元数据的功能及在人文学科的应用

数据服 务器
比较版本
元数据 数据库
数 据 服 务 器
利于数据维护、 利于数据维护、转换和扩展
• 在信息库运行过程中，总会出现这样那 在信息库运行过程中， 样的问题，这就要求精心管理维护信息， 样的问题，这就要求精心管理维护信息， 这是信息库正常运行的一项重要工作， 这是信息库正常运行的一项重要工作， 元数据则成为这项工作必须要件。 元数据则成为这项工作必须要件。可以 没有元数据， 说，没有元数据，特别是在信息库建设 人员（或管理人员）发生变动之后， 人员（或管理人员）发生变动之后，要 想顺利维持信息库的正常运行是极为困 难的。在这方面，已经有很多前车之鉴。 难的。在这方面，已经有很多前车之鉴。
Dublic Core （DC） ）
• 由来:在1995年联合召开了第一次都柏林（都柏林为美 由来: 1995年联合召开了第一次都柏林（ 年联合召开了第一次都柏林 国俄亥俄州的一个城市）核心集会议。来自图书馆、 国俄亥俄州的一个城市）核心集会议。来自图书馆、 计算机及有关领域的专家达成一致意见， 计算机及有关领域的专家达成一致意见，创建了只包 含能够描述电子文献基本特征的Dublin 含能够描述电子文献基本特征的Dublin Core • 从1995年开始，专家小组共召开了13次会议，讨论与 1995年开始，专家小组共召开了13次会议， 年开始 13次会议 核心集相关的各种问题。2004年10月11－14日 核心集相关的各种问题。2004年10月11－14日，我国 上海图书馆主办了第12次会议。最近一次会议于2005 12次会议 上海图书馆主办了第12次会议。最近一次会议于2005 15日在西班牙首都马德里召开 来自33 日在西班牙首都马德里召开， 33个国 年9月12 -15日在西班牙首都马德里召开，来自33个国 家和地区共计214名专家学者出席了会议。 214名专家学者出席了会议 家和地区共计214名专家学者出席了会议。
• 按照统一的标准建设资料库，合理有 按照统一的标准建设资料库， 序地组织信息。 序地组织信息。
• 确立元数据标准在大型的、多学科、 确立元数据标准在大型的、多学科、 多单位合作的项目中尤为重要。 多单位合作的项目中尤为重要。既 使简单的、信息内容较少、 使简单的、信息内容较少、参加人 员不多的信息库， 员不多的信息库，在建设之初也要 先确定元数据标准。 先确定元数据标准。
• 都柏林核心集目前已经扩展成一个 世界性元数据标准， 世界性元数据标准，有五个国家 澳大利亚、芬兰、丹麦、英国、 （澳大利亚、芬兰、丹麦、英国、 美国）把它确定为国家标准， 美国）把它确定为国家标准，各类 推荐方案被翻译成33种语言。 33种语言 推荐方案被翻译成33种语言。
当前对都柏林数据集的看法
元数据的功能及在 人文学科的应用
历史研究所 刘洪波
一、元数据的过去及现状
1. 定义 2. 格式 3. MARC 4. Dublic Core 5. 一些人的看法
元数据的定义
• 我们所说的“元数据”，英文作 我们所说的“元数据” Metadata。目前在国内有多种译法， Metadata。目前在国内有多种译法， 大陆一般译作“元数据” 大陆一般译作“元数据”。香港和 台湾则译法较多， 台湾则译法较多，台湾有人译作 预设资料” 诠释资料” “预设资料” 、“诠释资料”、 元资料” 也有人译作“ “元资料”，也有人译作“后设资 料”。
• 关于这一名称，西方学者大多定义为： 关于这一名称，西方学者大多定义为： Data about Data，即关于数据的数据。 ，即关于数据的数据。 它是用于描述信息资源的高度结构化 数据。 数据。 • 数据是手提箱，而元数据是它上面的 数据是手提箱， 姓名标牌；数据是文件夹， 姓名标牌；数据是文件夹，而元数据 是夹子的标签；数据是书的内容， 是夹子的标签；数据是书的内容，元 数据是书脊上的杜威十进制数码。 数据是书脊上的杜威十进制数码。
MARC及Dublic(DC) MARC及Dublic(DC)
• MARC于1965年由美国会图书馆一个研究小组制 MARC于1965年由美国会图书馆一个研究小组制 定，后来不断完善，成为图书馆数字化检索的 后来不断完善， 重要格式。1991年 我国有关部门在UNIMARC 重要格式。1991年，我国有关部门在UNIMARC 基础上加上我们所需的特定字段，编制了《 基础上加上我们所需的特定字段，编制了《中 国机读目录通讯格式》(CNMARC)， 国机读目录通讯格式》(CNMARC)，此后多次修 订 • Dublic Core 最初于1995年制定，从时间上看 最初于1995年制定， 1995年制定 要比MARC晚，在技术上要先进 要比MARC晚 MARC
在自然科学方面的应用
• 自然科学研究方面的应用 国家基础地理 自然科学研究方面的应用(国家基础地理 信息系统（ 信息系统（NFGIS）,中国动物物种编目 ） 中国动物物种编目 生态共享系统等) 数据库 ,生态共享系统等 生态共享系统等 • 医学上的应用(中国肿瘤数据库 ) 医学上的应用(中国肿瘤数据库 • 农林业方面的应用 农业科学数据中心 中 农林业方面的应用(农业科学数据中心 农业科学数据中心,中 国林业科学资源共享) 国林业科学资源共享 • 地质采矿 中国矿产资源数据库 中国火成 地质采矿(中国矿产资源数据库 中国矿产资源数据库,中国火成 岩数据库 ) • 气象 静止气象卫星红外云导风元数据 气象(静止气象卫星红外云导风元数据 静止气象卫星红外云导风元数据)
可以帮助使用者快速、准确、 可以帮助使用者快速、准确、全 面地查询所需要的信息
• 信息库建设的最终目的是为使用者服务， 信息库建设的最终目的是为使用者服务， 信息库从设计到维护都要方便使用者， 信息库从设计到维护都要方便使用者， 以快速、准确、 以快速、准确、全面地为使用者提供所 需信息为目标。为了实现这一目标，在 需信息为目标。为了实现这一目标， 元数据的设计过程中，就要全面、合理、 元数据的设计过程中，就要全面、合理、 细致地考虑所有因素， 细致地考虑所有因素，在各种因素之间 比较、平衡，从中选出最可行、最简捷、 比较、平衡，从中选出最可行、最简捷、 最有利于使用者的方案。 最有利于使用者的方案。使用者可以通 信息库提供的元数据，快速、准确、 信息库提供的元数据，快速、准确、全 面地查找所需要的信息。 面地查找所需要的信息。
• “内在性(intrinsicality)原则”。指 内在性(intrinsicality)原则” 内在性(intrinsicality)原则 DC 元数据以揭示描述对象自身的内容 属性为主，外部属性为辅。 属性为主，外部属性为辅。 • “可扩展性原则”。希望DC 成为一个 可扩展性原则” 希望DC 核心” “核心”元素集合而可以通过各种方 式扩展为适应各领域资源描述需要的 元数据方案。 元数据方案。
单位一
单位二
元数据
单位三
资 料 库
单位四
可以通过对相同的元数据元素进行 比较，来获取最新的资料版本。 比较，来获取最新的资料版本。
• 在元数据元素中，通常都有各信息 在元数据元素中， 库的版本资料， 库的版本资料，通过对相同元数据 元素进行比较， 元素进行比较，可以在访问不同数 据源时，决定获取哪一版本的资料。 据源时，决定获取哪一版本的资料。
图像信息
书名信息 作者信息
图书管理信息
建库人员 来源及类别 所用平台 信息组织方式 管理维护人员 检索方法 反馈信息 后续信息
资 料 库
元数据的格式
• 网络资源：Dublin Core、CDF、Web 网络资源： Core、CDF、 Collections • 文献资料：MARC，Dublic Core 文献资料：MARC， • 人文科学：TEI Header 人文科学： • 社会科学数据集：ICPSR SGML Codebook 社会科学数据集： • 博物馆与艺术作品：CIMI、CDWA、RLG 博物馆与艺术作品：CIMI、CDWA、 • 政府信息：GILS 政府信息：
• 由于Google等检索工具出现，一些人甚 由于Google等检索工具出现， Google等检索工具出现 至断言，元数据特别是DC DC， 至断言，元数据特别是DC，在还没有成 为通用标准以前，已经寿终正寝了。 为通用标准以前，已经寿终正寝了。 • Google等通用检索工具，查全查准两方 Google等通用检索工具 等通用检索工具， 面都还有很多问题。 面都还有很多问题。
• “句法独立(syntax independence) 句法独立(syntax 句法独立 原则” 原则”。指DC 元数据的元素可以以 多种方式编码， 多种方式编码，应用于各类技术平 台中。 只规定元素的基本语义。 台中。DC 只规定元素的基本语义。 • “可选择性”。指DC 元素集合中的 可选择性” 任何元素都是可选的。 任何元素都是可选的。
使用者
数据 服务 器
元数 据服 务器
使用者
数据 服务 器
二、元数据的功能及我国元数 据应用状况
1.元数据的功能 1.元数据的功能 2.元数据在我国的应用 2.元数据在我国的应用
1.元数据的功能 1.元数据的功能
• 在某些方面，例如元数据有利于管 在某些方面， 理信息和检索信息， 理信息和检索信息，取得了大体一 致的意见， 致的意见，但对元数据功能的认识 还是有差异的， 还是有差异的，这种认识上的差异 则导致元数据设计时产生不同的结 果。 • 大多数人仍未认识到元数据在信息 库建设中的重要作用
• 而在这两个方面，使用元数据的专用信息 而在这两个方面， 库则会充分发挥自己的优势。 库则会充分发挥自己的优势。 • 在今后的一段时间内，元数据不会因为信 在今后的一段时间内， 息技术的进步而失去其存在的价值。 息技术的进步而失去其存在的价值。这是 我们断续研究和使用元数据的最主要的动 力。
数据 服务 器
Core的原则 Dublic Core的原则
• 简单性原则”。定义一个能得到最广泛 简单性原则” 应用、 应用、被全球所理解和接受的最小元素 集,并能作为特殊用户详细描述需求的一 并能作为特殊用户详细描述需求的一 个核心集。 个核心集。 • “易用性原则”。能方便作者和信息提 易用性原则” 供者描述自己的文档， 供者描述自己的文档，而不给他们增加 太多的负担， 太多的负担，并能方便地实现资源发现 工具之间的互操作性。 工具之间的互操作性。
源自文库
交互性是元数据的一项重要功能 • 一方面是信息库建设者和信息获 取者之间的交流 • 另一方面则是各种信息源之间的 交互性
信息库与使用者信息交换示意
数据请求
数据 信息库
提供数据
元数据信息库
信息源之间的交互性示意
数据源1
数据源2
信息交换平台 元数据信息库
数据源3
2. 当前我国元数据应用状况 • 在数字图书馆方面的应用 • 在自然科学方面的应用 • 在政务办公方面的应用 • 社会科学方面的应用
在数字图书馆方面的应用
• 1991年，我国有关部门在UNIMARC基础上加上我们 1991年 我国有关部门在UNIMARC基础上加上我们 UNIMARC 所需的特定字段，编制了《中国机读目录通讯格式》 所需的特定字段，编制了《中国机读目录通讯格式》 (CNMARC)， (CNMARC)，此后多次修订 • 1997 年启动的我国大陆第一个 “中国国家试验型 数字图书馆”项目对DC 数字图书馆”项目对DC 元数据进行了跟踪和引进 • 《中国数字图书馆标准规范建设网》简称CDLS，网 中国数字图书馆标准规范建设网》简称CDLS， CDLS 址为： 址为：http://cdls.nstl.gov.cn/cdls2/w3c
• “可重复性”。指DC 元素集合中的任 可重复性” 可重复性 何元素都是可重复的。 何元素都是可重复的。 • “可修改性”。指在具体应用中可以 可修改性” 对DC 元素集中的任何元素进行进一步 修饰” 限定” “修饰”或“限定”，但不能扩大或 改变元素的基本语义。 改变元素的基本语义。
• 元素:标题、作者、主题、出版者、描 元素:标题、作者、主题、出版者、 其他参与者、日期、类型、格式、 述、其他参与者、日期、类型、格式、 标识、关系、资料来源、语言、 标识、关系、资料来源、语言、内容 范围、版权15 15个元素组成 范围、版权15个元素组成