标签： 元数据

OCLC软件竞赛结果

    时间过得很快，今天见到OCLC软件竞赛结果公布，找我以前的报道，发现时间竟然已经过去四个多月了。
    得奖者是美国的Dazhi (David) Jiao，看姓名是个来自大陆的华人。 获奖作品是一个OPAC，在显示详细书目记录时，包含收割的相关文献一览表（an OPAC that includes a ranked list of harvested citations when a detailed bibliographic record is displayed.）。评委认为其作品创新集成了OPAC与收割的元数据，并充分利用了OCLC的开放软件（an innovative way of integrating OPACS with harvested metadata and made good use of open source software from OCLC）。

    OCLC还提供了相关信息链接。获奖作品的链接如下：
Dazhi Jiao&aposs CAT OAI; an OPAC System with OAI Integration
http://129.79.32.196:8080/catoai/index.jsp

    这个试验系统目前只包括物理学相关内容。检索结果一览表如同普通OPAC，但具体书目的详细信息包含按相关度排序的数字资料，这些资料由OAI数据库中收割而来。
    “The Handbook of plastic optics”一书的详细书目信息，首条数字资源的详细信息，包括名称、URL、作者、内容提要、主题等信息。直接链接到相关数字资源，是一篇全文文献，感觉很不错。

    OCLC打算今后每年举办一次这样的竞赛。

 

无处不在的元数据

    印象中以前数据库的”字段”，现在都称为元数据了，各行各业都在研制元数据，电子商务、企业信息、政务资源、统计指标、档案管理、电子公文、信用信息……。原来生成/修改日期、访问权限之类计算机文件的”属性”，也变成了元数据，如MP3文件的元数据ID3，定义了作曲家、词作者、演唱/演奏者等数十个属性；更有数码相片文件的元数据复杂到了定义拍摄的经纬度和海拔。
    曾以为Google的关键词检索只需要人工智能分析词间关系，组成一个词表（或许是语义网、本体什么的？），不需要元数据。但看着Google近半年接两连三地推出各种专类检索工具/功能，学者Google Scholar的引文、电视Google Video的节目预报、地图Google Maps的企事业单位信息、电影（movie:命令）的影评与影院信息，以及最近引起广泛争议的Google工具条的网页自动链接AutoLink功能，终于明白其实在Google简洁检索界面的背后，肯定蕴藏着极其复杂的元数据，用以组织机器搜集到的看似无序的信息。

    我们的机读目录MARC有差不多40年历史了，或许可称得上元数据的前辈。定义了那么多字段、子字段，虽然不是都要用，看上去也很烦。于是不满意MARC者设计出都柏林核心元数据DC，来代替烦琐的MARC，只用十多个元素就够了，很爽。可渐渐发现不够用，于是加修饰词，先是标准修饰词，然后又可以自定义修饰词，现在弄得跟MARC也相去不远了。
    其实当深入到事物的内部，必然越分析越细致，需要的元素也就越多，就好象前面所举MP3和数码相片元数据的例子。看出版商描述图书信息的元数据ONIX，近200个元素(tag)，与MARC相比，其烦琐程度可说是有过之而无不及。
    看来，在今后相当长的一个时期里，综合描述各类文献元数据的MARC还是很安全的――不会被淘汰。或许磁带时代顺序读取的产物2709格式，会因与时俱进而被XML或别的什么格式所代替，但MARC的基本字段、子字段应该不会有太大的变化。

 

都柏林核心走向死亡？

      上月中旬，DC-2004在上海图书馆召开，会议主题是”跨语言与文化的元数据”，会议发表的报告内容已经不限于都柏林核心元数据，而是广义的元数据了。今天又在Library Hi Tech News最新一期的目次上，见到一文题为：Dublin Core: An Obituary（都柏林核心讣告），真有点语不惊人势不休的意味。文章批评DC元数据缺乏专指性、没有标准的数据元素、互操作性差，进而断言DC将很快被”元数据对象描述框架”（MODS）所取代。

      实际上，从1995年的DC-1开始，DC发展至今已有近10年，从崇尚简洁一路走来，在语法上先是增加修饰词、后又允许自定义修饰词、进而允许自定义新元素，在语义上引入各种规范、还推荐自建词表，与简洁的初衷渐行渐远，其复杂程度已不下于MARC。与MARC相比，DC有不依赖特制程序阅读的优点，只是本来网络上采用DC的网页就不多，当搜索引擎不利用元数据建立其索引之后，其优点就不再突出了――毕竟元数据主要不是让”人”来阅读的，实际上还是要编制特定程序加以处理，与MARC的可读性相去并不太远。

 

    反观MARC，经过多年发展，已形成不同载体文献一体化格式，并有著录规则（如AARC2、ISBD等）、名称规范库、主题词表等相配套。MARC对普通人的障碍一是其定义的字段、子字段代号不直观，非专业人士无从理解其意；二是其2709格式无法阅读。这二点通过应用程序的转换，在图书馆联机公共目录显示格式中其实已经得到解决。 对图书馆界来说，与其开发、维护一个新的元数据，还不如改造已经成熟的MARC。

    美国国会图书馆的“元数据对象描述框架”MODS就是直接利用MARC的一个范例。MODS包含MARC 21的一个子集，以英语单词或短语代替MARC的字段和子字段，提供HTML/XML格式。从2002年6月公告试用1.2版以来，到2003年底已经发展到了3.0版。在2年多的发展中，已被一些数字图书馆项目建设所采用。或许真是元数据的明日之星？

    国内最关注DC的机构当属上海图书馆，在他们的主页上即有DC元数据中文网，收录了有关DC的各种有价值的内容。同时，他们也关注其他元数据的发展。MODS公开不久，他们的”数字图书馆研究资源门户”中就加入了其资源描述。同时，他们制定的多个元数据方案，都参考了MODS的标准。