生成和管理元数据中使用的受控词表 - Dublin Core® Metadata Initiative

生 成 和 管 理 元 数 据 中 使 用 的 受 控
词 表
培 训 4
DC2004, 上 海 图 书 馆
2004 年 10 月 14 日
Stuart A. Sutton & Joseph T. Tennis
美 国 西 雅 图 华 盛 顿 大 学 信 息 学 院

培 训 目 的
• 受 控 词 表 的 开 发 [Joe Tennis]
– 开 发 应 考 虑 的 因 素
– 开 发 的 技 术
• 为 WEB 管 理 受 控 词 表 [Stuart Sutton]
– 受 控 词 表 和 受 控 词 表 术 语 的 标 识
– 受 控 词 表 声 明
– 受 控 词 表 发 布

内 容
• 定 义 : 我 们 讨 论 的 受 控 词 表 的 含 义
• 问 题 : 在 开 发 、 生 成 、 使 用 和 管 理 词 表 中 存 在 哪 些
问 题 ?
• 词 表 生 成 : 如 何 生 成 受 控 词 表 ?
– 生 成 一 个 全 新 的 受 控 词 表
– 专 为 一 个 已 经 使 用 许 多 不 同 词 表 的 专 门 领 域 生 成 一 个
有 用 的 受 控 词 表
• 格 式 和 使 用 : 受 控 词 表 是 如 何 表 示 和 使 用 的 ?
– 用 URI references 来 标 识 词 表 的 术 语
– 用 人 工 可 读 的 字 串 来 表 示 词 表 中 的 概 念
• 管 理 : 如 何 对 受 控 词 表 进 行 管 理 ?
– 受 控 词 表 的 声 明 和 发 布
– ( 受 控 词 表 ) 简 单 的 和 复 杂 的 登 记 注 册

问 题
• 没 有 采 用 受 控 词 表 . 许 多 元 数 据 应 用 在 生 成 元 数 据
的 值 时 没 有 采 用 受 控 词 表
• 采 用 受 控 词 表 的 词 汇 , 但 是 没 有 标 识 . 即 使 采 用
了 受 控 词 表 , 也 没 有 在 最 终 的 元 数 据 记 录 中 标 识
出 来
• 词 汇 不 能 公 开 访 问 . 即 使 元 数 据 记 录 中 标 识 了 受 控
词 表 , 这 些 词 表 依 旧 不 能 被 人 / 机 进 行 访 问
• 在 向 上 兼 容 (dumbing down) 转 化 过 程 中 词 表 标
识 丢 失 . 复 杂 元 数 据 记 录 ( 如 限 定 DC ) 在 向 上 兼
容 过 程 中 词 表 的 标 识 会 丢 失

定 义
• 受 控 词 表 (CV): 元 数 据 属 性 明 确 取 值 的 一 个 有 限 集 合
– 不 同 于 元 数 据 词 表 (metadata vocabulary), 元 数 据 词
表 定 义 属 性 的 有 限 集 合 , 例 如 一 个 schema。
– 在 元 数 据 声 明 “dc:subject=cybernetics” 中 , 我 们 只 关 心
位 于 声 明 右 半 部 分 的 受 控 词 ( 例 如 编 码 体 系 scheme 或 取
值 空 间 )
• 不 仅 “subject” 这 一 元 素 有 受 控 词 !
–DC 中 除 了 一 些 不 能 限 定 值 的 元 素 ( 如 dc:description )
之 外 , 其 它 所 有 的 元 素 或 修 饰 词 均 可 以 采 用 受 控 词 表
的 词 汇 来 提 高 准 确 性 和 加 强 属 性 的 含 义
– 例 如 ,DCMI 词 表 中 采 用 的 dc:type 词 汇 表 是 一 个 受 控 词
表

受 控 词 表 的 开 发

词 表 开 发
• 词 表 开 发 的 两 种 类 型
– 生 成 一 个 全 新 的 受 控 词 表
– 专 为 一 个 已 经 使 用 许 多 不 同 词 表 的 专 门 领 域 生
成 一 个 有 用 的 受 控 词 表

词 表 开 发
• 生 成 一 个 全 新 的 受 控 词 表
– 采 用 多 种 方 式 从 行 业 社 团 中 搜 集 信 息
• 从 用 户 的 代 表 那 里 搜 集 信 息 ( 在 代 表 的 委 员 会 中 仔 细 审 查 想 法 )
• 搜 集 行 业 的 信 息 和 信 息 需 求
• 搜 集 用 户 的 查 询 搜 索 数 据
– 构 建 词 表
• 标 识 术 语
• 标 识 术 语 之 间 的 关 系
– 维 护 词 表
• 保 持 词 表 的 当 前 性 (current) 和 有 效 性 !
• 基 于 用 户 、 领 域 和 代 表 的 输 入 进 行 维 护

生 成 一 个 全 新 的 受 控 词 表
• 从 行 业 中 搜 集 信 息 [1/3]
– 代 表 代 替 用 户
• 委 员 会 会 议
• 词 表 草 案
• 将 词 汇 表 交 与 委 员 会 审 核
– 该 方 法 的 优 点
• 快 捷 、 迅 速
• 成 本 低
– 该 方 法 的 缺 点
• 没 有 真 正 用 户 的 数 据
• 无 法 预 先 知 道 构 建 的 词 表 是 否 有 效

生 成 一 个 全 新 的 词 表
• 从 行 业 中 搜 集 信 息 [2/3]
– 行 业 的 信 息 需 求
• 在 文 档 中 采 用 的 术 语 有 哪 些 ?
– 例 如 web pages, journal articles, maps?
• 行 业 的 构 架 方 式 ?
– 信 息 的 生 成 者 、 利 用 者 和 存 储 者 是 谁 ?
– 是 否 存 在 规 范 信 息 流 的 标 准 ( 如 教 育 标 准 )?
– 有 无 关 于 信 息 流 的 基 本 理 念 ?( 需 要 抓 取 全 部 还 是 部 分 理
念 ?)

生 成 一 个 全 新 的 词 表
• 从 行 业 中 搜 集 信 息 [3/3]
– 行 业 采 用 的 搜 索 术 语 有 哪 些 ?
– 他 们 所 需 信 息 是 为 了 完 成 何 种 任 务 ?
– 他 们 搜 索 信 息 的 习 惯 有 哪 些 ( 其 他 人 呢 )?-
这 如 何 影 响 构 建 所 需 的 词 表 ?
– 这 三 种 数 据 搜 集 活 动 都 有 助 于 构 建 术 语 和 术 语
之 间 的 关 系 。

生 成 一 个 全 新 的 词 表
• 构 造 词 表
– 标 识 术 语
• 把 同 义 词 放 在 一 起 , 消 除 同 形 词 的 歧 义
• 任 何 非 正 式 术 语 都 辅 助 搜 索 ( 扩 展 指 向 正 式 术 语 的
查 询 )
– 标 识 术 语 之 间 的 关 系
• 标 识 有 助 于 用 户 搜 索 和 检 索 的 术 语 之 间 的 关 系
• 在 元 数 据 中 明 确 这 些 关 系 。.
– 上 面 的 行 为 将 使 一 个 词 表 成 为 ” 受 控 ” 词 表

生 成 一 个 全 新 的 词 表
• 维 护 词 表
– 检 查 搜 索 日 志 … 查 找 搜 索 成 功 与 失 败 之 处
– 对 于 搜 索 失 败 之 处 , 调 整 词 表
– 如 需 要 , 添 加 新 的 术 语
– 剔 除 不 需 要 的 术 语
– 考 虑 用 新 添 的 术 语 作 为 查 询 扩 展

开 发 词 表
• 为 一 个 已 经 使 用 许 多 不 同 词 表 的 专 门 领 域
生 成 一 个 有 用 的 受 控 词 表
– 合 并 词 表
– 生 成 一 个 高 层 的 转 换 词 表
– 生 成 一 个 全 新 的 词 表 , 并 把 全 新 词 表 中 的 术 语
与 现 有 词 表 的 相 似 词 链 接 起 来

开 发 词 表
• 以 上 三 个 想 法 都 不 理 想 。
• 以 上 三 个 想 法 都 需 要 对 团 体 ( 或 领 域 ) 及
词 表 的 使 用 和 用 户 有 精 确 的 了 解 。
• 用 URIs 对 现 有 词 表 中 的 术 语 进 行 定 位
(Addressing) 能 够 明 确 单 个 术 语 的 含 义 ,
因 为 这 些 术 语 都 将 在 一 定 的 命 名 空 间 中 定
义 。

开 发 词 表
• 合 并 词 表
– 为 了 协 助 搜 索 , 可 对 词 表 ( 术 语 和 术 语 之 间 关
系 ) 进 行 合 并 。
– 在 合 并 过 程 中 必 须 考 虑 每 一 个 词 表 的 结 构 。
– 不 仅 要 考 虑 相 似 和 相 同 的 术 语 的 存 在 , 还 要 考
虑 这 些 术 语 被 索 引 者 和 搜 索 者 使 用 时 的 具 体 含
义 。

开 发 词 表
• 生 成 一 个 高 层 的 转 换 词 表
– 该 方 法 忽 略 了 现 有 词 表 的 大 部 分 关 系 结 构
– 与 现 有 词 表 一 起 生 成 一 个 伞 状 结 构
– 该 方 法 容 易 实 施 , 因 为 对 词 表 、 域 和 用 户 有 准
确 的 认 识 和 理 解 , 但 是 由 于 对 搜 索 缺 乏 控 制 ,
搜 索 效 果 将 有 一 定 的 不 足

开 发 词 表
• 生 成 一 个 全 新 的 词 表 , 并 把 该 词 表 中 的 术
语 与 现 有 词 表 的 术 语 进 行 链 接
– 比 前 面 的 两 个 方 法 用 的 时 间 更 多 和 成 本 更 高 ,
比 从 头 手 工 构 造 一 个 词 表 复 杂
– 成 本 高 , 因 为 必 须 监 视 对 每 一 个 被 链 接 词 汇 的
改 变 , 并 以 一 种 考 虑 周 全 的 方 式 把 这 些 改 变 添
加 到 搜 索 查 询 扩 展 中 去 , 这 需 要 大 量 的 时 间 和
精 力

支 持 词 表 发 现 和 使 用 的 体 系 结 构
标 识 、 声 明 和 发 布 词 表

Web 化 (Webized) 受 控 词 表
web 化 受 控 词 表 和 词 表 术 语 指 :
– 对 受 控 词 表 和 词 表 术 语 进 行 唯 一 的 永 久 的 标 识
用 URIs 来 标 识 names/tokens/identifiers
– 用 模 式 (schema) 语 言 进 行 正 式 的 声 明
用 XML 或 RDF/XML 表 示
– 通 过 发 布 来 使 词 表 可 以 通 过 web 访 问
通 过 web 访 问 注 册 来 发 布

词 表 术 语 的 标 识
• 建 议 1: 必 须 为 所 有 的 web 化 的 受 控 词 表 术 语 分 配
URI reference
“web 体 系 结 构 的 最 基 本 的 条 件 … 就 是 有 统 一 资 源 标 识 符 。Web 上
的 所 有 实 体 都 应 该 用 字 符 串 明 确 的 标 识 , 这 一 点 是 web 通 用 性
的 核 心 ”
Tim Berners-Lee, “Web Architecture from 50,000 Feet”
–DCMI 抽 象 模 型 草 案 的 要 求
“DC 抽 象 模 型 要 求 遵 守 该 模 型 的 所 有 术 语 , 无 论 是 元 素 、 元 素
限 定 、 编 码 体 系 还 是 受 控 词 表 术 语 , 都 被 分 配 一 个 URI
reference 来 标 识 该 术 语 ”
Andy Powell, “Guidelines for assigning identifiers to metadata terms”

词 表 术 语 URI 的 构 造
• 目 标
– 持 续 性 。URI 应 没 有 特 定 的 存 在 期 限 ( 永 久 存 在 ?)
– 唯 一 性 。 根 据 定 义 ,URI 应 该 唯 一 定 义 一 个 实 体 ( 词
表 、 词 表 术 语 、 词 表 或 词 表 术 语 的 不 同 版 本 )
– 可 解 析 性 。 如 可 能 , 现 在 的 web 浏 览 器 应 应 能 够 解 析
• URI reference 的 构 造
–XML 命 名 空 间 的 URI reference
E.g., http://purl.org/gem/GEMS/
– 词 表 术 语 名 称
E.g., Physics
– 构 造 后 的 URI
http://purl.org/gem/GEMS/Physics

持 续 的 URI Reference 策 略
可 能 的 策 略 :
– 采 用 特 定 项 目 的 URL
如 , http://myproject.org/metadata/vocabs/color#Red
• 持 续 性 值 得 怀 疑
– 采 用 PURL
E.g., http://purl.org/gem/educationLevel/Grade 2
• 可 靠 的 持 续 性 的 中 间 形 态
– 采 用 “info” URI
E.g., info:ddc/22/eng//004.678
• 持 续 的 标 识 但 是 info URIs 不 能 够 被 当 前 的 浏 览 器 识 别
DCMI Working Draft: “Guidelines for assigning identifiers to metadata terms”

词 表 术 语 声 明
• 建 议 2: 对 所 有 受 控 词 表 的 数 据 都 进 行 声 明
–“ 声 明 ” 一 个 术 语 就 是 通 过 schema 语 言 的 方 式 把 术 语 用
计 算 机 可 处 理 的 方 式 表 示 出 来
– 采 用 XML 和 RDF/XML
– 词 表 的 版 本 之 间 和 词 表 中 术 语 的 版 本 之 间 的 关 系 也 要
进 行 声 明
• 一 个 正 在 研 究 和 探 索 的 领 域
• 参 见 Guidance information for naming, versioning, evolution, and
maintenance of element declarations and application profiles Draft
CWA, July 2004

词 表 管 理 信 息
The DCMI Types namespace providing access to its content by means
of an RDF Schema
The Dublin Core Metadata Initiative
The Dublin Core Types namespace provides URIs for the entries of the
DCMI Type Vocabulary. Entries are declared using RDF Schema language to support RDF applications.
The Schema will be updated according to dc-usage decisions.
English
2000-07-11
2002-05-22
…
…

实 例 : 声 明
•DCMI 类 型 词 表
•GEM 教 育 层 次 词 汇 表

词 表 术 语 声 明
Collection
A collection is an aggregation of items. The term collection means
that the resource is described as a group; its parts may be separately described
and navigated.
2000-07-11
Dataset
A dataset is information encoded in a defined structure
(for example, lists, tables, and databases), intended to be useful for direct machine
processing.
2000-07-11
...
…

XML 格 式 的 GEM 教 育 层 次 词 表
GEM controlled vocabulary for designating the education level of the
audience for a resource. Created in 1996 by the GEM Consortium.
…

实 例 :
元 数 据 示 例
• 杜 威 十 进 制 分 类 法 DDC
•GEM 主 题 (Subject)

RDF 格 式 的 DDC 实 例
930
History of the ancient world (to ca. 499 A.D.)

RDF 格 式 的 GEM 实 例 (Value URI)

词 表 的 术 语 发 布
• 建 议 3: 必 须 发 布 所 有 受 控 词 表 的 术 语
–Web 可 寻 址 的 词 表 登 记 注 册
– 登 记 注 册 复 杂 性 的 连 续 :
• 从 简 单 的 、 人 可 读 的 HTML 页 面 的 词 表 和 词 表 术 语
• 到 复 杂 的 人 可 读 页 面 和 被 声 明 的 计 算 机 可 寻 址 的 词 汇 表
schemes
– 登 记 注 册 实 例 :
• 简 单 注 册 登 记 ⎯
到 教 育 资 料 的 网 关 :
• 复 杂 注 册 登 记 ⎯
DCMI 注 册 登 记 :

简 单 登 记 注 册 : GEM

GEM: Student Grouping 词 表

RDF 格 式 的 GEM: Student Grouping 词 表

复 杂 登 记 注 册 : DCMI

DCMI 类 型 词 表 (Type Vocabulary)

RDF 的 DCMI 类 型 词 表

DCMI 类 型 术 语 : “ 集 合 (Collection)”

RDF 格 式 的 DCMI 类 型 术 语 “ 集 合
(Collection)” (RDF)

请 提 出 您 的 问 题 ?
谢 谢 参 加 !
Stuart A. Sutton
sasutton@u.washington.edu
Joseph Tennis
jtennis@u.washington.edu