Использование метаданных для каталогизации российских ресурсов Интернет

М.Е. Шварцман
Российская государственная библиотека

В связи со стремительным ростом ресурсов Интернет как во всем мире, так и в России, становится все сложнее найти необходимый ресурс. В настоящее время существует ряд каталогов ресурсов Интернет, однако они не полны, не точны да и в принципе они не могут быть таковыми, поскольку Интернет постоянно меняется. Возникают одни ресурсы, закрываются другие, меняют содержание третьи. Поэтому любой каталог без надежного механизма корректировки устаревает в момент его создания. На одной из конференций прозвучала замечательная фраза (к сожалению не знаю автора): "Каталогизировать Интернет - это все равно, что прибивать кисель гвоздями к стене".

Так что же, ситуация безвыходная? Нет, выход все-таки есть. Необходимо только отказаться от стремления каталогизировать сверху, централизовано. Необходимо дать инструмент самокаталогизации в руки создателям ресурсов Интернет. Создатели ресурсов более других заинтересованы в расширении круга посетителей своего ресурса. По этому пути пошли многие создатели каталогов ресурсов. Они предлагают каждому желающему внести свой ресурс в каталог.

Мне представляется, что именно здесь и заключается принципиальная ошибка создателей каталогов. Во первых создатель ресурса не знает о всех существующих каталогах и не может в них зарегистрироваться, во вторых даже зарегистрировавшись, создатель ресурса не сообщает о закрытии ресурса и его изменениях, в третьих в каждом каталоге свой формат описания ресурса, который никак не стандартизован. Все это не способствует точности и полноте существующих каталогов.

Для создания максимально точного каталога предлагается внедрить в использование стандарт описания электронных ресурсов Интернет. Для описания ресурсов Интернет можно использовать формат MARC (используемый Библиотекой Конгресса США и рядом других библиотек), тем более что разработано специальное расширение MARC для электронных документов. Этот формат позволяет очень детально каталогизировать электронный документ аналогично традиционной книге. Однако подобная детализация затрудняет использование MARC без соответствующего обучения и недоступно широкому кругу пользователей, создающих информационные ресурсы в Интернет.

В связи с этим были выработаны рекомендации по набору полей и методам каталогизации, доступным без предварительного обучения. В этот набор, названный по имени семинара где он был выработан, Dublin Core Metadata Set (DC) (http://purl.oclc.org/metadata/dublin_core), входит 15 полей, в которых описываются основные характеристики информационного ресурса. Поля могут повторяться и кроме этого поле может разбиваться на подполя. В настоящее время стандартизирован только набор полей DC. Ряд полей имеет подполя, перечень которых еще не полностью определен. Этим занимается специальная рабочая группа, организованная на пятом семинаре DC. (Детальное описание формата смотри в приложении 1).

При описании поля вводятся понятия схемы и подполей.

Схема - это наименование правил, в соответствии с которыми приводится содержание данного поля. Так например, для поля "Предмет" указывается какая схема классификации используется, для поля "Дата" указывается какой используется стандарт представления даты и т.д.

Подполе - это информация уточняющая содержание поля. В каждом поле, имеющем подполя, выделяется одно подполе, называемое "подполе по умолчанию". Если информация не разделена на подполя, считается что она занесена в подполе по умолчанию.

В определении набора подполей для DC существует два подхода: минималистский, при котором стремятся сократить количество идентифицируемых элементов для упрощения описания и максималистский, при котором стремятся увеличить количество идентифицируемых элементов для повышения точности поиска.

На семинарах и рабочих группах по DC постоянно проводятся обсуждения и вырабатывается общая компромиссная политика.

На семинаре DC в Канберре были установлены два основных принципа для введения новых подполей:

• подполе может быть использовано только для уточнения элемента без расширения его смысла,
• если кто-либо вводит информацию в поля не пользуясь разделителями подполей, содержимое полей должно быть понятным, таким образом каждое поле, разделенное на подполя, должно иметь подполе по умолчанию.

Таким образом мы видим, что использовать формат DC можно как для сложного описания используя все возможные подполя, так и для простоты обходясь без подполей вовсе. Правда в последнем случае качество описания будет хуже и вероятность нахождения потребителем данного ресурса соответственно будет меньше.

Данный стандарт DC полностью соответствует HTML и поэтому описание ресурса, сделанное в этом формате может быть непосредственно включено в сам ресурс (примеры описания смотри в приложении 2).

В России иногда используют метку при создании ресурсов, однако это использование весьма редко и не стандартизовано. При использовании стандарта DC описание ресурса может быть прочитано специальными роботами и помещено в каталог с разбивкой по полям. Таким образом может быть создан электронный каталог ресурсов с возможностями поиска по различным элементам описания ресурса. Каталог будет действительно актуальным, поскольку его актуализация будет проводится роботами.

Единственная проблема - это внедрение в сознание разработчиков необходимости использования стандарта DC. Для решения этой проблемы необходимо проводить семинары, публиковать статьи об опыте использования DC то есть всячески пропагандировать его использование. С другой стороны нужно облегчить использование DC и помочь разработчику создать описание его ресурса.

Для этого в Российской государственной библиотеке (РГБ) при финансовой поддержке Российского фонда фундаментальных исследований (РФФИ) организуется сервер на котором будет размещена форма для описания ресурса. Любой разработчик ресурса может ее заполнить. Заполненные формы будут преобразовываться в описания в формате DC и размеченные в соответствии с правилами HTML будут отсылаться создателям ресурсов. Одновременно будет формироваться каталог ресурсов доступный через Интернет.

Описание близкого проекта можно посмотреть в университетской библиотеке Лунда http://www.ub2.lu.se/netlab.html), которая разработала средство каталогизирования для неподготовленных пользователей. Оно доступно по адресу http://www.lub.lu.se/cgi-bin/nmdc.pl

В заключение хочется сказать, что заставить использовать формат DC невозможно. Сами создатели ресурсов должны понять необходимость его применения и стать еще более открытыми для всего мирового сообщества.

Приложение 1. Формат описания ресурсов Dublin Core Metadata Element Set

1. Заглавие

Поле: Title

Определение: Имя, данное ресурсу автором или издателем.

Схема: не используется

Подполя:

• DC.Title - Основное заглавие (подполе по умолчанию)
• DC.Title.Alternative - Альтернативное заглавие

2. Автор или создатель

Поле: Author or Creator

Определение: Лицо или организация, ответственные за содержимое ресурса.

Схема: указываются правила написания автора. Например, это может быть файл нормативных записей Библиотеки Конгресса США

Подполя:

• DC.Creator - автор (подполе по умолчанию)
• DC.Creator.PersonalName - имя индивидуального автора
• DC.Creator.CorporateName - имя коллективного автора (включая наименования конференции)
• DC.Creator.PersonalName.Address - адрес индивидуального автора (включая любой тип адреса, электронной почты и т.п.)
• DC.Creator.CorporateName.Address - адрес коллективного автора (включая любой тип адреса, электронной почты и т.п.)

Необходимо заметить, что иногда встречаются дополнительные уточняющие подполя (номер факса, телефона и т.п.) В настоящем документе включен только адрес потому что он наиболее часто встречается в текущих проектах связанных с метаданными. При необходимости применения дополнительных подполей они могут использоваться как локальное расширение.

3. Предмет и ключевые слова

Поле: Subject and Keywords

Определение: Описание ресурса. Обычно предмет выражается ключевыми словами или фразами, которые описывают содержание ресурса. Рекомендуется использование контролируемого словаря или формальных классификационных схем.

Схема:

• Ключевые слова (по умолчанию)
• LCSH - предметные рубрики Библиотеки Конгресса США
• MeSH - медицинские предметные рубрики
• AAT - тезаурус по искусству и архитектуре
• LCNAF - нормативный файл авторов Библиотеки Конгресса США, если имя используется как предмет
• DDC - Десятичная классификация Дьюи
• LCC - Классификация Библиотеки Конгресса США
• NLM - Классификация Национальной медицинской библиотеки США
• UDC - Универсальная десятичная классификация

Здесь приведены наиболее часто встречающиеся схемы классификации. В мире существуют большое количество иных схем и Библиотеки Конгресса США ведет список таких схем gopher://marvel.loc.gov/00/.listarch/usmarc/relators.txt, Также возможно применение и других классификационных схем.

Подполя: не используются

4. Описание

Поле: Description

Определение: Описание содержимого ресурса. Это может быть краткий реферат если ресурс содержит текст, перечень содержимого если ресурс содержит образы или программы и т.п.

Схема:

• Реферат (по умолчанию)
• URL (Uniform Resource Locator)

Подполя: не используются

5. Издатель

Поле: Publisher

Определение: Лицо или организация, ответственные за доступность ресурса в его существующей форме.

Схема: не используется

Подполя:

• DC.Publisher - издатель (подполе по умолчанию)
• DC. Publisher.PersonalName - имя издателя (лица)
• DC. Publisher.CorporateName - наименование издающей организации
• DC. Publisher.PersonalName.Address - адрес издателя (лица) (включая любой тип адреса, электронной почты и т.п.)
• DC. Publisher.CorporateName.Address - адрес издающей организации (включая любой тип адреса, электронной почты и т.п.)

6. Сведения об ответственности

Поле: Other Contributor

Определение: Лицо или организация не определенные, в поле "Автор или создатель", но внесшие значительный интеллектуальный вклад в создание ресурса (например, редактор, переводчик, иллюстратор).

Схема: указываются правила написания лица или коллектива. Например, это может быть файл нормативных записей Библиотеки Конгресса США

Подполя:

• DC.Contributor - лицо или организация, участвовавшие в создании ресурса (подполе по умолчанию)
• DC.Contributor.PersonalName - имя лица, участвовавшего в создании ресурса
• DC.Contributor.CorporateName - наименование коллектива, участвовавшего в создании ресурса
• DC.Contributor.PersonalName.Address - адрес лица, участвовавшего в создании ресурса (включая любой тип адреса, электронной почты и т.п.)
• DC.Contributor.CorporateName.Address - адрес коллектива, участвовавшего в создании ресурса (включая любой тип адреса, электронной почты и т.п.)

На заседании рабочей группы DC4 было решено, не указывать роли лиц и организаций, участвовавших в создании ресурса. При необходимости указания роли, могут быть использованы локальные расширения.

7. Дата

Поле: Date

Определение: сведения о дате создания или доступности источника

Схема:

• по умолчанию ISO8601
• ANSI X3.30
• IETF RFC 822
• другие

Подполя: Необходимо заметить, что набор подполей этого поля до конца не согласован. На DC5 было предложено несколько вариантов, которые сейчас обсуждаются.

• DC.Date.Creation_of_intellectual_content - дата создания ресурса
• DC.Date.Creation/Modification_of_present_form - дата создания/модификации в существующем виде
• DC.Date.Formal_publication - дата издания
• DC.Date.Available - дата предоставления в открытом доступе
• DC.Date.Valid (includes verification) - дата начиная с которой информация в ресурсе будет соответствовать действительности
• DC.Date.Acquisition/Accession - дата поступления материалов
• DC.Date.Accepted - дата приобретения материалов
• DC.Date.DataGathering - дата сбора материалов

8. Тип ресурса

Поле: Resource Type

Определение: информация о типе данных содержащихся в ресурсе (текст, изображения, программы и т.п.)

Схема: не используется

Подполя: не используются

Существует список возможных типов ресурса. Этот список ведется рабочей группой и доступен по адресу: http://sunsite.berkeley.edu/Metadata/types.html

9. Формат

Поле: Format

Определение: Формат данных, содержащихся в ресурсе. Он может использоваться при определения программного и технического обеспечения, необходимого для использования содержимого ресурса.

Схема:

• IMT (MIME)
• DCPMT (Dublin Core Physical Medium Type) В рамках рабочей группы по подполям (Dublin Core Subelement Working Group) будет разработан список форматов

Подполя: не используются

10. Идентификатор ресурса

Поле: Resource Identifier

Определение: Строка или число используемое для однозначного определения ресурса.

Схема:

• URL (по умолчанию)
• URN (Uniform Resource Name) - когда эта система будет внедрена
• ISBN (International Standard Book Number) - для off-line ресурсов
• ISSN (International Standard Serial Number) - для off-line ресурсов
• SICI (Serial Item and Contribution Identifier)
• FPI (Formal Public Identifier)

Подполя: не используются

11. Источник

Поле: Source

Определение: Строка или число используемое для однозначного определения источника из которого ресурс был создан. Например, описание электронной версии книги может содержать в этом поле ISBN бумажной версии книги

Схема:

• Произвольный текст (по умолчанию)
• URL (Uniform Resource Locator)
• URN (Uniform Resource Name)
• ISBN (International Standard Book Number)
• ISSN (International Standard Serial Number)

Подполя: не используются

12. Язык

Поле: Language

Определение: Язык содержания ресурса. Содержание этого поля должно соответствовать стандарту RFC 1766. Подробнее можно посмотреть по адресу: http://ds.internic.net/rfc/rfc1766.txt

Схема:

• IETF RFC 1766
• Z39.53
• ISO 639-2
• ISO 639-2/B (после окончательного одобрения)

Подполя: не используются

13. Отношения

Поле: Relation

Определение: В этом поле должны быть указаны другие ресурсы, существующие отдельно, но к которым описываемый ресурс имеет отношение. Например, глава из книги или иллюстрации, которые входят в состав другого ресурса. Детальная спецификация этого поля сейчас только разрабатывается и будет уточняться с течением времени.

Схема:

• Произвольный текст (по умолчанию)
• URL (Uniform Resource Locator)
• URN (Uniform Resource Name)
• ISBN (International Standard Book Number)

Подполя:

• DC.Relation.Creative - первоисточник (для переводов и аннотаций)
• DC.Relation.Mechanical - оригинал (в случае зеркального копирования, или копирования без изменения содержания)
• DC.Relation.Version - версия (указываются предыдущие редакции ресурса)
• DC.Relation.Inclusion - составная часть (адрес ресурса, составной частью которого является описываемый ресурс или составная часть описываемого ресурса
• DC.Relation.Reference - ресурс на который делается ссылка или из которого берутся цитаты.

14. Зона действия или охвата

Поле: Coverage

Определение: Временные и пространственные характеристики ресурса. Детальная спецификация этого поля сейчас только разрабатывается и будет уточняться с течением времени. Более подробную информацию можно посмотреть по адресу http://www.sdc.ucsb.edu/~mary/coverage. htm.

Схема: будет определена специальной рабочей группой

Подполя:

• DC.Coverage.PeriodName - охватываемый период времени
• DC.Coverage.PlaceName - охватываемые территории
• DC.Coverage.t - координата
• DC.Coverage.x - координата
• DC.Coverage.y - координата
• DC.Coverage.z - координата
• DC.Coverage.Polygon - описание двумерного объекта
• DC.Coverage.Line - описание линейного объекта
• DC.Coverage.3d - описание трехмерного объекта

15. Правовые аспекты

Поле: Rights Management

Определение: В данном поле указывается адрес источника информации об авторских правах, о распорядительских правах и об условиях предоставления доступа к данному ресурсу. Детальная спецификация этого поля сейчас только разрабатывается и будет уточняться с течением времени.

Схема:

• Произвольный текст (по умолчанию)
• URL (Uniform Resource Locator)
• URN (Uniform Resource Name)

Подполя: не используются

Приложение 2. Примеры описания ресурсов в формате Dublin Core Metadata Element Set

Пример 1. Описание проекта NORDIC

Обратите внимание, что описание схемы дано в соответствии со стандартом HTML 2.0/3.2.

...

..........

Пример 2. Описание начальной страницы Web-сайта Российской государственной библиотеки

Обратите внимание, что описание схемы дано в соответствии со стандартом HTML 4.0.

...

..........

Ссылки

Hakala, Juha. Dublin Core Metadata Element Set and it's applications // (Engl.). - URL: http://linnea.helsinki.fi/meta/present.html [1 November 1998]

Lundberg, Sigfrid. Towards the creation of metadata "aware" robot based search services // (Engl.). - URL: http://www.ub.lu.se/~siglun/anglo-nordic/ [1 November 1998]

Dublin Core Homepage // (Engl.). - URL: http://purl.oclc.org/metadata/dublin_core [1 November 1998]

Guenther, Rebecca. Dublin Core Qualifiers/Substructure (15 November 1997) // (Engl.). - URL: http://www.loc.gov/marc/dcqualif.html [1 November 1998]

Metadata Resources. A bibliography provided by IFLA. // (Engl.). - URL: http://www.nlc-bnc.ca/ifla/II/metadata.htm [1 November 1998]

Metadata Workshop V. (Helsinki, 6.-8 October 1997) // (Engl.). - URL: http://linnea.helsinki.fi/meta/DC5.html [1 November 1998]

Miller, Paul. Metadata for the Masses. Ariadne, no. 5 - 1997. // (Engl.). - URL: http://www.ukoln.ac.uk/ariadne/issue5/metadata-masses/ [1 November 1998]

Благодарности

Работа выполнена при частичной финансовой поддержке Российского фонда фундаментальных исследований (грант No. 98-07-12345).