学術論文のXML化とNLM DTD

海外では10年以上前から学術論文の流通・保存の目的でXMLが使用されており、米国医学図書館（NLM）が策定したNLM DTDが事実上の標準規格として採用されています。同時に、XMLを使用することで論文内のデータに意味づけをすることができるので、Webサイトでの公開の表現の幅が非常に広がります。事実、海外の電子ジャーナルサイトではXMLを使用した全文HTML公開が多く存在します。

現在のJ-STAGEでは書誌を記述したBIBファイルというテキストファイルが主に扱われていますが、上記のような海外の情勢をうけてJ-STAGE3でも、XMLでのデータ登載とそれによる全文HTML公開が標準になっていきます（実は、現在のJ-STAGEでもXMLで作成した論文データを登載して、全文HTML公開されているジャーナルはいくつかあります）。J-STAGE3で当初想定されていたDTDは事実上標準規格となっていたNLM DTDでしたが、NLM DTDは英語データのみ対象としているという問題がありました。J-STAGEには和文誌も多く登載されており、当然ながらタイトルや著者名、所属名などの書誌情報には日本語があります。しかし、NLM DTDでは日本語の対応が出来ません。

多言語対応の学術論文のXML DTD ― JATS

XMLデータ作成における問題点

J-STAGE3の書誌XML自動作成システム

この書誌XML自動作成システムの仕様が8月にJSTから公告されましたので少し紹介したいと思います。まず使用するための準備として以下の作業があります。

• 準備(1) サンプルとなる論文PDFをアップロードします。
• 準備(2) サンプルアップロードした論文PDFに対して、タイトル、著者、抄録などの書誌情報が記載されている位置情報を画面で指定します。どこの位置にどの情報があるかをシステムに登録するわけです。

この準備をすませたら、あとは論文ごとに以下の作業を実施します。

• 編集(1) 利用者が登載する論文PDFをアップロードすると、事前に登録したPDFの位置情報にしたがい、システムが自動的にPDFから書誌情報を抽出する。
• 編集(2) システムで自動抽出できなかった部分や誤っている部分の書誌情報を利用者が画面上で編集する。
• 編集(3) 修正した書誌のXMLをダウンロードする。