國內外元數據標準宏觀比較研究

廣東金融學院圖書館 〔廣東省廣州市 510521〕 陳彩紅

一、元數據的定義

至今元數據還沒有統一的定義,最常規的定義就是:元數據是關于數據的數據(Data about data)。過于簡單的此定義無法揭示其內涵,一些專家和學者遂將其深化和擴展,比較有代表性的是:元數據(Metadata)是描述數據的數據(Data that defines and describes other data)(ISO/IEC 11179-3:2003(E));是結構化數據(Structured data about data),它描述數據的結構和意義;是用于描述數據的內容(What)、覆蓋范圍 (Where,When)、質量(Quality)、管理方式(Management)、數據的所有者(Who)、數據的提供方式(How)等信息的數據,是連接數據與數據用戶二者之間的橋梁(Bridge);是一組獨立的關于資源的說明(metadata is a set of independent assertions about a resource);是描述資源的信息(Information about a resource);是數據管理、控制信息(Administrative information);是數據編目信息(Cataloguing information)。傳統的書目數據、產品目錄等都是元數據。元數據可以為各種形態的信息資源提供規范、普遍的描述方法,為由多種資源組成的信息體系(如數字圖書館等)提供整合的工具與檢索。離開元數據的數字圖書館將無法提供有效的處理。

二、都柏林核心元數據標準述評

DC由美國 OCLC公司與國家超級計算應用中心 (NCSA)聯合發起,國際性合作項目Dublin Core Metadata Initiative設計,52位來自圖書館界、計算機網絡界專家共同研究產生,適用于網絡信息資源描述,包括l5個元數據核心元素:數據集名稱、主題、摘要、數據源、語言、關系、時空覆蓋范圍、數據生產者、出版者、其他生產者、版權、日期、類型、格式、標識碼。它吸引了諸如博物館、圖書館、政府部門和商業組織等正規資源描述界的廣泛關注,得到了國際間的廣泛承認,作為學科分類信息資源描述而言,是目前世界上使用最廣泛的元數據格式,具有最大的彈性和最強的適應性,是描述、支持、發現、管理和檢索網絡信息資源的最有效組織方式之一。

DC元數據原是為作者生成對萬維網資源的描述而設計的,是旨在推動電子資源發現的最小的元數據元素集,由其適應性和互操作性而額外具有一個重要特質——全世界范圍內在一個核心集內達成跨學科領域的共識。DC元數據是在充分吸收圖書情報界的編目、分類、文籀等經驗以及利用計算機、網絡自動搜索、編目、索引、檢索等研究成果的基礎上發展起來的,其最大特點是數據結構簡單。

三、國際上常用的幾種元數據標準

(一)CDWA(Categories for the Description of Works of Art)

由 AIT F(Art Information Task Force,藝術信息專業組織)頒布實施,適用于藝術品及數字圖像資源描述,包括描述藝術品物理形態、圖像及與時空、人物、歷史文化等方面的上下文關系等 26個基本元素:對象 /作品、分類、方位 /布置、題名、形態、版本、尺寸、材質與技術、制作方法、物理描述、碑銘 /標志、條件 /檢查歷史、保存 /處理歷史、創造性、擁有 /收藏歷史、版權 /限制、風格 /時期 /流派 /樂章、主題、上下文、展覽 /借出歷史、視頻文件、文本參考描述、反響、編目歷史、所在地等。

(二)VRA(Core Categories ForVisual Resources)

由美國視覺資料協會制定,適用于藝術、建筑、史前古器物、民間文化等藝術類三維實體的可視化資源描述,包括 l7個基本元素:類型、題名、作者、時間、身份號、文化、主題、關系、描述、來源、版權、記錄式樣、尺寸、材質、技術、所在地、風格 /時期等。

(三)FGDC(Federal Geographic Data Committee)

由美國聯邦地理數據委員會制定,適用于地理空間數據內容描述,FGDC是按照段(Section)、復合元素 (Compound Element)、數據元素 (Data Element)由來組織記錄的,包括 7個主要子集和 3個輔助子集,共有 460個元數據實體(含復合元素)和元素。FGDC規定了3種性質的子集、復合元素和元素。主要子集包括:標識信息、數據質量信息、空間數據組織信息、空間參照系統信息、實體和屬性信息、發行信息、元數據參考信息。次要子集包括:引用文獻(引證)信息、時間信息、聯系信息等。

(四)GILS(Government Information Locator Service)

由美國管理與預算辦公室、國家檔案與記錄管理局及總務管理局聯合制定,適用于政府的公用信息資源描述,包括描述性、管理性及記錄維護或系統使用的28個核心元素。描述性元素包括:標題、創作者、投稿者、公布時間、公布地點、使用語種、文摘、規范主題索引、非控主題詞、空間域、時間段、聯系方式、附加信息、目的、處理程序、參照、來源日期、方法。管理性元素包括:有效性、獲取條件、使用權限、進度號碼、處理標識、來源控制標識、記錄來源。記錄維護或系統用的元素包括:使用語種、最后更新時間、記錄檢查時間。

(五)TEI(Text Encoding Initiative)

由計算機和人文協會、計算語言學會、文字語言協會聯合制定,適用于電子文本的描述方法、標記定義、記錄結構,TEI使用 SGM L作為數據記錄的編碼語言,對元數據和內容數據進行描述,包括 T EI Header、front、body、back 4個 部分。其 中 ,T EI Header規定了對電子文本內容的描述,front、body和back分別用 TEI標簽格式來記載文本文前內容、文本正文、附錄的實際內容。TEI Header包括的元素有:題名、版本、長度、出版、叢書、附注、來源元素、項目過程描述、抽樣、編輯、標簽、參照、分類、特征體系、變化聲明元素、制作信息、語言使用、文本類別、文本參數、參加者、背景描述、日期、責任說明、變化項目元素。每個元素還包括相應的子元素。front包含圖像——封面、書脊、空白頁、標題頁、卷首插圖等文本——標題頁、序言,包括其中的目錄、插圖目錄、導論、序言、銘文等;Body中是正文部分,根據文本類型不同,可以使用核心標記集+相應的附加標記集合(DTD)來標記文本;back包含附錄和索引的內容等。

(六)EAD(Encoded Archival Description)

由美國國會圖書館網絡開發&M ARC標準辦公室、美國檔案管理員協會聯合開發維護,主要用于描述檔案和手稿資源,包括文本文檔、電子文檔、可視材料和聲音記錄等,EAD使用SGML作為數據記錄的編碼語言,EAD2002共計包括 146個元素,由EAD標目 (eadheader)、前面事項 (frontmatter)、檔案描述(archdesc)三個高層元素組成,每一個高層元素下可分若干子元素,子元素下還可再細分出若干元素,主要元素包括:取用限制、增加、采訪信息、其他可取得的形式、鑒定、檔案描述、編排、書目、傳記 /歷史、收藏歷史、描述規則、EAD識別、語言資料、法律狀態、附注、其他描述資料、原件位置、來源、其他檢索工具、實體描述、實體技術、處理信息、相關資料、范圍與內容、分別資料、單元日期、單元識別、單元題名、使用限制等。

四、中文元數據標準

(一)中文元數據方案

由國家圖書館中文元數據研究組制定,適用于中文數字資源建設、保存及共建共享服務,包括 25個描述性、管理性、技術性和法律性信息元素:名稱、主題、版本、內容摘要、內容類型、語種、內容覆蓋范圍、內容創建者、其他責任者、內容創建日期、出版、版權所有者、資源標識符、關聯資源、數字資源制作者、數字資源制作日期、數字資源制作地、權限聲明、公開對象、操作許可、原始技術環境、加工處理歷史、維護歷史、認證指示符、基本抽象格式描述等。

(二)中國科學院科學數據庫核心元數據標準

由中國科學院計算機網絡信息中心主持,聯合中科院各單位共同研究制定,屬于中國科學院“科學數據庫及其應用系統”項目研究成果,適用于科學數據庫資源的建設、管理、共享和服務,包括數據集元數據、服務元數據兩部分。數據集元數據主要包括:數據集描述信息 (名稱、URI、主題、描述、目的、類型、數據量、數據來源、提供者、貢獻者、更新頻率、數據集時間、語種、URL、關聯數據集、數據集范圍)、數據集質量信息(數據志、評測報告)、數據集分發信息(數據格式、技術要求、收費策略、權限聲明、訂購指南、訪問時間、聯系方式、分發信息元數據示例)、元數據參考信息(元數據標準、元數據時間、元數據聯系信息、元數據參考信息元數據示例)、服務參考信息、指示信息、結構描述信息(檢索點、實體、關系)、范圍信息(學科范圍、時間范圍、空間范圍)、聯系信息(聯系人名稱、聯系地址、其他聯系方式、聯系時間)。服務元數據主要包括:服務類型、服務名稱、服務URI、服務描述、服務屬性等。

(三)基本數字對象描述元數據標準

屬于科技部科技基礎工作專項資金重大項目研究成果,適用于各類數字對象管理,包括 15個基本元素:名稱、主要責任者、主題、描述、出版者、其他責任者、日期、類型、格式、標識符、來源、語種、關聯、時空范圍、權限。基本元數據集可根據實際需要進行擴展,采用 RDF Schema和 RDF/XM L對元數據形式化的詞匯和語法進行描述。

(四)中文元數據標準框架

由北京大學數字圖書館研發,適用于各類數字資源對象,由14個核心元數據、3個北大數字圖書館核心元素及個別元素組成。核心元數據:元素名稱、主要責任者、主題 /關鍵詞、資源描述、其他責任者、日期、資源類型、資源形式、來源、語種、相關資源、時空范圍、權限管理;北大數字圖書館核心元素:版本、物理特征、出版項;個別元素根據資源對象情況制定。

五、關于中文元數據標準制定的建議

(一)合作開發,避免重復投入而造成資源浪費

在中文元數據開發與利用方面,我國臺灣省和香港特區已經取得了一定的成果,而中國大陸關于這一方面的研究還處于剛剛起步的階段。因此,兩岸三地有必要加強合作、共同開發,避免資源浪費,共享研究成果,共同促進中文元數據的發展,促進中文元數據標準的進一步發展和完善,為中文網絡信息資源的編目組織工作提供有效的工具,促進中文網絡信息資源建設的發展。

(二)以都柏林核心元數據作為信息資源描述格式的主導發展趨勢

在本文的第二部分,評述都柏林核心元數據時,已經提到,從元數據在整個世界范圍的發展及應用情況來看,都柏林核心元數據主導信息資源描述格式發展趨勢已成定局,都柏林核心元數據具有很大的彈性、有效的互操作性和最強的適應性,已日漸得到業界的廣泛認同。因此,都柏林核心元數據大有逐漸取代其他元數據格式而成為元數據格式發展主導之勢,在制定中文元數據標準時要充分認識到這一點,圖書館應在兼顧使用者的習慣以及與現有系統的兼容性的同時,考慮是否開發以都柏林核心元數據格式作為信息資源描述結構的系統,以及如何開發等問題,應以充分論證為基礎,對都柏林核心元數據信息資源描述格式給予充分的重視。

(三)注意與國際標準的兼容

在制定中文元數據標準方面,在充分認識中文元數據處理方面特殊性的同時,還必須注意到與國際相關標準兼容的問題,考慮所定立標準的開放性,從全球信息大環境、元數據標準大系統著眼,制定能與國際相關標準兼容的中文元數據標準,形成國際化的標準體系,這也有助于標準的進一步發展。

(四)積極參加國際性的元數據項目

通過參加一系列試驗項目,進而總結,為中文元數據標準的制定積累經驗。眾所周知,國際上對于網絡信息資源是否進行編目以及如何進行、采取何種方式方法早已形成定論,中國大陸的圖書館應盡早加入此類項目,在多方國際合作的過程中積累經驗,這將有助于開展中文網絡信息資源組織,推動中文網絡信息資源的對外輸出,提高中文信息資源在國際互聯網上所占的比例,弘揚中國文化,擴大中文的世界影響力。

[1]張曉林,肖瓏,孫一剛,等.我國數字圖書館標準與規范的建設框架 [J].圖書情報工作,2003,47(4):7～11,64.

[2]林衛,高雄鷹.試談網絡信息資源的編目 [J].山東圖書館季刊 ,2001,(2):25～27.

[3]張東.論元數據互操作的層次 [J].情報理論與實踐,2005,(6):648～650.

[4]朱超.關于元數據互操作的探討 [J].情報理論與實踐,2005,(6):644～647,655.

[5]肖瓏,陳凌,馮項云,等.中文元數據標準框架及其應用[J].大學圖書館學報 ,2001,19(5):29～35.

[6]馮項云,肖瓏,廖三三,等.國外常用元數據標準比較研究[J].大學圖書館學報,2001,19(4):15～21.

[7]張曉琳.元數據研究與應用 [M].北京:北京圖書館出版社,2002:15～18.

[8]劉嘉.元數據導論 [M].北京:華藝出版社,2002:37～41.