都柏林核心元數(shù)據(jù)及其在我國數(shù)字圖書館建設(shè)中的應(yīng)用

1、都柏林核心元數(shù)據(jù)及其在我國數(shù)字圖書館建設(shè)中的應(yīng)用黃星亮(華南理工大學(xué)圖書館,廣東廣州510640摘要:本文介紹了元數(shù)據(jù)的定義,分析了都柏林核心元數(shù)據(jù)的發(fā)展歷程、基本元素與修飾詞,介紹了我國目前幾個應(yīng)用到都柏林核心元數(shù)據(jù)的數(shù)字圖書館項目,并簡單論述了中文元數(shù)據(jù)需解決的問題。關(guān)鍵詞:都柏林核心元數(shù)據(jù);數(shù)字圖書館中圖分類號:G254文獻(xiàn)標(biāo)識碼:A文章編號:10058753(2002030017031元數(shù)據(jù)的興起網(wǎng)絡(luò)技術(shù)的日新月異,網(wǎng)絡(luò)信息的指數(shù)增長,在給人們帶來更多信息的同時,也增加了人們查找網(wǎng)絡(luò)信息資源的困難。搜索引擎是網(wǎng)絡(luò)信息檢索的產(chǎn)物,然而人們發(fā)現(xiàn),它已越來越不能滿足自己的檢索需求。為解決這一

2、迫在眉睫的問題,一種新的資源描述方式元數(shù)據(jù),應(yīng)運(yùn)而生。目前,關(guān)于元數(shù)據(jù)的定義有很多,如“關(guān)于數(shù)據(jù)的數(shù)據(jù)”、“描述數(shù)據(jù)特征與結(jié)構(gòu)的數(shù)據(jù)”、“關(guān)于資源的信息”、“編目信息”等等。這主要是由于元數(shù)據(jù)是由很多不同領(lǐng)域的專家和學(xué)者共同研究開發(fā),而大家的理解重點(diǎn)并不盡同。迄今為止,國外已有若干元數(shù)據(jù)標(biāo)準(zhǔn)的研究項目和成果,在眾多的元數(shù)據(jù)方案中,O CL C的都柏林核心元數(shù)據(jù)(DC可謂后期之秀,且由于它簡單易用,符合網(wǎng)絡(luò)發(fā)展的需要,正日益受到人們的關(guān)注,成為圖書館界研究的一個新的熱點(diǎn),在數(shù)字圖書館的建設(shè)中,都柏林核心元數(shù)據(jù)更是發(fā)揮了巨大的作用。2都柏林核心元數(shù)據(jù)的介紹2.1都柏林核心元數(shù)據(jù)的發(fā)展歷程都柏林核心

3、元數(shù)據(jù)是一個由O CL C和N CS A(美國國家超級計算機(jī)應(yīng)用中心于1995年3月聯(lián)合發(fā)起,圖書館專家、計算機(jī)專家和網(wǎng)絡(luò)專家等人員開發(fā)的,旨在研究一套描述網(wǎng)絡(luò)信息資源的方法,以實現(xiàn)網(wǎng)絡(luò)信息的辨識、查詢和檢索,其核心是如何用一個簡單的標(biāo)準(zhǔn)化的元數(shù)據(jù)記錄來描述種類繁多的電子信息,使各類網(wǎng)絡(luò)用戶都能夠了解和使用這種內(nèi)容描述方法,達(dá)到更有效地描述和檢索網(wǎng)絡(luò)資源。由于這次會議是在俄亥俄州哥倫布市的都柏林鎮(zhèn)舉行,所以會議成果“核心元數(shù)據(jù)集”被稱為“都柏林核心元數(shù)據(jù)”。從19952001年,O CL C與有關(guān)機(jī)構(gòu)聯(lián)合舉行了9次研討會,各次會議均有不同的研究重點(diǎn),由淺入深、由泛到專地對都柏林核心元數(shù)據(jù)集的理

4、論及應(yīng)用問題進(jìn)行探討,這些會議對都柏林核心元數(shù)據(jù)集的發(fā)展起到了至關(guān)重要的作用。各次研討會所達(dá)成的共識代表了系列研究成果。其中第9次會議是2001年10月2226日在日本東京舉行,這也是第一次在亞洲國家舉行DC研討會,中國大陸地區(qū)出席該會議的有上海圖書館的吳建中館長。此次會議議題主要有三,一是討論都柏林核心的進(jìn)一步發(fā)展和相關(guān)元數(shù)據(jù)標(biāo)準(zhǔn);二是介紹和交流各類型元數(shù)據(jù)及其應(yīng)用的新觀點(diǎn),而不僅僅是都柏林核心元數(shù)據(jù)集;三是提供元數(shù)據(jù)的創(chuàng)建、管理和使用等方面的培訓(xùn)輔導(dǎo)。2.2都柏林核心元數(shù)據(jù)集的基本元素DC的第13次會議,主要是討論并確定了都柏林核心元數(shù)據(jù)集的15個基本元素,分為三大部分:內(nèi)容描述部分:T

5、itle(題名、Sub ject(主題、D escri p ti on (描述、Sou rce(來源、L anguage(語種、R ela ti on(關(guān)系、Coverage(覆蓋知識產(chǎn)權(quán)部分:C rea to r(創(chuàng)建者、Pub lisher(出版者、Con tribu to r(其他責(zé)任者、R igh t M anage m en t (權(quán)限管理外形描述部分:D a te(日期、R esou rce T yp e(資源類型、R esou rce Iden tifier(資源標(biāo)識符、Fo r m a t(格式。這是DC元數(shù)據(jù)的核心所在。由于都柏林核心元數(shù)據(jù)集只有15個基本元素,且均具有可選擇

6、性,可以簡化著錄項目,O CL C推薦7個元素作為基本描述的要求,這7個元素是:題名、出版者、形式、資源類型、資源標(biāo)識符、日期和主題。2.3都柏林核心元數(shù)據(jù)集的修飾詞在實際應(yīng)用中,僅僅依靠這15個基本元素是不夠的,必須加以修飾限定和進(jìn)行若干子元素的規(guī)范描述。為了保證互操作性,在進(jìn)行修飾限定子元素規(guī)范的時候,不能改變元素本身的定義,不能重新對基本元素做出解釋,而只能根據(jù)自己團(tuán)體和行業(yè)的需要對DC元素進(jìn)行修飾限定和規(guī)范。都柏林核心元數(shù)據(jù)集的修飾詞分類為以下兩類:(1元素修飾詞(E le m en t R efine m en t這些修飾詞縮小了元素的含義范圍,使其具有專指性。都柏林核心元數(shù)據(jù)集在以

7、下元素中設(shè)有元素修飾詞:T itle(題名:A ltera tive(交替題名D a te(日期:C rea ted(創(chuàng)建、V a lid(有效、A va il2 ab le(可獲取、Issued(發(fā)行、M od ified(修改R ela ti on(關(guān)系:Is V ersi on O f(版本繼承、H a s V ersi on O f(版本關(guān)連、Is R ep laced B y(被取代、R e2 p laces(取代、Is R equ ired B y(被需求、R equ ires(需求、Is Pa rt O f(組成部分、H a s Pa rt(部分為、Is Eef2 erenced

8、 B y(被參照、R eference(參照、Is Fo r m a t O f (格式轉(zhuǎn)換于、H a s Fo r m a t(已有格式D escri p ti on(描述:T ab le O f Con ten ts(目錄、A b stract(摘要Fo r m a t(格式:Ex ten t(程度、M ed ium(媒體Coverage(覆蓋:Sp a tia l(空間、T e m po ra l(時間性(2編碼體系修飾詞(Encod ing Sche m e編碼體系有助于對元素修飾詞值的理解。這類體系包括控制詞表及正規(guī)的符號或解讀方式,必須是清晰明確的說明,并能為公眾所獲取。目前,都柏

9、林核心元數(shù)據(jù)集在以下元素中設(shè)有編碼體系修飾詞:D a te(日期:DC M I Peri od(DC M I時間范圍、W3C D T F(W3C日期時間格式R ela ti on(關(guān)系:U R I(統(tǒng)一資源標(biāo)識符Sub ject(主題:L CSH(國會圖書館主題詞表、M ESH(醫(yī)學(xué)主題詞表、DDC(杜威十進(jìn)分類法、L CC (國會圖書館分類法、U DC(國際十進(jìn)分類法T yp e(類型:DC M I T yp e V ocabu la ry(DC M I類型詞匯Fo r m a t(格式:I M T(因特網(wǎng)媒體類型Iden tifier(標(biāo)識符:U R I(統(tǒng)一資源標(biāo)識符L anguage(

10、語種:IS O6392、R FC1766Sp a tia l Coverage(空間覆蓋:DC M I Po in t DC M I Po in t(DC M I地理位置、IS O3166、DC M I Box(DC M I 框圖、T GN(地理名稱辭典T e m po ra l Coverage(時間覆蓋:DC M I Peri od (DC M I時間范圍、W3CD T F(W3C日期時間格式 2.4都柏林核心元數(shù)據(jù)集的數(shù)據(jù)模型資源描述框架由于網(wǎng)絡(luò)資源市場需要一種可接受的元數(shù)據(jù)標(biāo)準(zhǔn),同時軟件都有其內(nèi)部架構(gòu),資源描述框架則為元數(shù)據(jù)在這種內(nèi)部架構(gòu)下提供一個有效的模式,支持獨(dú)立發(fā)展和維護(hù)的多種元

11、數(shù)據(jù)組成元素。資源描述框架是W3C(萬維網(wǎng)集團(tuán)支持并推薦使用的格式,支持在元數(shù)據(jù)實際交換使用時能夠互容的一般格式,以標(biāo)準(zhǔn)的X M L語言表述,具有人與機(jī)器都可以進(jìn)行處理的形式,其內(nèi)容由特定的團(tuán)體確定。資源描述框架與都柏林核心元數(shù)據(jù)集彼此受益于對方:都柏林核心元數(shù)據(jù)集為資源描述框架提供了語義支持:反過來資源描述框架的進(jìn)展又促進(jìn)了都柏林核心元數(shù)據(jù)集數(shù)據(jù)模型的發(fā)展,而都柏林核心元數(shù)據(jù)集模型的正規(guī)化將有利于解決當(dāng)前都柏林核心元數(shù)據(jù)集的許多問題。O CL C的“聯(lián)機(jī)合作資源編目”(CO RC就是目前成功采用資源描述框架和都柏林核心元數(shù)據(jù)集進(jìn)行描述的成功案例。資源描述框架模型通常通過一個簡單的三元關(guān)系表示

12、:(1資源(R esou rce:任何可進(jìn)行描述的對象都可稱其為資源。(2屬性形式(P rop erty T yp e:與描述資源有關(guān)的各方面特征。(3屬性值(V a lue:可以是原子型的字符串,也可以是另一資源。3我國對都柏林核心元數(shù)據(jù)集的研究與應(yīng)用1999年以來,都柏林核心元數(shù)據(jù)集在我國也引起了同行們的重視與應(yīng)用研究。中國國家圖書館就以都柏林核心元數(shù)據(jù)集為元數(shù)據(jù)方案制作了大量的數(shù)字化資源,上海圖書館與清華大學(xué)也參與了O CL C基于都柏林為核心元數(shù)據(jù)集的CO RC計劃,清華大學(xué)建筑數(shù)字圖書館、北京大學(xué)圖書館的古籍拓片數(shù)據(jù)庫、上海交通大學(xué)的音樂資源庫、廣東省中山圖書館牽頭的數(shù)字式中文全文文

13、獻(xiàn)通用格式、上海圖書館數(shù)字圖書館項目等,都柏林核心元數(shù)據(jù)集在我國也得以較為廣泛地應(yīng)用。3.1幾個應(yīng)用項目的介紹3.1.1上海圖書館數(shù)字圖書館元數(shù)據(jù)方案上海圖書館的數(shù)字圖書館項目實施中,元數(shù)據(jù)方案的選擇是其中一個關(guān)鍵所在。所采用的元數(shù)據(jù)方案是以都柏林核心元數(shù)據(jù)集為核心,多種對應(yīng)于不同資源類型的元數(shù)據(jù)方法并存,并以資源描述框架為基礎(chǔ)的資源描述體系將它們封裝在一起,如,對于古籍來講,有它獨(dú)立的古籍(RB元數(shù)據(jù)體例。對于全國報刊索引與上海圖典,則是都柏林核心元數(shù)據(jù)。而對于年鑒等原有圖書館藏書數(shù)字化之后所產(chǎn)生的數(shù)字資源,則直接使用原來已有的CNM A RC記錄來進(jìn)行描述。上海圖書館采用I BM的數(shù)字圖書

14、館開發(fā)平臺作為系統(tǒng)的平臺,由于應(yīng)用系統(tǒng)本身對多種不同元數(shù)據(jù)格式的支持不足,尤其是對于M A RC這樣的復(fù)雜元數(shù)據(jù)格式支持能力不夠,在將元數(shù)據(jù)裝入I BM DL中之前,實際上是將各種元數(shù)據(jù)都轉(zhuǎn)換為統(tǒng)一的都柏林核心元數(shù)據(jù)再行裝入的。這樣的轉(zhuǎn)換也造成了很多問題,首先是由于多種元數(shù)據(jù)結(jié)構(gòu)定義之間的非對稱性,在轉(zhuǎn)換中一定會丟失很多信息,或者是會造成岐義或者是語義概念上不恰當(dāng)?shù)纳炜s;其次這樣的轉(zhuǎn)換也使得對用戶提供的檢索服務(wù)功能受到了限制。所以理想的狀態(tài)自然是將所有的元數(shù)據(jù)都裝入數(shù)字圖書館應(yīng)用系統(tǒng),將應(yīng)實際需要而要進(jìn)行的轉(zhuǎn)移放在系統(tǒng)之外,這樣就可以在滿足用戶統(tǒng)一檢索界面與服務(wù)的情況下,提供用戶更好的數(shù)據(jù)挖掘

15、的服務(wù)及更多樣化的選擇可能。3.1.2數(shù)字式中文全文文獻(xiàn)通用格式“數(shù)字式中文全文文獻(xiàn)通用格式”是文化部制定的文化行業(yè)標(biāo)準(zhǔn)。該標(biāo)準(zhǔn)采用都柏林核心元數(shù)據(jù)集1.1版本為基本框架,除全部采用都柏林核心元數(shù)據(jù)格式15,還增加了記錄控制號(R eco rd項目,共有16個數(shù)據(jù)項目,采用面向?qū)ο蠹夹g(shù),可以對文本、圖像、音頻、視頻、計算機(jī)程序以及網(wǎng)址資源進(jìn)行編目和數(shù)字化處理,覆蓋了幾乎所有的文獻(xiàn)類型,并規(guī)定了中文數(shù)字化文獻(xiàn)的文本著錄格式,使之符合數(shù)字化中文文獻(xiàn)的規(guī)范著錄要求,同時也符合國際數(shù)字圖書館標(biāo)準(zhǔn)化的發(fā)展趨勢?？梢哉f:“數(shù)字式中文全文文獻(xiàn)通用格式”是中文化的DC元數(shù)據(jù)格式。這一格式在通用置標(biāo)語言以及其他

16、國際標(biāo)準(zhǔn)的基礎(chǔ)上,設(shè)計中文全文文獻(xiàn)的數(shù)據(jù)格式,遵循中文文獻(xiàn)編目規(guī)則和有關(guān)的國際、國家文獻(xiàn)標(biāo)準(zhǔn),依據(jù)國家信息處理技術(shù)標(biāo)準(zhǔn)設(shè)置文獻(xiàn)編碼信息,具有高度的兼容性和通用性。目前,中山圖書館已建立的元數(shù)據(jù)達(dá)數(shù)百萬條記錄,可采用聯(lián)機(jī)錄入和脫機(jī)錄入兩種錄入方式。3.1.3北京大學(xué)古籍?dāng)?shù)字圖書館拓片元數(shù)據(jù)北京大學(xué)古籍?dāng)?shù)字圖書館的拓片特藏元數(shù)據(jù)標(biāo)準(zhǔn)主要內(nèi)容包括:拓片元數(shù)據(jù)結(jié)構(gòu)、相關(guān)元素組成、相關(guān)語法語義規(guī)則。其方案的制定與中文元數(shù)據(jù)標(biāo)準(zhǔn)框架方案保持一致,遵循框架方案中的基本原則。拓片元數(shù)據(jù)結(jié)構(gòu)分為三個部分:描述性元數(shù)據(jù)19個元素,管理性元數(shù)據(jù)4個元素,G IS元數(shù)據(jù)2個元素。描述性元數(shù)據(jù)由都柏林核心元素、本館核心

17、元素以及拓片個別元素組成。拓片元數(shù)據(jù)標(biāo)準(zhǔn)的設(shè)計要以拓片基本著錄單位為基礎(chǔ)。不同拓片之間存在著各類復(fù)雜的關(guān)聯(lián),如包含關(guān)系、并列關(guān)系、附加關(guān)系等。這些關(guān)系影響著拓片著錄對象的確定,進(jìn)而涉及到元數(shù)據(jù)標(biāo)準(zhǔn)的設(shè)計。3.2中文元數(shù)據(jù)存在的問題從以上三個項目中,我們可以看出,DC元數(shù)據(jù)的應(yīng)用還存在著以下問題。3.2.1中文元數(shù)據(jù)標(biāo)準(zhǔn)化的問題雖然都柏林核心元數(shù)據(jù)是國際上應(yīng)用廣泛且成熟的元數(shù)據(jù)體系,但是其中文標(biāo)準(zhǔn)化問題卻很大。沒有經(jīng)過很好的母語規(guī)范與應(yīng)用規(guī)范的定義,對于我們來說,應(yīng)用起來就會產(chǎn)生這樣那樣的問題。以上介紹的幾個項目盡管都用到了都柏林核心元數(shù)據(jù),但具體應(yīng)用時所選取得元素和標(biāo)準(zhǔn)還是不盡相同。舉例來講,

18、比如都柏林核心元數(shù)據(jù)的擴(kuò)展就與中文環(huán)境下的實際應(yīng)用要求區(qū)別較大。所在本地化的應(yīng)用方面,標(biāo)準(zhǔn)化的工作大有可為。這個工作做好了,反過來也能促進(jìn)都柏林核心元數(shù)據(jù)在圖書館等領(lǐng)域的使用與推廣。3.2.2中文元數(shù)據(jù)應(yīng)用的推廣問題。盡管都柏林核心元數(shù)據(jù)已經(jīng)在國內(nèi)許多資金和技術(shù)較強(qiáng)的大型圖書館開展了起來,但是離廣泛應(yīng)用還有很大的一段距離。很多中小圖書館由于多方面條件的限制,可能對元數(shù)據(jù)這一概念都還沒有理解。因此應(yīng)鼓勵開展一些標(biāo)準(zhǔn)化程度高、技術(shù)含量大、應(yīng)用效果好的合作項目,推動對現(xiàn)代信息技術(shù)環(huán)境下中文元數(shù)據(jù)的編碼、著錄規(guī)范及相關(guān)技術(shù)的研究與實踐。采用和參照現(xiàn)有的國際規(guī)范,加快中文元數(shù)據(jù)編碼的標(biāo)準(zhǔn)化進(jìn)程與實際應(yīng)用

19、。引進(jìn)和利用各種成熟、規(guī)范的編碼體系中的元素,將這些基本構(gòu)件有機(jī)地組合起來,形成適應(yīng)具體應(yīng)用需求與中文資源特點(diǎn)的應(yīng)用規(guī)范,推動標(biāo)準(zhǔn)化、模塊化的中文DC元數(shù)據(jù)應(yīng)用方案的交流與推廣。3.2.3以M A RC為代表的傳統(tǒng)元數(shù)據(jù)的發(fā)展與利用問題。M A RC作為一種發(fā)展成熟且在圖書館界應(yīng)用普遍的技術(shù),我們不可能即刻將它拋棄。而是應(yīng)該針對傳統(tǒng)元數(shù)據(jù)與現(xiàn)代元數(shù)據(jù)的不同特點(diǎn),取長補(bǔ)短,發(fā)揮各自特長,對各種信息資源形態(tài)與特點(diǎn)的資源進(jìn)行有效的內(nèi)容組織與信息挖掘。加強(qiáng)傳統(tǒng)元數(shù)據(jù)與DC元數(shù)據(jù)格式之間的融合,提高中文DC元數(shù)據(jù)應(yīng)用的互操作性。同時在新的信息技術(shù)與標(biāo)準(zhǔn)的應(yīng)用環(huán)境下,對傳統(tǒng)元數(shù)據(jù)進(jìn)行革新與發(fā)展,使這些元數(shù)

20、據(jù)在數(shù)字化時代煥發(fā)新的生命力。(下轉(zhuǎn)第24頁面集中同、近義詞,另一方面則可以顯示詞間關(guān)系,從而彌補(bǔ)自然語言缺乏控制的不足。后控詞表的設(shè)計,可以應(yīng)用現(xiàn)有技術(shù),收集標(biāo)引與檢索用的自然語言詞,經(jīng)過簡單加工整理,作為詞表的基礎(chǔ)詞匯。在此基礎(chǔ)上,采用人工分析的方法,建立詞匯間的語義關(guān)系,充分顯示等同關(guān)系、等級關(guān)系與相關(guān)關(guān)系,并根據(jù)檢索狀況不斷調(diào)整、完善。也可以對現(xiàn)有主題詞進(jìn)行改造,根據(jù)網(wǎng)絡(luò)資源特點(diǎn)與用戶檢索需求對詞匯與語義關(guān)系進(jìn)行調(diào)整,并加強(qiáng)機(jī)讀化的改造。通過后控詞表的轉(zhuǎn)換作用,可以在系統(tǒng)內(nèi)部完成詞匯的自動轉(zhuǎn)換,提供同義詞、準(zhǔn)同義詞,如檢索“電腦”時,可將同義的“計算機(jī)”等一并輸出,從而提高檢全率。另外

21、,應(yīng)開發(fā)視窗版的后控詞表,直接提供給用戶參考,通過完整的語義關(guān)系,如分、屬、參照等詞間關(guān)系的顯示,克服用戶構(gòu)造檢索策略的困難,使用戶可以根據(jù)需要選擇相關(guān)詞匯,或進(jìn)行擴(kuò)檢、縮檢,直到獲得滿意的檢索結(jié)果。中文搜索引擎的檢索效率在很大程度上體現(xiàn)著中文網(wǎng)絡(luò)信息服務(wù)的質(zhì)量。作為信息檢索語言研究者,在理論上應(yīng)著重探索網(wǎng)絡(luò)環(huán)境下知識組織的理論與方法,尤其是傳統(tǒng)分類法與主題法在網(wǎng)絡(luò)環(huán)境中的借鑒與應(yīng)用;從技術(shù)上,則需加強(qiáng)中文自動分詞、自動標(biāo)引、自動分類技術(shù)的研究,盡快使這些成果應(yīng)用于中文信息檢索系統(tǒng),使中文搜索引擎全面走向自動化,實現(xiàn)智能檢索。參考文獻(xiàn):1曹樹金,羅春榮.信息組織的分類法與主題法M.北京圖書館出

22、版社,2000,9.2馬張華.分類搜索引擎類目體系研究J.圖書情報工作,2001,(2:3640.3馬張華,李玲.論超文本技術(shù)在分類法編制中的應(yīng)用J.大學(xué)圖書館學(xué)報,2001,(1:6062,66.4同2.5石春芳,石曉華.網(wǎng)絡(luò)信息的分類組織J.圖書館論壇.2000,(6:7274.A Study of Retr ieva l Languageof Ch i nese Search Eng i nesW U Feng yu,L I U J ia yingAbstract:In view of the fact that Ch inese search engines often yield u

23、n satisfacto ry resu lts,th is paper exam ines a num2 ber of Ch inese search engines from the perspective of retrieval languages.It suggests that a p roper app licati on of p rinci p les and m ethods of info rm ati on retrieval language m ay sign ifican t2 ly i m p rove the perfo rm ance of these se

24、arch engines.Key words:search engines;info rm ati on retrieval language 收稿日期:20010924.作者簡介:吳鳳玉(1970-,現(xiàn)在天津商學(xué)院圖書館工作,館員,已發(fā)表論文十余篇,參編專著一部。(上接第19頁參考文獻(xiàn):1E ric Ju l.In troducti on to know ledge m anabem en t&m eta2data.A vailab le from OCL C In stitu te.2A vailab le from:h ttp: www.n ii.ca.j p dc20013劉煒等.數(shù)字圖書館引論M.上海科學(xué)技術(shù)出版社,2001,1.4肖瓏.元數(shù)據(jù)格式在數(shù)字圖書館中的應(yīng)用J.大學(xué)圖書館