DOI
是数位物件识别码
(
D
igital
O
bject
I
dentifier
)
的简称,
为物件在网路上的唯一识别码,可用于永久连结并引用目标物件。
使用DOI作为永久连结
每个DOI号前面加上
「
http://dx.doi.org/
」
便成为永久网址。
如以DOI号为
10.5297/ser.1201.002
的文献为例,此文献的永久连结便是:
http://dx.doi.org/
10.5297/ser.1201.002
。
日后不论出版单位如何更动此文献位置,永久连结所指向的位置皆会即时更新,不再错失重要的研究。
引用含有DOI的文献
有DOI的文献在引用时皆应同时引用DOI。若使用APA、Chicago以外未规范DOI的引用格式,可引用DOI永久连结。
DOI可强化引用精确性、增强学术圈连结,并给予使用者跨平台的良好使用经验,目前在全世界已有超过五千万个对象申请DOI。 如想对DOI的使用与概念有进一步了解,请参考 ( ) 。
ACI:
数据来源:Academic Citation Index,简称ACI
台湾最大的引用文献资料库,目前收录台湾与港澳地区所出版的人文学、社会学领域学术期刊之书目资料与参考文献,总期刊量超过690种,每年定期公布收录期刊的影响指数(Impact Factor)等指标给大众,并提供专家学者与学术单位实用的计量与分析功能。
五年影响指数(5-Year Impact Factor):某一期刊前五年所出版的文章在当年度的平均被引用次数。
公式:(前五年发表论文在统计年的被引用次数)÷(前五年论文产出论文总篇数)
例如:A期刊2017年之五年影响指数
(A期刊2012-2016年发表论文在2017年的被引总次数)/(A期刊2012-2016年发表的论文总数)
什么是预刊文章?
为提供读者最前线之学术资讯,于期刊文献获同意刊登后、纸本印制完成前,率先于网路线上发表之文章即为预刊文章。预刊文章尚未有卷期、页次及出版日期资讯,但可藉由DOI号识别。 DOI号是文献的数位身份证字号,不论预刊或正式出版皆不会改变,读者可点击DOI连结,或于DOI号前面加上 「 http://dx.doi.org/ 」 连结到文献目前最新版本。
如何引用预刊文章?
请使用预刊文章的线上发表日期及DOI号来引用该篇文献。
引用范例(视不同引文格式规范可能有所差异):
作者姓名。文章篇名。期刊名称。 YYYY/MM/DD线上预先发表。
doi:DOI 号
Exploiting Association Words to Retrieve Synonymous Transliterations from Web Snippets
陈建兴(Chien-Hsing Chen) ; 许中川(Chung-Chian Hsu)
资讯管理学报 ; 17 卷 1 期 (2010 / 01 / 01) , P81 - 109
英文 DOI: 10.6382/JIM.201001.0081
文字探勘 ; 网页探勘 ; 同义音译词 ; 跨语言资讯检索 ; 中文音译词 ; text mining ; Web mining ; synonymous transliteration ; cross lingual information retrieval ; Chinese transliteration
- The 2008 Time 100: The World's most influential people
- AbdulJaleel, N.,Larkey, L. S.(2003).Statistical transliteration for English-Arabic cross language Information retrieval.Proceedings of the 12th international conference on information and knowledge management,New Orleans, LA, USA:
- Aggarwal, C. C.,Al-Garawi, F.,Yu, P. S.(2001).Intelligent crawling on the World Wide Web with arbitrary predicates.Proceedings of the 10th International Conference on World Wide Web,Hong Kong:
- Al-Onaizan, Y.,Knight, K.(2002).Proceedings of ACL-02 Workshop on Computational Approaches to Semitic Languages.Philadelphia, Pennsylvania:
- Babaria, R.,Nath, J. S.,S, K.,R, S. K.,Bhattacharyya, C.,Murty, M. N.(2007).Focused crawling with scalable ordinal regression solvers.Proceedings of the 24th International Conference on Machine Learning,Corvalis, Oregon: