文章基本信息

标题：Análisis de metadatos de noticias para la extracción de información del código fuente. El software METADATOSHTML
本地全文：下载
作者：María-José Baños-Moreno ; Eduardo R. Felipe ; Juan-Antonio Pastor-Sánchez 等
期刊名称：Information Research
印刷版ISSN：1368-1613
出版年度：2017
卷号：22
期号：1
页码：1-12
出版社：University of Sheffield, Department of Information Studies
摘要：Los objetivos de este trabajo son determinar qué esquemas se utilizan para título, resumen, palabras clave, autoría y periódico en prensa; conocer qué pautas siguen los periódicos en la implementación de dichos esquemas; y averiguar cómo esto afecta a la extracción de información. Para ello, se define una muestra de diarios y se analiza su código fuente, identificando esquemas utilizados y patrones de uso. Esto permite extraer valores de dato utilizando la aplicación MetadadosHTML. Se han detectado esquemas estándar, ad hoc y propios de los periódicos. Se han hallado diversas prácticas, como valores agrupados en una misma línea de código o por separado; ruido en un valor y errores al referir los nombres de los atributos de esquemas estándar. Estos problemas afectan a la extracción de datos basada en esquemas de metadatos y metadatos en MetadadosHTML. Es necesario avanzar en el uso de esquemas estándar, como Dublin Core o schema.org, favoreciendo la implantación de estos (u otros) en los códigos fuente de noticias. También resulta imprescindible la adopción de buenas prácticas al explicitar datos y valores de datos. Sólo así es posible evolucionar en la interoperabilidad entre sistemas y en la recuperación y reutilización de información.
关键词：information technology; newspapers; semantic web; metadata