URI 规范化对 Memento 计数的影响
数字图书馆
2019-05-17 v1
摘要
量化一个 URI 随时间的捕获情况有助于研究人员确定网页被归档的程度。Memento TimeMaps 提供了一种格式，用于列出捕获的 memento (URI-Ms) 以及每个 URI-M 的简要元数据（如 Memento-Datetime）。然而，当某些 URI-M 被解引用时，它们只是简单地重定向到另一个不同的 URI-M（而不是在对应日期时间下的唯一表示），且该目标 URI-M 通常也存在于 TimeMap 中。这表明，仅使用 TimeMap 无法可靠地获得量化 URI-R 的非转发捕获次数的准确计数，且 TimeMap 的大小并不等同于它所标识的表示数量。在这项工作中，我们深入讨论了这一特定现象。我们还对特定 URI-R (google.com) 的 memento 计数动态进行了分解，并量化了加剧仅使用 TimeMap 进行计数尝试的各种规范化模式的普遍性。对于 google.com，我们发现 84.9% 的 URI-M 在解引用时会导致 HTTP 重定向。我们扩展并将该指标应用于其他七个大型网站的 URI-Rs 和十三所学术机构的 TimeMaps。使用 DI 比率指标（无需重定向的 URI-M 数量与解引用时需要重定向的 URI-M 数量之比），八个大型网站中的五个和十三所学术机构中的两所的 TimeMaps 比率小于一，表明这些 TimeMap 中超过一半的 URI-M 在解引用时会导致重定向。
引用
@article{arxiv.1703.03302,
title = {Impact of URI Canonicalization on Memento Count},
author = {Mat Kelly and Lulwah M. Alkwai and Michael L. Nelson and Michele C. Weigle and Herbert Van de Sompel},
journal= {arXiv preprint arXiv:1703.03302},
year = {2019}
}
备注
43 pages, 8 figures