專題數(shù)據(jù)庫開發(fā)中的文獻(xiàn)粒度問題研究*
——以《桂西北少數(shù)民族歷史、文化資源數(shù)據(jù)庫》為例

李 波

在專題數(shù)據(jù)庫開發(fā)中，圖書的著錄和實(shí)體資源封裝以種為最小單元，無法充分揭示部分圖書的內(nèi)容特征、學(xué)術(shù)價(jià)值和發(fā)揮專題數(shù)據(jù)庫的文獻(xiàn)整合利用功能，易于造成數(shù)據(jù)冗余。應(yīng)遵循“有利于檢索發(fā)現(xiàn)，有利于讀者使用，有利于提高開發(fā)效率”原則，根據(jù)實(shí)際情況，選擇“章節(jié)”或者“篇”作為文集類、資料匯編類、綜合性圖書著錄與實(shí)體資源封裝的最小單元。

專題數(shù)據(jù)庫著錄編目元數(shù)據(jù)

1 文獻(xiàn)粒度的概念

“粒度”，在礦物學(xué)中指組成礦石、巖石、土壤的礦物或顆粒的大小的度量。這一概念運(yùn)用在信息技術(shù)領(lǐng)域，一般可理解為信息單元的相對(duì)大小或粗糙程度。筆者將“粒度”的概念引入專題數(shù)據(jù)庫開發(fā)研究中，旨在描述專題數(shù)據(jù)庫、特色數(shù)據(jù)庫開發(fā)中，數(shù)字化文獻(xiàn)著錄和制作的最小單元。與我們對(duì)傳統(tǒng)印本文獻(xiàn)單位的認(rèn)識(shí)相對(duì)應(yīng)，它可以是“章節(jié)”“篇”“種”“套”等。

2 專題數(shù)據(jù)庫開發(fā)中文獻(xiàn)粒度處理上存在的問題

在專題數(shù)據(jù)庫開發(fā)中，需要將印本文獻(xiàn)轉(zhuǎn)制為數(shù)字化復(fù)本，并在目錄數(shù)據(jù)庫中進(jìn)行著錄。在這一環(huán)節(jié)中，往往會(huì)以印本文獻(xiàn)著錄的習(xí)慣來處理數(shù)字文獻(xiàn)著錄、封裝的粒度。圖書館的印本文獻(xiàn)以圖書、連續(xù)出版物為大宗。對(duì)于圖書，通常是以獨(dú)立的物理實(shí)體為標(biāo)準(zhǔn)，將同一版次及版式的同種圖書，視為一“種”書，進(jìn)行著錄。書目數(shù)據(jù)庫中的一條記錄，與一種圖書所包含的正本和所有復(fù)本相對(duì)應(yīng)。與此相似，在印本圖書數(shù)字化時(shí)，通常是按“種”進(jìn)行著錄和封裝實(shí)體資源。

對(duì)于報(bào)紙、期刊等連續(xù)出版物，一般將出版物名稱、出版單位相同，連續(xù)出版、發(fā)行的報(bào)刊，無論其份數(shù)、卷期數(shù)多少，統(tǒng)一視為一“種”，進(jìn)行著錄。書目數(shù)據(jù)庫中的一條記錄，與這一種報(bào)紙或刊物的所有卷期、復(fù)本相對(duì)應(yīng)。但是這種以“種”為粒度的著錄方式，無法反映報(bào)刊所包含的豐富內(nèi)容，更多的是體現(xiàn)傳統(tǒng)實(shí)體文獻(xiàn)管理的需要。因此，在印本報(bào)刊數(shù)字化時(shí)，我們通常參照的是傳統(tǒng)專題卡片目錄的著錄方式。即以內(nèi)容獨(dú)立、完整為標(biāo)準(zhǔn)，將某一期報(bào)紙或刊物分割成若干獨(dú)立的篇目，按“篇”進(jìn)行著錄和實(shí)體資源封裝。目錄數(shù)據(jù)庫中的一條記錄就如同一張專題卡片目錄，與報(bào)紙或刊物中的某一篇文章相對(duì)應(yīng)。

以上對(duì)印本文獻(xiàn)數(shù)字復(fù)本著錄、封裝粒度的處理方式，對(duì)于形式特點(diǎn)統(tǒng)一的連續(xù)出版物而言是有效的，但對(duì)于出版形式多樣的圖書則存在諸多弊端。以下以筆者主持開發(fā)的專題數(shù)據(jù)庫《桂西北少數(shù)民族歷史、文化資源數(shù)據(jù)庫》為例進(jìn)行分析。

2.1 無法充分揭示文集類圖書的內(nèi)容特征、學(xué)術(shù)價(jià)值

專題數(shù)據(jù)庫的開發(fā)，其目的是為特定知識(shí)主題或?qū)W科領(lǐng)域的學(xué)習(xí)、研究提供系統(tǒng)的、具有較高參考價(jià)值的數(shù)字化文獻(xiàn)資料?！豆鹞鞅鄙贁?shù)民族歷史、文化資源數(shù)據(jù)庫》主要收錄與壯、侗、仫佬、毛南、水、瑤、苗等七個(gè)桂西北世居少數(shù)民族相關(guān)的各類文化、歷史研究參考文獻(xiàn)資料，供相關(guān)研習(xí)、宣傳使用。從這一目的出發(fā)，數(shù)字文獻(xiàn)的著錄則應(yīng)該力求通過題名、主題詞或關(guān)鍵詞、作者、摘要等描述信息盡可能地反映、突出文獻(xiàn)資料涉及的主題、內(nèi)容與少數(shù)民族文化、歷史的關(guān)聯(lián)性，便于讀者檢索、甄別、選用。這種標(biāo)引、著錄的要求與圖書館常規(guī)的圖書著錄相比，有更強(qiáng)烈的指向性、目的性。

但是，對(duì)于專題論文集、個(gè)人文集、學(xué)術(shù)會(huì)議文集等文集類圖書，常規(guī)以“種”為粒度來著錄，往往無法通過題名、關(guān)鍵詞、作者等途徑，充分揭示文集內(nèi)部與數(shù)據(jù)庫主題相關(guān)的豐富內(nèi)容，不利于讀者檢索利用。

例如京華出版社2001年出版的《樂海濤聲》一書，作者趙毅為前中央民族大學(xué)藝術(shù)研究所所長。本書收錄作者關(guān)于少數(shù)民族音樂研究的文章42篇。其中包含《廣西壯族民歌區(qū)域分布及其特點(diǎn)述要》《壯族民歌的區(qū)域性特征》《壯侗語族之音樂文化比較研究》《壯族“唱螞拐”習(xí)俗考辨》《特色濃郁的南國樂舞風(fēng)情——廣西河池地區(qū)銅鼓藝術(shù)團(tuán)演出觀感》等有關(guān)廣西壯族音樂研究的文章共10篇，其他少數(shù)民族音樂研究和少數(shù)民族音樂教育相關(guān)文章32篇[1]。對(duì)于《桂西北少數(shù)民族歷史、文化資源數(shù)據(jù)庫》而言，上述10篇文章無疑與數(shù)據(jù)庫主題高度相關(guān)，其題名均有一定的專指性，能夠直觀地反映文章的主題、研究領(lǐng)域、主要內(nèi)容。從讀者角度而言，如能從每篇文章的題名或關(guān)鍵詞進(jìn)行檢索，則更容易發(fā)現(xiàn)這些文獻(xiàn)。而按“種”進(jìn)行著錄時(shí)的實(shí)際情況是，圖書題名項(xiàng)為總集名“樂海濤聲”，主題詞為“音樂—藝術(shù)評(píng)論—中國—文集”。題名文學(xué)色彩太濃，無法反映收錄文章的研究主題、領(lǐng)域；主題詞對(duì)于收錄的具體文章而言又過于寬泛概括，不具備專指性；摘要項(xiàng)又無法羅列文集所有文章的目錄。最終的結(jié)果就是因檢索入口的缺失，上述10篇對(duì)專題數(shù)據(jù)庫而言有高價(jià)值的文獻(xiàn)極易被遮蔽。

又如由李紹明、程賢敏主編《西南民族研究論文選1904—1949》一書，收錄20世紀(jì)初、中期我國西南民族研究的重要學(xué)術(shù)成果42篇，其中就包含了劉介、徐松石、徐益堂等著名學(xué)者有關(guān)廣西少數(shù)民族研究的文章《廣西民族研究述略》《僮乃嶺南土著的明證》等[2]。從學(xué)術(shù)影響的角度而言，劉介、徐松石、徐益堂等作者的檢索價(jià)值，遠(yuǎn)高于文集的編者李紹明，程賢敏，但按“種”來著錄，著者項(xiàng)只能反映文集的編者，讀者從著錄信息的檢索上很難做到對(duì)這些重要作者、重要文獻(xiàn)的發(fā)現(xiàn)，其實(shí)際效果與專題數(shù)據(jù)庫文獻(xiàn)標(biāo)引、著錄的初衷可謂背道而馳。

2.2 資料匯編類圖書難于發(fā)揮專題數(shù)據(jù)庫的文獻(xiàn)整合利用功能

專題數(shù)據(jù)庫的一個(gè)重要價(jià)值就是可以從學(xué)科、研究主題、地域、時(shí)間、內(nèi)容、文獻(xiàn)類型等角度對(duì)龐雜、分散的文獻(xiàn)進(jìn)行快速聚合。一方面使讀者可以系統(tǒng)、完整地獲取所關(guān)注領(lǐng)域的文獻(xiàn)，另一方面可以揭示出一系列孤立的文獻(xiàn)內(nèi)在的、多維的關(guān)聯(lián)性，便于最大限度地挖掘、呈現(xiàn)其參考價(jià)值。而實(shí)現(xiàn)這一功能，有賴于通過數(shù)字文獻(xiàn)的標(biāo)引、著錄，對(duì)文獻(xiàn)的主題、時(shí)空、內(nèi)容、文獻(xiàn)類型等特征進(jìn)行描述，為機(jī)器識(shí)別提供依據(jù)。但是，對(duì)于資料匯編類圖書，常規(guī)以“種”為粒度進(jìn)行著錄和數(shù)字資源封裝，往往無法發(fā)揮數(shù)據(jù)庫的這種文獻(xiàn)整合功能。

以廣西人民出版社1986年出版的《壯族歷代史料薈萃》一書為例，該書摘錄二十四史，歷代地方史志、類書、叢書、筆記中有關(guān)壯族的史料一千余條，每條史料均根據(jù)內(nèi)容進(jìn)行分類標(biāo)注，凡政事、起源、人物、藝文、風(fēng)俗、分布、習(xí)性、地形、氣候、婚姻、文化、姓氏、貿(mào)易、產(chǎn)物、飲食、教育、經(jīng)濟(jì)、居住、祭祀等二十余類[3]。書中的這種分類標(biāo)注，實(shí)際上已經(jīng)為我們提供了專業(yè)的關(guān)鍵詞、檢索詞標(biāo)引。如能對(duì)全書一千多則史料進(jìn)行逐條著錄、封裝，那我們就能夠便捷地按某一主題來對(duì)歷代相關(guān)的史料進(jìn)行聚合，這將極大地便利研究者進(jìn)行系統(tǒng)研究。但是，傳統(tǒng)按“種”著錄與資源封裝的處理方式，無法實(shí)現(xiàn)這樣的文獻(xiàn)整合功能。傳統(tǒng)印本文獻(xiàn)的難于深度檢索、整合利用缺陷，沒有能在數(shù)字化文獻(xiàn)系統(tǒng)上得以解決，數(shù)字化文獻(xiàn)的價(jià)值沒有得到充分挖掘。將印本文獻(xiàn)簡單的制成數(shù)字化復(fù)本，實(shí)際上完全不能體現(xiàn)專題數(shù)據(jù)庫開發(fā)應(yīng)有的價(jià)值。

2.3 綜合性、文集類圖書數(shù)字化復(fù)本數(shù)據(jù)冗余嚴(yán)重

專題數(shù)據(jù)庫以提供特定知識(shí)主題或?qū)W科領(lǐng)域的文獻(xiàn)資料為特征，它收錄文獻(xiàn)的最重要標(biāo)準(zhǔn)就是與數(shù)據(jù)庫主題的“相關(guān)性”。而在實(shí)際文獻(xiàn)出版中，一種常見的現(xiàn)象就是在某些綜合性、文集類圖書中，真正與專題數(shù)據(jù)庫相關(guān)的內(nèi)容只是其中的某些篇目和章節(jié)。出于按“種”著錄、加工文獻(xiàn)的習(xí)慣，我們對(duì)印本文獻(xiàn)進(jìn)行掃描等數(shù)字化處理時(shí)，通常都是將一種書作為一個(gè)不可分割的整體來封裝。又或是從已有的數(shù)字化文獻(xiàn)中篩選相關(guān)資源時(shí)，將一種書全部的內(nèi)容視為一個(gè)整體來存取。由于專題數(shù)據(jù)庫的特性，數(shù)據(jù)庫的目標(biāo)用戶只會(huì)關(guān)心與數(shù)據(jù)庫主題相關(guān)的文獻(xiàn)內(nèi)容。因此，我們?cè)跀?shù)字化文獻(xiàn)制作時(shí)，為那些與數(shù)據(jù)庫主題無關(guān)的內(nèi)容所耗費(fèi)的大量時(shí)間，對(duì)于數(shù)據(jù)庫的使用者來說是沒有價(jià)值的。數(shù)字化復(fù)本中那些與數(shù)據(jù)庫主題無關(guān)的內(nèi)容而實(shí)際上變成了冗余的數(shù)據(jù)。

以民族出版社2005年出版的《中國少數(shù)民族傳統(tǒng)體育史》為例，全書共431頁，其中與“桂西北少數(shù)民族歷史、文化”相關(guān)的內(nèi)容有“侗族傳統(tǒng)體育”“壯族傳統(tǒng)體育”“苗族傳統(tǒng)體育”等三個(gè)章節(jié)，共41頁，占全書篇幅的9.5%[4]，而在制作本書的數(shù)字化復(fù)本時(shí)，如果完整保留全書的內(nèi)容，就會(huì)產(chǎn)生90.5%的冗余數(shù)據(jù)。由于本專題數(shù)據(jù)庫主題較窄，對(duì)于綜合性著作而言，此書中冗余的內(nèi)容比例具有一定的代表性。大量的冗余數(shù)據(jù)，首先影響讀者在使用時(shí)存取的速度，制造不必要的信息干擾。其次，大量的冗余數(shù)據(jù)占用大量數(shù)據(jù)存儲(chǔ)空間，以及工作人員的制作時(shí)間，勢必要增加一些不必要的設(shè)備、人力，使數(shù)據(jù)庫開發(fā)的速度與效率大大降低。

3 專題數(shù)據(jù)庫開發(fā)中不同文獻(xiàn)粒度選擇的策略

為避免上述弊端，充分發(fā)揮數(shù)據(jù)庫的資源檢索發(fā)現(xiàn)、多維聚合功能，在處理專題數(shù)據(jù)庫文獻(xiàn)粒度問題上，有必要遵循“有利于檢索發(fā)現(xiàn)、有利于讀者使用、有利于提高開發(fā)效率”的“三有利原則”，根據(jù)實(shí)際情況靈活選擇文獻(xiàn)著錄與封裝的粒度。

3.1 對(duì)于文集類圖書，宜以“篇”為著錄和封裝最小單元

對(duì)于文集類圖書，宜采取類似期刊的處理辦法，將全書分解成若干獨(dú)立的篇目，分別著錄題名、作者、檢索詞、摘要等信息。對(duì)構(gòu)成圖書的所有獨(dú)立篇目，應(yīng)當(dāng)只選擇與數(shù)據(jù)庫主題相關(guān)的文章進(jìn)行著錄和數(shù)字化處理，對(duì)于與數(shù)據(jù)庫主題無關(guān)的則忽略不做處理。以前文所述《樂海濤聲》一書為例，書中收錄與專題數(shù)據(jù)庫主題相關(guān)的作品共10篇，則將這10篇文章分成10條記錄，逐篇進(jìn)行著錄和數(shù)字化。其余文章則不作處理。

3.2 資料匯編類圖書，宜以“篇”為著錄和封裝最小單元

對(duì)于匯編類圖書的數(shù)字化，有兩種具有代表性的情況：一種情況是篇目有獨(dú)立、專指的題名，其處理方式與文集類專著相同。另一種情況是篇目無獨(dú)立、專指題名，而是編號(hào)或分節(jié)來體現(xiàn)篇目的獨(dú)立性。處理這一類篇目，首先需人工介入自擬題目，然后再按文集類圖書的方式，逐篇著錄、封裝。自擬題目可以是截取資料文本首句，也可以選擇文本中能夠反映文章內(nèi)容的語句，或根據(jù)文意歸納。以《壯族歷代史料薈萃》為例，書中有摘錄《雒容縣志》史料5篇，無題名，以分節(jié)加分類標(biāo)注以示獨(dú)立。如第一篇：【風(fēng)俗】雒容民與壯并居十七，力耕食，頗堪自贍……?？山厝∈拙洹蚌萌菝衽c壯并居十七”作為文章的題名。又如第五篇：【政事】雒容舊治白龍巖，天順中遷于朱峒，正德時(shí)為瑤、壯所據(jù)。可根據(jù)文本主要內(nèi)容，歸納題名為“正德時(shí)瑤、壯據(jù)雒容”[3]。

3.3 對(duì)于綜合性圖書，宜以“章節(jié)”為著錄和封裝最小單元

對(duì)于綜合性圖書，宜根據(jù)實(shí)際情況，以“章節(jié)”為著錄和封裝最小單元。以前文所述《中國少數(shù)民族傳統(tǒng)體育史》為例。書中與“桂西北少數(shù)民族歷史、文化”相關(guān)的內(nèi)容有“侗族傳統(tǒng)體育”“壯族傳統(tǒng)體育”“苗族傳統(tǒng)體育”等三個(gè)章節(jié)。則應(yīng)按“章節(jié)”為單位，以章節(jié)標(biāo)題為題名分成“侗族傳統(tǒng)體育”“壯族傳統(tǒng)體育”“苗族傳統(tǒng)體育”三條記錄進(jìn)行著錄和數(shù)字化封裝。

4 數(shù)字化文獻(xiàn)著錄和封裝處理時(shí)應(yīng)注意的幾個(gè)問題

4.1 如實(shí)反映文獻(xiàn)來源

從文集類、匯編類、綜合類圖書中分析出來的每個(gè)篇目，在數(shù)字資源實(shí)體封裝時(shí)都應(yīng)如實(shí)反映文獻(xiàn)的來源，以便為使用者在引用文獻(xiàn)標(biāo)注時(shí)提供完整信息。只要是從來源文獻(xiàn)中分析出來的篇目、章節(jié)文獻(xiàn)，在制作對(duì)應(yīng)數(shù)字化文件時(shí)，除與文章正文對(duì)應(yīng)的頁碼外，還應(yīng)封裝來源文獻(xiàn)的封面、目錄、版權(quán)頁、CIP信息頁。

4.2 充分揭示目標(biāo)文獻(xiàn)的內(nèi)容特征

從母體文獻(xiàn)中分析出來的篇目、章節(jié)文獻(xiàn)，應(yīng)按具體的作者、創(chuàng)作時(shí)間、文章內(nèi)容著錄作者、創(chuàng)作時(shí)間、檢索詞等信息，充分揭示其內(nèi)容特征。對(duì)于原文未標(biāo)注作者、創(chuàng)作時(shí)間的，應(yīng)盡可能根據(jù)文章的內(nèi)容或來源文獻(xiàn)的前言、版權(quán)頁內(nèi)容來分析。檢索詞的著錄，主要依據(jù)題名、文章主要內(nèi)容分析、標(biāo)引，應(yīng)盡可能專指，以及從與數(shù)據(jù)庫主題的關(guān)聯(lián)性來選擇檢索詞。

5 篇目、章節(jié)類文獻(xiàn)的元數(shù)據(jù)方案設(shè)計(jì)

由科技部制定的我國數(shù)字圖書館標(biāo)準(zhǔn)規(guī)范專門元數(shù)據(jù)規(guī)范和CALIS數(shù)字化資源專門元數(shù)據(jù)規(guī)范共定義了電子圖書、古籍、地方志、輿圖、期刊、學(xué)位論文等11類元數(shù)據(jù)規(guī)范[5]。上述這類從各類型文集、匯編、綜合性文獻(xiàn)中分析出的篇目、章節(jié)文獻(xiàn)并不符合其中的任何一種。因此，對(duì)這類文獻(xiàn)進(jìn)行著錄，就涉及元數(shù)據(jù)方案選擇的問題?！禖ALIS特色庫子項(xiàng)目描述元數(shù)據(jù)規(guī)范及相關(guān)規(guī)則》指出：“如果以上列出的11中元數(shù)據(jù)規(guī)范不能完全覆蓋建庫單位的資源類型，各建庫單位需根據(jù)特定資源的特點(diǎn)，自行定義與設(shè)計(jì)新的描述元數(shù)據(jù)方案，并上報(bào)給項(xiàng)目管理組批準(zhǔn)?！盵6]因此，針對(duì)這類目前元數(shù)據(jù)規(guī)范未能涵蓋的文獻(xiàn)，我們可以按《CALIS特色庫子項(xiàng)目描述元數(shù)據(jù)規(guī)范及相關(guān)規(guī)則》的精神，自定義一種新的元數(shù)據(jù)方案，姑且稱之為“匯編資料元數(shù)據(jù)”。

為保證和異構(gòu)系統(tǒng)的數(shù)據(jù)交換和通用檢索，元數(shù)據(jù)方案建議只選用DC的15個(gè)基本元素。一般應(yīng)包括：題名、創(chuàng)建者、主題（檢索詞）、描述、時(shí)間、格式、標(biāo)識(shí)符、語種、關(guān)聯(lián)、出版者十個(gè)主要元素。其中前八個(gè)元素是對(duì)篇目、章節(jié)文獻(xiàn)本身的描述，后兩個(gè)元素用于對(duì)篇目、章節(jié)文獻(xiàn)來源文獻(xiàn)、母體文獻(xiàn)的描述。下面以京華出版社2001年出版《樂海濤聲》一書所收錄的文章《壯族民歌的區(qū)域性特征》為例簡要說明，見表1。

表1 匯編資料元數(shù)據(jù)方案樣例

[1]趙毅.樂海濤聲[M].北京:京華出版社，2001.

[2]李紹明，程賢敏.西南民族研究論文選1904—1949 [M].成都：四川大學(xué)出版社，1991.

[3]覃兆福，陳慕貞.壯族歷代史料薈萃[M].南寧：廣西民族出版社，1986.

[4]徐玉良.中國少數(shù)民族傳統(tǒng)體育史[M].北京：民族出版社，2005.

[5]中國科技信息研究所.我國數(shù)字圖書館標(biāo)準(zhǔn)規(guī)范專門數(shù)字對(duì)象描述元數(shù)據(jù)規(guī)范[EB/OL].（2003-04-12） [2013-12-16].http：//cdls.nstl.gov.cn/cdls2/w3c/2003/ SpcMetadata/.

[6]CALIS三期專題特色數(shù)據(jù)庫項(xiàng)目管理組.CALIS特色庫子項(xiàng)目元數(shù)據(jù)規(guī)范相關(guān)規(guī)則[EB/OL].（2004-05-12）[2013-12-16].http：//wenku.baidu.com/view/8d452 633a32d7375a417806f.html.

李波河池學(xué)院圖書館副研究館員。廣西河池，546300。

Granularity Problems in the Development of Special Databas：Taking"The Guangxi Northwest Minority History&Cultural ResourcesDatabase"as an Example

Li Bo

In the process of developing special database,type is used as the minimum unit to describe"document and encapsulate entity.It can’t fully reveal the content features,academic value of some literatures and develop the functions of literature integration and utility of special database.So,it easily causes the data redundancy.Followed the principle of“easy to retrieve,easy to use for readers and easy to improve the efficiency of development”and based on the fact,chapter should be chosen as the minimum unit of collected works,data compilation,comprehensive books and entity encapsulation.

Special database.Document description.Catalogue.Meta data.

G256

2013-12-13 編校：鄒婉芬）

*本文系廣西教育廳重點(diǎn)課題“河池少數(shù)民族文獻(xiàn)信息資源共建共享研究”（項(xiàng)目編號(hào)：2012022D082）、河池學(xué)院重點(diǎn)課題“桂西北民族及地方專題文獻(xiàn)服務(wù)系統(tǒng)開發(fā)與研究”（項(xiàng)目編號(hào)：2011YAZ-H001）的系列研究成果。