LCC和LCSH的交集是一个混乱的空间。 两个岛式分类系统。 两者都同样复杂。 LCSH有其形式/一般/时间/地理细分。 LCC具有继承上下文的复杂层次结构。 但是两者在图书馆记录中无处不在，并且通常是资源发现的主要工具。 对于这些系统，我有两个想法：
- 给定特定的LCC范围，其资源中是否存在主要（主题）LCSH标题？
- 如果存在，我们是否可以使用占主导地位的LCSH映射到Wikimedia生态系统？
目标是要有一个映射，给定一个LCC范围，可以在Wikimedia平台中返回可能的相关文章/实体。
我再次在这里使用LC图书，连续出版物，音乐，地图和视觉材料MARC记录。 我真的很喜欢使用它，因为对我来说它已经成为标准数据集。 结果将根据您使用的数据而变化。 但是对于这些实验，所有这些实验都具有相同的基础数据源，这使我产生了凝聚力。
处理
- 选取LCC范围内的每种资源，并从650 $ a中提取其主题主题。 我不在这里使用细分。
- 取得LCC范围内资源中的前5个主题标题，并尝试将它们映射到Wikipedia文章/实体。
我做了一个界面来探索结果：
您：哇，多么密集的钝头界面！！
我，一个知识分子：😎
我当时正在考虑进行某种形式的可视化，但是有时列表是您可以使用的最佳方法。
我以前尝试过使用手动管理将LCC映射到Wikipedia。 这是自动的并且确实会细分，例如，这里是所有与之不匹配的主题主题。 标题越复杂（请记住，这些标题未使用细分），则其绘制地图的可能性就越小。 例如，“旷工（劳动）”或“拉丁语的作者（中世纪和现代）”是简单的想法，但是对它们的描述有些含糊，可以跳转到Wikipedia页面。
对于这项工作，我使用了DBpedia。 虽然Wikidata是理所当然的Wikimedia数据的来源，但是DBpedia对于这样的项目仍然是非常宝贵的。 主要问题之一是如何连接两个描述不同但语义相同的主题。 例如，LCSH“酒法”背后的概念在Wikipedia中表示，但标题为“酒精法”。您需要一个映射为“酒法” ==“酒精法”。这正是Wikipedia页面的歧义，当您访问https://en.wikipedia.org/wiki/Liquor_laws时，它会将您重定向到《酒精法》页面。 DBpedia公开了770万个此类映射。 通过利用这些重定向，我们可以极大地增加成功的映射。
结果很有趣，但显然不可行。 我认为，随着传统编目系统之间越来越多的联系，Wiki生态系统用例会出现。
