PCC作品实体白皮书(笔记)

近段日子一直关注馆里在做的方志库,其中涉及“作品”相关问题,首先是什么作为作品(合订本?丛编?),然后是如何从著录方式各异的书目记录中提取作品(并唯一标记、以便汇集所有载体表现),总之问题多多。想起PCC的作品实体白皮书,花几天时间仔细阅读,希望可以帮助理清思路,结果……不是没有收获,只是仍处于混乱中。

PCC SCS/LDAC Task Group on the Work Entity: Preliminary White Paper (1 October 2017) (69 pages)
Karen Coyle, Nancy Fallgren, Steven Folsom, Jean Godby, Stephen Hearn, Ed Jones (chair)

本白皮书汇集作品概念相关信息:历史(并非在FRBR中横空出世),不同标准建模差异(相同术语各自表述或不同术语含义近似),面对的问题。本报告没有答案、没有解决方案,但并非没有态度。

作品描述 将会取代 作品记录
作品描述:指描述一个作品实体的RDF三元组的任何图谱。采用开放世界假设,三元组集非预先定义:任何属性取一部作品为主体的三元组,都是该图谱的潜在成员。(1 导论,p.6)
任务组不认为未来的书目实践中会有单一的、规范的作品“记录”。作品将会存在于由RDF引入的元数据“后记录”视图中。(执行摘要,p.3)【可类比为情报检索语言中的“后组”】

“作品”历史回顾(2.1)
虽然“作品”术语到19世纪才由帕尼兹提出,但作为书目概念可以追溯到17世纪牛津大学图书馆目录(把不同题名出版物放在一起)。1979年时柳别斯基认为即将采用的AACR2有放弃作品的危险【不知所指为何】,1997年的FRBR则在理论上回归到了作品概念。
虽然在FRBR前“作品”没有明确定义,但在英美编目中长期具有中心作用。在1941年“统一题名”出现前,是以不同题名在目录中相互引用(意指不确定哪个是规范检索点)。一直与“作品”绑定的“作者”(创作香),则是随时间(即规则)而变的,在AACR2/RDA之前,所谓“名称-题名”中的“名称”曾经可以是编者、也可以是一般团体。

作品、作品描述、作品实体,编目政策、数据设计(2.2)
“作品”作为术语的3种含义:(1)识别出的作品(类别);(2)作品的描述;(3)作品实体。
是否每个被编目载体表现需要作品描述由编目政策决定;是否每个作品需要作品实体由数据设计决定。数据设计的决策在某种程度上受到作品如何在给定系统中确认与描述的影响。【书目数据的结构与质量决定能在多大程度上揭示作品实体】

面目不清的“作品”概念
现今各种相关标准对作品有不同认识(详见下,4 作品建模)。Richard Smiraglia著有《作品的性质》(The Nature of “A Work”. Lanham, Md.: Scarecrow Press, 2001),详述知识组织界对“作品”处理的细节。
尽管FRBR最终报告(1998)的作品定义是讫今为止对“作品”的书目概念的最准确说明,但开发FRBR的工作组本身承认,作品实体的边界会随实践界而异,因此作品和内容表达间的边界仅是研究目的的,并不在整个书目界有效。【这也就是BIBFRAME模型分三层的原因吧,因为要从现有书目记录中区分W和E更是困难——除了OCLC作品算法中识别的译本】

以显示串作为作品标识符并非最佳选择(3 标识符,p.11)
【用RDA术语,就是“代表作品的规范检索点”】规范工作花很多工夫在构建与确保规范检索点的唯一性,这是索引浏览环境下的必需,但在搜索驱动环境下可以有更灵活省力的方法帮助用户识别与选择资源。
妥善管理的标识符系统应当把标引与显示用元数据与标识分开,让数据随时间更稳定。但以“名称-题名”作为代表作品的规范检索点,最容易遇到作者名称形式的变化,比如不可避免的人过世(需要加上去世年)。

确定作品标识符的方法(3.2 作品标识符)
一个作品只有一个唯一标识符的想法是不现实的。不同环境如RDA和BIBFRAME中标识的作品会有不同的标识符。其管理可通过创建机器可操作的同等或相似陈述。确定作品身份(同等)的方法:
1、编目员决定:编码一套属性,属于该作品。【先组,如“名称-题名”】
2、作品身份在描述作品的属性中固有:Elaine Svenonius在《信息组织的知识基础》(The intellectual foundation of information organization. Cambridge, Mass: MIT., 2009. p. 33)中称为“集合理论”方法(“set-theoretic” method),即一套属性(如相同作者、相同题名)定义2个书目事项[记录]为相同作品。优点在于因为由算法确定,作品集成员具有一致性。【后组】

不同词表中的“作品”(4 作品建模)
目前以下词表(类和属性)还没有互相参见(只有BF Lite含少量与BF和其他RDF词表的“same as”关系)。假定未来会为方便互操作而增加。
4.1 FRBR
4.2 RDA:即使用采用RDA条款创建的编目数据,也未证明能够以合理的精度、可靠地抽取作品实体描述【现有CNMARC数据更是如此】
4.3 BIBFRAME:BF2.0词表进一步远离FRBR实体定义,因为不限制定义域。许多(如果不是大部分)属性定义为适合描述作品或实例或单件(而FRBR是用于单一定义域的)。BF三层对应FRBR四层:BF词表包含属性expresionOf/hasExpression可用于映射FRBR的作品-内容表达为BF的作品-作品关系,同时隐含保留FRBR作品和内容表达间的区别
4.4 BIBFRAME Lite:主要需求来自转换遗留数据而非以RDF创建新数据。作品本身属性很少,但继承来自超级类“资源”的附加属性
4.5 CIDOC CRM,FRBRoo,PRESSoo:引入时间实体、事件、时间过程;细化第1组实体(详见FRBRoo);分析创建和生产过程。FRBRoo对连续出版物的特例处理(单作品-单内容表达-单载体表现)被转至IFLA LRM,2018重新设计的RDA也会与之兼容
4.6 IFLA LRM:LRM在作品方面有2个变化,涉及集合体和连续出版物。
集合体:非作品【对应的集合体“作品”还是有的】,而是包含多个内容表达的载体表现,其中之一是称为集合作品的内容表达,即应用于载体表现的选择与安排准则。【集合体=载体表现(含N+1内容表达)】
连续出版物作品:集合体作品的一种类型,包含单个载体表现的单个内容表达【连续出版物作品->1个内容表达->1个载体表现】。LRM说明允许定义附加实体,包括其他纸版与Web版、不同语言版、本地版。但不清楚如何在实施中关联作品(增加属性?);目前也不知道RDA将如何表达。
4.7 Schema.org:对知识资源的高层术语是CreativeWork(直接在thing下),被用于FRBR所称的WEM。有20多个作品类型的子类,包括:文章、图书、地图、电影、照片、作曲、录音、电视连续剧、软件……。关系属性:作品样例、基于、部分,(书目扩展)作品翻译。Schema.org提供Web域名中各元素的使用范围,创作作品用得最多的类别是博客和文章(均超过百万域名),创作作品本身用于25-50万域名,图书1-5万域名;标识符属性有isrc和iswc,但未报告被使用。
4.8 DC:很少单独使用,最常与其他术语组合……适合作为词表间转换语言。
4.9 出版界和知识产权界标准:FRBR作品实体组装具有不同权利的内容表达,出版与知识产权界不关心。虽然出版社与知识产权标准不直接影响图书馆实践,但向图书馆资源发现服务提供的元数据会产生影响。
<indecs>【ONIX】:抽象概念(abstraction)=FRBR的内容表达(译本、版本)
ISTC:作品=FRBR内容表达
DOI:可应用于任何实体、任何粒度水平,如整个期刊、一期、一篇文章或特定格式的一篇文章。均不对应FRBR作品。
ISBN:可用于单册或多册集【FRBR载体表现】
ISMN:同上【FRBR载体表现】
4.10 图书馆界其他关联数据模型(未采用作品实体)
BLDM:不列颠图书馆数据模型(用于《英国国家书目》)
EDM:Europeana数据模型。定义“信息资源”类为=FRBR作品、内容表达、载体表现和CIDOC CRM实物的合并。
DPLA MAP:美国数字公共图书馆元数据应用纲要(基于EDM)
4.11 算法上实施作品:LC和OCLC均从事由MARC数据发现作品的类似工作,从MARC统一题名规范记录和书目记录开始(中文统一题名规范记录极少)。

5 开放问题【没有答案,但有观点】
5.1 作品和规范:FRBR意义中的作品和当今编目中定义的作品规范之间的关系是什么?
5.2 “一部作品”中包含什么:如何定义作品描述的范围? 它是否包含取自创作者和主题实体的属性?对于不同的功能如编目新的内容表达、用户显示等,需要多少图谱?
5.2a 以惯用总题名(汇编和集合体)特征化的作品【参见:规范检索点用惯用总题名后如何区分不同汇编(2018-4-8)】
5.3 作品实体:要求创建作品实体是出于什么功能需求? 是否需要为每个编目资源创建作品实体?
5.4 工作流程问题:与作品相关的编目工作流程如何考虑:(1)作品作为一个描述?(3)作品作为一个实体?
5.5 与知识产权界的作品相对应:我们如何与知识产权界创建的作品相关联?

编目常见URI问题:什么时候开始用?RWO又是什么?

合作编目项目(PCC)“MARC中URI工作组”完成了《创制和获取URI的常用词表和参考源指南》,为在MARC 21中使用URI热身。
参见:创制和获取URI的常用词表和参考源指南(2018-3-2)

工作组同时提供了一个“URI常见问题”,面对的是分裂的现状:一方面有人对URI知之甚少,另一方面有人已经想在MARC数据中添加URI。
URI FAQs (2018-2-6) :计有27个问答

面对不了解URI者的问题较多,以下几个与RWO相关的问题是我感兴趣的(下一行是我的理解、不是翻译):
– 什么是真实世界对象?(问题3)
Real World Object 简称 RWO = Thing 或 实体。在BIBFRAME由1.0发展到2.0过程中频频出现。
– 为什么在浏览器中使用URI,却发送不同的链接?(问题5)
这是由于“解引”(dereferencing),输入的是RWO的URI,最终显示的是RWO描述的URL(RWO本身无法显示吧)。
– $0和$1中的URI有什么不同?(问题11)
RWO的描述和RWO本身
– 为什么skos:Concept不是RWO?(问题12)
概念也可以是RWO,但skos:Concept是概念的说明。因此,不能说两个skos:Concept互相owl:sameAs,只能说两者完全匹配(skos:exactMatch)或近似匹配(skos:closeMatch),或具有相同的焦点/面对相同实体(foaf:focus),但本身不是同一个Thing。

对于急着想在MARC数据中使用URI的,特别注意以下信息,总体来说就是还需要再等上一年半载:
1、OCLC方面:尚未配置$1为有效子字段(问题7),计划2018年下半年接受$1(问题14);对于2017年12月加入MARC 21的758字段(资源标识符),OCLC可能在2018年下半年发布有关实施的技术公告(问题20)。
2、PCC方面:PCC指导委员会(标准和培训)将在2018年提供在MARC字段中使用URI、包括758字段的最佳实践(问题16、问题20)。
3、工具:添加过程最好是自动处理,但目前元数据编辑器中多半没有查询工具(问题22),有用的工具有MARCEdit的MARCNext、LOD/OpenRefine或者直接用SPARQL(问题24),验证URI工具有VapourVafu(问题23)。

关于MARCNext可参见MARCEdit开发者的博客:Terry’s Worklog: MarcEdit’s Research Toolkit – MARCNext (2014-8-23)

创制和获取URI的常用词表和参考源指南

应用关联数据,并不是简单地把数据以三元组形式发布。要能使发布的数据相互关联,在数据中采用或关联已有URI/IRI是很重要的工作。美国合作编目项目(PCC)MARC中URI工作组在2018年2月14日发布了一份文档《创制和获取URI:常用词表和参考源指南》,总结了40个图博档领域常用的词表和参考源的信息。自然以英语为主,但从图示看有些有中文(如《艺术和建筑叙词表》AAT、联合国粮农组织《多语种农业叙词表》AGROVOC)。中文开放资源总体上不多,如果也能参照总结一个,会是很有益的工作。

创制和获取URI:常用词表和参考源指南 FORMULATING AND OBTAINING URIs: A GUIDE TO COMMONLY USED VOCABULARIES AND REFERENCE SOURCES / Prepared by the Program for Cooperative Cataloging Task Group on URIs in MARC. Version Date: 2018-02-14

文档称,“MARC最近开发了一种机器可操作的方式,指定规范URI或规范所描述事物URI(https://www.loc.gov/marc/mac/2017/2017-08.html),但填充这些子字段的实践是新生的”。所说的机器可操作的方式,指MARC21分别为实体描述和实体本身(真实世界对象,RWO)定义了不同的子字段:
$0 Authority record control number or standard number
$1 Real World Object URI (R)(新增)
参见:600字段含$t时,$0代表作品还是个人?(附:MARC21新增$1子字段)(2017-12-4)
其中实体描述通常是各种书目和规范记录,当然还有图书馆界之外的描述记录;而实体本身及其URI,对编目而言完全是新概念,如何获取更是新挑战。

本文档把数据源分为2类,第1类是关联数据资源,共28项;第2类是具有控制号或其他标准标识符但未发布为RDF的数据源,共12项。不知道是不是因为这些资源太过有名,所有40个资源都没有介绍收录内容或范围。
每个资源列出的具体信息,第2类比较简单,基本只有名称、最后查看日期和主页(网址),仅其中的IMDb还列出了联系信息、使用限制及图示。第1类则有与使用有关的详细信息,除前述IMDb所列各项外,还包括:建模(基于SKOS的较多),存放URI的MARC子字段($0记录、$1实体、$4关系词),创建或获取URI方法与样例、截屏图示、API或Web Services或批下载、查询获取URI样例等,数据版本/更新频率、使用者(多为空)、工具(多为空),其他(相关资源,偶有)。
以下按大致内容对2类资源重新排列(有$0 $1 $4的为关联数据资源):

艺术
AAT – Art & Architecture Thesaurus($0)
TGM – Thesaurus for Graphic Materials($0)

音乐
AllMusic 音乐
Discogs 唱片
LCMPT – Library of Congress Medium of Performance Thesaurus($0)
MusicBrainz – The Open Music Encyclopedia($1)

影视戏剧
AllMovie
BFI – British Film Institute
IBDB – Internet Broadway Database
IMDb – Internet Movie Database

游戏
GAMECIP Computer Game Media Format Vocabulary($0)
GAMECIP Computer Game Platform Controlled Vocabulary($0)

地理
Canadian Geographical Names
GNIS – Geographic Names Information System,GeoNames($1)
TGN – Getty Thesaurus of Geographic Names($0,$1)

个人团体
ISNI – International Standard Name Identifier($1)
Legal Entity Identifier 企业标识号
ORCID($1)
ResearcherID
Scholar Universe
ULAN – Union List of Artist Names($0,$1)
VIAF – Virtual International Authority File($1)

农业:AGROVOC($0)
医学:MeSH RDF- Medical Subject Headings RDF($0)

综合
BBC Things($1)
CERL Thesaurus($1)欧洲1450-1830年间地名、人名
DBpedia($1)
GND – Gemeinsame Normdatei (Integrated Authority File) 德国国家图书馆规范档($0主题,$1会议或事件、团体、家族、个人、地点或地理名称、作品)
LC/NACO Authorities($0规范,$1 RWO)
Library of Congress Authorities
Wikidata($1)

综合(主题词表/元数据词表)
FAST – Faceted Application of Subject Terminology($0),
LCSH – Library of Congress Subject Headings($0)
LC Children’s Subject Headings($0)
LCDGT – Library of Congress Demographic Group Terms($0)
LCGFT – Library of Congress Genre/Form Terms($0)
MARC Relator Terms and Codes($4)
RDA Vocabularies($0取值,$4元素)
RBMS Controlled Vocabularies($0)珍本与特藏编目用受控词表