• 한국도서관정보학회지
• /
• 제46권3호
• /
• pp.27-49
• /
• 2015

이 연구의 목적은 RDA를 중심으로 FRAD, DACS2, KCR2 등을 분석한 것을 토대로 하여, 한국목록규칙에 있어 가계의 속성과 관계의 기술에 대한 규정 방향을 제시하는 것이다. 가계의 속성 기술은 가계의 이름, 유형, 날짜, 장소, 저명인사, 세습칭호, 언어, 가계사, 식별기호에 관한 사항에 대해 분석하였다. 가계의 관계 기술은 저작과 관련된 가계, 표현형과 관련된 가계, 구현형과 관련된 가계, 개별자료와 관련된 가계 등 각각의 자원과 관련된 가계에 관한 기술을 분석하였고, 가계와 개인 간의 관계, 가계와 가계 간의 관계, 가계와 단체 간의 관계에 대한 기술을 분석하였다. 이 연구는 RDA를 중심으로 목록규칙들에서의 가계의 속성과 관계의 기술에 대하여 분석한 내용을 토대로 추후 한국목록규칙에 이를 적용하기 위한 방안을 제시하였다.

• 한국도서관정보학회지
• /
• 제46권4호
• /
• pp.207-226
• /
• 2015

연구는 FRBR과 FRAD 모형, ICP, RDA, NCR 개정안의 분석 결과를 토대로 KCR4 개정판의 구성 방안을 다음과 같이 제시하였다. 1) 개체는 저작, 표현형, 구현형, 개별자료, 개인, 가족, 단체, 개념, 대상, 사건, 장소로 구분한다. 2) 규칙 전체는 '속성'과 '관계'로 대별하며 '속성'은 다시 속성 기술과 접근점 구축으로 구분한다. 3) 속성 기술은 1집단 개체는 저작, 표현형, 구현형, 개별자료의 순으로, 2집단 개체는 개인, 가족, 단체의 순으로 배열한다. 4) 접근점 구축은 저작과 표현형의 접근점 구축, 개인, 가족, 단체의 접근점 구축 순으로 배열한다. 5) '관계'는 저작, 표현형, 구현형, 개별자료 간의 기타 관계와 개인, 가족, 단체 간의 관계에 대한 규칙을 둔다.

• 한국비블리아학회지
• /
• 제25권3호
• /
• pp.235-261
• /
• 2014

본 연구의 목적은 한국목록규칙에 개인의 속성과 관계의 기술을 적용하기 위한 방안을 제시하는 것이다. 이를 위해 FRBR과 FRAD 개념 모형과 AACR2R, RDA, KCR2 등의 목록규칙을 비교 분석하였다. 개인의 속성 기술은 개인의 이름, 날짜, 칭호, 이름의 완전형, 성별, 장소, 소속, 언어, 활동분야와 직업, 전기 정보, 식별기호에 관한 사항에 대해 분석하였다. 개인의 관계 기술은 저작과 관련된 개인, 표현형과 관련된 개인, 구현형과 관련된 개인, 개별자료와 관련된 개인 등 각각의 자원과 관련된 개인에 관한 기술을 분석하였고, 개인과 개인 간의 관계, 개인과 가족 간의 관계, 개인과 단체 간의 관계에 대한 기술을 분석하였다. 각종 목록규칙들의 비교를 통해 개인의 속성 기술과 개인의 관계 기술을 분석한 내용을 토대로 추후 한국목록규칙에 이를 적용하기 위한 방안을 제시하였다.

• 한국생물정보학회:학술대회논문집
• /
• 한국생물정보시스템생물학회 2000년도 International Symposium on Bioinformatics
• /
• pp.28-31
• /
• 2000

We describe a hidden Markov model, HMMTIR, for general protein sequence based on the I-sites library of sequence-structure motifs. Unlike the linear HMMs used to model individual protein families, HMMSTR has a highly branched topology and captures recurrent local features of protein sequences and structures that transcend protein family boundaries. The model extends the I-sites library by describing the adjacencies of different sequence-structure motifs as observed in the database, and achieves a great reduction in parameters by representing overlapping motifs in a much more compact form. The HMM attributes a considerably higher probability to coding sequence than does an equivalent dipeptide model, predicts secondary structure with an accuracy of 74.6% and backbone torsion angles better than any previously reported method, and predicts the structural context of beta strands and turns with an accuracy that should be useful for tertiary structure prediction. HMMSTR has been incorporated into a public, fully-automated protein structure prediction server.