第九章 元数据编目及其相标准

第九章元数据编目及其相关标准1.元数据及其应用1.1元数据的概念元数据(Metadata)通常被定义为“关于数据的数据”。

具体来说,元数据是用来描述数据本身的内容特征和其它特征的数据,其目的是加强对网络信息资源的发现、识别、开发、组织和评价,而且对相关的信息资源进行选择、定位、调用,追踪资源在使用过程中的变化,实现信息资源的整合、有效管理和长期保存。

人们很早就开始不自觉地利用元数据,例如,地图中的图例,图书馆的卡片目录等都可以说是元数据。

但是,元数据的重要性是在计算机科学发展后才被人们认识到,并利用它来解决实际问题的。

1.2元数据的类型从元数据在组织信息资源的功能上区分,元数据有以下类型:(1)管理型元数据。

用来管理与支配信息资源的元数据,如信息收集、版权与翻版跟踪、排架信息、数字化标准选择、版本控制等。

(2)描述型元数据。

用来描述与识别信息资源的元数据,它支持资源的发现和鉴别,如记录编目、寻找帮助、专题索引、资源链接、用户注释等。

描述性元数据通常都是公共信息,因而比别的元数据都得到了更好的标准的支持。

(3)保存型元数据。

与信息资源保存有关的元数据,如资源的物质条件、数字资源的保存行为(数据更改与迁移)。

(4)技术型元数据。

与系统怎样运行有关的元数据,如硬件与软件、数字化信息的格式、压缩比率、定标例程、系统响应跟踪、数据验证与安全(如加密键、密码)等。

1.3 元数据在数字图书馆建设中的应用由于数字图书馆存储了大量的类型的信息资源，而且还要对信息资源进行组织管理，其中包括数字信息的著作，标引，各类供查询的信息，这些编排都是手工难以实现的，中能依靠计算机进行自动化处理，但尽管有计算机的帮助，数字信息资源仍然需要有一个来描述自身的标准，从而达到组织数字信息资源的目的。

所以就引入元数据来解决此问题了。

在海量的信息面前，如何来组织信息资源从而可以达到资源共享，是一个关键问题。

这是目前众多研究数字图书馆管理系统的人都普遍认同并努力的方向。

对于信息检索系统，如果采用简单的检索方法，那么在海量的信息资源库里面查到的结果，往往是大量无关的结果出现，占用了用户在结果中寻找目标信息的时间，无法达到快速有效率的目标。

而且对于更大量的资源信息比如达到了几十乃至几百TB的数据库，简单的检索其实起不到多大的作用，举例说明：美国有过一个对于1TB的信息系统使用简单的全文检索测试，用了6个小时才检索到满足用户要求的结果。

因此，世界各国普遍采用的方法是：对于资源的组织分为元数据和对象数据。

查询系统针对元数据的集合，知识产权保护针对对象数据的集合。

这样，利用元数据的共享，使得各种查询工具可以充分地发挥作用。

这种方法的好处是，充分利用对于信息分类和特征的描述来构造某些信息的特征数据，这些数据称为“元数据”，然后共享这个元数据，查询系统在元数据库中寻找满足用户要求的信息，可以实现更多元数据的共享。

例如，当今世界上每年有750万种文献，假定每份文件有200页，每页有400汉字。

每一个汉字使用2个字节计算，如果将这些文献数字化，需要存储空间7500000*200*400*2=1200G。

如果在这1200G的全文检索关键词，所需使用的时间，检索出的无用信息等都是不可想象的。

而如果采用元数据方式，如果描述每种文献需要50个字段，全部字段平均的长度为1，500字节，那么这些文献元数据的存储空间为：7500000*1500=10.25G。

毫无疑问，在这10.25G的元数据库中查询文献的特征，使用的时间和检索出的信息的准确率与简单的全文检索相比将获得极大的改善。

通过以上的例子，我们可以直观地了解到元数据在数字图书馆建设中的重要作用。

图9-1是数字图书馆系统框架图。

该框架图简单扼要地说明了元数据在资源的加工，调度，检索方面都发挥着重大的作用。

图9-1 数字图书馆系统框架图1.4 元数据编目在地方文献数据库建设中的应用在地方文献数据库建设中，元数据编目是整个建库工作的核心内容之一，关系到整个数据库质量和成败。

如图9-2所示，在地方文献数据库建设中，元数据的功用与传统卡片目录的功用基本上的一致的，元数据将是最效的编目工具。

在传统图书馆业务中，对一本书的查询是依靠这本书的索书号和目录来实现的，而在地方文献数据库中，对于相对独立的某一单元的数字资源，我们对它的查询是借助于指针和元数据来完成的。

图9-2 地方文献数据库建设总流程图 调度子系统 数据加工子系统对 象数据库 元数据库查询子系统 用户2.相关标准2.1都柏林核心元数据(Dublin Core, DC)目前，在信息资源组织中比较常用的元数据格式包括：MARC(Machine-Readable Cataioging)格式，文献编码计划书（Text Encoding Initative,TEI），都柏林核心元数据（Dublin Core）等等。

在从多的元数据项目中，DC在图书馆界和情报界可以说是应用最广，影响最大的一个国际性项目。

都柏林核心元数据（Dublin Core，DC），全称为都柏林核心元数据(Dublin Core Elements),是旨在推动电子资源发现的最小的元数据元素集。

它原是为作者生成对万维网资源的描述而设计的，却吸引了正规资源描述界，得到了如博物馆，图书馆，政府部门和商业组织的广泛承认，是目前世界上使用最广泛的元数据格式，具有最强的适应性和最大的弹性，在一个核心集内达成跨学科领域全世界范围内的共识乃是都柏林核心元数据的重要性质。

（1）都柏林核心元数据的著录项目说明A.资源内容描述类元素：题名（Title）：该元素题目通常有创作的人或者相关的出版社赋予的。

主题（Subject）:描述资源主题。

典型的情况是，主题被表达为描述资源的主题或内容的关键词组。

鼓励使用控制词汇和正式的分类词表。

描述(Subject):资源内容的文本描述，包括文献类对象中的文摘或视频资源的内容描述。

来源（Source）:有关另一资源的信息，当前资源源于该来源。

关联(Relation):另一资源的标识符及其与当前资源的关系。

此元素被用于揭示相关资源之间的联系。

覆盖范围（Coverage）:它是表达信息资源的内容的空间时间的特征，空间覆盖范围指使用地理名称或相应之物（如经度和纬度）的物理区域。

时间范围指资源与什么时间范围有关，而不是它被创建或可以获得的时间（后者属于日期的范畴）。

语言（Language）:资源的内容中所使用的语言。

推荐遵循RFC1766所规定的代码，使用ISO639的2个字母的语言代码。

B.知识产权描述类元素：创作者（Creator）:对于创建资源的知识内容负有主要责任的个人或组织。

例如，书写文献中的作者，视觉资源的艺术家，摄影师或插图绘画者。

出版者（Publisher）:负责使资源能够以现有形式被获得的实体。

如出版公司，大学里的部门或社团实体。

其它参与者（Contributor）: 在创作者元素中未指明的个人或组织，面对资源做出了重要的贡献，但其贡献次于在创作者元素中指定的任何个人或组织所做的贡献。

（如编者，转录者和说明者）。

权限管理（Rights）:作品版权声明和使用方面的规范。

可能值如下：空白（Null）；无特别声明，使用者须自行参考其它来源。

今无限制（No Restriction on Reuse）；对于再利用没有限制，可复制。

令参考处（URI or Other Pointer）:使用的相关说明，在所指定的出处。

C.外部属性描述类元素日期（Date）:与资源的创建或可获得相关日期。

推荐采用ISO8601所定义的格式，日期形式采取年（YYYY）和年-月-日（YYYY-MM-DD）的形式。

类型（Type）:资源的种类。

如网页，小说，工作报告，技术报告，散文和词典。

该资源将类型粗分为6种，即Text(文本)，Image（图像），Sound（声音），Software(软件)，Data(数据)和Interactive（交互式应用）。

标识（Identifier）:用来唯一标识资源的字符串或数字。

例如，对于网络资源所使用的资源标识符包括URL。

格式（Format）:资源的数据形式和尺寸（如大小，持续时间，可选择）。

此元素被用于标识可能被需要来显示或操作该资源的软件和硬件。

D.都柏林核心元数据元素的限定词为了丰富都柏林核心元数据集的内涵并扩大其使用范围，1997年3月召开了澳大利亚堪培拉的第四届都柏林核心元数据研讨会推出了“堪培拉限定词”（Canberra Qualifier）。

正如文法中限定词的功用一样，都柏林核心元数据集中的限定词，是对项目的内容和语意做进一步的界定或说明，使其意义更为明确。

当时，提出3种限定词，分别为语言（LANG），模式（SCHEME）和类型（TYPE）。

语言（LANG）这一限定词指定元素值的描述元素的语言，而不是资源本身的语言。

网络上的语言越来越多，问题也越来越突出。

因而语言这个限定词也变得越来越重要了。

英语一直以来就是被认为网络上的语言，但这个想象正随着技术的发展慢慢改变。

确定信息资源对本身进行描述的语言是很重要的。

在OCLC都柏林核心元数据集的首页中，有关人员提出，建议遵循RFC1766的规定，使用ISO639的两个字母的语代码。

另外一个常用的语言代码是NISOZ39.53的三个字母代码。

模式（SCHEME）该限定词用来确定给定元素所遵从的已有的或正在讨论中的体系架构中的合法值，如分类表，主题词或各类代码表。

如主题元素可以是模式限定为美国国会图书馆主题词表（Library Congress Subject Heading, LCSH）数据。

此限定词为应用软件或应用人员能够提供处理线索，使被限定元素能够被更好地使用。

在其它情况下，该限定词对字段的使用，日期的翻译等，也非常重要。

类型（子元素名）〔TYPE(Sub-element Name)〕这个限定词首先是指定了元素的一个方面，主要的用途是为了缩小模式的语义范围。

同样的，它可以被看做是一个子元素。

TYPE 作为一个限定词，所限定的是元素的名称而非其内容。

TPYE限定词一直以来都是都柏林核心元数据限定词中争论最多最大的一个，在明确定义可接受的类型以及怎样定义方面存在一些逻辑上的困难，在某种意义上，它不是一个限定词，而是元素名本身的一个子集。

（2）都柏林核心元数据的特色都柏林核心元数据不仅具有所有元数据的全部特点，就是简单描述，而且又有独有的张力，以扩充该元素集，能够适应于其他更特殊更有专业性的领域，给予更复杂的描述。

还可以扩展由它所描述资源的类型。

在第一次都柏林核心元数据研讨会上，美国国会图书馆的Rebecca Guenther曾指出都柏林核心元数据具有4个优点：A.都柏林元素一般是希望作者或出版人能够采用自动资源发现工具可以收集的形式来提供元数据。