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
Data Cube Selection for Online Association Rules Mining
林文扬(Wen-Yang Lin) ; 张耀升(Yao-Sheng Chang)
电子商务学报 ; 10 卷 4 期 (2008 / 12 / 01) , P849 - 883
繁体中文 DOI: 10.6188/JEB.2008.10(4).07
资料仓储 ; 资料采掘 ; 线上分析处理 ; 资料方体 ; 启发式演算法 ; data warehousing ; data mining ; OLAP ; data cube ; heuristic method
- 林文扬、张耀升(2005)。启发式资料方体挑选方法之分析比较。资讯管理学报,12(2),201-220。
连结: - Agrawal, R.,Srikant R.(1994).Fast algorithms for mining associations rules.Proceedings of 20th International Conference on Very Large Data Bases
- Agrawal, S.,Chaudhuri, S.,Narasayya, V. R.(2000).Automated selection of materialized views and indexes in SQL databases.Proceedings of 26th International Conference on Very Large Data Bases
- Alhajj, R.,Kaya M.(2003).Integrating fuzziness into OLAP for multidimensional fuzzy association rules mining.Proceedings of 3rd IEEE International Conference on Data Mining
- Baralis, E.,Paraboschi, S.,Teniente, E.(1997).Materialized view selection in a multidimensional database.Proceedings of 23rd International Conference on Very Large Data Bases