlink analysis were performed and, to identify related institutions of the Korean National Archives, a comparison was made with other countries such as Australia, England and the United States. Through web link analysis, several features can be detected and future directions are suggested. Most inlinks and co-inlink of the Korean National Archives were from public institutions, indicating that relationships with educational or research institutions are weak. Moreover, Korean National Archives involve fewer web links related to international activities than other countries. Proceeding from these results, educational function, research function and international activities should be fortified. Korean National Archives need to provide more materials for supporting educational and research activities and more cultural interchange among related institutions. Further research with different heritage institutions such as libraries or museums is needed.

초록

본 연구는 호주 이메일메타데이터표준 및 한국기록관리메타데이터 표준에 기반하여 국제표준을 준용하는 이메일기록에 대한 표준화된 메타데이터요소를 개발하는데 있다. 이러한 목표를 달성하기 위하여 본 연구에서는 기록관리 및 기록물 메타데이터와 관련된 국제표준인 ISO 15489와 ISO 23081을 분석 및 조사하였다. 두 번째로, 국내 공공기관에서 생산된 이메일기록에 대한 특징을 추출하기 위하여 사례연구를 수행하였다. 또한, 호주의 이메일 메타데이터표준에 대한 상대평가 연구를 수행하였다. 위의 과정을 통하여 추출된 결과와 함께, 본 연구에서는 이메일기록에 대한 관리를 위한 필수 및 선택적 메타데이터요소를 제안하였다. 또한 제안된 이메일 메타데이터요소에 적용 가능한 XML DTD를 개발하였다. 한편, 제안된 이메일 메타데이터요소는 한국의 지방자치단체의 행정정보시스템에서 생산된 실제 이메일기록에 적용하였다.

Abstract

The purpose of this paper is to develop standardized metadata elements of e-mail records with respect to international standards based on analyzing the Australian Government Email Metadata Standard(AGEMS) elements and Korean Records Management Metadata Standard including e-mail records. To achieve the goal, we investigated and analyzed ISO15489 and ISO 23081 which are the international standard related to records and metadata of records. Second, a case study related to the features of e-mail records produced in public institutions in Korea was performed. Third, we made a comparative study of Australian Government Email Metadata Standard(AGEMS). With the results, we proposed mandatory and optional metadata elements for managing e-mail records. Also, the DTD of proposed metadata elements were developed. The proposed metadata elements of e-mail was applied to e-mails which were produced from a administrative information system of a local government in Korea.

초록

동일한 인명을 갖는 서로 다른 실세계 사람들이 존재하는 현실은 인터넷 세계에서 인명으로 표현된 개체의 신원을 식별해야 하는 문제를 발생시킨다. 상기의 문제가 학술정보 내의 저자명 개체로 제한된 경우를 저자식별이라 부른다. 저자식별은 식별 대상이 되는 저자명 개체 사이의 유사도 즉 저자유사도를 계산하는 단계와 이후 저자명 개체들을 군집화하는 단계로 이루어진다. 저자유사도는 공저자, 논문제목, 게재지정보 등의 저자식별자질들의 자질유사도로부터 계산되는데, 이를 위해 기존에 교사방법과 비교사방법들이 사용되었다. 저자식별된 학습샘플을 사용하는 교사방법은 비교사방법에 비해 다양한 저자식별자질들을 결합하는 최적의 저자유사도함수를 자동학습할 수 있다는 장점이 있다. 그러나, 기존 교사방법 연구에서는 SVM, MEM 등의 일부 기계학습기법만이 시도되었다. 이 논문은 다양한 기계학습기법들이 저자식별에 미치는 성능, 오류, 효율성을 비교하고, 공저자와 논문제목 자질에 대해 자질값 추출 및 자질 유사도 계산을 위한 여러 기법들의 비교분석을 제공한다.

Abstract

In bibliographic data, the use of personal names to indicate authors makes it difficult to specify a particular author since there are numerous authors whose personal names are the same. Resolving same-name author instances into different individuals is called author resolution, which consists of two steps: calculating author similarities and then clustering same-name author instances into different person groups. Author similarities are computed from similarities of author-related bibliographic features such as coauthors, titles of papers, publication information, using supervised or unsupervised methods. Supervised approaches employ machine learning techniques to automatically learn the author similarity function from author-resolved training samples. So far, however, a few machine learning methods have been investigated for author resolution. This paper provides a comparative evaluation of a variety of recent high-performing machine learning techniques on author disambiguation, and compares several methods of processing author disambiguation features such as coauthors and titles of papers.