數字資源長期保存聯盟HathiTrust研究*

周秀霞 馬 寧 楊雨師 （ 東北師范大學圖書館 吉林 長春 130024 ）

信息化、智能化時代的到來，使得越來越多的資源以數字化的形式存在和存儲。隨之而來的是，如何實現海量數字資源的長期保存、組織、管理和便捷獲取。事實上，早在21世紀初，各個國家就開始了數字資源長期保存的有關研究，并以聯盟、項目等形式相繼開展了數字資源長期保存的實踐。其中，HathiTrust是比較典型的一個長期保存聯盟，成員機構主要是研究機構和圖書館，通過成員機構的共同努力和對公益事業的堅定承諾，共同致力于支持院校教師、學生或研究人員的教學活動，廣大公眾的數字學術資源需求以及數字資源的長期保存和持續可用，可以稱之為研究數字圖書館的國際社區[1]。

1 HathiTrust現況

HathiTrust始建于2008年，由美國中西部大學聯盟的13所大學、加利福尼亞大學系統和弗吉尼亞大學聯合發起，初始目的在于保存和分享成員機構的紙質資源數字化資源[2]。其后，隨著HathiTrust成員逐漸擴大120余個，其將自己的宗旨重新定義為：通過合作收集、組織、保存、溝通和分享人類的知識記錄，為學術研究、交流和人類共同利益做貢獻。更具體地說，是要做到以下幾個方面：（1）建立可靠的、日益全面的成員機構紙質資源的數字化檔案，供成員機構共享；（2）首要改進數字化資源的獲取途徑，以滿足成員機構尤其是閱讀障礙者的需求；（3）致力于開發低成本、高質量的基礎設施，保障學術研究人員的數字資源需要，包括各種格式的資源和原生數字資源；（4）發展合作伙伴關系和服務，以確保HathiTrust中紙質資源和數字學術資源的長期保存；（5）通過加倍努力協調圖書館間的共享存儲策略，以減少長期保存和紙質資源存儲的成本；（6）建設基礎設施，提高成員機構成本效益和合作效率，降低獲取校園知識資產的成本；（7）提供一系列服務支持使用HathiTrust語料庫進行研究；（8）創建一個技術框架，支持各類工具和服務的集中或分布式創建；（9）維持HathiTrust的“公益性”，同時提供一系列有益于成員機構的服務[3]。

截至2018年5月，HathiTrust共收錄了各類資源16 369 955件，其中圖書7 977 135種，期刊439 659種；共計有5 729 484 250頁，734TB字節，194英里長，13 301噸重（按平均每冊圖書350頁、厚0.75英寸、包含47 MB信息、重26盎司計算）。在這些資源中，有6 174 889件(約占資源總量的38%)屬于公共領域資源，可以為全球公眾免費獲取[4]。

HathiTrust整合的資源涵蓋了所有學科，共計有464種語言文字。其中，英文資源占總資源的50.6%，德文資源占8.7%，法文資源占7%，西班牙文資源占6.6%，俄文資源占3.2%，中文資源排在第六位，占資源總量的3.1%[5]，其余還有日文、意大利文、阿拉伯文、荷蘭文等資源[5]。在這些數字資源中，1850前出版的資源占到了5%，1851年至1899年出版的資源占到了11.3%，1900年至1999年出版的資源占到了74.4%，2000年以后出版的資源占到了9.3%[6]。HathiTrust在努力實現對世界范圍內數字資源的保存與長久服務。

2 HathiTrust的特點

為了全面反映HathiTrust的情況，筆者將從其管理的科學性、服務的全面性、數據的開放性、平臺的安全性4個方面對HathiTrust進行探究。

2.1 管理科學性

2011年，HathiTrust推出了聯盟的《章程》，依據《章程》，2012年4月選舉產生了理事會，自此，遵循誠信、開放和負責任的管理原則，HathiTrust采用了理事會管理制。理事會管理制是國際圖書館界比較追捧的一種管理制度，這不僅是因為其有支撐圖書館法人治理結構成長的理論基礎，更因為它解決了圖書館發展中存在的現實問題，尤其是對籌集資金有特殊功效。據統計，美國95%的圖書館都實行了理事會制[7]。

HathiTrust的理事會由12名成員組成，其中6個席位保留給HathiTrust創始機構，其余6個席位由成員機構投票選舉產生。理事會的首席執行官沒有投票權，理事會中有5位成員會被選舉為執行委員會委員，1名成員成為規劃指導委員會的主席。HathiTrust的中心管理辦公室設在密歇根大學[8]。

理事會對HathiTrust的活動、職能和運營以及數字資源長期保存的完整性和可訪問性承擔最終責任。具體包括：（1）定義HathiTrust的使命、目標并幫助指導履行，確定HathiTrust的戰略發展方向；（2）審查規劃指導委員會的建議，并就政策、知識庫開發和計劃舉措等做出最終決定；（3）管理HathiTrust的預算和財務，選舉執行委員會委員，授權他們按照規定代表理事會行事；（4）選擇首席執行官來監督HathiTrust的運營；（5）評估首席執行官的表現；（6）與首席執行官協調，設立委員會和工作組來執行HathiTrust的工作，推進發展戰略和優先事項；（7）維護章程，監督HathiTrust研究中心和其他附屬項目的開發、實施和持續管理等[9]。

理事會下還有執行委員會、提名委員會和規劃指導委員會。執行委員會由5位成員組成，其有權在理事會會議之間的過渡期間內獲得理事會的授權，代表理事會行事。提名委員會也由5位成員組成，主要是為理事會和規劃指導委員會征集委員候選人。規劃指導委員會由不少于8位但不超過12位被任命者組成，其主要負責為：審核HathiTrust的發展議程；向理事會提交報告，建議根據審查結果改變發展議程；根據審查結果，鼓勵成員機構就特定問題進行辯論；制定理事會討論和決策的舉措和策略，并考慮這些舉措對未來的影響；設立工作組，協助其工作；與理事會合作為HathiTrust及其成員制定政策等[9]。

根據需要，HathiTrust還設立了一些委員會和工作組，其中一些是常設職位，而另一些則可能隨著任務的完成解散。一般而言，工作組由執行委員會或規劃指導委員會設立。已經設立的委員會和工作組有：（1）執行委員會下設的用戶支持工作組（2011年3月）和Zephir咨詢小組（負責推薦與元數據管理相關的政策和程序，并建議實施新功能，增強服務功能等）；（2）規劃指導委員會下設的資源委員會（2016年7月），聯邦文件咨詢委員會（2016年8月），共享打印咨詢委員會（2016年7月），元數據政策、戰略、使用和分享咨詢小組，質量保證和標準工作組，權利和獲取工作組[10]。

HathiTrust的預算目前是單獨維護的預算，在密歇根大學預算系統中，由執行委員會管理，但須經密歇根大學審計辦公室審計。理事會有權對成員機構通過的經費預算進行細節調整；但未經成員機構同意，理事會不得更改成員機構的會費、服務費或其他費用。

HathiTrust的資源和服務由HathiTrust成員機構提供，基礎設施由密歇根大學支持。成員機構可以永久性、非排他性地將數字資源存入HathiTrust中，所有權仍歸自己所有。密歇根大學為HathiTrust購買的硬件、軟件、服務以及由密歇根大學創建的數字資源由成員機構共同擁有，并承諾持續保持分享。如果密歇根大學圖書館的資金或組織發生變化，HathiTrus將制定繼任計劃，資助、支持向另一個機構過渡[8]。

2.2 服務全面性

HathiTrust是一個數字資源的整合社區，不僅面向成員機構、合作伙伴提供服務，也開放為社會公眾服務，其將服務框架如表1所示。

從表1可以看出，HathiTrust綜合考慮了聯盟的發展需要、成員機構的發展需要、合作伙伴的發展需要、用戶的需要等，對聯盟的服務進行了整體設計。并且，其還根據聯盟的宗旨和發展規劃，具體將聯盟的服務職能分為短期和長期兩種，其中，短期服務功能包括：（1）翻頁機制：一種支持用戶在HathiTrust中讀取、下載數字資源以及與數字資源交互（例如縮放和旋轉）的應用程序。它類似于權限數據庫、Shibboleth（一種機構間認證機制），為用戶適當訪問數字資源提供了接口。（2）品牌推廣：包括整個HathiTrust的品牌推廣和對成員機構的品牌推廣。（3）格式驗證、遷移和錯誤檢查，HathiTrust將各種技術、數字資源保存元數據與每個數字資源對象一起存儲，以便在需要時進行遷移。（4）API的開發應用。（5）閱讀障礙用戶的訪問機制制定，包括對屏幕閱讀器的優化、允許被認證為閱讀障礙的用戶訪問HathiTrust公有領域數字資源的全文和版權卷等。（6）實現了一站式發現服務，能對HathiTrust中和成員機構的館藏資源進行統一檢索和一站式發現。（7）發布虛擬館藏的能力：允許用戶創建或共享個人館藏。（8）非Google數字內容的直接采集機制。長期服務功能包括：（1）遵守可靠存儲庫審計和認證（TRAC）標準以及清單中的要求。（2）強大的發現機制，如全文本跨庫檢索等。（3）創建數量眾多的API，為合作伙伴提供一個協作的開放環境，便于合作伙伴開發其他的安全訪問機制和發現工具。（4）支持圖書和期刊以外所有數字資源格式的存儲和獲取服務。（5）建立HathiTrust的研究中心（HTRC），進行先進軟件工具和技術的開發，并廣泛采用其他來源的分析工具，以為學者提供一個安全的計算和數據環境[12]。

表1 HathiTrust服務功能框架[11]

通過這兩種維度的功能設計，兼顧考慮了各方的利益，不僅滿足了各方的需求，而且促進了聯盟的長期可持續發展。

2.3 數據開放性

HathiTrust是一個開放的數字資源存儲、服務中心，其基于云平臺提供服務的模式，方便了成員機構通過互聯網托管、部署或接入聯盟系統，在保證成員機構海量數字資源安全存儲的同時，還支持成員機構貢獻應用程序、分析工具等，并允許成員機構根據各自的需求進行一些平臺的功能開發，進而為用戶提供個性化的服務，如密歇根大學開發了一個新的全文檢索模型；加州大學負責全文檢索的拼寫檢查，以克服希伯來文無法識別的問題等[13]。

HathiTrust開放屬于公共領域資源的數據集以支持學術研究。當前，公共領域的資源基本上分為非google數字化卷和google數字化卷兩種，其中非google數字化卷資源，用戶可以直接免費獲取；而google數字化卷則必須由機構（用戶所屬機構）與google達成協議后方可獲取使用。此外，機構或者是用戶個人還可以自定義想獲取的數字化資源，HathiTrust提供相關的技術支持[14]。

HathiTrust還提供了數據API和書目API，拓展了HathiTrust存儲資源和元數據資源的應用范圍，提高了對HathiTrust資源的高效、安全訪問。HathiTrust的數據API可以檢索圖像、OCR文本、關聯的元數據、權限信息以及有關存儲庫中數字對象的各種其他數據等，訪問數據API的方式有兩種：通過Web客戶端訪問，需要身份驗證；編程方式。對于書目API，當用戶使用各種標準標識符（如ISBN、LCCN、OCLC等）檢索時，書目API會返回書目、版權和卷等信息（包括永久性URL），并且書目API能控制是返回簡短書目元數據還是完整書目元數據[15]。

2.4 平臺安全性

HathiTrust基本上采用了SaaS云服務模式，以數字資源知識庫為中心，圍繞數據包構建了一個云框架，其平臺的功能如圖1所示。

圖1 HathiTrust云平臺功能圖[16]

用戶通過復雜隱藏界面訪問HathiTrust，獲得數字資源，而這一簡單的過程，可能需要HathiTrust應用文本挖掘工具對知識庫中的資源進行分析，或根據用戶的檢索特征提取其他來源（BLUE WATERS）的數字資源，以滿足用戶的需求，這是一個高度互動的過程[16]。在這個過程中，可能涉及很多算法，所以平臺引入了Mahout開源項目，以幫助程序人員更加便捷、高效地開發智能應用程序。

Hathitrust注意到不同的數字資源對象（數字文本、圖像、視頻、音頻、多媒體、模擬等）在保存過程中是有明顯差異的，為了保證這些數字資源對象在長期保存過程中的一致性和完整性，HathiTrust定義和保存了區分不同數字資源對象的特征信息，具體包括數字資源對象的內容、固定性、標識參考、信息來源和前后關聯[17]。同時，HathiTrust平臺的核心——知識庫依據OAIS（Open Archival Information System，開放檔案信息系統）框架構建，并且，HathiTrust遵守了可信數字倉儲審核和認證（TRAC）標準以及審核表中的要求且通過了相關認證，等等，這些都保證了HathiTrust中數據的長期一致性和完整性。

為了保證數字資源的持久可用性，HathiTrust專為長期資源保存設計了存儲架構。存儲架構的核心是同步在密歇根州安娜堡和印第安納波兩個數據中心進行數據存儲，并在第三個數據中心以加密磁帶的方式備份了數字資源6個月前的數據版本。所有數據中心均符合國際權威機房認證機構Uptime Institute建立的機房建置等級Tier II要求，只有授權的IT人員才能進入。每3個月工作人員會對所有存檔數字資源進行完整性檢查，在存儲內部執行數據完整性檢查以及所有靜態數據的定期完整性檢查，并使用奇偶校驗和冗余檢驗來修復遇到的任何錯誤，以保證數字資源與存檔時相同，從而確保資源存儲的可靠性。

在存儲系統外部，HathiTrust完全遵循OAIS框架要求和可信度標準攝取數據，并定期驗證數據，以確保數據被正確攝取并保持不變。同時，HathiTrust還將存儲設備的使用壽命設定為3～4年，每年對已達到壽命的設備進行更換[18]。HathiTrust保存了完整齊備的日志文件，并以唯一的ID進行標識，以便于后期進行事件追溯或其他用途。

數據質量作為數據安全的一個方面也受到了HathiTrust的重視，考慮數據質量可能因多個數字化合作伙伴以及自動抓取內容的方法不同而有所不同等因素[19]，HathiTrust專注于解決多層次、宏觀上的數字對象及其元數據的質量問題，并直接與合作伙伴、規劃指導委員會和相關團隊合作，推出了一系列評估方法，持續地推進數據質量的提升[20]。

3 結 語

HathiTrust不僅是一個數字資源的長期保存聯盟，它也是一個可以解決圖書館聯盟中許多常見問題的典型組織，是其他圖書館聯盟發展可以借鑒的實踐案例。作為一個全球性的數字資源長期保存聯盟組織，可以說，HathiTrust已經取得了階段性的成功。但是它仍存在一些服務與應用程序不能很好地拓展，一些數字資源內容無法獲取，原生數字資源收藏較少等缺陷，這些都需要HathiTrust在未來的發展中重點關注并予以解決，以實現更廣范圍、更大規模數字的長期保存和獲取。