第二章 Web信息资源的文档类型及基于内容的多媒体信息检索

2020/11/16
9
2．2．2 XML的编写规则（续）
3．XML的撰写语法 一个结构良好的XML文档，至少要符合以下规则： （1）文档的第一行必须是XML文档声明或说明，如以下
anli.xml文件中的第一行：<?xml version="1.0" encoding="GB2312"?>，即声明XML文档的版本和中文 编码字符集。 （2）文档必须包含至少一个元素（或标记）。 （3）每个开始标记和结束标记必须配套使用，对于没有 内容的标记允许使用格式<tag/>。 （4）文档中必须包含唯一的打开和关闭标记，即包含一 个根元素，文档中的所有其他标记都必须包含在这两 个标记中，如下例中的<purchases>标记。 （5）各个标记之间爱女不能重叠，不能交叉定义。 （6）元素区分大小写
XML的用途主要有两个：一是作为元标记语言，定义各种实例标记语言标 准；二是作为标准交换语言，起描述交换数据的作用。
XML是Internet环境中跨平台的、依赖于内容的技术，是当前处理结构化文 档的有力工具。它使用一系列简单的标记描述数据，从另一角度来说， XML又是一种简单的数据存储语言。
XML与Access、Oracle和SQL Server等数据库不同，数据库提供了更强有力 的数据存储和分析能力，如数据索引、排序、查找等，XML仅仅是展示 数据。
在数据仓库领域中，元数据被定义为：描述数据及其环境的数据。 它常有两方面的用途：（1）能提供基于用户的信息，如业务描述 信息的元数据能帮助用户使用数据。（2）元数据能支持系统对数 据的管理和维护，如关于数据项存储方法的元数据能支持系统以 最有效的方式访问数据。
在数据库系统中，元数据通常指描述数据库中表的结构的有关数据 和信息。
第2章 Web信息资源的文档类型 及基于内容的多媒体信息检索
本章目录 2．1 HTML文档 2．2 XML语言 2．3元数据 2．4多媒体信息与文件格式 2．5基于内容的多媒体信息检索
2020/11/16
1
主要知识点
Web信息和数据在互联网中是以各种文档形式存储和组织 并进行传输的。因此，本章重点讨论了Web 信息资源 最常见的几种文档类型，包括HTML、XML文档以及 图像、音频、视频等多媒体文档。同时，对元数据即 数据的数据也展开了探讨，其主要原因是Web信息的 查找主要是对后台数据库的访问和搜索，目前Web数 据库主要分为字段数据库和全文数据库，其中字段数 据库实际上存储的主要是结构化数据，其中包括设计 视图中的元数据，这些常常是采用SQL语言进行查找 匹配的重要对象。此外，对于多媒体信息以及基于内 容的多媒体信息检索也进行了概要性的探讨，重点讨 论了基于内容的多媒体信息检索的特点、结构模型和 检索方法及常见的CMIR系统。
2020/11/16
8
2．2．2 XML的编写规则
1．XML文档的组成 （1）标记：尖括号之间的文本。 （2）元素：开始标记、结束标记以及位于二者之间的所有内容。 （3）属性：即元素的值，用“”引起来。 2．XML文档的显示 对于xml文档，因为标记都是自定义的，它只是显示了数据的内容，
因而要显示xml文档，必须要有另一个文件告诉浏览器如何显示， 即由XML专门的样式文档来执行，一般就要使用格式化技术如xsl 和css两种方式。 （1）使用CSS显示xml文档。 （2）使用XSL文件显示xml文档。 XSL 的全称是 Extensible Stylesheet Language（可扩展样式语言）， 它是设计XML文档显示样式的主要文件类型，它本身也是基于 XML 语言的。
2020/11/16
15
2．3．3元数据开发应用的标准化框架(续)
2．元数据结构 （1）总体结构 Metadata格式一般由多层次的结构定义构成： ①内容结构（Content Structure），对该Metadata
的构成元素及其定义标准进行描述。 ②句法结构（Syntax Structure），定义Metadata
2020/11/16
5
演示
Html文档演示
2020/11/16
6
2．2 XML语言
2．2．1 XML概述 2．2．2 XML的编写规则
2020/11Hale Waihona Puke Baidu16
7
2．2．1 XML概述
XML（Extensible Markup Language）即可扩展标记语言，它与HTML一样， 都是SGML(Standard Generalized Markup Language，标准通用标记语言)的 子集，是W3C组织于1998年2月发布的标准。它克服了HTML缺乏灵活性 和伸缩性的缺点以及SGML过于复杂、不利于软件应用的不足。
存储和使用管理，数据字段除比较全面的著录描述信 息外，还包括权利管理（Rights/Privacy Management）、 数字签名（Digital Signature）、资源评鉴（Seal of Approval/Rating）、使用管理（Access Management）、 支付审计（Payment and Accounting）等方面的信息。 （4）资源保护与存档（Preservation and Archiving），支 持对资源进行长期保存，数据字段除对资源进行描述 和确认外，还包括详细的格式信息、制作信息、保护 条件、转换方式（Migration Methods）、保存责任等内 容。
2020/11/16
10
演示
Anli.xml
2020/11/16
11
2．3元数据
本节主要内容： 2．3．1元数据概述 2．3．2各专业领域中的元数据标准 2．3．3元数据开发应用的标准化框架
2020/11/16
12
2．3．1元数据概述
简言之，元数据（Meta Data）即“data about data ”，是关于数据的数 据。它在不同领域或专业，相应地就有不同的定义和应用。
HTML文本是由HTML命令组成的描述性文本，HTML命 令可以说明文字、图形、动画、声音、表格、链接等。 HTML的结构包括首部（Head）、主体（Body）两大 部分，其中首部描述浏览器所需的信息，而主体则包 含所要说明的具体内容。
2020/11/16
4
2．1．2 HTML的编写规则
1．HTML首部 2．HTML中JavaScript的书写 3．HTML中元素的书写 3．HTML中元素的书写
Format、VRA Core、NISO/CLIR/RLG Technical Metadata for Images （9）档案库与资源集合：EAD （10）技术报告：RFC 1807 （11）连续图像：MPEG-7
2020/11/16
14
2．3．3元数据开发应用的标准化框架
1.Meta data应用目的 （1）查询和检索（Discovery identification （2）标引和著录（Cataloging （3）资源管理（Resource Administration），支持资源的
2020/11/16
17
2．3．3元数据开发应用的标准化框架(续)
5．元数据互操作性 （1）元数据互操作性问题 由于不同的领域往往存在多个元数据格式，当用不同元数据格式进行检索、
资源描述和资源利用时，就存在元数据的互操作性问题（Interoperability） 即多个不同元数据格式的释读、转换和由多个元数据格式描述的数字化 信息资源体系之间的透明检索。 （2）标准描述框架 解决元数据互操作性的另一种思路是建立一个标准的资源描述框架，用这个 框架来描述所有元数据格式，那么只要一个系统能够解析这个标准描述 框架，就能解读相应的Metadata格式。实际上，XML和RDF从不同角度 起着类似的作用。 XML通过其标准的DTD定义方式，允许所有能够解读XML语句的系统辨识 用XML_DTD定义的Metadata格式，从而解决对不同格式的释读问题。 RDF定义了由Resources、Properties和Statements等三种对象组成的基本模型， 其中Resources和Properties关系类似于E-R模型，而Statements则对关系进 行具体描述。 RDF通过抽象的数据模型为定义和使用元数据建立一个框架，元数据元素可 看成其描述的资源的属性。另外，RDF还规定了利用XML Namespace方 法调用已有定义规范的机制。
2020/11/16
2
2．1 HTML文档
本节要点： 2．1．1 HTML概述 2．1．2 HTML的编写规则
2020/11/16
3
2．1．1 HTML概述
HTML即HyperText Markup Language，是目前网络上应用 最为广泛的语言，也是构成网页文档的主要语言。从 本质上来说，它并不是一种程序设计语言，而是一种 页面描述语言。HTML文件需要加标记（tag），描述 段落、标题、图像、动画等。当用户通过浏览器如IE 等浏览HTML文件时，浏览器负责解释HTML文件中的 各种标记，并以此为根据显示文件的内容。目前较新 的版本有HTML 4.0和HTML 4.01。
Collections； （2）文献资料：MARC（with 856 Field），Dublin Core （3）人文科学：TEI Header （4）社会科学数据集：ICPSR SGML Codebook （5）博物馆与艺术作品：CIMI、CDWA、RLG REACH Element Set、
VRA Core （6）政府信息：GILS （7）地理空间信息：FGDC/CSDGM （8）数字图像：MOA2 metadata、CDL metadata、Open Archives
ISBD，EAD所参照的ISAD（G），ICPSR所依据的ICPSR Data Preparation Manual。 （3）句法结构 句法结构定义其格式结构及其描述方式，如元素的分区分段组织、元素选取使用规则、
元素描述方法（如Dublin Core采用ISO/IEC 11179标准），元素结构描述方法（如 MARC记录结构、SGML结构、XML结构）、结构语句描述语言如EBNF Notation 等。 有时，句法结构需要指出元数据是否与所描述的数据对象捆绑在一起、或作为单独数 据存在但以一定形式与数据对象链接，还可能描述与定义标准、DTD结构和 Namespace等的链接方式。 （4）语义结构 语义结构定义元素的具体描述方法，例如 描述元素时所采用的标准、最佳实践（Best Practices）或自定义的描述要求（Instructions）。 有些元数据格式本身定义了语义结构，而另外一些则由具体采用单位规定语义结构， 例如Dublin Core建议日期元素采用ISO 8601、资源类型采用Dublin Core Types、数 据格式可采用MIME、识别号可采用URL或DOI或ISBN。
结构以及如何描述这种结构。 ③语义结构（Semantic Structure），定义Metadata
元素的具体描述方法。
2020/11/16
16
2．3．3元数据开发应用的标准化框架(续)
（2）内容结构 内容结构定义Metadata的构成元素，包括描述性元素、技术性元素、管理性元素、结
构性元素，如与编码语言、Namespace、数据单元等的链接。 此外，元数据内容结构中还包含对数据选取标准的说明，例如MARC记录所依据的
在图书馆与信息管理领域，元数据被定义为：提供关于信息资源或 数据的一种结构化的数据，是对信息资源的结构化的描述。其作 用为：描述信息资源或数据本身的特征和属性，规定数字化信息 的组织，具有定位、发现、证明、评估、选择等功能。
2020/11/16
13
2．3．2各专业领域中的元数据标准
以下是各学科各专业领域已有的元数据标准： （1）网络资源：Dublin Core、IAFA Template、CDF、Web
其次，XML与HTML的设计区别是：XML是用来存储数据的，重在数据本 身，并可以描述数据本身。而HTML是用来定义数据的，重在数据的显 示模式。
XML易于在任何应用程序中读写数据，这使XML很快成为数据交换的公共 语言，虽然不同的应用软件也支持其它的数据交换格式。正因为如此， 基于XML的Web应用程序可以更容易地与Windows、Mac OS、 Unix/Linux以及其他平台下产生的信息结合，然后可以很容易加载XML 数据到程序中并进行分析，最后以XML格式输出结果。