LRM到schema.org映射(荷兰国家图书馆)

荷兰国家图书馆(KB)从2015年开始发布关联数据,采用schema.org。2017年确定采用《IFLA图书馆参考模型》(LRM)、RDA及关联数据发布国家书目,因此制订LRM到schema.org映射作为应用纲要。(出处:René Voorburg. Linked Data Initiatives at the National Library of the Netherlands. Core Linked Data Interest Group forum, 2021-7-29。视频2’20”-16’45”

LRM to Schema.org Cheat sheet (v0.9.3, 2020-11-30) 

目前发布的并非完整映射表,而是一套指南、规则和样例。对于采用schema.org作为词表、以LRM建模时面临的问题有很好的指导,涉及WEMI类及其关系属性,各类连续出版物及其卷、册,Agent(尤其是其中的个人)及Nomen,元数据描述作为实体(不同于实体本身)。摘译如下(命名空间schema:有时简化为s:;编号为本人另拟)

一、WEMI实体

<Work> a schema:CreativeWork .
<Expression> a schema:CreativeWork, schema:ProductGroup.
<Manifestation> a schema:CreativeWork, schema:ProductModel .
<Item> a schema:CreativeWork, schema:IndividualProduct,  schema:ArchiveComponent.

二、连续出版物(表1 Classes for serial publications, groups and member)

 Series: 丛编Volume 卷Issue 期
Generic 通用s:CreativeWorkSeriess:PublicationVolumes:PublicationIssue
Books 图书s:Bookseriess:PublicationVolumes:Book
Periodicals 期刊s:Periodicals:PublicationVolumes:PublicationIssue
Newspapers 报纸s:Newspapers:PublicationVolumes:PublicationIssue
Comic books 漫画书s:ComicSeriess:PublicationVolumes:ComicIssue

三、个人(Person)

LRM和 schema:Person 的“个人”定义并不完全兼容, LRM 实体“个人”仅限于真实人物、明确排除虚构人物,而 schema.org 则包括虚构人物。例如,在 LRM 中,J.K. 罗琳(J.K. Rowling)、罗伯特·加尔布雷思(Robert Galbraith)和实际的乔安妮·罗琳(Joanne Rowling)作为“个人”是相同的;而在schema.org 中,允许将这三个角色(persona)视为三个不同的schema:Persons,可用关系schema:sameAs 将派生自一个LRM个人 的schema:Persons 链接在一起。注意schema:sameAs 与owl:sameAs的语义不同,owl:sameAs 背后的语义本质上会导致将两个 schema:Persons 合并为一个,如此以不同笔名出版的图书、无法推断其在图书上所用名称。

四、命名(Nomen)

不为 LRM命名实体提供对应的 schema.org,仅使用字符串文字或 URI。RDF 允许为字符串指定属性,例如其语言和文字(遵循 BCP4710)。示例:

<URI_of_publisher> schema:name "Paskov Dom"@ru-Latn .
<URI_of_publisher> schema:name "Пашков Дом"@ru .

另以schema:Person 实体聚类 Nomens(作为文字字符串),类似当前管理名称规范记录的做法。

五、WEMI内部关系(Table 2 Hierarchical relations for WEMI entities in schema.org

schema.org只有两层:schema:exampleOfWork(父实体)和schema:workExample(子实体),下表粗体为首选:

object:
subject:WorkExpressionManifestationItem
Works:workExamples:workExamples:workExample
Expressions:exampleOfWorks:workExamples:workExample
Manifestations:exampleOfWorks:exampleOfWorks:workExample
Items:exampleOfWorks:exampleOfWorks:exampleOfWork

六、其他关系

  • 派生:schema:isBasedOn
  • 翻译:schema:translationOfWork
  • 数字化:schema:isBasedOn(载体表现),schema:encodesCreativeWork(单件)
  • 部分与整体:schema:isPartOf / schema:hasPart

七、实体模板和片断

WEMI、个人和元数据共6种实体,提供模板和样例片断,基本包罗了常用元素/属性。如载体表现(其他实体略):

schema:publication [
a schema:PublicationEvent ;
schema:name "{publisher imprint as captured}" ;
schema:startDate "{yyyy}"^^xsd:gYear ;
schema:location "{place as literal <URI>}" ;
schema:publishedBy <{URI_of_Agent_/publisher}> ;
] .
schema:isbn "{isbn}" ;
schema:issn "{issn}" ;
schema:numberOfPages "{literal / integer}" ;
schema:height: "{literal}" ;
schema:width: "{literal}" ;
schema:material "{literal_or_URI}";
schema:image "content_URL or schema:ImageOject" ;
schema:bookEdition "{bookedition}" ;
schema:contributor <{URI_of_contributor}> ;

OCLC弃用BiblioGraph.net词表

OCLC当年因等不及schema.org的图书馆扩展而自行发布书目图谱BiblioGraph.net(BGN),自己曾在文章中介绍。2020年初偶而发现BGN网站跳转到了bibliograph.github.io,并标记“词表弃用”。于是去虚拟国际档(VIAF)和Worldcat网站找RDF文件,看到BGN命名空间的说明还在:xmlns:bgn=”http://bibliograph.net/“,但其中并未使用BGN的类和属性。另外,worldcat.org中还在使用“图书馆扩展”中两个属性:

xmlns:library="http://purl.org/library/"
<library:placeOfPublication>
<library:oclcnum>1126314791</library:oclcnum>

今天找到了BGN于2019年5月发布的说明网页,详细说明BGN词表弃用的原委:BiblioGraph.net Vocabulary – Deprecated

BiblioGraph.net(BGN)是Schema.org的扩展,是为更详尽地描述书目资源而开发的。尽管尚未完全协调,但该“外部”扩展已于2015年5月由“托管”扩展bib.schema.org代替。由于Schema.org的覆盖范围随着时间的推移而发展,并且书目数据的其他关联数据词汇表涌现并逐渐建立起来,因此对Bibliograph.net的需求减少。考虑到这一点,自2019年5月起,该词表已被弃用。BiblioGraph.net网站已移至开放的GitHub存储库BibloGraph-Frozen(https://github.com/bibliograph/BibloGraph-Frozen),以保留其状态并托管该网站,仅供参考。 BiblioGraph.net条款和条件保持不变。同样出于参考目的,在BiblioGraph.net词表中定义的相关术语已映射到Wikidata.org中的等效词。可以使用Wikidata查找覆盖范围,并声明为“等效类”(P1709)和“等效属性”(P1628)声明。 Wikidata类和属性并非旨在在Wikidata本身之外使用,但可以用作在其他命名空间中查找等效项的中心。在一定程度上,除了在网络上爬网Schema.org标记外,搜索引擎还使用Wikidata,仍然可以实现搜索引擎优化的一些潜力。

又去schema.org书目扩展(Schema.org Section: bib),与2016年正式发布的书目扩展比对,原11个属性减少为6个。比对减少的5个属性,全部由托管扩展移入了主要词表:

  • duration – The duration of the item (movie, audio recording, event, etc.) in ISO 8601 date format.
  • pageEnd – The page on which the work ends; for example “138” or “xvi”.
  • pageStart – The page on which the work starts; for example “135” or “xiii”.
  • pagination – Any description of pages that is not separated into pageStart and pageEnd; for example, “1-6, 9, 55” or “10-12, 46-49”.
  • translator – Organization or person who adapts a creative work to different languages, regional differences and technical requirements of a target market, or that translates during some event.

这大概是弃用BGN词表中所称“由于Schema.org的覆盖范围随着时间的推移而发展”的一个证明吧。

存档BiblioGraph的GitHub存储库(https://github.com/bibliograph),有唯一关注者Jeffrey Young,应该是BGN项目的操作人吧。以前因为听说他是曾蕾老师的学生,一直以为他很年轻,这次看照片+简历,才知道很沧桑了。

参见:

文章摘录:国外书目RDF词表的进展与趋势(《图书馆杂志》2015年第5期)

2.5 联机计算机图书馆中心(OCLC):
Schema.org扩展OCLC自2011年起实验采用schema.org作为基本词表,向搜索引擎曝光图书馆元数据。2012年OCLC将其全球联合目录WorldCat用schema.org发布为关联数据,对schema.org缺少部分加以扩展,称为schema.org的图书馆扩展。为谋求将“图书馆扩展”融入schema.org,同年OCLC牵头成立W3C的Schema书目扩展小组SchemaBibEx,目标是提交建议给WebSchemas小组,扩展Schema.org词表,强化其描述书目资源的能力。
由于SchemaBibEx小组进展乏力,OCLC在2014年上半年注册了BiblioGraph.net网站(命名空间简称bgn:,以下简称BGN),基于schema.org词表,增加在“图书馆和相关领域中书目和文化遗产资源与收藏的概念、实体和关系”。2014年下半年起,虚拟国际规范档(VIAF)和WorldCat中已开始陆续采用新的BGN命名空间。

OCLC的网站存档描述元数据项目成果之《网站存档的描述性元数据:建议》

OCLC的网站存档元数据(WAM)工作组2016年初开始工作。在与国际互联网保存联盟(International Internet Preservation Consortium)美国档案工作者学会网络存档部(Society of American Archivists Web Archiving Section)和互联网档案(Internet Archive)Archive-It计划的协商下完成工作,并得到很多社区的意见和反馈。2018年初发布成果,共3个出版物:建议、用户需求文献综述、网络收割工具述评。

Web Archiving Metadata Working Group 网站存档元数据工作组
* Descriptive Metadata for Web Archiving: Recommendations of the OCLC Research Library Partnership Web Archiving Metadata Working Group 网站存档的描述性元数据:OCLC研究图书馆合作伙伴网站存档元数据工作组的建议
* Descriptive Metadata of Web Archiving: Literature Review of User Needs 网站存档的描述性元数据:用户需求文献综述
* Descriptive Metadata of Archiving: Review of Harvesting Tools 存档的描述性元数据:收割工具评述

《建议》为网站存档描述元数据的使用指南,含14个描述数据元素的定义、详细说明、举例、取值以及与其他标准的对照(DC、EAD、MARC21、MODS、Schema.org)
本元数据建议使用DC 15个基本元素中的12个:完全沿用9个,其中Contributor还用于Collector,Description还用于Source of description(泛指用于专指);名称有所变化3个(泛指用于专指):Format用于Extent,Type用于Genre/Form,Identifier用于URL)。

以下摘译自《建议》(电子版有信纸58页和A4纸54页2个版本)。

【标准,p.14/58p;数据元素(p.15/58p)】小组既评估现有标准《描述档案:内容标准》(DACS)、《资源描述和检索》(RDA)、《都柏林核心》(Dublin Core),以及编码档案描述(EAD),MARC 21和MODS(元数据对象描述规范),也抽样了解实际做法,包括WorldCat(MARC记录)、ArchiveGrid(MARC记录和检索工具)、Archive-It(都柏林核心)和发现系统中存档网站的现有描述。结果未发现新的数据元素,但某些数据元素的做法或者理解存在不一致
网站创建者/所有者:是出版者、创建者、主体还是三者?
托管机构:选择、收割和托管网站的机构是否应被视为存储库、收集者、出版者、选择者或创建者?
题名:是否应该从网站头逐字转录?编辑以澄清网站的性质/范围?是否应该拼写首字母缩略词?题名是否应包含诸如“……的网站”之类的短语?
日期:哪些日期既重要又可用于记录?网站存在的开始/结束、抓取日期、内容日期或版权日期?
数量:如何最有效地表达? 1个存档的网站、1个在线资源、6.25 GB或约300个网站?
出处(Provenance):出处是指网站的创建者、收割网站和托管网站档案的存储库、网站进化的方式、抓取的频率和日期,还是所有这些?
评估(Appraisal):评估意味着网站保证存档的原因、存储库命名的网站集合或网站的部分是否已被收割?
格式:描述是否清楚地表明资源是网站档案是不是很重要?如果是这样,在题名、数量或描述中如何最好地做到这一点?
URL:应包含哪些URL?种子、访问或登陆页面?
MARC 21记录的类型:当以MARC 21格式编码时,网站是否应被视为连续性资源、集成资源、电子资源、文本出版物、混合资料、手稿或其中任何一种,取决于具体情况?

【数据元素和使用指南(p.17/58)】14个元素及其定义(选摘对应的DC、schema.org元素)
[1] Collector 收集者:负责存档网站或集合的保管和管理的组织。(DC-contributor;schema:OwnershipInfo)
[2] Contributor 贡献者:对存档网站或集合的内容负有次要责任的组织或个人。(DC=;schema:contributor)
[3] Creator 创作者:对创建存档网站或集合的知识内容负有主要负责的组织或个人。(DC=;schema:creator)
[4] Date 日期:与存档网站或集合的生命周期中的事件关联的单个日期或日期范围。(DC=;schema:dateCreated,schema:dateModified,schema:datePublished)【DC Term另有专指时间:dateAccepted,dateCopyrighted,dateSubmitted,不太适合】
[5] Description 描述:一个或多个注释,用于解释存档网站或集合的内容、上下文和其他方面。(DC=;schema:description)
[6] Extent 范围:存档网站或集合大小的指示。(DC-format;schema:description)
[7] Genre/Form 类型/形式:指定存档网站或集合中内容类型的术语。(DC-Type;schema:genre)
[8] Language 语言:存档内容的语言,包括带有语言组件的影音资源。(DC=;schema:inLanguage)
[9] Relation 关系:用于表示单个存档网站与其所属的任何集合之间的部分/整体关系。(DC=;schema 无)
[10] Rights 权利:知识产权法或其他法律协议授予的合法权利和许可声明。(DC=;schema:license,schema:isAccessiblrForFree)【DC Term另有专指权利:accessRights, rightsHolder,类RightsStatement】
[11] Source of description 描述来源:有关收集或创建元数据本身的信息,例如数据源或获取源数据的日期。(DC-Description;schema:description,schema:disambiguatingDescription)
[12] Subject 主题:描述存档网站或集合内容的主要主题。(DC=;schema:about)
[13] Title 标题:存档网站或集合为人所知的名称。(DC=;schema:name)
[14] URL:存档网站或集合的网址。(DC-Identifier;schema:url)

P.S.:纽约艺术资源联盟(NYARC)是Archive-It项目成员,其《描述存档版网站的元数据应用纲要》(27个元素)提到OCLC的“网站存档描述元数据指南”即本建议,并有两种元数据的对照。
参见:为网站编目:《描述存档版网站的元数据应用纲要》(2018-9-9)