數(shù)字信息資源長(zhǎng)期保存元數(shù)據(jù)技術(shù)研究進(jìn)展

數(shù)字信息資源不僅便于存儲(chǔ)管理，更有利于開(kāi)發(fā)利用，它推動(dòng)了人類(lèi)社會(huì)的信息交流。當(dāng)計(jì)算機(jī)網(wǎng)絡(luò)普遍應(yīng)用后，為了更有效地組織網(wǎng)絡(luò)信息資源，起源于計(jì)算機(jī)科學(xué)領(lǐng)域的元數(shù)據(jù)受到信息界的廣泛關(guān)注，它主要用于支持?jǐn)?shù)據(jù)的操作，比如描述、識(shí)別、發(fā)現(xiàn)、檢索、權(quán)利管理和保存。實(shí)施數(shù)字信息資源的長(zhǎng)期保存也離不開(kāi)元數(shù)據(jù)的支持，包括描述數(shù)字對(duì)象的基本屬性及保存需求[1]。而這種符合長(zhǎng)期保存需要的元數(shù)據(jù)就是保存元數(shù)據(jù)，它在數(shù)字信息資源長(zhǎng)期保存中起著非常重要的作用。

就目前而言，對(duì)數(shù)字信息資源長(zhǎng)期保存元數(shù)據(jù)研究情況進(jìn)行系統(tǒng)梳理的文章[2]，最近的是2007年，其研究?jī)?nèi)容已經(jīng)不能很好的反映當(dāng)前該領(lǐng)域的研究現(xiàn)狀，因此有必要對(duì)其進(jìn)行研究進(jìn)展的重新梳理。由于長(zhǎng)期保存元數(shù)據(jù)研究涉及眾多主題，包括管理視角：概念、框架、評(píng)估，技術(shù)視角：生成與保存、互操作、語(yǔ)義化，以及專(zhuān)門(mén)領(lǐng)域的保存元數(shù)據(jù)研究。本文主要從技術(shù)視角出發(fā)，系統(tǒng)梳理數(shù)字信息資源長(zhǎng)期保存元數(shù)據(jù)技術(shù)的研究進(jìn)展，具體而言主要包括保存元數(shù)據(jù)的生成與保存、互操作和語(yǔ)義化。

1 數(shù)字信息資源長(zhǎng)期保存元數(shù)據(jù)生成與保存研究

保存元數(shù)據(jù)的生成與保存是數(shù)字信息資源進(jìn)行長(zhǎng)期保存元數(shù)據(jù)的關(guān)鍵技術(shù)，它是保存元數(shù)據(jù)框架標(biāo)準(zhǔn)的具體應(yīng)用和實(shí)踐，也是保存元數(shù)據(jù)互操作和語(yǔ)義化的基礎(chǔ)。

1.1 保存元數(shù)據(jù)的生成

保存元數(shù)據(jù)的生成主要指保存元數(shù)據(jù)元素取值信息的獲取。保存元數(shù)據(jù)方案為生成規(guī)范的保存元數(shù)據(jù)奠定了基礎(chǔ)。保存元數(shù)據(jù)的生成是依據(jù)保存元數(shù)據(jù)方案規(guī)定的保存元數(shù)據(jù)生成對(duì)應(yīng)的取值信息，保存元數(shù)據(jù)的取值信息來(lái)源于數(shù)字信息長(zhǎng)期保存管理的全過(guò)程。保存元數(shù)據(jù)的生成可分為人工生成和自動(dòng)生成。人工生成類(lèi)似于傳統(tǒng)的信息著錄，一般由信息資源管理的專(zhuān)業(yè)人員根據(jù)元數(shù)據(jù)方案對(duì)數(shù)字信息資源進(jìn)行手工錄入。自動(dòng)生成主要采用元數(shù)據(jù)自動(dòng)生成工具按照元數(shù)據(jù)方案的設(shè)定對(duì)數(shù)字信息資源的元數(shù)據(jù)進(jìn)行自動(dòng)析出。

學(xué)者們針對(duì)保存元數(shù)據(jù)的生成方式進(jìn)行了討論。黃如花和邱春艷認(rèn)為自動(dòng)生成保存元數(shù)據(jù)是減輕人員工作負(fù)擔(dān)和提升不同數(shù)字資源保存庫(kù)互操作性的最佳方式，可通過(guò)元數(shù)據(jù)記錄的收割、內(nèi)容抽取、自動(dòng)標(biāo)引、數(shù)據(jù)挖掘、社會(huì)標(biāo)簽等多種方式實(shí)現(xiàn)[3]。楊淑萍從數(shù)字信息資源保護(hù)的角度出發(fā)，認(rèn)為通過(guò)自動(dòng)析出數(shù)字信息資源中的元數(shù)據(jù)可以更加高效地實(shí)現(xiàn)數(shù)字信息資源的長(zhǎng)期保護(hù)，因此有必要設(shè)計(jì)元數(shù)據(jù)自動(dòng)析出工具，實(shí)現(xiàn)自動(dòng)化運(yùn)作[4]。Greenberg將元數(shù)據(jù)的自動(dòng)生成分為收割(harvesting)和抽取(extraction)，前者是指利用算法程序自動(dòng)提取數(shù)字信息資源已有的元數(shù)據(jù)信息，類(lèi)似網(wǎng)頁(yè)數(shù)字資源中的META標(biāo)簽信息；后者是指從數(shù)字信息資源本身的內(nèi)容中挖掘元數(shù)據(jù)信息，類(lèi)似通過(guò)分析網(wǎng)頁(yè)數(shù)字資源中BODY標(biāo)簽下的內(nèi)容信息從中提取與元數(shù)據(jù)元素相關(guān)的值信息[5]。Ivano等針對(duì)元數(shù)據(jù)自動(dòng)生成技術(shù)進(jìn)行了討論，認(rèn)為元數(shù)據(jù)的自動(dòng)生成離不開(kāi)正則表達(dá)式、規(guī)則解析器和機(jī)器學(xué)習(xí)算法[6]。Dobreva等認(rèn)為在保存元數(shù)據(jù)的攝入階段，運(yùn)用元數(shù)據(jù)自動(dòng)生成很有必要，它既可為更多的數(shù)字對(duì)象提供元數(shù)據(jù)，提高元數(shù)據(jù)質(zhì)量，還能減少元數(shù)據(jù)內(nèi)容的冗余性。他們還認(rèn)為雖然目前的元數(shù)據(jù)生成研究主要針對(duì)一般的元數(shù)據(jù)，而不是集中于保存元數(shù)據(jù)，但它們能為保存元數(shù)據(jù)的自動(dòng)抽取研究提供借鑒思路[7]。

保存元數(shù)據(jù)記錄的自動(dòng)生成需要保存元數(shù)據(jù)工具來(lái)實(shí)現(xiàn)。為此，學(xué)者們及相關(guān)機(jī)構(gòu)圍繞保存元數(shù)據(jù)生成工具展開(kāi)了研究和討論。保存元數(shù)據(jù)的自動(dòng)生成工具既能按照既定的元數(shù)據(jù)標(biāo)準(zhǔn)進(jìn)行操作，也能適應(yīng)不同的數(shù)字信息資源管理環(huán)境實(shí)施應(yīng)用，它是開(kāi)展數(shù)字信息資源長(zhǎng)期保存活動(dòng)重要工具[8]。Greenberg分析了元數(shù)據(jù)自動(dòng)生成應(yīng)用工具的制約因素，包括標(biāo)準(zhǔn)類(lèi)目控制、自動(dòng)化技術(shù)的更新、工具的可用性和有效性、工具之間的兼容性等，并在此基礎(chǔ)上介紹了美國(guó)國(guó)會(huì)圖書(shū)館自動(dòng)生成元數(shù)據(jù)應(yīng)用項(xiàng)目(Automatic Metadata Generation Applications，AMeGA)，該項(xiàng)目主要研究數(shù)字信息資源元數(shù)據(jù)自動(dòng)生成工具的功能需求，并強(qiáng)調(diào)了專(zhuān)家意見(jiàn)在元數(shù)據(jù)自動(dòng)生成工具功能需求設(shè)計(jì)中的重要意義[9]。Smith和Nelson對(duì)遵循PREMIS保存元數(shù)據(jù)框架標(biāo)準(zhǔn)的元數(shù)據(jù)生成工具JHOVE、KEA、Open Summarizer、MD5等進(jìn)行實(shí)驗(yàn)分析，認(rèn)為保存元數(shù)據(jù)的生成完全可以通過(guò)這些工具進(jìn)行自動(dòng)化操作，而不需要特定的網(wǎng)絡(luò)服務(wù)器或者額外的管理活動(dòng)進(jìn)行干預(yù)[10]。Deborah等比較了DROID Tool and PRONOM Registry、NLNZ Metadata Extraction Tool、JHOVE、GDFR、Xena和NOID等元數(shù)據(jù)生成和抽取工具[11]，其中Metadata Extraction Tool是由新西蘭國(guó)家圖書(shū)館開(kāi)發(fā)的用于提取電子文件長(zhǎng)期保存元數(shù)據(jù)的開(kāi)源工具軟件，提取結(jié)果以XML文件格式輸出，軟件可同時(shí)兼容Windows以及Unix操作系統(tǒng)，并支持的多種文件格式。英國(guó)的數(shù)字保存聯(lián)盟(Digital Preservation Coalition，DPC)在2013年發(fā)布的技術(shù)觀察報(bào)告Preservation metadata( edition)中對(duì)與PREMIS保存元數(shù)據(jù)生成相關(guān)的工具進(jìn)行了比較，包括JHOVE、DROID、PREMIS Creation Tool、HandS和PREMIS in METS Toolbox，具體如表1所示[12]。在另一項(xiàng)調(diào)查中，約55.4%的機(jī)構(gòu)選擇開(kāi)源工具JHOVE，進(jìn)行保存元數(shù)據(jù)的自動(dòng)生成和抽取[13]。

1.2 保存元數(shù)據(jù)的保存

由于保存元數(shù)據(jù)本身也是一種數(shù)字信息，也存在真實(shí)、完整與可利用等問(wèn)題，因此需要對(duì)生成后的保存元數(shù)據(jù)進(jìn)行合理的保存維護(hù)。保存元數(shù)據(jù)的保存主要涉及保存元數(shù)據(jù)的存儲(chǔ)方式問(wèn)題。

黃如花和邱春艷認(rèn)為保存元數(shù)據(jù)的保存一般有兩種形式。一種方式是對(duì)保存元數(shù)據(jù)進(jìn)行單獨(dú)存儲(chǔ)，與數(shù)字對(duì)象的保存獨(dú)立開(kāi)來(lái)，這種方式在圖書(shū)館中采用的較多。另一種則是將保存元數(shù)據(jù)和數(shù)字對(duì)象集中起來(lái)，統(tǒng)一進(jìn)行封裝保存。這兩種方法各有利弊，分開(kāi)獨(dú)立存儲(chǔ)的好處在于容易實(shí)現(xiàn)，且花費(fèi)的成本也較低，但缺點(diǎn)是保存元數(shù)據(jù)記錄丟失的風(fēng)險(xiǎn)較高；封裝保存的好處是安全性高，但管理不便，并且經(jīng)濟(jì)成本較高[3]。劉家真和廖茹從組織機(jī)構(gòu)保管元數(shù)據(jù)的方式角度出發(fā)，認(rèn)為元數(shù)據(jù)有兩種存儲(chǔ)方式，即元數(shù)據(jù)分布式存儲(chǔ)和元數(shù)據(jù)集中式存儲(chǔ)。前者是指在各機(jī)構(gòu)搭建各自的元數(shù)據(jù)庫(kù)，將元數(shù)據(jù)儲(chǔ)存在本地，并自行開(kāi)展維護(hù)和安全保障工作；后者是指將各個(gè)單位分散的元數(shù)據(jù)集中存儲(chǔ)，將所有元數(shù)據(jù)集中存儲(chǔ)在一個(gè)元數(shù)據(jù)庫(kù)中進(jìn)行操作和維護(hù)，兩者也各有優(yōu)缺點(diǎn)[14]。楊淑萍提出建立通過(guò)元數(shù)據(jù)存儲(chǔ)倉(cāng)對(duì)保存元數(shù)據(jù)進(jìn)行集中存儲(chǔ)，既能確保對(duì)數(shù)字信息資源的長(zhǎng)期獲取和管理、利于管理者的開(kāi)展保管活動(dòng)、便于用戶(hù)的獲取利用，也能兼容各個(gè)保存系統(tǒng)，從而實(shí)現(xiàn)互操作。同時(shí)，保存元數(shù)據(jù)倉(cāng)儲(chǔ)的設(shè)計(jì)應(yīng)當(dāng)遵循普遍接納的標(biāo)準(zhǔn)，以確保能夠?qū)?shù)字對(duì)象進(jìn)行長(zhǎng)期的管理、獲取、保密和存儲(chǔ)等操作[4]。元數(shù)據(jù)分布存儲(chǔ)、集中式存儲(chǔ)和元數(shù)據(jù)存儲(chǔ)倉(cāng)為保存元數(shù)據(jù)選擇合適的存儲(chǔ)方式提供了借鑒和思路。

Doyle等針對(duì)3D數(shù)字信息提出了一個(gè)保存元數(shù)據(jù)框架，并研究了將3D數(shù)字對(duì)象與保存元數(shù)據(jù)進(jìn)行封裝的方法[15]。Duerr等人研究了將OAIS和PREMIS應(yīng)用于科研數(shù)據(jù)，認(rèn)為收集和存儲(chǔ)保存元數(shù)據(jù)是科研數(shù)據(jù)管理過(guò)程的重要組成部分，保存元數(shù)據(jù)存儲(chǔ)系統(tǒng)的建立是實(shí)現(xiàn)保存元數(shù)據(jù)有效管理的前提[16]。PREMIS工作組于2015年6月發(fā)布的最新版本的保存元數(shù)據(jù)標(biāo)準(zhǔn)——PREMIS3.0數(shù)據(jù)字典，對(duì)保存元數(shù)據(jù)的保存也有規(guī)定，該標(biāo)準(zhǔn)認(rèn)為在數(shù)據(jù)庫(kù)系統(tǒng)中存儲(chǔ)元數(shù)據(jù)元素具有快速訪問(wèn)、易更新、查詢(xún)和報(bào)表使用方便等優(yōu)點(diǎn)。將元數(shù)據(jù)記錄與存儲(chǔ)在存儲(chǔ)庫(kù)中的數(shù)字對(duì)象一起保存也具有優(yōu)勢(shì)：更難將元數(shù)據(jù)從內(nèi)容中分離，并能將應(yīng)用于內(nèi)容的保存策略也應(yīng)用于元數(shù)據(jù)。PREMIS3.0推薦使用這兩種方式存儲(chǔ)關(guān)鍵元數(shù)據(jù)[17]。

1.3 保存元數(shù)據(jù)生成與保存研究評(píng)述

總體上看，目前對(duì)數(shù)字信息資源長(zhǎng)期保存元數(shù)據(jù)的生成與保存研究主要圍繞生成與保存的方式及相關(guān)工具展開(kāi)。在保存元數(shù)據(jù)的生成上，保存元數(shù)據(jù)的自動(dòng)生成得到更多關(guān)注，尤其是在實(shí)踐中如何選擇適合本機(jī)構(gòu)需求的元數(shù)據(jù)自動(dòng)生成工具、如何通過(guò)自動(dòng)化生成工具確保將保存元數(shù)據(jù)標(biāo)準(zhǔn)以更加準(zhǔn)確、規(guī)范和高效的方式開(kāi)展應(yīng)用，相較于國(guó)內(nèi)，國(guó)外有著更為豐富多樣的元數(shù)據(jù)自動(dòng)生成工具可供選擇；在保存元數(shù)據(jù)的保存上，無(wú)論是分布存儲(chǔ)、集中存儲(chǔ)、建立專(zhuān)門(mén)的保存元數(shù)據(jù)存儲(chǔ)系統(tǒng)或者在數(shù)據(jù)庫(kù)系統(tǒng)中存儲(chǔ)都各有優(yōu)缺點(diǎn)，但相關(guān)國(guó)際標(biāo)準(zhǔn)機(jī)構(gòu)更為推薦采用集中封裝保存的方式。實(shí)際上無(wú)論何種保存方式，都需要考慮到組織機(jī)構(gòu)的資源類(lèi)型特點(diǎn)、應(yīng)用需求、相應(yīng)的成本預(yù)算等問(wèn)題。

2 數(shù)字信息資源長(zhǎng)期保存元數(shù)據(jù)互操作研究

促進(jìn)數(shù)字信息資源的共享和持續(xù)利用是長(zhǎng)期保存活動(dòng)的根本目標(biāo)。數(shù)字資源共享性強(qiáng)，但與傳統(tǒng)資源相比，其共享依賴(lài)于不同系統(tǒng)間的交互，而不同系統(tǒng)所采用的元數(shù)據(jù)標(biāo)準(zhǔn)各異，例如檢索系統(tǒng)和保存系統(tǒng)分別采用了描述性元數(shù)據(jù)標(biāo)準(zhǔn)和保存元數(shù)據(jù)標(biāo)準(zhǔn)，要達(dá)到兩者之間的有效銜接，實(shí)現(xiàn)跨平臺(tái)信息檢索和信息資源共享，則必須考慮元數(shù)據(jù)互操作問(wèn)題。基于共同需求的保存系統(tǒng)之間也存在著互操作問(wèn)題，它們采用的保存元數(shù)據(jù)標(biāo)準(zhǔn)在元數(shù)據(jù)數(shù)量、命名、結(jié)構(gòu)、語(yǔ)義等方面的差異，阻礙了元數(shù)據(jù)的復(fù)用和管理。Day認(rèn)為許多元數(shù)據(jù)標(biāo)準(zhǔn)和格式被制定出來(lái)用于支持?jǐn)?shù)字對(duì)象的管理和長(zhǎng)期保存，卻也給數(shù)字信息保存系統(tǒng)的互操作帶來(lái)了不少問(wèn)題[18]。因此保存元數(shù)據(jù)的互操作也是數(shù)字信息資源長(zhǎng)期保存元數(shù)據(jù)的重要技術(shù)。

IEEE給出了互操作的四個(gè)定義：①互操作是指多個(gè)或多個(gè)系統(tǒng)或組成要素交換信息并使用信息的能力；②互操作是指實(shí)現(xiàn)提供有用功能的各機(jī)器單元之間的高效合作；③通過(guò)一致遵循一組標(biāo)準(zhǔn)實(shí)現(xiàn)互異機(jī)器在網(wǎng)絡(luò)環(huán)境下的合作；④在互異網(wǎng)絡(luò)環(huán)境中，兩個(gè)或多個(gè)系統(tǒng)或者組成要素進(jìn)行交換和使用交換后的信息的能力[19]。不難發(fā)現(xiàn)，系統(tǒng)之間的互異性體現(xiàn)在不同的層面，包括句法、數(shù)據(jù)方案、語(yǔ)義和系統(tǒng)層面[20]。事實(shí)上，前三項(xiàng)都主要體現(xiàn)為信息資源組織層面上的元數(shù)據(jù)差異。例如句法互異主要涉及不同數(shù)字信息資源元數(shù)據(jù)在協(xié)議、編碼和語(yǔ)言上的差異；數(shù)據(jù)方案層面的互異主要表現(xiàn)為不同元數(shù)據(jù)標(biāo)準(zhǔn)在使用的數(shù)據(jù)模型、數(shù)據(jù)結(jié)構(gòu)上的差異；語(yǔ)義層面的互異主要表現(xiàn)為不同元數(shù)據(jù)元素在命名、概念抽象上的差異。Gilliland在Introduction to Metadata一書(shū)中，將互操作定義為“實(shí)現(xiàn)不同類(lèi)型的計(jì)算機(jī)、網(wǎng)絡(luò)、操作系統(tǒng)和應(yīng)用程序有效地協(xié)同工作，無(wú)須事先溝通的能力，目的是以可用和有意義的方式交換信息”。她認(rèn)為在數(shù)字信息長(zhǎng)期保存領(lǐng)域有三個(gè)層面的互操作，即特定數(shù)字倉(cāng)儲(chǔ)或信息資源的語(yǔ)義互操作、語(yǔ)法互操作和結(jié)構(gòu)互操作[21]。事實(shí)上Gilliland更多的是從資源組織層面考慮，涉及的是保存元數(shù)據(jù)在語(yǔ)義、語(yǔ)法和結(jié)構(gòu)上的互操作問(wèn)題。基于以上分析，我們可以從保存元數(shù)據(jù)標(biāo)準(zhǔn)層面和元數(shù)據(jù)自身層面(資源組織層面)考慮保存元數(shù)據(jù)的互操作問(wèn)題。

2.1 保存元數(shù)據(jù)標(biāo)準(zhǔn)層面互操作

在保存元數(shù)據(jù)標(biāo)準(zhǔn)層面，互操作要解決的問(wèn)題有，對(duì)異構(gòu)系統(tǒng)間互操作能力的支持、在保存元數(shù)據(jù)術(shù)語(yǔ)上的相互理解。對(duì)異構(gòu)系統(tǒng)間互操作能力的支持，即指制定的各種保存元數(shù)據(jù)標(biāo)準(zhǔn)不僅能為其宿主保存系統(tǒng)所操作，而且還應(yīng)盡可能為其他不同的異構(gòu)保存系統(tǒng)所接收，例如檔案館的數(shù)字信息資源長(zhǎng)期保存系統(tǒng)和圖書(shū)館、博物館的長(zhǎng)期保存系統(tǒng)之間的互操作就涉及這方面的內(nèi)容。這就需要對(duì)保存元數(shù)據(jù)框架和數(shù)據(jù)模型進(jìn)行整合，并綜合考慮各種系統(tǒng)的保存功能需求；保存元數(shù)據(jù)術(shù)語(yǔ)上的相互理解，即指各種保存元數(shù)據(jù)標(biāo)準(zhǔn)需要有統(tǒng)一的術(shù)語(yǔ)定義以便于規(guī)范和理解某些重要概念。這就需要為保存元數(shù)據(jù)的制定提供一個(gè)通用的概念術(shù)語(yǔ)定義集。

OAIS參考模型統(tǒng)一了長(zhǎng)期保存系統(tǒng)的功能需求和保存術(shù)語(yǔ)定義；PREMIS保存元數(shù)據(jù)標(biāo)準(zhǔn)為各類(lèi)保存元數(shù)據(jù)標(biāo)準(zhǔn)提供了統(tǒng)一的保存元數(shù)據(jù)框架和模型，以及共享的保存元數(shù)據(jù)術(shù)語(yǔ)定義(用自然語(yǔ)言定義的共享詞匯)。朱德紅認(rèn)為在同一個(gè)框架OAIS下開(kāi)發(fā)保存系統(tǒng)和制訂元數(shù)據(jù)格式，將能夠促進(jìn)不同領(lǐng)域系統(tǒng)間的互操作和信息的共享，進(jìn)而為數(shù)字信息資源的長(zhǎng)期保存打好堅(jiān)實(shí)的基礎(chǔ)[22]。黃如花和邱春艷認(rèn)為數(shù)字化倉(cāng)儲(chǔ)多采用不同的元數(shù)據(jù)標(biāo)準(zhǔn)進(jìn)行建設(shè)，因此在保存元數(shù)據(jù)的選擇和應(yīng)用過(guò)程中，需要實(shí)現(xiàn)不同保存元數(shù)據(jù)標(biāo)準(zhǔn)之間的互操作，特別是與其他系統(tǒng)之間的互操作問(wèn)題[3]。

Day等認(rèn)為數(shù)字存儲(chǔ)庫(kù)中保存元數(shù)據(jù)的互操作可以通過(guò)對(duì)已有元數(shù)據(jù)標(biāo)準(zhǔn)的收割和復(fù)用實(shí)現(xiàn)，而系統(tǒng)和項(xiàng)目?jī)?nèi)部保存元數(shù)據(jù)可以通過(guò)基于現(xiàn)有標(biāo)準(zhǔn)的交換格式實(shí)現(xiàn)互操作(例如元數(shù)據(jù)編碼與傳輸標(biāo)準(zhǔn)METS)[23]。在具體實(shí)踐研究方面，Pawletko等人在實(shí)際項(xiàng)目中開(kāi)展了較為細(xì)致的研究。信息冗余、計(jì)劃繼承和軟件遷移帶來(lái)了同一系統(tǒng)不同版本之間的互操作問(wèn)題，而不同存儲(chǔ)系統(tǒng)采用不同的設(shè)計(jì)標(biāo)準(zhǔn)也給存儲(chǔ)系統(tǒng)之間帶來(lái)了互操作問(wèn)題，為此Caplan等介紹了面向可互操作的存儲(chǔ)庫(kù)計(jì)劃(Towards Interoperable Preservation Repositories，TIPR)，該計(jì)劃是由博物館和圖書(shū)館服務(wù)研究所資助的一個(gè)項(xiàng)目，并開(kāi)發(fā)了用于創(chuàng)建和測(cè)試的存儲(chǔ)庫(kù)交換包(RXP)。該交換包可以在不同的保存庫(kù)之間傳輸復(fù)雜的數(shù)字對(duì)象。TIPR項(xiàng)目不是在許多不同的存儲(chǔ)庫(kù)類(lèi)型之間構(gòu)建翻譯器，而是定義了一個(gè)基于元數(shù)據(jù)編碼與傳輸標(biāo)準(zhǔn)METS和PREMIS保存元數(shù)據(jù)標(biāo)準(zhǔn)的元數(shù)據(jù)文件包，作為中介信息包的RXP，可以當(dāng)作所有存儲(chǔ)庫(kù)讀寫(xiě)的通用語(yǔ)言[24]?？梢?jiàn)采用PREMIS保存元數(shù)據(jù)標(biāo)準(zhǔn)作為互操作的通用標(biāo)準(zhǔn)能廣泛支持不同存儲(chǔ)系統(tǒng)之間的數(shù)據(jù)交換和共享。盡管不同機(jī)構(gòu)采用的數(shù)字信息資源長(zhǎng)期保存方法和工具存在差異，但各個(gè)機(jī)構(gòu)之間仍應(yīng)進(jìn)行數(shù)字資源的共享，因此需要實(shí)現(xiàn)分布式長(zhǎng)期保存。鑒于此，Iorio介紹了基于PREMIS保存元數(shù)據(jù)框架的存檔信息包檔案預(yù)備計(jì)劃(Archives Ready to the AIPs Transmission a PREMIS Based Project，ARTAT-PBP)，該項(xiàng)目旨在為現(xiàn)有的數(shù)字資源存儲(chǔ)庫(kù)提供一層能與其他存儲(chǔ)庫(kù)交換的保存元數(shù)據(jù)層。該保存元數(shù)據(jù)層采用PREMIS保存元數(shù)據(jù)框架標(biāo)準(zhǔn)，作為需要交換數(shù)字資源的合作組織網(wǎng)絡(luò)中的交換語(yǔ)言，通過(guò)整合不同存儲(chǔ)系統(tǒng)的保存元數(shù)據(jù)與PREMIS保持一致，克服互操作問(wèn)題，實(shí)現(xiàn)分布式長(zhǎng)期保存的共同目標(biāo)[25]。

2.2 保存元數(shù)據(jù)自身層面互操作

在元數(shù)據(jù)自身層面，互操作要解決的問(wèn)題有：交換格式的互操作、標(biāo)記格式的互操作、編碼規(guī)則互操作、元素內(nèi)容互操作、元素語(yǔ)義互操作、數(shù)據(jù)內(nèi)容互操作和通信協(xié)議互操作。由于保存元數(shù)據(jù)基本采用XML/RDF語(yǔ)言作為標(biāo)記語(yǔ)言、采用METS/SOAP格式作為交換格式，所以保存元數(shù)據(jù)在這兩個(gè)方面的互操作比較容易實(shí)現(xiàn)，而數(shù)據(jù)內(nèi)容的轉(zhuǎn)化則比較復(fù)雜，往往涉及詞表轉(zhuǎn)化甚至是自然語(yǔ)言處理的問(wèn)題，這方面的研究較少，因此保存元數(shù)據(jù)的互操作問(wèn)題的難點(diǎn)主要集中在元素結(jié)構(gòu)、語(yǔ)義和編碼規(guī)則上。

國(guó)內(nèi)學(xué)者對(duì)元數(shù)據(jù)互操作問(wèn)題進(jìn)行了大量持續(xù)的理論和方法研究，然而基本著眼于描述性元數(shù)據(jù)的互操作問(wèn)題，對(duì)于保存元數(shù)據(jù)的互操作問(wèn)題很少涉及。例如王芳和王小麗分析數(shù)字檔案元數(shù)據(jù)EAD的結(jié)構(gòu)及其與DC的映射、EAD記錄向OAI轉(zhuǎn)換的技術(shù)原理，并提出了基于OAI—PMH協(xié)議的數(shù)字檔案館互操作框架及功能[26]。畢強(qiáng)、韓毅等人提出了基于元數(shù)據(jù)本體的方法對(duì)數(shù)字圖書(shū)館互操作進(jìn)行研究，重點(diǎn)討論了基于本體的元數(shù)據(jù)結(jié)構(gòu)轉(zhuǎn)換與語(yǔ)義關(guān)聯(lián)，采用XSLT語(yǔ)言，將特定領(lǐng)域內(nèi)不同結(jié)構(gòu)的元數(shù)據(jù)進(jìn)行轉(zhuǎn)換，使領(lǐng)域內(nèi)的元數(shù)據(jù)實(shí)現(xiàn)互操作[27]。

國(guó)外學(xué)者則在保存元數(shù)據(jù)互操作方面有不少的研究。由于保存元數(shù)據(jù)的標(biāo)準(zhǔn)較多，不同標(biāo)準(zhǔn)中的元數(shù)據(jù)格式各異，需要實(shí)現(xiàn)不同格式的互操作。Roorda和Van Horik介紹了數(shù)據(jù)歸檔和網(wǎng)絡(luò)服務(wù)組織(Data Archiving and Networked Services，DANS)參與的“電子數(shù)據(jù)遷移至中間XML格式”項(xiàng)目(Migration to Intermediate XML for Electronic Data，MIXED)，該項(xiàng)目致力于開(kāi)發(fā)能實(shí)施長(zhǎng)期保存文件歸檔格式智能遷移策略的開(kāi)源軟件。智能遷移涉及將特定類(lèi)型的數(shù)據(jù)格式(如電子表格和數(shù)據(jù)庫(kù))轉(zhuǎn)換為中間XML格式文件，包含元數(shù)據(jù)、內(nèi)容以及數(shù)字對(duì)象標(biāo)識(shí)符等信息。中間XML格式文件存儲(chǔ)在長(zhǎng)期保存的標(biāo)準(zhǔn)數(shù)據(jù)格式庫(kù)(Standard Data Formats for Preservation，SDFP)中。并且MIXED項(xiàng)目中開(kāi)發(fā)的軟件已經(jīng)被作為通用框架，并包含了一些可被調(diào)用的插件，可以被視為長(zhǎng)期保存文件格式轉(zhuǎn)換的存儲(chǔ)庫(kù)[28]。Guenther和Wolfe介紹了《METS中的PREMIS指南》(PREMIS in METS Guidelines)，它是按照元數(shù)據(jù)編碼和傳輸標(biāo)準(zhǔn)(METS)，應(yīng)用PREMIS數(shù)據(jù)字典中的保存元數(shù)據(jù)的最佳實(shí)踐指南。由于METS是一種XML模式，它提供了將各種形式的元數(shù)據(jù)與數(shù)字對(duì)象或數(shù)字對(duì)象鏈接集成的容器格式，采用METS能在數(shù)字保存系統(tǒng)中提供許多靈活的功能，并支持許多不同的元數(shù)據(jù)結(jié)構(gòu)，能夠?qū)崿F(xiàn)保存元數(shù)據(jù)格式的互操作[29]。Shukair等人針對(duì)政府?dāng)?shù)字信息資源構(gòu)建了各類(lèi)元數(shù)據(jù)庫(kù)，包括各種可重復(fù)使用的元數(shù)據(jù)模型、元數(shù)據(jù)方案、分類(lèi)大綱和編碼列表，其中包括保存元數(shù)據(jù)標(biāo)準(zhǔn)。由于這些元數(shù)據(jù)庫(kù)針對(duì)不同的范圍、目標(biāo)群體、實(shí)施技術(shù)和最終用戶(hù)界面，盡管它們包含的語(yǔ)義內(nèi)容通?？梢灾貜?fù)使用甚至可以繞過(guò)最初設(shè)計(jì)時(shí)的作用域，然而他們的物理隔離和信息描述的異質(zhì)性阻礙了通用概念的復(fù)用和跨庫(kù)搜索，為此，為了實(shí)現(xiàn)多庫(kù)之間的語(yǔ)義互操作，他們?cè)O(shè)計(jì)了一個(gè)名為《元數(shù)據(jù)資產(chǎn)描述》的元數(shù)據(jù)方案，并從本體層面出發(fā)實(shí)現(xiàn)不同元數(shù)據(jù)庫(kù)之間的語(yǔ)義互操作[30]。

2.3 保存元數(shù)據(jù)互操作研究評(píng)述

總體而言，目前對(duì)數(shù)字信息資源長(zhǎng)期保存元數(shù)據(jù)的互操作研究可以分為標(biāo)準(zhǔn)層面以及元數(shù)據(jù)自身層面兩個(gè)方面。在標(biāo)準(zhǔn)層面上，協(xié)調(diào)不同的保存元數(shù)據(jù)標(biāo)準(zhǔn)，既需要考慮到不同保存系統(tǒng)的需求，解決不同保存系統(tǒng)對(duì)應(yīng)用標(biāo)準(zhǔn)的支持問(wèn)題，也需要解決不同標(biāo)準(zhǔn)術(shù)語(yǔ)之間的協(xié)調(diào)問(wèn)題，從目前的研究現(xiàn)狀來(lái)看，通過(guò)采用統(tǒng)一的保存元數(shù)據(jù)模型或框架(例如OAIS、PREMIS)再結(jié)合機(jī)構(gòu)實(shí)際需求進(jìn)行相應(yīng)拓展調(diào)整，能最大程度提高標(biāo)準(zhǔn)層面保存元數(shù)據(jù)的互操作性；在保存元數(shù)據(jù)自身層面，標(biāo)記語(yǔ)言和交換格式由于基本采用了統(tǒng)一的語(yǔ)言和格式，所以這兩個(gè)方面的互操作較為容易實(shí)現(xiàn)，目前學(xué)界較為關(guān)注元數(shù)據(jù)語(yǔ)義、元素結(jié)構(gòu)及編碼規(guī)則上的互操作問(wèn)題，中間格式轉(zhuǎn)換、本體技術(shù)、元數(shù)據(jù)庫(kù)的應(yīng)用成為實(shí)現(xiàn)保存元數(shù)據(jù)互操作的重要方式。

3 數(shù)字信息資源長(zhǎng)期保存元數(shù)據(jù)語(yǔ)義化研究

隨著語(yǔ)義技術(shù)的不斷發(fā)展，保存元數(shù)據(jù)也越來(lái)越重視語(yǔ)義技術(shù)的融合與應(yīng)用，與傳統(tǒng)簡(jiǎn)單的元數(shù)據(jù)描述相比，語(yǔ)義技術(shù)的引入可以促進(jìn)保存元數(shù)據(jù)對(duì)數(shù)字資源內(nèi)容的深層揭示，提升內(nèi)容挖掘的深度，同時(shí)，語(yǔ)義技術(shù)也進(jìn)一步提高了保存元數(shù)據(jù)在細(xì)粒度和交互操作方面的性能[31]。保存元數(shù)據(jù)語(yǔ)義化研究是保存元數(shù)據(jù)技術(shù)的重要研究領(lǐng)域，保存元數(shù)據(jù)語(yǔ)義化可以從其自身和實(shí)施操作兩個(gè)方面實(shí)現(xiàn)。

3.1 保存元數(shù)據(jù)自身發(fā)展中的語(yǔ)義化

在自身發(fā)展中，保存元數(shù)據(jù)主要通過(guò)應(yīng)用OWL本體語(yǔ)言、采用RDF格式存儲(chǔ)和管理元數(shù)據(jù)[3]。PREMIS(Preservation Metadata：Implementation Strategies working group)是為達(dá)到建立通用保存元數(shù)據(jù)框架標(biāo)準(zhǔn)的目的而展開(kāi)的，該項(xiàng)目始于2003年6月，是由美國(guó)聯(lián)機(jī)計(jì)算機(jī)圖書(shū)館中心(Online Computer Library Center，OCLC)和研究圖書(shū)館小組(Research Libraries Group，RLG)共同資助建立的專(zhuān)家工作組，該項(xiàng)目旨在借鑒OAIS參考模型，并通過(guò)設(shè)定數(shù)字保存的核心元數(shù)據(jù)元素建立一個(gè)在數(shù)字信息領(lǐng)域能夠得到廣泛支持的、通用的保存元數(shù)據(jù)框架標(biāo)準(zhǔn)。自2005年P(guān)REMIS1.0發(fā)布之后，通過(guò)系列的維護(hù)活動(dòng)和編委會(huì)的努力，PREMIS先后于2008年、2011年、2012年、2014年、2015發(fā)布了PREMIS2.0、PREMIS2.1、PREMIS2.2、PREMIS2.3和PREMIS3.0。在PREMIS 2.2以前只有XML Schema格式用于表示PREMIS數(shù)據(jù)字典。從PREMIS 2.2開(kāi)始，PREMIS OWL本體便與PREMIS的XML Schema 一起發(fā)布，它以RDF編碼格式來(lái)表示PREMIS元數(shù)據(jù)字典。這種本體并不是取代XML而是在某些適合使用RDF的領(lǐng)域?qū)ML的補(bǔ)充，例如查詢(xún)和發(fā)布保存元數(shù)據(jù)或?qū)⑻囟▊}(cāng)儲(chǔ)庫(kù)連接到外部的注冊(cè)庫(kù)。OWL本體為保存?zhèn)}儲(chǔ)提供了關(guān)聯(lián)數(shù)據(jù)功能，允許使用RDF檢索語(yǔ)言SPARQL進(jìn)行查詢(xún)。它將PREMIS保存元數(shù)據(jù)與其他遵循關(guān)聯(lián)數(shù)據(jù)的數(shù)據(jù)集整合在一起，如格式登記和詞匯控制庫(kù)，從而允許不同數(shù)據(jù)庫(kù)之間的互聯(lián)[32]。PREMIS 3.0關(guān)于OWL本體的使用有新的規(guī)定，它推薦在使用OWL本體表示PREMIS時(shí)可使用URIs作為保存元數(shù)據(jù)元素的值；為了便于擴(kuò)展，PREMIS 3.0增加了一些擴(kuò)展組件，這些組件可使用其他的元數(shù)據(jù)補(bǔ)充PREMIS的語(yǔ)義單元，也可使用父容器范圍內(nèi)的其他合適的元數(shù)據(jù)替換PREMIS的語(yǔ)義單元，但在PREMIS OWL本體中去除了擴(kuò)展組件，因?yàn)閷⒉煌脑~匯組合到相同的描述中本身就是RDF的一個(gè)內(nèi)置的能力[33]。

3.2 保存元數(shù)據(jù)實(shí)施應(yīng)用中的語(yǔ)義化

在具體的實(shí)施應(yīng)用中，語(yǔ)義化的豐富主要體現(xiàn)在不同環(huán)節(jié)對(duì)語(yǔ)義化技術(shù)的應(yīng)用。包括利用RDF三元組描述保存元數(shù)據(jù)記錄、本體資源規(guī)范并充實(shí)保存元數(shù)據(jù)的取值、關(guān)聯(lián)數(shù)據(jù)用于數(shù)字資源的組織、應(yīng)用于特殊類(lèi)型資源保存元數(shù)據(jù)的建設(shè)等方面[3]。

法國(guó)SPAR項(xiàng)目以O(shè)AIS參考模型為標(biāo)準(zhǔn)構(gòu)建數(shù)字信息保存系統(tǒng)SPAR(Système de Préservation et d' Archivage Réarti-Distributed Preservation and Archiving System)，該保存系統(tǒng)以METS作為保存元數(shù)據(jù)的封裝格式，同時(shí)為了提高數(shù)據(jù)管理的靈活性和系統(tǒng)功能的可擴(kuò)展性，該系統(tǒng)以RDF三元組建立與METS之間的關(guān)聯(lián)，在OAIS信息模型的基礎(chǔ)上對(duì)RDF和METS文件進(jìn)行映射和索引，并利用URIs結(jié)構(gòu)為每一類(lèi)保存元數(shù)據(jù)建立了一個(gè)本體[34]。為了進(jìn)一步提高數(shù)據(jù)對(duì)象之間、元數(shù)據(jù)之間的關(guān)聯(lián)性，SPAR項(xiàng)目正考慮將關(guān)聯(lián)數(shù)據(jù)技術(shù)應(yīng)用到數(shù)字信息保存系統(tǒng)中[35]。

Doerr介紹了文化遺產(chǎn)保護(hù)領(lǐng)域的CIDOC-CRM(International Committee for Documentation of the International Council of Museums—Conceptual Reference Model)概念參考模型[36]。該模型由國(guó)際博物館理事會(huì)國(guó)際文獻(xiàn)委員會(huì)設(shè)計(jì)，提供了定義和形式結(jié)構(gòu)，用于描述文化遺產(chǎn)文獻(xiàn)中使用的隱含和明確的概念和關(guān)系，旨在通過(guò)提供可以映射到任何文化遺產(chǎn)信息的共同和可擴(kuò)展的語(yǔ)義框架來(lái)促進(jìn)對(duì)文化遺產(chǎn)信息的共同理解；它分析了數(shù)據(jù)和元數(shù)據(jù)結(jié)構(gòu)背后的共同概念，以支持?jǐn)?shù)據(jù)轉(zhuǎn)換、調(diào)試和融合，因此它可以作為支持圖書(shū)館、檔案館、博物館保存信息和元數(shù)據(jù)整合的高等級(jí)交互性本體標(biāo)準(zhǔn)[37]。同時(shí)。該概念模型的研究者致力于推動(dòng)其成為領(lǐng)域?qū)＜液蛯?shí)施者的通用語(yǔ)言，以制定信息系統(tǒng)的要求，并作為概念建模良好實(shí)踐的指導(dǎo)。通過(guò)這種方式，可以為不同的文化遺產(chǎn)信息資源提供必需的“語(yǔ)義連接”[38]。2000年9月，在CIDOC CRM SIG和ISO/TC46/SC4/WG9的共同努力下，CIDOC CRM開(kāi)始向國(guó)際標(biāo)準(zhǔn)發(fā)展；2006年9月9日起，作為國(guó)際標(biāo)準(zhǔn)ISO 21127：2006發(fā)布；2014年12月經(jīng)修訂發(fā)布新的國(guó)際標(biāo)準(zhǔn)ISO 21127：2014；2017年10月CIDOC發(fā)布了最新的CRM6.2.2。

保護(hù)科學(xué)數(shù)據(jù)基礎(chǔ)設(shè)施(Science data infrastructure for preservation)是在歐洲設(shè)立的一個(gè)項(xiàng)目，為科學(xué)數(shù)據(jù)保存提供通用的基礎(chǔ)設(shè)施服務(wù)，主要側(cè)重于地球科學(xué)。該項(xiàng)目旨在通過(guò)定義共同保護(hù)政策、保存元數(shù)據(jù)和語(yǔ)義的統(tǒng)一以及地球科學(xué)領(lǐng)域通用基礎(chǔ)設(shè)施的部署來(lái)確保地球科學(xué)數(shù)據(jù)的長(zhǎng)期保存[39]。交互式多媒體技術(shù)在當(dāng)代表演藝術(shù)中廣泛使用，包括音樂(lè)作品，安裝藝術(shù)，舞蹈等，表演者和多媒體系統(tǒng)之間的交互可以在各種不同的方法中進(jìn)行，比如身體運(yùn)動(dòng)和樂(lè)器演奏，由此所產(chǎn)生的互動(dòng)多媒體數(shù)字資源(Interactive Multimedia Performance Digital Resources)也需要長(zhǎng)期保存。Kia等介紹了一種描述交互式多媒體數(shù)字資源及其內(nèi)部關(guān)系以支持保存過(guò)程的本體方法，提出的本體元數(shù)據(jù)框架CASPAR是CIDOC概念參考模型(CIDOC-CRM)的擴(kuò)展[40]。Doyle等認(rèn)為在保存3D數(shù)據(jù)的情況下，保存元數(shù)據(jù)可以支持保存后的3D數(shù)字對(duì)象的后處理。然而，目前缺少一個(gè)支持與3D對(duì)象相關(guān)聯(lián)的語(yǔ)義數(shù)據(jù)的保存元數(shù)據(jù)框架。他們認(rèn)為開(kāi)發(fā)這樣一個(gè)框架的兩個(gè)最大挑戰(zhàn)包括預(yù)測(cè)框架中應(yīng)該包含哪些語(yǔ)義信息，以及應(yīng)該以何種格式進(jìn)行建模。因此，他們描述了一種保存元數(shù)據(jù)框架，它將與3D對(duì)象相關(guān)聯(lián)的語(yǔ)義數(shù)據(jù)存儲(chǔ)在人體測(cè)量數(shù)據(jù)庫(kù)中，從而為其他用戶(hù)提供此類(lèi)數(shù)字資源提供參考[41]。

3.3 保存元數(shù)據(jù)語(yǔ)義化研究評(píng)述

數(shù)字信息資源保存元數(shù)據(jù)的語(yǔ)義化主要體現(xiàn)在保存元數(shù)據(jù)標(biāo)準(zhǔn)自身發(fā)展中的語(yǔ)義化以及保存元數(shù)據(jù)應(yīng)用過(guò)程中的語(yǔ)義化。目前的研究中，PRMEIS保存元數(shù)據(jù)框架標(biāo)準(zhǔn)作為最為通用的保存元數(shù)據(jù)標(biāo)準(zhǔn)參考框架之一，自2.2以后逐漸增加與本體相關(guān)的語(yǔ)義組件，提高了保存元數(shù)據(jù)在細(xì)粒度和交互操作方面的性能。國(guó)外對(duì)保存元數(shù)據(jù)應(yīng)用過(guò)程中的語(yǔ)義化研究較為重視，有許多不同的研究項(xiàng)目針對(duì)多種數(shù)字信息資源采取了多種語(yǔ)義化技術(shù)，這些技術(shù)的采用既豐富了數(shù)字信息資源保存的描述層次與深度，又提高了多種數(shù)字資源之間的交互性，同時(shí)也為其他機(jī)構(gòu)將保存元數(shù)據(jù)在實(shí)踐中進(jìn)行語(yǔ)義化應(yīng)用提供了參考借鑒。

4 總結(jié)與展望

自1998年Michael Day[42]首次采用了“Preservation Metadata”(保存元數(shù)據(jù))的概念以來(lái)，數(shù)字信息資源長(zhǎng)期保存元數(shù)據(jù)這一研究領(lǐng)域至今已近二十年之久，以往對(duì)該領(lǐng)域的研究梳理較早，已不能反映最新進(jìn)展，本文從技術(shù)視角系統(tǒng)梳理了保存元數(shù)據(jù)三個(gè)方面的研究進(jìn)展，總體而言，其研究呈現(xiàn)出如下的特點(diǎn)和趨勢(shì)：

(1)數(shù)字信息資源長(zhǎng)期保存元數(shù)據(jù)的生成與保存研究是保存元數(shù)據(jù)的關(guān)鍵技術(shù)。在保存元數(shù)據(jù)生成方面，自動(dòng)化的生成研究仍將是熱點(diǎn)問(wèn)題，它既可為更多的數(shù)字對(duì)象提供元數(shù)據(jù)，提高元數(shù)據(jù)質(zhì)量，還能減少元數(shù)據(jù)內(nèi)容的冗余性，大大減輕人工生成的壓力；在保存元數(shù)據(jù)的保存方面，保存元數(shù)據(jù)的封裝保存技術(shù)在將來(lái)的研究中會(huì)受到更多的重視。

(2)數(shù)字信息資源長(zhǎng)期保存元數(shù)據(jù)的互操作研究著眼于標(biāo)準(zhǔn)層面和元數(shù)據(jù)自身層面，對(duì)標(biāo)準(zhǔn)間的互操作性，既需要考慮標(biāo)準(zhǔn)制定的通用性和規(guī)范性，還需要考慮標(biāo)準(zhǔn)實(shí)際的適用性。保存元數(shù)據(jù)自身層面的互操作要解決交換格式的互操作、標(biāo)記格式的互操作、編碼規(guī)則互操作、元素內(nèi)容互操作、元素語(yǔ)義互操作、數(shù)據(jù)內(nèi)容互操作和通信協(xié)議互操作。隨著本體技術(shù)的發(fā)展，未來(lái)研究將更多的集中于保存元數(shù)據(jù)在語(yǔ)義層面的結(jié)構(gòu)轉(zhuǎn)換與語(yǔ)義管理。

(3)數(shù)字信息資源長(zhǎng)期保存元數(shù)據(jù)的語(yǔ)義化既是提高保存元數(shù)據(jù)細(xì)粒度、增加信息資源描述準(zhǔn)確度的重要方式，也是提高信息對(duì)象關(guān)聯(lián)度、實(shí)現(xiàn)交互操作的重要方法。保存元數(shù)據(jù)的語(yǔ)義化研究離不開(kāi)本體語(yǔ)言以及RDF、XML等語(yǔ)言格式的支持，未來(lái)研究將更重視多種語(yǔ)義化技術(shù)的融合。