第四講 元數(shù)據(jù)

1、2022-5-14信息管理系1第四講 元數(shù)據(jù)2022-5-14信息管理系2 元數(shù)據(jù)（MetaData), 就是“描述數(shù)據(jù)的數(shù)據(jù)”或“關(guān)于數(shù)據(jù)的結(jié)構(gòu)化數(shù)據(jù)”。哈佛大學(xué)數(shù)字圖書(shū)館項(xiàng)目定義: 元數(shù)據(jù)是幫助查找、存取、使用和管理信息資源的信息。一、元數(shù)據(jù)概念2022-5-14信息管理系3具體： 元數(shù)據(jù)是用來(lái)描述數(shù)據(jù)本身的內(nèi)容特征和其它特征的數(shù)據(jù), 目地是加強(qiáng)對(duì)網(wǎng)絡(luò)信息資源的發(fā)現(xiàn)、識(shí)別、開(kāi)發(fā)、組織和評(píng)價(jià), 而且對(duì)相關(guān)的信息資源進(jìn)行選擇、定位、調(diào)用, 追蹤資源在使用過(guò)程中的變化, 實(shí)現(xiàn)信息資源的整合、有效管理和長(zhǎng)期保存。2022-5-14信息管理系4例如： 文獻(xiàn)信息資源, 元數(shù)據(jù)可以是目錄、索引、摘要及主

2、題等文獻(xiàn)特征和屬性。從元數(shù)據(jù)的提供者角度來(lái)看, 元數(shù)據(jù)能改進(jìn)針對(duì)文檔的檢索能力, 特別是搜索的精確度、以及對(duì)資源的控制和管理問(wèn)題。對(duì)于電子文檔所存在的格式和控制方法多樣性問(wèn)題, 元數(shù)據(jù)能支持用戶決策過(guò)程。2022-5-14信息管理系5DL信息體系結(jié)構(gòu)2022-5-14信息管理系6元數(shù)據(jù)是關(guān)于數(shù)據(jù)的數(shù)據(jù)(data about data),此術(shù)語(yǔ)指任何用于幫助網(wǎng)絡(luò)電子資源的識(shí)別、描述和定位的數(shù)據(jù)。元數(shù)據(jù)是關(guān)于數(shù)據(jù)的結(jié)構(gòu)化的數(shù)據(jù)(structured data about data)。2022-5-14信息管理系7元數(shù)據(jù)是與對(duì)象相關(guān)的數(shù)據(jù)，此數(shù)據(jù)使其潛在的用戶不必預(yù)先具備對(duì)這些對(duì)象的存在或特征的完整

3、認(rèn)識(shí)。元數(shù)據(jù)是對(duì)信息包(Information package)的編碼描述 ，其目的在于提供一個(gè)中間級(jí)別的描述，使得人們據(jù)此就可以做出選擇而無(wú)需檢索大量不相關(guān)的全文文本。2022-5-14信息管理系8元數(shù)據(jù)，即代表性的數(shù)據(jù)，通常被定義為數(shù)據(jù)之?dāng)?shù)據(jù)。它包含用于描述信息對(duì)象的內(nèi)容和位置的數(shù)據(jù)元素集，促進(jìn)了網(wǎng)絡(luò)環(huán)境中信息對(duì)象的發(fā)展和檢索。2022-5-14信息管理系9應(yīng)用于不同領(lǐng)域的應(yīng)用于不同領(lǐng)域的Metadata格式格式 ：DublicCore、ROADSTemplate、CDF(ChannelDefinitionFormat)、WebCollections：MARC(with856Field)，

4、DublicCore：TEIHeader(TextEncodingInitiativeHeader)：ICPSRSGMLCodebook(Inter-universityConsortiumforPoliticalandSocialResearch)：CIMI(ComputerInterchangeofMuseumInformation)、CDWA(CategoriesfortheDescriptionofWorksofArts)、RLG REACH Element Set.2022-5-14信息管理系10：VRA (Visual Resources Association) Core Cat

5、egories for Visual Resources：SMDL(Standard Music Description Language)：GILS(Government Information Locator Service)FGDC/CSDGM(Federal Geographic Data Committee/Content Standards for Digital Geospatial Metadata)2022-5-14信息管理系11MOA2metadata、CDL metadata、Open Archives Format、VRA Core、NISO/CLIR/RLG Tech

6、nical Metadata for Images：EAD(Encoding Archival Description)：RFC1807：A format for Bibliographic Records：IAFA Templates (Internet Anonymous FTP Archives Templates)：MPEG-72022-5-14信息管理系12二、元數(shù)據(jù)的目的2022-5-14信息管理系132022-5-14信息管理系142022-5-14信息管理系152022-5-14信息管理系16三、元數(shù)據(jù)結(jié)構(gòu)2022-5-14信息管理系172022-5-14信息管理系182022

7、-5-14信息管理系192022-5-14信息管理系202022-5-14信息管理系213 語(yǔ)義結(jié)構(gòu)：2022-5-14信息管理系222022-5-14信息管理系232022-5-14信息管理系242022-5-14信息管理系252022-5-14信息管理系262022-5-14信息管理系272022-5-14信息管理系282022-5-14信息管理系292022-5-14信息管理系30資源描述框架資源描述框架(Resource Description Framework)數(shù)據(jù)描述模式而且采用基于數(shù)據(jù)描述模式而且采用基于 XML的句法的句法提供語(yǔ)義、結(jié)構(gòu)、句法三個(gè)層次的互操作能力提供語(yǔ)義、結(jié)構(gòu)

8、、句法三個(gè)層次的互操作能力模塊化的互操作能力模塊化的互操作能力有些數(shù)據(jù)化信息需要不同的元數(shù)據(jù)描述，有些數(shù)據(jù)化信息需要不同的元數(shù)據(jù)描述，RDF對(duì)集成這些元數(shù)據(jù)非常有用。對(duì)集成這些元數(shù)據(jù)非常有用。四、元數(shù)據(jù)描述框架四、元數(shù)據(jù)描述框架RDF2022-5-14信息管理系31RDF是一個(gè)與任何特定語(yǔ)法無(wú)關(guān)的抽象的資源表達(dá)模是一個(gè)與任何特定語(yǔ)法無(wú)關(guān)的抽象的資源表達(dá)模式，用來(lái)反映資源（式，用來(lái)反映資源（Resource）、屬性（）、屬性（Property）與）與屬性值（屬性值（Value）資源資源resource屬性屬性property屬性值屬性值value語(yǔ)句語(yǔ)句statement2022-5-14信息管

9、理系32換言之換言之“張三是由以下網(wǎng)址所標(biāo)識(shí)的資源的作者：張三是由以下網(wǎng)址所標(biāo)識(shí)的資源的作者：http:/ ”http:/ 作者作者author張三張三2022-5-14信息管理系33http:/ 作者作者author張三張三 張三張三 RDF基于XML的描述實(shí)例：RDF描述實(shí)例2022-5-14信息管理系34http:/ Core基于基于RDF的描述：的描述： 張三張三 基于RDF的DC描述實(shí)例2022-5-14信息管理系351)/1999/02/22-rdf-syntax-ns# RDF標(biāo)準(zhǔn)申明2)dc=/dc/elements/

10、1.0/ DC標(biāo)準(zhǔn)申明Notes:2022-5-14信息管理系36五、元數(shù)據(jù)種類 由于網(wǎng)上數(shù)字資源的形態(tài)各異, 既有論文、會(huì)議錄等普通電子文本, 也有圖像、聲音、網(wǎng)頁(yè)等, 不同形式的數(shù)字資源對(duì)數(shù)據(jù)格式的要求也不一樣, 因此現(xiàn)在有多種描述網(wǎng)絡(luò)數(shù)字資源的元數(shù)據(jù)格式, 到目前為止還沒(méi)有出現(xiàn)成熟的統(tǒng)一格式。 兩種：Marc、 DC2022-5-14信息管理系371 MARC（Machine-Readable Catalogue）元數(shù)據(jù)元數(shù)據(jù) 機(jī)讀目錄格式MARC 是圖書(shū)情報(bào)領(lǐng)域廣泛應(yīng)用的標(biāo)準(zhǔn)格式, 國(guó)際通用的MARC 標(biāo)準(zhǔn)為USMARC和UNIMARC標(biāo)準(zhǔn)。我國(guó)的MARC 標(biāo)準(zhǔn)(CNMARC) 是在U

11、NIMARC 標(biāo)準(zhǔn)的基礎(chǔ)上加以補(bǔ)充規(guī)定形成的。由于多語(yǔ)種圖書(shū)文獻(xiàn)的存在, 目前我國(guó)的機(jī)讀書(shū)目數(shù)據(jù)實(shí)際上是以CNMARC 和US-MARC為主,其他MARC格式為輔的現(xiàn)狀。2022-5-14信息管理系38MARC 格式可由四個(gè)部分組成, 其中記錄頭標(biāo)區(qū)固定為24 個(gè)字符長(zhǎng), 為記錄處理提供基本參數(shù)。地址目次區(qū)由若干目次項(xiàng)組成, 每個(gè)目次項(xiàng)為定長(zhǎng)12 個(gè)字符, 標(biāo)識(shí)某MARC 字段在整個(gè)MARC 流中的位置。數(shù)據(jù)字段區(qū)由一些可變長(zhǎng)的數(shù)據(jù)字段組成, 除了001 字段和005 字段由數(shù)據(jù)和一個(gè)字段分隔符組成外, 其余每個(gè)字段都有兩個(gè)指示符, 后接若干子字段。2022-5-14信息管理系39整個(gè)MARC

12、 數(shù)據(jù)流經(jīng)檢測(cè)有效才能成為書(shū)目數(shù)據(jù)庫(kù)的正式書(shū)目數(shù)據(jù)。MARC 元數(shù)據(jù)格式主要用于描述圖書(shū)文獻(xiàn)資源。2022-5-14信息管理系40MARC 局限性: ( 1)MARC 描述手段往往只適用于圖書(shū)館; (2)MARC 需要在專門的軟件系統(tǒng)中使用,而且不太適應(yīng)互聯(lián)網(wǎng)的環(huán)境; (3) 修訂程序相當(dāng)復(fù)雜,而且非常緩慢; (4) 適用于完整的、靜止的信息內(nèi)容的處理,不易處理動(dòng)態(tài)的多媒體信息; (5) 編制一條機(jī)讀目錄不僅需要經(jīng)過(guò)嚴(yán)格的專門訓(xùn)練,而且需要花一定的時(shí)間 。2022-5-14信息管理系41 2、DC 元數(shù)據(jù)簡(jiǎn)介元數(shù)據(jù)簡(jiǎn)介 1995 年3 月, 在美國(guó)俄亥俄州的都柏林召開(kāi)的第一屆元數(shù)據(jù)研討會(huì)上,

13、52位來(lái)自圖書(shū)館界、電腦網(wǎng)絡(luò)界專家共同研究產(chǎn)生。目的是希望建立一套描述網(wǎng)絡(luò)電子文獻(xiàn)的方法，以便網(wǎng)上信息檢索。其中心議題是如何用一個(gè)簡(jiǎn)單的元數(shù)據(jù)記錄來(lái)描述種類繁多的電子資源，使非圖書(shū)館專業(yè)人員都能夠了解和使用著錄格式，來(lái)描述網(wǎng)上資源。經(jīng)過(guò)與會(huì)代表的商討和辯論, 產(chǎn)生了一個(gè)精簡(jiǎn)的元數(shù)據(jù)集都柏林核心元素集(Dublin Core Elem ent Set) , 簡(jiǎn)稱都柏林核心(DC)。 2022-5-14信息管理系42 DC由15 個(gè)基本元素構(gòu)成。由于它具有簡(jiǎn)練、易于理解、可擴(kuò)展、能與其他元數(shù)據(jù)形式進(jìn)行橋接等性能, 能較好地解決網(wǎng)絡(luò)資源的發(fā)現(xiàn)、控制和管理問(wèn)題, 使它成為一個(gè)較好的網(wǎng)絡(luò)資源描述元數(shù)據(jù)集

14、, 已經(jīng)成為美國(guó)國(guó)家標(biāo)準(zhǔn), 并正在逐步成為世界公認(rèn)的標(biāo)準(zhǔn)。2022-5-14信息管理系43DC產(chǎn)生與發(fā)展屆次舉辦時(shí)間主辦國(guó)舉辦地主辦組織DC11995.3美國(guó)美國(guó)Dublin, OhioOCLC、NCSADC21996.4英國(guó)英國(guó)WarwickOCLC、UKOLNDC31996.9美國(guó)美國(guó)Dublin, OhioOCLC、CNIDC41997.3澳大利亞澳大利亞CanberraOCLC、DSTC、NLADC51997.10芬蘭芬蘭HelsinkiOCLC、NLFDC61998.11美國(guó)美國(guó)Washington D.C.OCLC、TLCDC71999.10德國(guó)德國(guó)FrankfurtOCLCDC8

15、2000.10加拿大加拿大OttawaOCLC、CNI、IFLADC92001.10日本日本TokyoOCLC、NII、JSTDC20022002.10意大利意大利FlorenceOCLCDC20032003.9美國(guó)美國(guó)西雅圖西雅圖OCLC2022-5-14信息管理系441）、DC元數(shù)據(jù)的類型2022-5-14信息管理系452）詳細(xì)描述2022-5-14信息管理系462022-5-14信息管理系472022-5-14信息管理系482022-5-14信息管理系492022-5-14信息管理系502022-5-14信息管理系512022-5-14信息管理系522022-5-14信息管理系533）D

16、C 修飾詞（分為兩類）:（1）元素的進(jìn)一步限制 該類修飾詞使元素的含義更為狹窄或?qū)Ｖ? 進(jìn)一步限定的元素繼承了未限定元素的外延, 便具有更為嚴(yán)格的內(nèi)涵。如果使用者不明白經(jīng)過(guò)進(jìn)一步限定的術(shù)語(yǔ)的特指含義,可以忽略修飾詞, 直接將它作為未修飾的元數(shù)據(jù)元素來(lái)理解。用于修飾元素的進(jìn)一步限定的定義應(yīng)該可以方便的得到。2022-5-14信息管理系54元素 限定屬性 說(shuō)明Title Alternative 替代標(biāo)題Creater 暫無(wú)限制屬性2022-5-14信息管理系552022-5-14信息管理系56元素 限定屬性 說(shuō)明Subject LCSH 國(guó)會(huì)圖書(shū)館主題詞表* MeSH 國(guó)家醫(yī)學(xué)圖書(shū)館主題詞表* D

17、DC 杜威十進(jìn)分類表* LCC 國(guó)會(huì)圖書(shū)館分類表* UDC 國(guó)際十進(jìn)分類表*2022-5-14信息管理系572022-5-14信息管理系58元素 限定屬性 說(shuō)明Description tableOfContents 目次 Abstract 文摘Publisher 暫無(wú)限制屬性2022-5-14信息管理系592022-5-14信息管理系602022-5-14信息管理系612022-5-14信息管理系622022-5-14信息管理系63元素 限定屬性 說(shuō)明Contributor 暫無(wú)限制詞Date Created 制作日期 Valid 有效日期 Available 可獲得日期 Issued 發(fā)表日

18、期 Modified 修改日期 DCMI Period DCMI日期編碼* W3C-DTF W3C-DTF日期編碼* 2022-5-14信息管理系642022-5-14信息管理系65元素 限定屬性 說(shuō)明Type DCMIType DCMI資源類別編碼*2022-5-14信息管理系662022-5-14信息管理系67元素 限定屬性 說(shuō)明Format Extent 資源范圍 Medium 物理載體 IMT internet 資源格式* 2022-5-14信息管理系682022-5-14信息管理系692022-5-14信息管理系702022-5-14信息管理系712022-5-14信息管理系7220

19、22-5-14信息管理系732022-5-14信息管理系742022-5-14信息管理系75元素 限定屬性 說(shuō)明Identifier URI 資源唯一標(biāo)識(shí)符號(hào)*2022-5-14信息管理系762022-5-14信息管理系772022-5-14信息管理系78元素 限定屬性 說(shuō)明Source 暫無(wú)限制詞Language ISO 639-2 ISO 639-2 語(yǔ)種代碼* RFC 1766 RFC 1766語(yǔ)種代碼*2022-5-14信息管理系792022-5-14信息管理系802022-5-14信息管理系81元素 限定屬性 說(shuō)明Relation IsVersionOf 是另一種資源的一個(gè)版本 Ha

20、sVersion 有其他資源作為其他版本 IsreplacedBy 被另一資源取代 RePlaces 取代另一資源 IsRequiredBy 被另一資源所需要 Requires 需要一資源 IsPartOf 是另一資源的一部分 HasPart 有另一資源作為一部分 IsReferencedBy 被另一資源所參見(jiàn)2022-5-14信息管理系82元素 限定屬性 說(shuō)明Relation References 參見(jiàn)另一資源 IsFormatOf 是另一資源的另一格式 HasFormat 有另外格式 URI 使用URI描述關(guān)聯(lián)資源*2022-5-14信息管理系832022-5-14信息管理系842022-

21、5-14信息管理系852022-5-14信息管理系862022-5-14信息管理系872022-5-14信息管理系882022-5-14信息管理系892022-5-14信息管理系902022-5-14信息管理系912022-5-14信息管理系922022-5-14信息管理系932022-5-14信息管理系942022-5-14信息管理系952022-5-14信息管理系962022-5-14信息管理系972022-5-14信息管理系982022-5-14信息管理系992022-5-14信息管理系1002022-5-14信息管理系1012022-5-14信息管理系1022022-5-14信息管理系

22、1032022-5-14信息管理系1042022-5-14信息管理系1052022-5-14信息管理系1062022-5-14信息管理系107元素 限定屬性 說(shuō)明Rights 暫無(wú)限制詞2022-5-14信息管理系108元素 限定屬性 說(shuō)明Coverage Spatial 空間范圍 DCMI Point DCMI空間坐標(biāo)系統(tǒng)* ISO 3166 ISO3166國(guó)家名稱代碼* DCMI Box DCMI 地理區(qū)限描述體系* TGN Getty地理名稱敘詞表* temporal 時(shí)間范圍 DCMI Period DCMI時(shí)期體系* W3C-DTF W3C-DTF 時(shí)間編碼體系*2022-5-14信

23、息管理系1092022-5-14信息管理系1102022-5-14信息管理系1112022-5-14信息管理系1122022-5-14信息管理系1132022-5-14信息管理系114（2）編碼體系 該類修飾詞說(shuō)明元素值所屬的編碼體系, 以幫助理解值的含義。采用來(lái)自控制詞表的表征符號(hào)(例如分類法主題詞標(biāo)中的術(shù)語(yǔ)) 具有特定意義, 或以一定形式組成的字符串表示正規(guī)的符號(hào)。如果一種編碼體系無(wú)法被客戶機(jī)或代理所理解, 它的值仍能被人類所理解。用于修飾的編碼體系必須有清晰明確的說(shuō)明, 并能夠方便的得到.2022-5-14信息管理系115DCMI自己的編碼規(guī)則：2022-5-14信息管理系1162022

24、-5-14信息管理系1172022-5-14信息管理系1182022-5-14信息管理系1192022-5-14信息管理系1204）、DC 的作用是: (1) 支持簡(jiǎn)單而含有信息量的元數(shù)據(jù),以滿足廣大用戶和群體的需要。(2) 提供一個(gè)共享語(yǔ)義學(xué)標(biāo)準(zhǔn), 使得用各種不同規(guī)則編目的元數(shù)據(jù)可以直接交換。2022-5-14信息管理系1211）簡(jiǎn)單性。）簡(jiǎn)單性。 DC 是非專業(yè)層面提出來(lái)的是非專業(yè)層面提出來(lái)的,其目的是為網(wǎng)頁(yè)制其目的是為網(wǎng)頁(yè)制作者提供一種網(wǎng)絡(luò)信息的著錄格式作者提供一種網(wǎng)絡(luò)信息的著錄格式,以供用戶查找以供用戶查找與定位所需信息。與傳統(tǒng)的目錄卡片及與定位所需信息。與傳統(tǒng)的目錄卡片及MARC格格

25、式相比式相比,DC 簡(jiǎn)單。簡(jiǎn)單。2）靈活性。）靈活性。 DC 的每一著錄項(xiàng)目都是可以選擇的的每一著錄項(xiàng)目都是可以選擇的,也是可以也是可以重復(fù)的。網(wǎng)絡(luò)制作人員可以根據(jù)網(wǎng)頁(yè)的內(nèi)容與特征重復(fù)的。網(wǎng)絡(luò)制作人員可以根據(jù)網(wǎng)頁(yè)的內(nèi)容與特征選擇需要項(xiàng)目選擇需要項(xiàng)目,允許不同專業(yè)團(tuán)體根據(jù)專業(yè)要求對(duì)允許不同專業(yè)團(tuán)體根據(jù)專業(yè)要求對(duì)其進(jìn)行調(diào)整。其進(jìn)行調(diào)整。5）DC特點(diǎn)：2022-5-14信息管理系1223）擴(kuò)展性。）擴(kuò)展性。 DC 的整個(gè)框架是可以擴(kuò)展的的整個(gè)框架是可以擴(kuò)展的,每個(gè)標(biāo)記每個(gè)標(biāo)記元素均可重復(fù)使用或有選擇地使用。允許在元素均可重復(fù)使用或有選擇地使用。允許在原有的基礎(chǔ)上原有的基礎(chǔ)上,加上更精確的語(yǔ)義及結(jié)構(gòu)加

26、上更精確的語(yǔ)義及結(jié)構(gòu),對(duì)對(duì)信息資源進(jìn)行更詳細(xì)的描述。因此信息資源進(jìn)行更詳細(xì)的描述。因此,既能兼容既能兼容其它元數(shù)據(jù)其它元數(shù)據(jù),又能不斷修正和發(fā)展。又能不斷修正和發(fā)展。4）國(guó)際通用性。）國(guó)際通用性。 DC 已有英語(yǔ)、德語(yǔ)、日語(yǔ)、葡語(yǔ)、西已有英語(yǔ)、德語(yǔ)、日語(yǔ)、葡語(yǔ)、西語(yǔ)等到語(yǔ)等到10 余種不同語(yǔ)種的版本。余種不同語(yǔ)種的版本。2022-5-14信息管理系1235）互操作性。）互操作性。 通過(guò)對(duì)通過(guò)對(duì)DC 的應(yīng)用的應(yīng)用,明確使用中的修飾元明確使用中的修飾元素素,并明確特定環(huán)境中的一系列修飾的值并明確特定環(huán)境中的一系列修飾的值,有有助于提高元數(shù)據(jù)的互操作性助于提高元數(shù)據(jù)的互操作性,便于交換與檢便于交換與檢索。索。2022-5-14信息管理系124DC標(biāo)記實(shí)例標(biāo)記實(shí)例1、基于、基于HTML的的DC元數(shù)據(jù)標(biāo)記元數(shù)據(jù)標(biāo)記2022-5-14信息管理系1252022-5-14信息管理系1262、XML標(biāo)記2022-5-14信息管理系1272022-5-14信息管理系1282022-5-14信息管理系1