數(shù)字保存的可用性風(fēng)險檢測*

臧國全 臧弘毅 李 哲

（1 鄭州大學(xué)信息管理學(xué)院 鄭州 450001；2 鄭州大學(xué)公共管理學(xué)院 鄭州 450001）

1 可用性及其風(fēng)險類型

可用性指目標(biāo)用戶群體所需的數(shù)字對象被保存系統(tǒng)收錄，并在長期保存過程中對其適時實(shí)施必要的保存活動，使其處于持續(xù)的可用狀態(tài)。為此，保存系統(tǒng)需制定合適的收錄政策，確保對目標(biāo)用戶群體具有長期使用價值的數(shù)字對象得到收錄；與產(chǎn)權(quán)擁有者或數(shù)字對象提交者簽署許可協(xié)議，獲取受產(chǎn)權(quán)保護(hù)的數(shù)字對象的保存使用權(quán)和傳播權(quán)；提供充足的檢索點(diǎn)，滿足目標(biāo)用戶群體的各種檢索需求；給予數(shù)字對象的合理描述和管護(hù)，被目標(biāo)用戶群體發(fā)現(xiàn)；提供最佳的瀏覽環(huán)境，確保用戶有效瀏覽使用；實(shí)施必要的保存活動，使長期保存過程中遭到損壞的數(shù)字對象得到有效維護(hù)。

可用性風(fēng)險指保存系統(tǒng)影響數(shù)字對象可用性的因素。歸納起來，有下述類型：

（1）數(shù)字對象沒有被收錄，致使用戶無法使用?？赡茉蛴校翰辉诒４嬲叩氖珍浄秶粩?shù)字對象有產(chǎn)權(quán)限制，保存系統(tǒng)無法獲得保存許可；獲得保存許可成本過高，保存系統(tǒng)無法承擔(dān)；數(shù)字對象收錄者有意無意的疏忽。這類可用性風(fēng)險，在本文設(shè)計的檢測方法中不予檢測，因?yàn)樵摲椒ǖ臋z測對象是保存系統(tǒng)已收錄的數(shù)字對象。

（2）數(shù)字對象雖被收錄，但無法被目標(biāo)用戶群體檢索到。可能原因有：檢索點(diǎn)設(shè)置不充分，導(dǎo)致從未設(shè)置檢索點(diǎn)的檢索需求無法找到數(shù)字對象；數(shù)字對象唯一標(biāo)識符沒有賦值，導(dǎo)致無法識別數(shù)字對象；數(shù)字對象存儲位置沒有賦值，導(dǎo)致無法獲取數(shù)字對象；受產(chǎn)權(quán)保護(hù)的數(shù)字對象，未獲得授權(quán)許可的用戶無法訪問；保存系統(tǒng)執(zhí)行“去索引”事件（Deaccession Event），導(dǎo)致數(shù)字對象雖在存儲系統(tǒng)中但用戶無法發(fā)現(xiàn)。

（3）目標(biāo)用戶群體雖能檢索到，但無法有效瀏覽和使用?？赡茉蛴校航?jīng)過編碼的數(shù)字對象無法有效還原，導(dǎo)致難以瀏覽；文件系統(tǒng)不能被操作系統(tǒng)識別，導(dǎo)致數(shù)字對象不能被讀??；瀏覽軟件不能支持最佳效果瀏覽，導(dǎo)致瀏覽結(jié)果出現(xiàn)瑕疵；操作系統(tǒng)不支持瀏覽軟件的運(yùn)行，導(dǎo)致數(shù)字對象無法瀏覽；邏輯保存功能缺失，導(dǎo)致數(shù)字遷移無法實(shí)施，致使格式過時的數(shù)字對象不能被持續(xù)使用。

（4）長期保存過程中，數(shù)字對象無法被用戶繼續(xù)使用?？赡茉蛴校河捎诓豢煽咕芤蛩貙?dǎo)致數(shù)字對象被不可逆轉(zhuǎn)地毀壞；存儲介質(zhì)遭到破壞，導(dǎo)致數(shù)字對象部分甚至全部無法繼續(xù)使用；刪除事件被執(zhí)行，導(dǎo)致數(shù)字對象從存儲系統(tǒng)中消失。

2 可用性的風(fēng)險點(diǎn)設(shè)置

依據(jù)可用性風(fēng)險的類型，可從下述四個方面設(shè)置可用性的風(fēng)險點(diǎn)。

2.1 數(shù)字對象方面的可用性風(fēng)險點(diǎn)

（1）數(shù)字對象標(biāo)識符（Object Identifier）。用于數(shù)字對象的識別。若該標(biāo)識符內(nèi)容缺失，雖保存系統(tǒng)已收錄，但無法找到具體數(shù)字對象，用戶仍不可使用，也無法實(shí)施下述風(fēng)險點(diǎn)的檢測。

（2）數(shù)字對象類型（Object Category）。有知識實(shí)體、表現(xiàn)、文件、比特流。用戶的使用是通過瀏覽實(shí)現(xiàn)的，只有表現(xiàn)和文件可被瀏覽，所以可用性僅限于表現(xiàn)和文件兩類數(shù)字對象。作用是篩選可用性風(fēng)險檢測的數(shù)字對象。

（3）檢索點(diǎn)信息（Retrieval Point Information）。向用戶提供數(shù)字對象被發(fā)現(xiàn)的途徑的描述。包括：①數(shù)字對象的文獻(xiàn)類型，如期刊論文、專利文獻(xiàn)等。②檢索點(diǎn)，不同類型文獻(xiàn)的檢索點(diǎn)設(shè)置不同，有的差別很大，如專利文獻(xiàn)的檢索點(diǎn)有申請?zhí)?、公開號等，碩博論文的檢索點(diǎn)有導(dǎo)師、學(xué)位授予單位等。③檢索方式，有兩種，一是全文掃描，如檢索點(diǎn)為全文、參考文獻(xiàn)的檢索方式；二是基于索引，如檢索點(diǎn)為關(guān)鍵詞、作者的檢索方式。④賦值內(nèi)容，有兩種，一是針對檢索方式為全文掃描的，無需賦值；二是針對檢索方式為索引的，需自動從文獻(xiàn)中抽取或人工賦值?？刹捎弥貜?fù)上述元素的方式描述具有多個檢索點(diǎn)信息的數(shù)字對象。

用戶能檢索到，則數(shù)字對象具有可用性，否則，不具有可用性。但是，影響用戶能否檢索到的因素有很多，主要有兩個：①用戶個體差異，這種差異主要體現(xiàn)在用戶的構(gòu)成復(fù)雜、檢索行為多樣、檢索技能參差不齊等。一般來說，綜合性保存系統(tǒng)的目標(biāo)用戶群體有多個，所以，針對一件數(shù)字對象，有些用戶能找到，有些用戶找不到，屬正常現(xiàn)象。②保存系統(tǒng)提供的檢索點(diǎn)，業(yè)已存在的保存系統(tǒng)提供的檢索點(diǎn)不完全一致，除了一些常規(guī)的檢索點(diǎn)外（如作者、關(guān)鍵詞等），還有一些不太常用的檢索點(diǎn)。如果一個用戶習(xí)慣于某一檢索點(diǎn)，而保存系統(tǒng)的檢索界面不提供這個檢索途徑，那么，對該用戶來說保存系統(tǒng)中數(shù)字對象的可用性就低。因此，一件數(shù)字對象是否可用因人而異，純粹從用戶角度，很難制定一個指標(biāo)判斷其是否可用。

檢測項(xiàng)目：①根據(jù)數(shù)字對象的文獻(xiàn)類型，對比保存政策中該類型數(shù)字對象應(yīng)設(shè)置的檢索點(diǎn)與“檢索點(diǎn)”元素的內(nèi)容（即保存系統(tǒng)實(shí)際設(shè)置的檢索點(diǎn)）。若不完全相同，產(chǎn)生風(fēng)險，如標(biāo)準(zhǔn)文獻(xiàn)，若保存政策中設(shè)置的檢索點(diǎn)有起草人，而該類文獻(xiàn)的檢索點(diǎn)信息中沒有設(shè)置起草人檢索點(diǎn)，那么用戶從起草人角度就無法找到該類數(shù)字對象。②若基于索引的檢索點(diǎn)沒有賦值內(nèi)容，用戶從該檢索點(diǎn)找不到數(shù)字對象。③若基于索引的檢索點(diǎn)的賦值內(nèi)容出現(xiàn)錯誤，也找不到所需的數(shù)字對象。上述三種情況均歸為在該風(fēng)險點(diǎn)上出現(xiàn)的風(fēng)險。

（4）文件系統(tǒng)（File System）。保存數(shù)字對象的存儲設(shè)備組織文件方法的描述，由操作系統(tǒng)建立。同類存儲設(shè)備，不同操作系統(tǒng)建立的文件系統(tǒng)可能不同，如磁性存儲設(shè)備，Window建立的文件系統(tǒng)是FAT或NTFS，Linux建立的是EXT，Solaris建立的是ZFS，UNIX建立的是UFS。因此，一種文件系統(tǒng)可以被多種操作系統(tǒng)識別，如ExFAT文件系統(tǒng)可以被Windows CE 6、Vista SP1、Windows8識別，一種操作系統(tǒng)可識別多種文件系統(tǒng)，如 Linux可識別 EXT、XFS、ReiserFS、Ext3文件系統(tǒng)。但是，一種文件系統(tǒng)不可能被所有操作系統(tǒng)識別，同樣，一種操作系統(tǒng)也不可能識別所有文件系統(tǒng)。

檢測項(xiàng)目：①檢測保存系統(tǒng)的操作系統(tǒng)對該風(fēng)險點(diǎn)賦值的支持情況，若不支持，數(shù)字對象無法讀取。②該風(fēng)險點(diǎn)內(nèi)容為空，無法識別讀取數(shù)字對象所需的操作系統(tǒng)。③該風(fēng)險點(diǎn)內(nèi)容賦值錯誤，導(dǎo)致基于該風(fēng)險點(diǎn)內(nèi)容識別出的文件系統(tǒng)選擇的操作系統(tǒng)可能無法讀取數(shù)字對象。上述三種情況均歸為在該風(fēng)險點(diǎn)上出現(xiàn)風(fēng)險。

（5）瀏覽軟件信息（Browsing Software Information）。瀏覽數(shù)字對象（未壓縮和未加密）所需的應(yīng)用軟件及其運(yùn)行環(huán)境和瀏覽效果的描述。數(shù)字對象文件格式有通用（源代碼公開）和專用（源代碼不公開），有些保存系統(tǒng)為了便于用戶使用將收錄數(shù)字對象的格式統(tǒng)一為一種通用格式（如PDF），有些為了保護(hù)產(chǎn)權(quán)設(shè)計使用一種專用格式（如CAJ），還有些為了確保數(shù)字對象的真實(shí)性完全保留原始格式，因此，一個保存系統(tǒng)可能需要多種瀏覽軟件。包括：軟件名稱、軟件版本、軟件生產(chǎn)日期、軟件生產(chǎn)商、運(yùn)行的最佳操作系統(tǒng)、瀏覽效果（最佳、可以、無法判斷）等。

檢測項(xiàng)目：①檢查“瀏覽效果”元素的賦值，若不是“最佳”，數(shù)字對象可用性可能受到影響；②檢查“運(yùn)行的最佳操作系統(tǒng)”元素的內(nèi)容與保存系統(tǒng)運(yùn)行的操作系統(tǒng)是否相符，若不相符，瀏覽結(jié)果可能出現(xiàn)瑕疵。上述兩種情況均歸為在該風(fēng)險點(diǎn)出現(xiàn)的風(fēng)險。

（6）保存級別（Preservation Level）。為實(shí)現(xiàn)數(shù)字對象的可用性而設(shè)置的保存功能。包括：①保存級別類型，分為“比特保存”和“邏輯保存”兩種，前者用于描述實(shí)現(xiàn)數(shù)字對象可用性的物理安全保障，后者用于描述實(shí)現(xiàn)數(shù)字對象可用性的用戶瀏覽保障。②保存級別值，針對前者，取值有：低、中、高，“低”表示僅進(jìn)行常規(guī)本地同步備份，“中”表示兩個同步異地（距離不作要求）備份且存儲在不同介質(zhì)上，“高”表示至少五個同步異地（有距離要求）備份且存儲在不同介質(zhì)上，以保障數(shù)字對象的恢復(fù)能力；針對后者，取值有：遷移、仿真，以保障數(shù)字對象的用戶持續(xù)使用能力。

檢測項(xiàng)目：①若類型為“比特保存”，值為“低”，則數(shù)字對象遭到破壞時可能無法通過備份進(jìn)行恢復(fù)；②若類型為“邏輯保存”，值為空，則過時格式的數(shù)字對象無法被繼續(xù)使用。上述兩種情況均歸為在該風(fēng)險點(diǎn)上出現(xiàn)的風(fēng)險。

（7）編碼信息（Composition Information）。為了降低存儲空間或防止非法使用，需對數(shù)字對象進(jìn)行壓縮或加密，該過程為編碼。編碼后的數(shù)字對象不具可用性，用戶無法直接使用，需解碼為原始數(shù)字對象。包括：①編碼類型，取值有壓縮、加密。②編碼層次，描述數(shù)字對象編碼過程的次序，原始數(shù)字對象可經(jīng)過多個層次的編碼形成最終的保存對象，如一件數(shù)字對象首先使用Winzip壓縮，然后使用數(shù)字簽名加密，前者的編碼層次為1，編碼類型為壓縮，后者的編碼層次為2，編碼類型為加密。③解碼程序，描述一個層次解碼所用的軟件。④密碼，描述加密型數(shù)字對象解密所需的密鑰。若數(shù)字對象經(jīng)過多層次編碼，需重復(fù)上述各元素以描述每個層次的編碼信息。

解碼后生成的數(shù)字對象的可用性風(fēng)險檢測需使用本文設(shè)計的其他風(fēng)險點(diǎn)，該風(fēng)險點(diǎn)僅用于檢測能否正確解碼。

檢測項(xiàng)目：①檢測編碼類型為加密的編碼層次，若該層次的密碼為空，導(dǎo)致無法對該層次對象解碼；②檢測每一層次的解碼程序，若為空或賦值錯誤，同樣導(dǎo)致無法實(shí)施該層次對象的解碼；③檢測每一層次的上述四個元素，若出現(xiàn)錯位，也會導(dǎo)致解碼錯誤。上述三種情況均歸為在該風(fēng)險點(diǎn)上出現(xiàn)的風(fēng)險。

（8）存儲信息（Storage Information）。描述數(shù)字對象在存儲系統(tǒng)中存放位置和存儲介質(zhì)的信息。元素有：存儲位置、存儲介質(zhì)。

檢測項(xiàng)目：①檢查“存儲位置”元素的值，若為空或賦值錯誤，則數(shù)字對象無法找出或出現(xiàn)錯位；②檢查“存儲介質(zhì)”，若已超出有效期限，則數(shù)字對象可能不再可用。上述兩種情況均歸為在該風(fēng)險點(diǎn)上出現(xiàn)的風(fēng)險。

2.2 保存事件方面的可用性風(fēng)險點(diǎn)

（1）去索引（Deaccession）。屏蔽數(shù)字對象的所有檢索點(diǎn)信息，暫時不提供用戶對該數(shù)字對象的訪問，但仍保存在存儲系統(tǒng)中。這是一個規(guī)避產(chǎn)權(quán)糾紛或處置數(shù)字對象的常規(guī)保存活動，但執(zhí)行結(jié)果導(dǎo)致被屏蔽的數(shù)字對象暫時不可使用。

（2）刪除（Deletion）。物理刪除數(shù)字對象，且所有描述信息同時也被刪除。執(zhí)行結(jié)果導(dǎo)致被刪除的數(shù)字對象不再可用。

（3）介質(zhì)刷新（Storage Medium Refresh）。根據(jù)保存政策設(shè)置的介質(zhì)刷新頻率對存儲介質(zhì)進(jìn)行定期刷新。若該事件沒有按照保存政策中設(shè)置的刷新頻率執(zhí)行，則可能產(chǎn)生風(fēng)險。

（4）病毒檢測（Virus Check）。若該事件沒有按照保存政策中設(shè)置的病毒檢測周期執(zhí)行，則可能產(chǎn)生風(fēng)險。

2.3 產(chǎn)權(quán)方面的可用性風(fēng)險點(diǎn)

（1）版權(quán)信息（Copyright Information）。數(shù)字對象的版權(quán)狀態(tài)及其判斷依據(jù)和適用的時間空間范圍的描述。包括：①版權(quán)狀態(tài)，取值有“受版權(quán)保護(hù)”“公共領(lǐng)域”“未知”。②適用的版權(quán)法，判定數(shù)字對象的版權(quán)狀態(tài)所依據(jù)的法律文本。③版權(quán)法的管轄范圍，不同國家和地區(qū)，適用的版權(quán)法可能不同，賦值應(yīng)來自ISO3166。④版權(quán)時間區(qū)間，版權(quán)狀態(tài)適用的時間范圍，若版權(quán)狀態(tài)是“受版權(quán)保護(hù)”，記錄開始日期（一般為原始信息資源的發(fā)布日期）和終止日期（若永久受版權(quán)保護(hù)，記錄為“OPEN”）；若版權(quán)狀態(tài)屬于“公共領(lǐng)域”，開始日期為進(jìn)入公共領(lǐng)域的日期，終止日期為“OPEN”；若版權(quán)狀態(tài)是“未知”，該元素不賦值。

檢測項(xiàng)目：①檢查版權(quán)狀態(tài)元素，若值為“受版權(quán)保護(hù)”，則無授權(quán)的用戶無法訪問使用；②檢查版權(quán)狀態(tài)和時間區(qū)間兩個元素，若前者的值為“受版權(quán)保護(hù)”，且后者的終止日期已過，則數(shù)字對象應(yīng)對所有用戶開放使用，但由于沒有及時更新終止日期，仍不可使用；③檢查版權(quán)狀態(tài)元素，若值為“未知”，保存系統(tǒng)為了規(guī)避侵權(quán)風(fēng)險，可能設(shè)置為用戶不可訪問；④檢查管轄范圍元素，若賦值錯誤，則可能導(dǎo)致本應(yīng)進(jìn)入公共領(lǐng)域的數(shù)字對象并未進(jìn)入。上述四種情況均歸為在該風(fēng)險點(diǎn)上出現(xiàn)的風(fēng)險。

（2）許可信息（License Information）。許可協(xié)議中有關(guān)數(shù)字對象可用性條款的信息。包括：①許可的類型，取值有“允許”“限制”，前者表示產(chǎn)權(quán)擁有者或數(shù)字對象提交者允許保存系統(tǒng)實(shí)施后續(xù)元素描述的保存活動，后者表示限制實(shí)施后續(xù)元素描述的保存活動；②保存活動，有傳播（允許下載離線使用）、瀏覽（只許在線使用）、修改（改變數(shù)字對象的外觀和內(nèi)容）、刪除（從保存系統(tǒng)中移除數(shù)字對象）、格式遷移（改變數(shù)字對象的格式，但不改變內(nèi)容）等；③時間區(qū)間，包括開始日期和終止日期，若為永久許可，則后者標(biāo)記為“OPEN”。若一件數(shù)字對象存在多項(xiàng)許可信息，可重復(fù)上述三個元素分別給予描述。

檢測項(xiàng)目：①檢查許可類型和保存活動，若類型為“允許”，活動為“刪除”“修改”，第一種許可操作導(dǎo)致數(shù)字對象無法使用，第二種許可操作可能導(dǎo)致因過度修改致使數(shù)字對象失真；②檢查許可類型和保存活動，若類型為“限制”，活動為“傳播”“瀏覽”“格式遷移”，第一種限制操作導(dǎo)致無法離線使用，第二種限制操作導(dǎo)致無法在線使用，第三種限制操作會導(dǎo)致格式過時致使現(xiàn)有瀏覽軟件無法呈現(xiàn)；③同時檢查上述三個元素，若相應(yīng)操作不在時間區(qū)間元素描述的范圍，導(dǎo)致可能一些操作已過期，但因沒有及時更新仍限制數(shù)字對象的使用或?qū)е聰?shù)字對象的失真或消失。上述三種情況均歸為在該風(fēng)險點(diǎn)上出現(xiàn)的風(fēng)險。

2.4 保存政策方面的可用性風(fēng)險點(diǎn)

是與數(shù)字對象、保存事件和產(chǎn)權(quán)管理方面的可用性風(fēng)險點(diǎn)檢測所需的保存系統(tǒng)設(shè)置的相關(guān)指標(biāo)，為上述三個方面的風(fēng)險點(diǎn)檢測提供參考依據(jù)。所以，從本質(zhì)上講，該類風(fēng)險點(diǎn)都是為可用性風(fēng)險點(diǎn)檢測提供服務(wù)的，并不直接用于檢測。包括：

（1）檢索點(diǎn)（Retrieval Point）。保存系統(tǒng)為每種類型文獻(xiàn)設(shè)置的檢索途徑。用于“檢索點(diǎn)信息”風(fēng)險點(diǎn)的檢測。

（2）存儲介質(zhì)的使用壽命（Media Life）。每種存儲介質(zhì)的有效期記錄。用于“存儲信息”的“存儲介質(zhì)”風(fēng)險點(diǎn)的檢測。

（3）介質(zhì)刷新頻率（Media Refresh Rate）。用于“介質(zhì)刷新”保存事件風(fēng)險點(diǎn)的檢測。

（4）病毒檢測周期（Virus Check Period）。用于“病毒檢測”保存事件風(fēng)險點(diǎn)的檢測。

3 檢測實(shí)驗(yàn)

3.1 術(shù)語界定

為了簡化敘述和方便圖示，本實(shí)驗(yàn)界定和使用下述術(shù)語。由于本實(shí)驗(yàn)樣本采自于中國知網(wǎng)（以下簡稱“知網(wǎng)”），故下述術(shù)語結(jié)合知網(wǎng)說明。

（1）相（Phase）：指數(shù)字對象的特征。知網(wǎng)中數(shù)字對象特征有時間特征、文獻(xiàn)類型特征、學(xué)科特征。

（2）TP（Time Phase）：時間區(qū)間相。為便于風(fēng)險檢測，將知網(wǎng)的TP分為7個：1990年之前（用TP1表示）、1991—1995年（用TP2表示）、1996—2000年（用TP3表示）、2001—2005年（用TP4表示）、2005—2010年（用TP5表示）、2011—2015年（用TP6表示）、2016年之后（用TP7表示）。

（3）CP（Category Phase）：文獻(xiàn)類型相?；谥W(wǎng)，將CP分為10個：期刊（用CP1表示）、碩博論文（用CP2表示）、會議論文（用CP3表示）、年鑒（用CP4表示）、統(tǒng)計數(shù)據(jù)（用CP5表示）、專利（用CP6表示）、標(biāo)準(zhǔn)文獻(xiàn)（用CP7表示）、古籍（用CP8表示）、工具書（用CP9表示）、外文文獻(xiàn)（用CP10表示）。

（4）SP（Subject Phase）：學(xué)科類型相?；谥W(wǎng)的學(xué)科大類，將SP劃分為8個：基礎(chǔ)學(xué)科（用SP1表示）、工程技術(shù)（用SP2表示）、農(nóng)業(yè)科技（用SP3表示）、醫(yī)療衛(wèi)生科技（用SP4表示）、哲學(xué)與人文科學(xué)（用SP5表示）、社會科學(xué)（用SP6表示）、信息科學(xué)（用SP7表示）、經(jīng)濟(jì)與管理科學(xué)（用SP8表示）。

（5）RP（Risk Point）：用于檢測的風(fēng)險點(diǎn)。包括12個：檢索點(diǎn)信息（用RP1表示）、文件系統(tǒng)（用RP2表示）、瀏覽軟件信息（用RP3表示）、保存級別（用RP4表示）、編碼信息（用RP5表示）、存儲信息（用RP6表示）、去索引事件（用RP7表示）、刪除事件（用RP8表示）、介質(zhì)刷新事件（用RP9表示）、病毒檢測（用RP10表示）、版權(quán)信息（用RP11表示）、許可信息（用RP12表示）。

3.2 樣本集形成

采集自知網(wǎng)，樣本總量1萬件（用ST表示），使用分層隨機(jī)抽樣法采集。步驟：

（1）層次單元（Hierarchical Unit）的構(gòu)建。表示為：HU（TPi，CPj，SPk）。其中：TPi為 TP 相中第 i個單元，且i∈[1,7]；CPj為CP相中第j個單元，且j∈[1,10]；SPk為SP相中第k個單元，且k∈[1,8]。層次單元共計7×8×10=560個。

（2）樣本量的計算。計算公式（1）：SES [HU( TPi，CPj，SPk)]=TS [HU( TPi，CPj，SPk)]÷TT×ST。其中：SES[HU( TPi，CPj，SPk)]是 HU（TPi，CPj，SPk）的樣本抽取量；TS [HU( TPi，CPj，SPk)是 HU( TPi，CPj，SPk)的數(shù)字資源總量；TT是知網(wǎng)數(shù)字資源總量；ST是設(shè)定的樣本總量。

（3）樣本的抽取。以第一個層次單元HU（TP1，CP1， SP1）為取例。首先，根據(jù)公式（1），計算出SES[HU( TP1，CP1，SP1)]的值（如為 50）；其次，檢索知網(wǎng)，得到TS [HU( TP1，CP1，SP1)]值為571 203；再次，使用無重復(fù)隨機(jī)數(shù)生成軟件，設(shè)置最小數(shù)為1，最大數(shù)為571 203，生成50個無重復(fù)的數(shù)字；最后，下載該50個數(shù)字對應(yīng)的數(shù)字對象。重復(fù)上述步驟560次，抽取每個單元 HU（TPi，CPj，SPk）（i∈ [1,7]，j∈ [1,10]，k∈[1,8]）的樣本。

風(fēng)險點(diǎn)內(nèi)容的生成。完全為了研究的用途，知網(wǎng)提供本實(shí)驗(yàn)所需的相關(guān)元數(shù)據(jù)（包括保存型、管理型和描述型等三種類型）元素的賦值。針對每件樣本對象，將本研究設(shè)計的風(fēng)險點(diǎn)元素與知網(wǎng)提供的元素進(jìn)行對應(yīng)映射，若映射成功，前者的值直接復(fù)制后者，否則，前者的賦值為空。

3.3 檢測算法

（1）檢測樣本的形成?；谏鲜鰳?gòu)建的數(shù)字對象的樣本集，去除標(biāo)識符無賦值的、類型為“知識實(shí)體”和“比特流”的三類數(shù)字對象，剩余樣本為檢測樣本。

（2）檢測單元的形成。根據(jù)TP、CP、SP三個相，將檢測樣本劃分為560個檢測單元，即HU（TPi，CPj，SPk）（i∈ [1,7]，j∈ [1,10]，k ∈ [1,8]）。

（3）檢測單元的風(fēng)險檢測算法。①對風(fēng)險點(diǎn)的元素賦值進(jìn)行編碼；②采用微軟的VFP9.0數(shù)據(jù)庫管理系統(tǒng)構(gòu)建檢測單元的數(shù)字對象數(shù)據(jù)庫、風(fēng)險點(diǎn)元素內(nèi)容（經(jīng)過編碼）數(shù)據(jù)庫、保存政策方面的風(fēng)險點(diǎn)數(shù)據(jù)庫；③采用VFP9.0編制每個風(fēng)險點(diǎn)的各個檢測項(xiàng)目的檢測代碼；④針對檢測單元中每件數(shù)字對象，運(yùn)行檢測代碼，輸出各檢測項(xiàng)目的檢測結(jié)果，為了方便統(tǒng)計，本實(shí)驗(yàn)設(shè)定一件數(shù)字對象的一個風(fēng)險點(diǎn)上的任一檢測項(xiàng)目出現(xiàn)風(fēng)險，則該數(shù)字對象在該風(fēng)險點(diǎn)上輸出風(fēng)險，一個風(fēng)險點(diǎn)的檢測項(xiàng)目出現(xiàn)風(fēng)險不累計；⑤統(tǒng)計一個檢測單元中在各個風(fēng)險點(diǎn)上產(chǎn)生風(fēng)險的數(shù)字對象數(shù)量。針對每個檢測單元，采用該算法，輸出檢測結(jié)果。

（4）零相檢測算法。零相指不基于數(shù)字對象的任何特征對檢測樣本進(jìn)行劃分。算法是：將上述560個檢測單元的檢測結(jié)果，在各個風(fēng)險點(diǎn)上進(jìn)行疊加，形成所有檢測單元在各個風(fēng)險點(diǎn)上的風(fēng)險值。

（5）單相檢測算法。單相指基于數(shù)字對象的一個特征，將檢測樣本劃分為若干個單元。算法是：將上述560個檢測單元，基于一個相進(jìn)行合并，同時對各個風(fēng)險點(diǎn)上的風(fēng)險值進(jìn)行疊加，形成每個合并單元在各個風(fēng)險點(diǎn)上的風(fēng)險值。

（6）雙相檢測算法。雙相指基于數(shù)字對象的兩個特征，將檢測樣本劃分為若干個單元。算法是：將上述560個檢測單元，基于兩個相進(jìn)行合并，同時對各個風(fēng)險點(diǎn)上的風(fēng)險值進(jìn)行疊加，形成每個合并單元在各個風(fēng)險點(diǎn)上的風(fēng)險值。

（7）三相檢測算法。三相指基于數(shù)字對象的三個特征，將檢測樣本劃分為若干個單元。本算法步驟（3）中的檢測單元就是按照三相劃分的結(jié)果，故也是三相檢測算法。

3.4 檢測結(jié)果

3.4.1 零相檢測結(jié)果

執(zhí)行檢測算法中的零相檢測算法，檢測結(jié)果見圖1。風(fēng)險值較高的風(fēng)險點(diǎn)為：RP1、RP4、RP5、RP7、RP11、RP12。

圖1 零相檢測結(jié)果

3.4.2 單相檢測結(jié)果

根據(jù)檢測樣本的特征，該類檢測有三種。

（1）TP的單相檢測結(jié)果。執(zhí)行檢測算法中的單相檢測算法，并將單相設(shè)置為TP相（時間區(qū)間），檢測結(jié)果見圖2。主要風(fēng)險點(diǎn)分布為：

（2）CP的單相檢測結(jié)果。執(zhí)行檢測算法中的單相檢測算法，并將單相設(shè)置為CP相（文獻(xiàn)類型），檢測結(jié)果見圖3。主要風(fēng)險點(diǎn)分布為：

（3）SP的單相檢測結(jié)果。執(zhí)行檢測算法中的單相檢測算法，并將單相設(shè)置為SP相（學(xué)科類型），檢測結(jié)果見圖4。主要風(fēng)險點(diǎn)分布為：

圖2 TP的單相檢測結(jié)果

圖3 CP的單相檢測結(jié)果

圖4 SP的單相檢測結(jié)果

3.4.3 雙相檢測結(jié)果

根據(jù)檢測樣本的特征，該類檢測有三種。

（1）[TP，CP]的雙相檢測結(jié)果。執(zhí)行檢測算法中的雙相檢測算法，并將雙相設(shè)置為TP相（時間區(qū)間）和CP相（文獻(xiàn)類型），檢測結(jié)果見圖5。主要風(fēng)險點(diǎn)分布為：

圖5 [TP，CP]的雙相檢測結(jié)果

（2）[TP，SP]的雙相檢測結(jié)果。執(zhí)行檢測算法中的雙相檢測算法，并將雙相設(shè)置為TP相（時間區(qū)間）和SP相（學(xué)科類型），檢測結(jié)果見圖6。主要風(fēng)險點(diǎn)分布為：

圖6 [TP，SP]的雙相檢測結(jié)果

（3）[CP，SP]的雙相檢測結(jié)果。執(zhí)行檢測算法中的雙相檢測算法，并將雙相設(shè)置為CP相（文獻(xiàn)類型）和SP相（學(xué)科類型），檢測結(jié)果見圖7。主要風(fēng)險點(diǎn)分布為：

圖7 [CP，SP]的雙相檢測結(jié)果

3.4.4 三相檢測結(jié)果

根據(jù)檢測樣本的特征，該類檢測有一種。

[TP，CP，SP]的三相檢測。執(zhí)行檢測算法中的三相檢測算法，檢測結(jié)果圖太大，省略。主要風(fēng)險點(diǎn)分布為：

3.5 檢測結(jié)果分析

風(fēng)險檢測的最終作用在于為風(fēng)險規(guī)避提供參考?；诒卷?xiàng)試驗(yàn)，檢測單元的粒度隨著檢測相數(shù)的增加而變小，由此使得風(fēng)險的識別也更為方便。具體分析如下。

（1）檢索點(diǎn)信息。檢測結(jié)果與學(xué)科無關(guān)，集中在1995年之前的期刊文獻(xiàn)上，可根據(jù)檢測項(xiàng)目分析原因。針對第一個檢測項(xiàng)目，由于產(chǎn)生風(fēng)險的數(shù)字對象集中在1995年之前的期刊，其他時間區(qū)間的期刊文獻(xiàn)很少產(chǎn)生風(fēng)險，因此，與“檢索點(diǎn)”的設(shè)置無關(guān)，該檢測項(xiàng)目不產(chǎn)生風(fēng)險。針對第二個和第三個檢測項(xiàng)目，基于索引的檢索點(diǎn)沒有賦值內(nèi)容或所賦內(nèi)容不正確，風(fēng)險應(yīng)該來自這兩個檢測項(xiàng)目。原因可能是1995年之前的期刊文獻(xiàn)大多通過數(shù)字掃描生成，數(shù)字對象都是圖片，檢索點(diǎn)的賦值內(nèi)容無法從數(shù)字對象中自動析出，需人工提取，導(dǎo)致有些檢索點(diǎn)沒有賦值或賦值差錯。降低和規(guī)避這類風(fēng)險的方法是針對該層次單元數(shù)字對象，逐一檢查核對和完善檢索點(diǎn)的賦值內(nèi)容。

（2）保存級別。檢測結(jié)果與時間無關(guān)。集中在除了哲學(xué)與人文科學(xué)、社會科學(xué)、經(jīng)濟(jì)與管理科學(xué)等三個學(xué)科之外的5個學(xué)科的專利文獻(xiàn)中。原因可從兩個方面分析：一是學(xué)科類型方面，由于哲學(xué)與人文科學(xué)、社會科學(xué)、經(jīng)濟(jì)與管理科學(xué)等3個學(xué)科很少有專利文獻(xiàn)，所以該風(fēng)險點(diǎn)的風(fēng)險產(chǎn)生與學(xué)科無關(guān)；二是檢測項(xiàng)目，比特保存的級別設(shè)置較低或邏輯保存缺失，這應(yīng)該是風(fēng)險的產(chǎn)生之處。為此，保存系統(tǒng)需針對性地提高保存級別，增加邏輯保存功能。

（3）編碼信息。檢測結(jié)果與時間無關(guān)，集中在除了工程技術(shù)和信息科學(xué)之外的其他六個學(xué)科的古籍中。原因可從方面分析：一是學(xué)科類型方面，工程技術(shù)和信息科學(xué)的學(xué)科文獻(xiàn)主要產(chǎn)生于近現(xiàn)代，古籍很少，所以該風(fēng)險點(diǎn)的風(fēng)險產(chǎn)生與學(xué)科無關(guān)。二是檢測項(xiàng)目方面，第一個和第三個檢測項(xiàng)目都涉及加密，而古籍無需加密，所以，該兩個項(xiàng)目不產(chǎn)生風(fēng)險；第二個檢測項(xiàng)目包含了壓縮，一些古籍?dāng)?shù)字對象體積較大，存儲時可能需壓縮，這可能是產(chǎn)生風(fēng)險的原因。為此，保存系統(tǒng)需對該類檢測結(jié)果中相應(yīng)的壓縮型數(shù)字對象的壓縮描述信息進(jìn)行核實(shí)和糾正。

（4）去索引事件。檢測結(jié)果與時間、文獻(xiàn)類型、學(xué)科均無關(guān)，出現(xiàn)在所有數(shù)字對象中。從檢測項(xiàng)目分析，該風(fēng)險點(diǎn)只有一個項(xiàng)目，即數(shù)字對象的檢索點(diǎn)信息被屏蔽，這可能是保存系統(tǒng)對數(shù)字對象實(shí)施一些維護(hù)操作而執(zhí)行的一項(xiàng)正常保存活動，但從可用性角度，導(dǎo)致數(shù)字對象暫時無法訪問。

（5）版權(quán)信息。集中在1995年之前的基礎(chǔ)學(xué)科、工程科技、信息科學(xué)的外文文獻(xiàn)中?；跈z測項(xiàng)目分析，可能原因是這個集合中的文獻(xiàn)較早，一些文獻(xiàn)的版權(quán)保護(hù)期可能已過，但沒有及時更改版權(quán)狀態(tài)；也可能是該集合中的一些文獻(xiàn)版權(quán)狀態(tài)標(biāo)記為“未知”；還可能是管轄范圍識別有誤，或者一些元素未賦值。為此，保存系統(tǒng)應(yīng)該核實(shí)、完善和糾正該集合數(shù)字對象的版權(quán)信息各個元素的賦值。

（6）許可信息。集中在2000年之前的基礎(chǔ)學(xué)科的外文文獻(xiàn)中?；跈z測項(xiàng)目分析，可能原因是允許一些保存活動（如刪除、修改），限制一些使用方式（如傳播、瀏覽），這些許可都是數(shù)字對象長期保存的正常管理活動，但的確會妨礙用戶的使用，因此，僅從可用性角度，產(chǎn)生了風(fēng)險。另外，如果上述許可已過期（這種情況很可能存在，因?yàn)槌霈F(xiàn)風(fēng)險的文獻(xiàn)產(chǎn)生時間大都較早），但未及時更改，也會導(dǎo)致可用性風(fēng)險。

本項(xiàng)研究設(shè)計了數(shù)字保存風(fēng)險之一的可用性風(fēng)險的檢測方法，該方法的準(zhǔn)確性依賴于設(shè)計的可用性風(fēng)險點(diǎn)，因此，完善該類風(fēng)險點(diǎn)是后續(xù)研究的一項(xiàng)內(nèi)容。

（來稿時間：2017年6月）