LCC由人组成

LCC是组织资源的层次结构，但个人负责创建这些资源。 由于我们能够在LCC的每个范围中找到突出的主题标题，因此我们应该能够找到突出的人物。 如果我们能看到谁是整个LCC分类中的主要声音，那该怎么办？ 例如，哲学各个分支中的“谁是谁”。 如果我们假设

1. 在同一LCC范围内创作了许多资源的人是权威
2. 或者，某个在LCC范围内撰写了很多文章的人很重要。

为此，我们可以汇总LCC范围内的记录，并提取在其MARC 100和600字段中找到的名称。 如果在多个资源中都找到一个名称，我们可以推断出它们是该LCC范围“重要”的人。

我对同一本LC书籍，连续出版物，音乐，地图和视觉材料MARC记录进行了此操作。 此类分析对您使用的馆藏非常主观，其结果反映了国会图书馆的馆藏。

除了他们的名字，我还想要其他东西。 因此，我使用通过VIAF / Wikidata / DBpedia找到的名称来丰富其数据。

• 从NYPL继续前进
• 客座博客文章：Kate如何在图书馆藏书
• 我所希望知道的-图书馆学课程411
• C中的静态库：简要视图。
• 伦敦图书馆

处理：

• 汇总LCC范围内的所有资源，采用在至少3次出现的100或600字段中找到的前10个名称。
• 通过VIAF运行每个名称以获取其Wikidata ID
• 从Wikidata下载性别（P21），图像（P18）职业（P106）和种族（P17）。
• 从DBpedia下载“主题”

名称协调非常困难，如果我在VIAF中使用了Wikidata ID，那么我就使用它，否则我将不会花费任何时间来协调名称。

 总共31,000个名字 
 在VIAF中找不到4,600个名称 
  16,300个名称具有Wikidata ID 

我想收集尽可能多的信息，因为我有一种预感，结果看起来会非常男性化和白人化。 当然，这反映了材料/收藏，但我认为，如果可以突出显示LCC范围，例如女性在前10名，那就会更有趣。

但是，即使对于大多数记录填充了该名称，也仍然有大约一半的名称不在Wikidata上，因此没有性别数据可供使用。

我想尝试使用来自Wikidata的“族裔群体”或来自DBpedia的“主题”创建更多的方式来切入列表，但是并没有很多数据可以使用。

有了更多的数据，这可能会变得非常有趣，但是现在它是发现个人的好工具。 给名字起名字总是很不错的。