□ 吳茗 龍偉 肖紅/國家圖書館 北京 100081

自建數(shù)字資源的元數(shù)據(jù)管理實踐及啟示
——以國家圖書館中文圖書數(shù)字化資源庫為例

□ 吳茗 龍偉 肖紅/國家圖書館 北京 100081

結(jié)合國家圖書館中文圖書數(shù)字化資源庫元數(shù)據(jù)管理的實踐，提出自建數(shù)字資源元數(shù)據(jù)管理的基本要求，從健全的元數(shù)據(jù)規(guī)范和評價體系的建設(shè)、元數(shù)據(jù)與對象數(shù)據(jù)的關(guān)聯(lián)方式的選擇、元數(shù)據(jù)互操作的實現(xiàn)以及完善的元數(shù)據(jù)管理平臺的構(gòu)建等四個方面分析所涉及的技術(shù)，并探討具體的解決方案。

元數(shù)據(jù)管理，自建數(shù)字資源，數(shù)字化，查重，互操作

元數(shù)據(jù)為數(shù)字圖書館提供了精確描述數(shù)據(jù)內(nèi)容、語義和服務(wù)的機制，支持瀏覽、傳遞、評估和管理信息資源，不僅是實現(xiàn)資源發(fā)現(xiàn)的關(guān)鍵，也是有效充分利用館藏資源和實現(xiàn)互操作的基礎(chǔ)。根據(jù)我國近5年來元數(shù)據(jù)的相關(guān)研究可以發(fā)現(xiàn)，目前對元數(shù)據(jù)的理論探討遠遠超過其在實際工作中的應(yīng)用，尤其是新的網(wǎng)絡(luò)環(huán)境下對自建數(shù)字資源的元數(shù)據(jù)具體實踐的研究還比較欠缺[1]。本文將結(jié)合國家圖書館中文圖書數(shù)字化資源庫元數(shù)據(jù)管理的實踐，對自建數(shù)字資源元數(shù)據(jù)管理的經(jīng)驗和教訓(xùn)進行簡單總結(jié)，同時也對具有一定代表性和典型性的問題作更進一步的思考，以期為其他項目提供借鑒。

1 自建數(shù)字資源元數(shù)據(jù)管理概述

1.1 自建數(shù)字資源的界定

自建數(shù)字資源，學術(shù)界目前沒有一個特別明確的定義，往往表現(xiàn)為圖書館自建的特色數(shù)據(jù)庫。索傳軍在其《論數(shù)字館藏的質(zhì)量評價》一文中提到，每個圖書館都有自己的特色館藏，為了保護或進一步提高館藏利用率，通常將它們加工成館藏特色文獻數(shù)據(jù)庫。盡管目前各館自建的數(shù)據(jù)庫不多，但這是數(shù)字館藏建設(shè)的重要途徑之一[2]。目前國家圖書館數(shù)字資源建設(shè)的方式主要包括自主建設(shè)、引進建設(shè)和合作建設(shè)[3]。本文所討論的自建數(shù)字資源，特指通過自主建設(shè)，有目的地對重點館藏和一般館藏進行不同深度的組織加工，結(jié)合本館人員、技術(shù)和設(shè)備的實際情況，生產(chǎn)出來的數(shù)字化產(chǎn)品。

1.2 自建數(shù)字資源元數(shù)據(jù)管理的基本要求

自建數(shù)字資源是對館藏資源進行數(shù)字化而形成的文獻數(shù)據(jù)庫，為了充分體現(xiàn)出特色，其元數(shù)據(jù)管理應(yīng)該在遵循相關(guān)國家標準、行業(yè)標準的基礎(chǔ)上，形成具有可擴展性、個性化、開放性的方案，在資源組織、資源利用、資源整合、長期保存等方面有其特色需求。

第一、在元數(shù)據(jù)的適應(yīng)性方面，要依照相關(guān)元數(shù)據(jù)標準及著錄規(guī)范來進行，在選擇元數(shù)據(jù)時要考慮到各種類型資源的特征，在尊重差異和使用習慣的基礎(chǔ)上統(tǒng)一，在保證通用性的前提下，滿足不同類型資源的個性化需求。同時要兼顧簡單性與重要性，采用的元數(shù)據(jù)不僅僅是標引內(nèi)容的易于理解和掌握，便于使用，同時也要能完全揭示資源的特性和特征。要特別注意的是，對資源揭示沒有意義或者過于專深的元數(shù)據(jù)要酌情采用。

第二、在資源的利用方面，為了將不同領(lǐng)域的資源更好地融合，當用不同格式的元數(shù)據(jù)進行資源描述、檢索和利用時，就需要解決不同元數(shù)據(jù)格式間的釋讀、轉(zhuǎn)換問題，以確保系統(tǒng)對用戶的一致性服務(wù)，即實現(xiàn)元數(shù)據(jù)的互操作[4]。互操作性主要體現(xiàn)在解決元數(shù)據(jù)間多元化、非標準化的協(xié)調(diào)發(fā)展問題上。在異構(gòu)系統(tǒng)間互操作能力的支持上，緩解元數(shù)據(jù)資源描述的特殊性和一般性矛盾。

第三、在資源整合方面，考慮到資源建設(shè)的來源不同，要求元數(shù)據(jù)體系實行開放擴展機制，可以通過不同的層次縱向或橫向地以規(guī)范方式進行擴展，適應(yīng)資源不斷發(fā)展變化的需求。開放性是指可以基于開放標準對元數(shù)據(jù)進行交換，并可在開放標準基礎(chǔ)上在元數(shù)據(jù)集間進行元素的復(fù)用、繼承和元數(shù)據(jù)集擴展[5]。

2 國家圖書館自建數(shù)字資源元數(shù)據(jù)管理的實踐

國家圖書館自2000年以來對館藏資源進行數(shù)字化加工的工作，涉及了文本、圖像、音頻、視頻等多種類型，特色資源庫包括普通中文圖書、博士論文、民國文獻、善本、地方志、年畫、講座音視頻等，其中普通中文圖書的數(shù)字化建設(shè)，建設(shè)時間最長，數(shù)量最大，積累了豐富的建設(shè)經(jīng)驗，具有代表性意義，可為其他項目提供較多的參考借鑒。

在館藏資源數(shù)字化建設(shè)過程中，我們能夠越來越深刻地體會到，元數(shù)據(jù)的有效管理和利用，日益成為關(guān)系到系統(tǒng)建設(shè)質(zhì)量乃至最終數(shù)據(jù)管理狀況的關(guān)鍵。

2.1 自建數(shù)字資源元數(shù)據(jù)管理的步驟

自建數(shù)字資源建設(shè)過程大體可分為原始資源的遴選、采集、數(shù)字化加工、驗收、保存、服務(wù)、處置（主要指資源的剔除、銷毀）等過程。其中，元數(shù)據(jù)相當于主動脈，支撐著整個流程的運作。整個過程需要通過元數(shù)據(jù)對數(shù)字信息進行描述，定義其元數(shù)據(jù)的核心元素，并進行結(jié)構(gòu)化存取，從而實現(xiàn)對數(shù)字信息資源的有效管理。不同類型的元數(shù)據(jù)在信息資源生命周期的不同階段產(chǎn)生并在不同環(huán)節(jié)起著重要作用，對元數(shù)據(jù)的管理也關(guān)系到整個過程能否順利展開以及資源服務(wù)性能的優(yōu)劣。

第一步：針對不同類型的資源，根據(jù)建設(shè)目標、資源加工的深度和用戶需求，圍繞粒度和維度、相關(guān)加工規(guī)范，制定元數(shù)據(jù)方案。

第二步：配置相應(yīng)的元數(shù)據(jù)參數(shù)，定義核心元素，研究數(shù)字化信息元數(shù)據(jù)的獲取方法，針對不同類型的資源，采集相應(yīng)的元數(shù)據(jù)信息，并對采集過來的核心元數(shù)據(jù)進行清洗、查重和整合。

第三步：要明確不同資源格式（文本、圖像、音頻、視頻等）所需要的不同元數(shù)據(jù)元素，根據(jù)具體需要選取目的元數(shù)據(jù)。數(shù)字化過程中，將生成結(jié)構(gòu)元數(shù)據(jù)、管理元數(shù)據(jù)和保存元數(shù)據(jù)等，不同類型元數(shù)據(jù)之間的界定，以它們在信息資源生命周期中的不同功能為標準進行區(qū)分，在具體的元素設(shè)計上允許交叉和復(fù)用，但這種重復(fù)應(yīng)以最小限度為前提，應(yīng)通過元數(shù)據(jù)的模塊化和開放型使不同的元數(shù)據(jù)可以相互連接和調(diào)用。

第四步：元數(shù)據(jù)的集中保存，分類管理。元數(shù)據(jù)生成后，需要對元數(shù)據(jù)進行封裝管理和存儲，確保對象數(shù)據(jù)和元數(shù)據(jù)之間關(guān)聯(lián)的一致性。在數(shù)字化加工完成后，按照相關(guān)的技術(shù)標準，將元數(shù)據(jù)和對象數(shù)據(jù)進行封裝后，進行長期保存，并提交發(fā)布。元數(shù)據(jù)一般統(tǒng)一保存在專門的系統(tǒng)平臺上，并有專業(yè)人員對元數(shù)據(jù)及相關(guān)文檔按項目類型進行整合、統(tǒng)一管理，保證數(shù)字化過程中的可持續(xù)管理、回溯，方便為后續(xù)工作或其他項目提供參考。

第五步：回溯管理，資源的長期保存與回溯，為文獻數(shù)字化信息的可持續(xù)利用和長期保存保駕護航。

在數(shù)字資源的生命周期內(nèi)，許多環(huán)節(jié)都會生成甚至修改元數(shù)據(jù)。因此對元數(shù)據(jù)的控制應(yīng)是一個持續(xù)的過程，貫穿生產(chǎn)、使用、管理的各個階段。

2.2 “館藏中文圖書數(shù)字化資源庫”的元數(shù)據(jù)建設(shè)

作為國家總書庫，中國國家圖書館擁有全球最豐富的中文文獻?！梆^藏中文圖書數(shù)字化資源庫”依托雄厚的館藏資源，經(jīng)過多年的理論和實踐摸索，已經(jīng)形成了較為完善的元數(shù)據(jù)建設(shè)和管理體系。

（1）元數(shù)據(jù)體系的形成

目前國家圖書館的元數(shù)據(jù)方案采用MARC格式來描述書目數(shù)據(jù)，在資源的數(shù)字化過程中，描述型元數(shù)據(jù)直接移植了傳統(tǒng)文獻的書目數(shù)據(jù)，按照特定的資源建設(shè)遴選標準，對其資源相關(guān)的書目元數(shù)據(jù)進行采集，對采集過來的元數(shù)據(jù)進行清洗、查重、分類、人工審核后，按照一定的技術(shù)手段，對MARC數(shù)據(jù)進行解析，提取相關(guān)的字段，同時文獻原始載體的物理形態(tài)信息、加工信息、存儲結(jié)構(gòu)、版權(quán)信息等分別按照相關(guān)的加工標準，保存到對應(yīng)的數(shù)據(jù)庫中。

（2）MARC數(shù)據(jù)解析

對不同格式的元數(shù)據(jù)，需要根據(jù)元數(shù)據(jù)分析以及字段映射表，將這些不同格式的元數(shù)據(jù)轉(zhuǎn)換成元數(shù)據(jù)應(yīng)用中可以直接利用的元數(shù)據(jù)格式[6]。以MARC數(shù)據(jù)為例，由于MARC數(shù)據(jù)基于ISO 2709格式，識別必須依賴于專門的軟件，信息結(jié)構(gòu)上也是千差萬別，無法被關(guān)系型數(shù)據(jù)庫直接使用，為此，需要開發(fā)相應(yīng)的MARC數(shù)據(jù)轉(zhuǎn)換系統(tǒng)，這就需要了解原始數(shù)據(jù)，預(yù)先定義轉(zhuǎn)換的對應(yīng)關(guān)系。按照項目需求，提取所需的字段標識符以及子字段標識符。

簡單地說，就是對非結(jié)構(gòu)化的文本格式進行識別，抽取題名項、責任者項、出版項、館藏信息項等基本信息，保存在可讀取的數(shù)據(jù)庫中，為資源描述、數(shù)字化加工等提供較為方便的管理控制，并綜合生產(chǎn)過程中形成的一系列新的元數(shù)據(jù)，以便與遵循OAI-PMH的元數(shù)據(jù)格式整合，為用戶提供高級檢索。

（3）數(shù)據(jù)查重方案

文獻數(shù)據(jù)查重是利用描述元數(shù)據(jù)的某些特定字段，將各種數(shù)據(jù)進行整理，有序組織，避免因重復(fù)加工造成數(shù)據(jù)冗余，浪費成本，從數(shù)據(jù)加工的源頭就確保數(shù)據(jù)的唯一性，減少數(shù)據(jù)冗余度，從而提升館藏數(shù)字資源建設(shè)的整體水平。

首先應(yīng)針對資源的種類確定查重的原則方法，選擇查重條件，但在實際操作中通過題名、責任者、ISBN、出版項等單一條件往往很難滿足查詢的要求，通常采用多條件組合查詢、模糊匹配等方式對元數(shù)據(jù)進行操作，一般建議采用程序控制和人工校對相結(jié)合的方法。在實際工作中，可選的檢索點很多，可以說每個著錄項都可以作為檢索點進行查重，采取靈活機動的檢索策略，不同的情況采用不同的檢索查重方式，并靈活組合運用，才能避免漏查、誤檢。

（4）元數(shù)據(jù)的構(gòu)成

在數(shù)字化過程中，根據(jù)加工規(guī)范，會形成一系列的數(shù)據(jù)庫表，主要包括：

●用來描述、識別文獻的基本信息表，包含原始載體書目的基本信息，如題名、著者、出版信息、館藏信息、唯一標識號等；

●用來記錄目次標引的信息表，用于記錄冊次號、目次、原始頁碼、標引鏈接頁碼等，反映文獻結(jié)構(gòu)內(nèi)部形式特征，同時滿足目錄檢索需求；

●用來記錄原始文獻結(jié)構(gòu)的信息表，包括封底、封面、前附頁、后附頁、目錄頁等信息；

●用來記錄數(shù)字化加工的信息表，包括掃描分辨率、壓縮因子、圖像參數(shù)、存儲量、保存位置等信息；

●除此之外，還有分別反映版權(quán)信息、原始載體的缺頁插頁等物理特征的數(shù)據(jù)庫表。

圖1 館藏中文圖書資源庫的發(fā)布界面

圖2 從描述元數(shù)據(jù)提取的元素以及目錄頁的定位鏈接

這些數(shù)據(jù)庫表和書目數(shù)據(jù)共同構(gòu)成了整個數(shù)字化資源的元數(shù)據(jù)的完整體系。可以看出，描述型元數(shù)據(jù)、結(jié)構(gòu)型元數(shù)據(jù)、管理型元數(shù)據(jù)和保存型元數(shù)據(jù)等幾種類型的元數(shù)據(jù)在具體的實踐中存在一定程度的交叉和復(fù)用，但這個重復(fù)的程度要控制在最小范圍內(nèi)。

在數(shù)字化工作完成之后，按照相應(yīng)的技術(shù)標準對元數(shù)據(jù)和圖像進行封裝以提交網(wǎng)絡(luò)發(fā)布和長期保存，元數(shù)據(jù)同時也會導(dǎo)入專門的元數(shù)據(jù)管理平臺，便于管理和回溯。

從館藏中文圖書數(shù)字化資源庫的檢索、保存、組織等方面來看，基本滿足了初定的特色要求。

圖1為館藏中文圖書資源庫的發(fā)布界面，圖2為從描述元數(shù)據(jù)提取的元素（可作檢索用）以及目錄頁的定位鏈接。

3 自建數(shù)字資源元數(shù)據(jù)管理的思考和建議

3.1 健全的元數(shù)據(jù)規(guī)范和評價體系的建設(shè)

目前國內(nèi)數(shù)字圖書館建設(shè)中對自建資源的元數(shù)據(jù)標準和評價體系的研究較少，同時，對于除了描述元數(shù)據(jù)之外的其他類型元數(shù)據(jù)等的研究與應(yīng)用也比較少。單就管理元數(shù)據(jù)和技術(shù)元數(shù)據(jù)來說，其規(guī)范及評價體系也是必不可少的，將直接影響著整個數(shù)據(jù)庫系統(tǒng)的組織與管理能力[7]。元數(shù)據(jù)的評價，其核心在于體現(xiàn)元數(shù)據(jù)使用的“效用”，要滿足特定用戶群特定的與潛在的需求[8]。研究和移植已有的國內(nèi)外成熟的元數(shù)據(jù)標準體系，制定并完善其元數(shù)據(jù)的使用規(guī)范，使規(guī)范具有可操作性和指導(dǎo)意義。

3.2 元數(shù)據(jù)與對象數(shù)據(jù)的關(guān)聯(lián)方式的選擇

元數(shù)據(jù)與對象數(shù)據(jù)的關(guān)聯(lián)至關(guān)重要，失去與對象數(shù)據(jù)的關(guān)聯(lián)，元數(shù)據(jù)將變得毫無意義，而丟失元數(shù)據(jù)的對象數(shù)據(jù)，其價值也將大打折扣。為避免在數(shù)據(jù)的備份、遷移過程中出現(xiàn)偏差，元數(shù)據(jù)可以嵌入在對象數(shù)據(jù)中，也可以存放在結(jié)構(gòu)化數(shù)據(jù)庫中，通過系統(tǒng)與對象數(shù)據(jù)關(guān)聯(lián)，還可以通過封裝的方法與對象數(shù)據(jù)打包在一起。其中，選擇適合的封裝策略既能保障對象數(shù)據(jù)與其元數(shù)據(jù)間緊密的聯(lián)系，同時又保證了二者的各自獨立性，利于它們的個性化、動態(tài)管理和利用，是目前國內(nèi)外比較認同的關(guān)聯(lián)方式[9]。

元數(shù)據(jù)編碼和傳輸格式METS（Metadata Encoding and Transmission Standard）由于具備支持資源的互操作、適應(yīng)多樣化的應(yīng)用環(huán)境和有著長遠的應(yīng)用前景等優(yōu)勢，成為目前國際領(lǐng)域影響最大、使用最為廣泛的數(shù)字資源元數(shù)據(jù)封裝方法[10]。

3.3 元數(shù)據(jù)互操作的實現(xiàn)

考慮不同類型資源，或者與其他合作建設(shè)的館外資源的進行融合時，可能存在著多種不同的元數(shù)據(jù)方案，在編碼、格式、內(nèi)容等方面存在較大差異，要想整合這些資源，利用這些資源，便于管理，通過統(tǒng)一接口獲取各類信息資源，保證向用戶提供一致的服務(wù)，更易于系統(tǒng)的開發(fā)與用戶的使用，就要解決不同格式元數(shù)據(jù)之間的相互轉(zhuǎn)換、相互融合的問題，即元數(shù)據(jù)互操作。目前實現(xiàn)元數(shù)據(jù)的互操作有三個技術(shù)途徑：一是采用字段映射和對照。如DC與MARC、DC與EAD等。二是需要借助重用、集成等方式，實現(xiàn)各個項目的元數(shù)據(jù)記錄間的整合。三是通過協(xié)議、聚合和值共現(xiàn)映射等開展倉儲級的元數(shù)據(jù)互操作[11]。最常采用的是字段映射和對照方式，即在兩個元數(shù)據(jù)標準的元素之間直接轉(zhuǎn)換，建立元數(shù)據(jù)字段映射關(guān)系表，與具體的資源或項目相結(jié)合，設(shè)計適合的編目及數(shù)據(jù)轉(zhuǎn)換平臺，提供統(tǒng)一的編目和審校環(huán)境。

3.4 完善的元數(shù)據(jù)管理平臺的構(gòu)建

建立元數(shù)據(jù)管理平臺，其功能應(yīng)包含元數(shù)據(jù)的維護及查詢、元數(shù)據(jù)整合、元數(shù)據(jù)批量修改、元數(shù)據(jù)的分析及應(yīng)用、元數(shù)據(jù)版本管理等，建議加強對技術(shù)人員和業(yè)務(wù)人員的相關(guān)技術(shù)培訓(xùn)。在整個元數(shù)據(jù)應(yīng)用過程中，建立規(guī)范的工作流程和管理規(guī)則，以利于工作人員統(tǒng)一地對元數(shù)據(jù)進行管理和監(jiān)督以及探查，全面提升數(shù)據(jù)質(zhì)量。

[1] 葉靜.從2006 --2011年我國核心期刊載文分析看我國元數(shù)據(jù)研究新進展[J].科技情報開發(fā)與經(jīng)濟, 2012(14):126-128.

[2] 索傳軍.論數(shù)字館藏的質(zhì)量評價[J].中國圖書館學報, 2004(4):43-46.

[3] 全國數(shù)字圖書館建設(shè)與服務(wù)聯(lián)席會議.數(shù)字圖書館資源建設(shè)指南[EB/OL]. [2013-11-21]. www.lsc.org.cn/Attachment/ Doc/1275990326.pdf.

[4] 畢強,朱亞玲.元數(shù)據(jù)的標準及其互操作研究[J].情報理論與實踐, 2007(5):666-670.

[5] 周波.高?？茖W數(shù)據(jù)元數(shù)據(jù)初探[J].圖書館學研究, 2012(1):45-53.

[6] 肖瓏,申曉娟.國家圖書館元數(shù)據(jù)應(yīng)用總則規(guī)范匯編[M].北京:國家圖書館出版社,2011．

[7] 董蓓.DC元數(shù)據(jù)在專題特色數(shù)據(jù)庫建設(shè)中的應(yīng)用[J].圖書館工作與研究,2010(4): 42-44.

[8] 陳學清,陳成桂,杜蕓,等.網(wǎng)絡(luò)信息資源編目元數(shù)據(jù)的選擇與評價[J].圖書館工作與研究,2008(7):65-68.

[9] 程妍妍.國際電子文件元數(shù)據(jù)封裝方法VEO和METS的比較研究[J].現(xiàn)代圖書情報技術(shù),2011(10):7-11.

[10] 程妍妍.基于METS的電子文件元數(shù)據(jù)封裝研究[J].科技檔案, 2011(4):19-24.

[11] 宋琳琳,李海濤. 大型文獻數(shù)字化項目元數(shù)據(jù)互操作調(diào)查與啟示[J]. 中國圖書館學報, 2012(01): 27-38.

The Practice of the Metadata Management of Self-developed Digital Resources——Taking the Chinese Books Digital Resources Digital Resources of NLC as an Example

Wu Ming, Long Wei, Xiao Hong/National Library of China, Beijing, 100081

Based on the practical metadata management of Chinese books, this paper gives the basic principles of self-developed digital resources, and analyzes the following four issues of metadata: specification and evaluation system construction, approach selection of objects associative, metadata interoperability, and establishment of management platforms.

Metadata management, Self- developed digital resources, Digitalization, Duplicate checking, Interoperability

2013-11-26）

10.3772/j.issn.1673—2286.2014.03.006

吳茗（1975- ），女，館員，碩士研究生，國家圖書館，發(fā)表論文數(shù)篇。E-mail: wum@nlc.gov.cn

龍偉（1966- ），女，副研究館員，國家圖書館，發(fā)表論文數(shù)篇。

肖紅（1982- ），女，館員，碩士研究生，國家圖書館，發(fā)表論文數(shù)篇。