数字图书馆元数据获取协议 OA I

收稿日期:2006—10—30

作者简介:常　春(1966—),男,管理学博士,中国农业科学院农业信息研究所副研究馆员,研究方向:情报检索、农业本体、数字图书馆等,已发表论文60篇。

数字图书馆元数据获取协议OAI

常　春(中国农业科学院农业信息研究所,北京100081)

〔摘　要〕　文章在介绍数字图书馆互操作技术的基础上,对数字图书馆元数据获取协议OAI进行了简单介绍,

包括OAI工作原理,OAI在数字图书馆领域的应用,以及OAI面临的问题等。通过OAI的介绍和分析,可以推进数字图书馆研究和建设者对OAI的进一步研究和应用。〔关键词〕　数字图书馆;OAI;元数据〔Abstract〕　Basedonthedigitallibraryinteroperability,thepaperintroducestheOpenArchivesInitiativePro2tocolforMetadataHarvesting(OAI2PMH).ItincludestheOAIworkingprinciples,whereOAIcanbeusedindigitallibrary,andtheproblemsOAImightmeet.WiththeknowledgeofOAI,usersandlibrarianmayresearchanduseOAImoreconvenientty.〔Keywords〕　digitallibrary;OAI;metadata

〔中图分类号〕G250176　〔文献标识码〕C　〔文章编号〕1008-0821(2007)04-0108-03

数字图书馆存在互操作问题,涉及到数字图书馆的信息资源建设和信息发布两个方面。与互操作和信息发布有非常直接关系的一个有名的协议就是OAI2PMH元数据获取协议(OAIProtocolforMetadataHarvesting,OAI2PMH)。虽然OAI目前还不是国家或国际标准,但随着OAI应用的不断增加,在信息发布、图书馆信息资源互操作方面,有可能形成一个事实标准。本文对OAI进行简要概述,包括OAI协议的内容,面临的问题以及在数字图书馆领域的应用。1　数字图书馆互操作方法鉴于数字图书馆使用的技术不同,开发的方法不同,这样就使得数字图书馆之间信息共享或信息相互利用存在互操作问题。目前解决互操作问题主要有以下3种类型或方法。111　联邦式(Federation)数据参建单位共同遵循统一的标准,使用统一的数据格式,达到数据间的无缝互联互通,例如各单位同时使用具有Z39150标准协议的软件系统。这种方式对参建单位的要求比较高,组织方式成本也较大,而且参加单位不易过多。112　收割式(Harvesting)这种互操作方式对参建图书馆提供的数据格式要求不是特别严格,数字图书馆之间可以是一个松散的群体,参建馆只要提供遵循OAI2PMH的元数据信息到访问接口,其他图书馆就可以根据需要,直接获取部分或全部元数据信息,根据自己的情况重新组织信息。这种方法可以适合更多的图书馆参与,可以实现元数据层面的互操作。113　集聚式(Cathering)各数字图书馆间无须遵循共同的互操作协议,只要在Web上可以公开访问即可,信息服务单位使用类似Web搜索引擎工具,搜集相关记录。例如目前的因特网上的信息搜集和服务方式,可以广义地理解为最大规模的数字图书馆之间的互操作,这种方式明显的缺点就是信息服务质量方面难以令人满意。从以上3种方式可以看出,联邦式服务质量好,但对数字图书馆要求也高,而且也不适合大量单位参加;集聚式适合大量参建单位参与,规模也大,但服务质量不高;

收获式是采取了中间的方法,只选择在元数据层面上的互操作,既降低准入门槛,也可以达到获取足够的信息用于信息组织和信息服务。OAI2PMH是收获式方法的主要互操作协议。2　OAI简介1999年,在美国新墨西哥州的SantaFe,由图书馆和信息资源委员会(CouncilonLibraryandInformationResource,

CLIR)和数字图书馆联盟(DigitalLibraryFederation,DLF)召开了一次与电子出版相关的研讨会,参会人员在会上提出了OAI设想,思路是使用一个标准接口,使得网络服务器可以通过这个接口来发布其上电子文档的元数据,多个采用这种接口的仓储(Repositories)结合在一起,可以形成一个联邦式的仓储,其他组织可以像对单独一个仓储操作一样检索和利用这些仓储中的元数据,这个接口就是OAI

协议的雏形。OAI不仅适合电子出版资源之间的互操作,

理论上适合网络上任何电子资源信息的互操作,所以吸引许多与信息发布、信息建设相关的其他组织参与OAI协议的建设,这些单位有NASA、OCLC等著名的机构,以及一些博物馆、出版机构、大学的图书馆等,他们组成了一个协议的领导和组织机构,负责协议标准的制定工作,机构秘书处设在Cornell大学,OAI得到DLF、CNI(CoalitionNet2workedInformation,网络信息联合会)、NSF(NationalScienceFoundation,美国国家科学基金会)等机构的联合资助,OAI

—801—

现代情报2007年4月第4期April12007No.4

■数字图书馆技术论坛下设指导委员会(SteeringCommittee)和技术委员会(Tech2nicalCommittee),共同促进OAI的推广和发展。2001年1月21日,研发人员推出了可操作版本,即OAI2PMH110,同年7月1日,又更新为111版本。经过1年的试用,在2002年6月,又推出了OAI协议的正式版OAI2PMH210,任何网络服务器都可以配置这个协议。3　OAI协议的工作原理311　信息发布过程的两个主要角色 OAI信息发布过程基本顺序包括以下环节,首先是信息提供方(Dataproviders)基于OAI协议,使用DC元数据标准,组织加工信息资源,形成XML格式数据,储存在网络服务器上,通过OAI协议提供统一的标准化接口,把自身的元数据揭示给外部。然后是服务提供者(Service

providers)根据自己的需要,通过HTTP协议进行访问,基于OAI协议,全部或部分收割信息提供者的元数据信息,

经过信息重组后,为用户提供信息增值服务。一个服务提供者可以收割多个信息提供者的元数据,一个信息提供者的元数据也可以被不同的服务提供者收割。信息发布过程见图1。　

图1　OAI工作原理流程312　元数据记录形式目前的数字图书馆,各自采用了不同的元数据格式,

为了能够达到信息资源的无缝整合,OAI规定了系统统一使用DC元数据,或者将信息提供者的元数据格式首先转化或映射为DC格式,因为DC元数据是比较成熟的现成标准,适合多学科的信息资源描述,使用起来相对简单,所以目前OAI的应用多数是基于DC元数据的。由于DC元数据核心集只有15个元素,描述各种不同的信息资源有时需要扩展,而且目前使用OAI协议的机构资源背景不同,所以目前的OAI协议也支持其他格式的元数据,但必须使用XML标记语言描述,如果信息提供者和服务提供者使用的是同一种元数据格式,就可以达到信息资源的共享。元数据是以记录的形式储存在网络服务器中,每条记录对应一条完整的元数据记录,记录使用XML标记语言编码,具体形式由3部分组成:一是标题(header),由记录标识符(identifier)和时间戳(datestamp)组成。记录标识符与记录一一对应,是该条记录在服务器中的惟一标识,

用来识别该条记录;时间戳用于存储该条记录创建、修改和删除的时间信息。二是元数据(metadata),记录的核心部分,存储完整的元数据信息;三是相关项(about),提供有关数据的相关说明,一般由元数据的版权信息、使用权限等内容组成。313　选择性获取服务提供方并不是将信息提供方的元数据全盘收割,一般是根据自己的情况只取用部分元数据。OAI提供了2种元数据获取方法,一种是基于时间戳的选择法,每条记录都有一个时间戳,记录了该条记录的创建、修改等时间,服务提供方可以限定时间进行选择,例如只选择本周新生成的元数据,或只选择修改过的元数据。另一种方法就是基于主题的选择法,OAI协议可以将元数据记录分成不同的主题,分别进行储存,如果一个记录涉及多个主题,可以将记录划分到不同的主题当中去。在元数据选择时,服务提供者可以只选择某一主题进行收获。例如将文学作品分为小说、诗歌、散文、传记等不同主题,只选择小说这一主题。利用本体论(ontology)的知识体系,可以将不同领域知识的元数据按主题进行分类。314　元数据请求在OAI协议中,通过HTTP协议规定了以下6种请求,这些请求也被称作动词(verb)。Identify:获得关于仓储系统配置的基本信息,例如URL、所采用的协议版本、管理员E-mail地址、最早日期标识、删除记录的管理方式、采集的时间粒度等。Listmetadataformat:得到仓储所支持的元数据格式信息;Listsets:得到仓储中记录的数据集合结构,以便服务提供方选择性收割;ListIdentifiers:得到数据仓储中的有关标识的记录集。包含以下一些参数,From(开始)、Until(结束)、Set(集)、ResumptionToken等。ListRecords:从数据库中取得完整的元数据记录,包括记录的惟一标识符、元数据格式等;GetRecord:根据指定的记录条目号和元数据格式,从仓储中得到某一记录。4　OAI协议在数字图书馆领域的应用OAI协议的初衷是通过元数据的收获实现不同资源库的互操作。在目前的应用中,更多的是用到了数字图书馆的信息资源发布、信息增值服务方面,即通过元数据的收获建立一个全新的服务。以下分别列举国内外的一些应用实例。411　NSDL项目美国NationalScienceDigitalLibrary项目,由美国NSF资助,目的是建成美国规模最大的、多学科的科学数字图书馆,目前它拥有上百万的用户,可以提供各种数字化的信息服务。项目的运作方式基于OAI协议,项目的核心是元数据仓储(Metadatarepository),美国各州的参加馆作为信息提供者,基于OAI协议,加工生成元数据,NSDL项目通过OAI协议,将所有参加单位的元数据有机地整合为一个整体,用户可以通过简易数字图书馆互操作协议(TheSim2pleDigitalLibraryInteroperability,SDLIP),使用统一检索界

—901—

2007年4月第4期April12007No.4现代情报

■数字图书馆技术论坛