Web收割工具的描述型元數(shù)據(jù)功能評(píng)析*

臧國(guó)全 李 哲

（1 鄭州大學(xué)信息管理學(xué)院 鄭州 450001；2 鄭州大學(xué)公共管理學(xué)院 鄭州 450001）

1 引言

人類社會(huì)進(jìn)入了因特網(wǎng)時(shí)代，Web資源已成為人們使用信息資源的主體。但是，因特網(wǎng)是一個(gè)動(dòng)態(tài)網(wǎng)絡(luò)，通過(guò)其發(fā)布和傳播的Web資源隨時(shí)可能消失，因此，保存Web資源的歷史完整性和連續(xù)性就成為了因特網(wǎng)時(shí)代的一項(xiàng)社會(huì)職責(zé)。

目前，不少信息機(jī)構(gòu)已開始履行這項(xiàng)職責(zé)，建立Web保存項(xiàng)目，長(zhǎng)期保存這類數(shù)字化知識(shí)遺產(chǎn)。保存的前提是收割，保存的目的是供用戶日后訪問(wèn)使用。收割需要使用Web收割工具，訪問(wèn)需要使用描述型元數(shù)據(jù)。如果Web收割工具可以自動(dòng)生成描述型元數(shù)據(jù)以支持被收割內(nèi)容的自動(dòng)發(fā)現(xiàn)，不僅可以顯著提高元數(shù)據(jù)的生產(chǎn)效率，實(shí)現(xiàn)元數(shù)據(jù)生產(chǎn)的規(guī)?；部蓽p少Web保存的成本，甚至可提高Web保存信息的描述質(zhì)量，高效地滿足用戶對(duì)它的發(fā)現(xiàn)與使用。

因此，我們有必要通過(guò)訪問(wèn)相關(guān)專業(yè)網(wǎng)站，考察Web收割工具描述型元數(shù)據(jù)功能的現(xiàn)狀，評(píng)估收割過(guò)程對(duì)元數(shù)據(jù)功能的支持程度，并在此基礎(chǔ)上，分析Web收割工具描述型元數(shù)據(jù)功能所涉及的一些基本問(wèn)題，提出解決這些問(wèn)題的基本思路。

2 Web收割工具描述型元數(shù)據(jù)功能的現(xiàn)狀評(píng)估

2.1 方法

本研究中的Web收割工具選自國(guó)際因特網(wǎng)保存聯(lián)盟（IIPC）2017年發(fā)布的《Web收割工具目錄》[1]，選擇的主要標(biāo)準(zhǔn)是具有描述型元數(shù)據(jù)功能。

評(píng)估項(xiàng)目有兩個(gè)：一是工具的基本情況，包括主要作用、收割形成的文件類型、與其他工具之間的關(guān)系；二是工具的元數(shù)據(jù)功能，包括工具采用的描述型元數(shù)據(jù)方案、收割過(guò)程中自動(dòng)抓取的元數(shù)據(jù)元素、用戶可賦值編輯的元數(shù)據(jù)元素、可被輸出應(yīng)用的元數(shù)據(jù)元素。

評(píng)估過(guò)程分三個(gè)階段：首先，訪問(wèn)網(wǎng)站，瀏覽分析有關(guān)收割工具的介紹；其次，下載安裝或注冊(cè)試用這些工具，對(duì)描述型元數(shù)據(jù)功能逐一考察；最后，聯(lián)系工具創(chuàng)建者，征求其對(duì)考察結(jié)果的意見，核實(shí)實(shí)驗(yàn)準(zhǔn)確度，完善實(shí)驗(yàn)結(jié)果。

2.2 結(jié)果

常用Web收割工具的描述型元數(shù)據(jù)功能考察結(jié)果見表1。

表1 常用Web收割工具的描述型元數(shù)據(jù)功能考察結(jié)果

Web Archive Discovery[9]功能：開源工具，主要功能是實(shí)施Web收割后，提供Web保存的全文檢索。方法：使用WARC的索引工具分析以WARC和ARC格式保存的Web文件內(nèi)容，將分析結(jié)果傳送至Apache Solr服務(wù)器，生成索引；檢索者通過(guò)客戶端工具檢索Solr索引，生成查詢結(jié)果生成文件的類型：WARC和ARC格式與其他工具的關(guān)系：Solr索引，是實(shí)現(xiàn)該工具核心功能所需的外部工具采用的元數(shù)據(jù)方案：JSON。該工具將對(duì)WARC和ARC文件的解析結(jié)果生成JSON格式文件，用于SOLR檢索可自動(dòng)賦值的元數(shù)據(jù)元素：描述型有抓取日期、URL、內(nèi)容類型等；管理型有來(lái)源文件、服務(wù)器、主機(jī)、hash函數(shù)等用戶可賦值編輯的元數(shù)據(jù)元素：無(wú)。所有描述型元數(shù)據(jù)元素都可自動(dòng)生成可輸出被外部使用的元數(shù)據(jù)元素：所有的元數(shù)據(jù)元素都可被導(dǎo)出Web Curator Tool[10]功能：開源Web收割工作流程管理工具，包括收割內(nèi)容的許可和授權(quán)、內(nèi)容選擇和范圍劃定、收割活動(dòng)實(shí)施和質(zhì)量檢查以及存檔保存等生成文件的類型：WARC和ARC格式與其他工具的關(guān)系：使用Heritrix 收割Web內(nèi)容，使用WARC文件為最小保存單元，可結(jié)合使用Wayback Machine和Rosetta DPS采用的元數(shù)據(jù)方案：DC可自動(dòng)賦值的元數(shù)據(jù)元素：抓取日期并自動(dòng)計(jì)算記錄在dc:date字段中。其他的描述型元數(shù)據(jù)元素需用戶添加用戶可賦值編輯的元數(shù)據(jù)元素：Web資源的名稱、所有者、注釋以及DC中描述字段中的其他基本元素可被外部使用的描述型元數(shù)據(jù)元素：所有元數(shù)據(jù)都添加到WARC和ARC格式的文件中。當(dāng)這些文件被提交到保存系統(tǒng)中時(shí)，這些元數(shù)據(jù)也都將存儲(chǔ)在提交信息包（SIP）中Webrecorder[11]功能：免費(fèi)的社交媒體收割工具，可抓取用戶的社交過(guò)程，包括交互內(nèi)容、交流語(yǔ)境、動(dòng)態(tài)多媒體、復(fù)雜JAVA腳本等；嚴(yán)格按照時(shí)序收割用戶交流過(guò)程中涉及的Web頁(yè)面和其他數(shù)字對(duì)象，保存用戶的真實(shí)使用經(jīng)歷。收割結(jié)果以WARC格式文件保存。網(wǎng)站抓取和保存對(duì)象的回放使用同一軟件，稱為對(duì)稱Web保存法生成文件的類型：WARC格式與其他工具的關(guān)系：無(wú)采用的元數(shù)據(jù)方案：JSON可自動(dòng)賦值的元數(shù)據(jù)元素：描述型有創(chuàng)建者、標(biāo)題、抓取日期/時(shí)間、存檔文件格式、URL等用戶可賦值編輯的元數(shù)據(jù)元素：無(wú)。該工具聲明將開發(fā)這類元素可輸出被外部使用的元數(shù)據(jù)元素：所有生成的內(nèi)嵌于WARC文件中的元數(shù)據(jù)元素都可以被調(diào)用

2.3 結(jié)果分析

由表1可知，雖然不同收割工具的元數(shù)據(jù)功能不盡相同，但總體上對(duì)描述型元數(shù)據(jù)的支持程度都不高，具體表現(xiàn)在：

其一，大部分收割工具都獲取并存儲(chǔ)了技術(shù)型元數(shù)據(jù)，以便準(zhǔn)確地重構(gòu)和再現(xiàn)收割的Web信息資源，但獲取描述型元數(shù)據(jù)的不多，因?yàn)槭崭畹奈募忻枋鲂驮獢?shù)據(jù)本來(lái)就很少。因此，在工具內(nèi)部甚至工具外部由人工創(chuàng)建描述型元數(shù)據(jù)就成為了常見的補(bǔ)充方法。

其二，除非原始網(wǎng)頁(yè)的創(chuàng)建者在創(chuàng)建網(wǎng)頁(yè)時(shí)就習(xí)慣性地在相應(yīng)標(biāo)簽內(nèi)（如HTML格式網(wǎng)頁(yè)的meta標(biāo)簽）嵌入更多描述型元數(shù)據(jù)元素，否則自動(dòng)生成這類元素比較困難。

其三，幾乎所有收割工具都抓取網(wǎng)站標(biāo)題和收割日期作為描述型元數(shù)據(jù)元素，但有時(shí)自動(dòng)抓取的元素內(nèi)容是無(wú)效的，比如，網(wǎng)站標(biāo)題“主頁(yè)”和“標(biāo)題”等無(wú)實(shí)質(zhì)內(nèi)容描述。

其四，并不是所有的工具都以相同的方式定義描述型元數(shù)據(jù)，表現(xiàn)在兩個(gè)方面：一是采用的描述型元數(shù)據(jù)方案不一樣，有DC、JSON、CDX、WARC等；二是自動(dòng)生成和人工賦值的元數(shù)據(jù)元素不盡相同。

如何提高Web收割工具的描述型元數(shù)據(jù)功能？筆者認(rèn)為可從以下兩個(gè)方面著手：

其一，針對(duì)Web特質(zhì)，建立對(duì)其進(jìn)行描述的元數(shù)據(jù)方案。據(jù)OCLC（聯(lián)機(jī)計(jì)算機(jī)圖書館中心）考察，業(yè)已存在的描述型元數(shù)據(jù)方案對(duì)Web描述的支持都較差，還沒(méi)有出現(xiàn)一個(gè)完全適合Web的描述型元數(shù)據(jù)方案。本文對(duì)部分收割工具的描述型元數(shù)據(jù)功能進(jìn)行了考察，并征求收割工具開發(fā)者對(duì)考察結(jié)果的意見時(shí)，部分開發(fā)者表示要積極尋求用戶反饋，以確定對(duì)用戶有價(jià)值的元數(shù)據(jù)元素；另一些期望與圖書館、檔案館和博物館等信息機(jī)構(gòu)合作研究出一個(gè)適合Web描述的元數(shù)據(jù)元素集合；還有一些期望圖書情報(bào)學(xué)界制定出臺(tái)一個(gè)用于Web描述的元數(shù)據(jù)方案。實(shí)際上，這個(gè)元數(shù)據(jù)方案是收割工具提供元數(shù)據(jù)功能的前提，正是因?yàn)樗娜笔В崭罟ぞ邿o(wú)章可循，各行其道，一方面導(dǎo)致混亂，另一方面其針對(duì)性和適用性無(wú)法得到保證。這是目前Web收割工具的描述型元數(shù)據(jù)功能欠佳的原因之一。

其二，收割工具自動(dòng)抓取或產(chǎn)生元數(shù)據(jù)元素的描述內(nèi)容，實(shí)現(xiàn)自動(dòng)賦值。這里涉及三個(gè)問(wèn)題：一是收割工具需設(shè)計(jì)該項(xiàng)功能，這是工具開發(fā)的技術(shù)問(wèn)題；二是從Web網(wǎng)站和頁(yè)面中自動(dòng)抽取元數(shù)據(jù)的賦值內(nèi)容，這是自然語(yǔ)言自動(dòng)理解和多媒體的自動(dòng)描述問(wèn)題，也屬于技術(shù)問(wèn)題；三是Web頁(yè)面的腳本標(biāo)記中包含所需的賦值內(nèi)容，比如Web頁(yè)面源代碼標(biāo)記語(yǔ)言中的元數(shù)據(jù)標(biāo)記（如HTML的meta）中包含元數(shù)據(jù)元素所需的賦值內(nèi)容，這是規(guī)范使用Web頁(yè)面的元數(shù)據(jù)標(biāo)記問(wèn)題，需要強(qiáng)化Web管理來(lái)規(guī)范Web內(nèi)容創(chuàng)建者的元數(shù)據(jù)構(gòu)建行為，屬于管理問(wèn)題。目前，上述三個(gè)問(wèn)題的解決方案都不到位，不少收割工具的元數(shù)據(jù)功能設(shè)計(jì)欠佳，甚至缺失；自然語(yǔ)言自動(dòng)理解和多媒體的自動(dòng)描述技術(shù)仍不成熟，準(zhǔn)確度還沒(méi)有達(dá)到規(guī)模化應(yīng)用水平；Web頁(yè)面創(chuàng)建雖有技術(shù)規(guī)范，但管理規(guī)范仍然缺失。這是Web收割工具的描述型元數(shù)據(jù)功能欠佳的原因之二。

3 Web收割工具的描述型元數(shù)據(jù)功能分析

由上分析可知，Web收割工具描述型元數(shù)據(jù)功能的實(shí)現(xiàn)涉及兩個(gè)問(wèn)題：元數(shù)據(jù)方案的建立和元數(shù)據(jù)賦值的自動(dòng)化。第二個(gè)問(wèn)題的解決更多的不是依賴于圖書情報(bào)學(xué)，而是依賴于技術(shù)和管理；第一個(gè)問(wèn)題的解決則純粹是圖書情報(bào)學(xué)的任務(wù)。因此，本部分僅探討第一個(gè)問(wèn)題，即對(duì)構(gòu)建適合于Web的描述型元數(shù)據(jù)方案所涉及的一些基本問(wèn)題進(jìn)行分析。

3.1 構(gòu)建的基本原則

雖業(yè)已存在多個(gè)描述型元數(shù)據(jù)方案，如DC、MARC等，但均無(wú)法完全反映Web站點(diǎn)和專題Web站點(diǎn)集合的獨(dú)特性質(zhì)，比如URL、站點(diǎn)內(nèi)容的動(dòng)態(tài)性等。因此，Web描述元數(shù)據(jù)方案宏觀上至少應(yīng)該在以下幾個(gè)方面有所體現(xiàn)：

形式上，獨(dú)立于Web保存機(jī)構(gòu)和現(xiàn)有元數(shù)據(jù)方案；但需與相關(guān)元數(shù)據(jù)標(biāo)準(zhǔn)兼容，以備交換元數(shù)據(jù)標(biāo)引結(jié)果和細(xì)化元數(shù)據(jù)元素之需要；目的上，滿足最終用戶和元數(shù)據(jù)實(shí)踐者（一般也是保存機(jī)構(gòu)）對(duì)Web保存與檢索的需求；內(nèi)容上，定義了一套簡(jiǎn)潔的描述型元數(shù)據(jù)元素，并附使用說(shuō)明以指導(dǎo)元數(shù)據(jù)標(biāo)引實(shí)踐；方法上，融合圖書管理中的目錄式描述方法和檔案管理中的存檔式描述方法，建立既可進(jìn)行簡(jiǎn)單標(biāo)引又可在需要之時(shí)進(jìn)行詳細(xì)描述的彈性實(shí)用的Web描述元數(shù)據(jù)方案；實(shí)踐上，可實(shí)現(xiàn)大規(guī)模自動(dòng)標(biāo)引，這就要求既無(wú)需深度描述，也無(wú)需隨著時(shí)間推移進(jìn)行大規(guī)模遷移和轉(zhuǎn)換，以滿足標(biāo)引對(duì)象數(shù)量巨大的要求。

3.2 在線站點(diǎn)的描述與存檔站點(diǎn)的描述

不少圖書館和檔案館等信息機(jī)構(gòu)同時(shí)建有實(shí)體（存檔）Web數(shù)據(jù)庫(kù)（如Archive-It）和虛擬（在線）Web數(shù)據(jù)庫(kù)（如學(xué)科導(dǎo)航），既需要描述存檔站點(diǎn)，也需要描述在線站點(diǎn)，因此Web描述元數(shù)據(jù)方案應(yīng)兼顧這兩類站點(diǎn)。但是，我們需在元數(shù)據(jù)設(shè)計(jì)時(shí)考慮兩類站點(diǎn)的不同之處。

價(jià)值上。在線站點(diǎn)提供最新信息，具有現(xiàn)實(shí)價(jià)值；存檔站點(diǎn)提供歷史信息，具有長(zhǎng)期的研究?jī)r(jià)值。如，收割美國(guó)白宮網(wǎng)站的不同內(nèi)容版本并存檔，可以用來(lái)研究美國(guó)近三屆政府在環(huán)境保護(hù)政策方面的不同之處。

訪問(wèn)鏈接上。在線站點(diǎn)元數(shù)據(jù)描述的是當(dāng)前版本，隨著站點(diǎn)消失，其訪問(wèn)URL將導(dǎo)致死鏈。但是，當(dāng)在線站點(diǎn)被收割存檔后，其訪問(wèn)鏈接指向存檔版本，既不會(huì)消失也不會(huì)產(chǎn)生死鏈。

日期記錄上。在線站點(diǎn)元數(shù)據(jù)的記錄日期可能是它被描述時(shí)的瀏覽日期，或是首次上線的日期。但存檔站點(diǎn)的抓取日期很重要，應(yīng)在其元數(shù)據(jù)中予以描述。當(dāng)收割并存檔一個(gè)站點(diǎn)的所有不同內(nèi)容版本時(shí)，可根據(jù)抓取日期瀏覽該站點(diǎn)的演變歷史。

訪問(wèn)限制上。絕大部分在線站點(diǎn)均可公共訪問(wèn)，且無(wú)訪問(wèn)限制。但存檔站點(diǎn)的訪問(wèn)權(quán)限取決于存檔機(jī)構(gòu)，在訪問(wèn)機(jī)制建立前，存檔站點(diǎn)一般僅供現(xiàn)場(chǎng)訪問(wèn)。

因此，同一個(gè)站點(diǎn)的在線版本和存檔版本的元數(shù)據(jù)描述不完全一樣。如果一個(gè)機(jī)構(gòu)期望兩個(gè)版本同時(shí)被描述從而提供用戶訪問(wèn)，可設(shè)計(jì)一個(gè)元數(shù)據(jù)方案，但須兼容兩者的不同之處，比如穩(wěn)定的訪問(wèn)URL。從成本效益角度來(lái)看，這種方案可能是一個(gè)比較理想的選擇。

3.3 目錄式描述與檔案式描述

前者主要用于圖書館對(duì)館藏?cái)?shù)字資源的著錄，著錄內(nèi)容來(lái)自描述項(xiàng)內(nèi)容的抽取，主要元素有標(biāo)題和主題詞。后者一般是一組來(lái)源相關(guān)的未公開發(fā)表信息資源集合存檔的一種描述方法，標(biāo)題是基于存檔內(nèi)容概括設(shè)計(jì)出來(lái)的，而不是抽取出來(lái)的，且常常使用大量文本型注釋描述存檔內(nèi)容的語(yǔ)境。許多存檔Web資源集合都是專題性Web資源選擇與收割的結(jié)果。

兩種描述方式的一些元素是相同的，尤其是檢索點(diǎn)，比如，主題詞、Web信息資源的類型、人名、組織機(jī)構(gòu)名、地理名稱等。

圖書館和檔案館是實(shí)施Web保存的主要信息機(jī)構(gòu)，目前這兩類機(jī)構(gòu)的Web存檔實(shí)踐是目錄式描述和檔案式描述共存，它們的描述方式由來(lái)已久，不易改變。因此，Web描述型元數(shù)據(jù)方案設(shè)計(jì)應(yīng)該考慮圖書館和檔案館的實(shí)踐慣例，同時(shí)滿足目錄式和檔案式描述的需要。

3.4 站點(diǎn)式描述與集合式描述

前者的描述對(duì)象是單個(gè)站點(diǎn)，后者是多個(gè)站點(diǎn)的集合，且站點(diǎn)之間一般具有相關(guān)性，比如一個(gè)專題的所有站點(diǎn)。

選擇策略。兩種描述方式都可用于Web存檔內(nèi)容，選擇哪種方式取決于Web保存機(jī)構(gòu)和可利用的人力資源等。目前，圖書館常采用站點(diǎn)式描述方法建立在線單站點(diǎn)的元數(shù)據(jù)記錄，通過(guò)檢索系統(tǒng)提供用戶訪問(wèn)；相反，檔案館幾乎都采用集合式描述方法將收割的專題性Web站點(diǎn)集合作為一個(gè)描述單元構(gòu)建元數(shù)據(jù)，供長(zhǎng)期保存之用。很明顯，站點(diǎn)式描述對(duì)于收割大量站點(diǎn)但人力資源不充足的機(jī)構(gòu)是一個(gè)沉重負(fù)擔(dān)，尤其是要求詳細(xì)描述的情況。因此，根據(jù)保存目的、Web資源屬性和人力資源情況選擇描述方式是一種常見策略。

集合式描述的優(yōu)勢(shì)。按照專題收集Web站點(diǎn)，比如記錄一個(gè)重要事件或向已建立專題添加Web站點(diǎn)，這種Web存檔采用集合式描述比站點(diǎn)式描述更具成本效益性。另外，集合式描述可通過(guò)記錄集合的范圍、作用和共同的主題特征等提供語(yǔ)境信息，這是站點(diǎn)式描述無(wú)法實(shí)現(xiàn)的。集合式描述是資源發(fā)現(xiàn)的基礎(chǔ)，可輔助于單站點(diǎn)描述，比如，在集合式描述的基礎(chǔ)上，輔助于各個(gè)站點(diǎn)的標(biāo)題和URL，可同時(shí)提供宏觀和微觀兩個(gè)層級(jí)Web存檔的標(biāo)引。但這種方法的使用要有“度”，比如，當(dāng)存檔Web集合包含大量站點(diǎn)時(shí)，列出一個(gè)冗長(zhǎng)的URL清單可能作用不大，也容易產(chǎn)生混亂。

鑒于上述分析，Web描述元數(shù)據(jù)方案應(yīng)該既適合于站點(diǎn)式描述也適合于集合式描述，但在一些易產(chǎn)生歧義的元素標(biāo)引上應(yīng)輔助說(shuō)明。比如，單個(gè)網(wǎng)站的標(biāo)題常常是站點(diǎn)中重要文本內(nèi)容的轉(zhuǎn)錄，而一個(gè)Web集合的標(biāo)題常由收集機(jī)構(gòu)設(shè)計(jì)；單個(gè)站點(diǎn)的創(chuàng)建者容易被識(shí)別，除非有意匿名，而一個(gè)聚焦在當(dāng)前某一事件或主題的Web站點(diǎn)集合很少存在一個(gè)整體上的內(nèi)容創(chuàng)建者；針對(duì)一個(gè)主題的Web資源集合式描述，其日期記錄可以是收割的時(shí)間跨度，但一個(gè)單獨(dú)在線站點(diǎn)的日期記錄只能是被瀏覽且描述的時(shí)間或上線時(shí)間。

3.5 滿足最終用戶的需求

根據(jù)OCLC的調(diào)查[12]，Web保存的最終用戶主要集中在各學(xué)科的科研人員，且主要需求有：①除了用于Web存檔內(nèi)容發(fā)現(xiàn)所需的描述型元數(shù)據(jù)元素外，還需存檔Web的語(yǔ)境信息，比如：來(lái)源信息，選擇收割站點(diǎn)和構(gòu)建Web資源集合的決策信息，Web資源集合的收割完整性和收割站點(diǎn)的內(nèi)容變化歷史軌跡等。②相對(duì)于開放的在線Web訪問(wèn)上的便捷性和普遍性，存檔Web資源的訪問(wèn)限制（如局限在圖書館內(nèi)部現(xiàn)場(chǎng)瀏覽）是用戶使用的障礙之一。③用戶使用存檔Web資源存在可獲得性障礙，比如：訪問(wèn)系統(tǒng)復(fù)雜性，界面缺乏友好性，缺乏用戶支持服務(wù)項(xiàng)目等。

為此，Web描述元數(shù)據(jù)方案在設(shè)計(jì)元素時(shí)應(yīng)標(biāo)引下列內(nèi)容：Web存檔資源的出處、收割的完整性、站點(diǎn)內(nèi)容改變記錄、存檔Web的知識(shí)產(chǎn)權(quán)、訪問(wèn)限制等。

3.6 滿足元數(shù)據(jù)實(shí)踐者的要求

元數(shù)據(jù)實(shí)踐者主要有：學(xué)者出于研究目的構(gòu)建個(gè)人Web資源庫(kù)；圖書館使用RDA和MARK，尋求用于描述Web資源的相關(guān)元素；檔案機(jī)構(gòu)將其采用DACS和EAD標(biāo)準(zhǔn)描述的檔案映射到結(jié)構(gòu)更加簡(jiǎn)單的Web工具（如Archive-It）中；保存系統(tǒng)對(duì)Web收割內(nèi)容進(jìn)行元數(shù)據(jù)標(biāo)引。

根據(jù)OCLC的調(diào)查[13]，元數(shù)據(jù)實(shí)踐者的相關(guān)需求主要有：①元數(shù)據(jù)標(biāo)引應(yīng)該大規(guī)模自動(dòng)化，因?yàn)榇蠖鄶?shù)機(jī)構(gòu)從事這項(xiàng)工作的人力資源非常有限；②與圖書館和檔案館現(xiàn)行的Web存檔描述標(biāo)準(zhǔn)相兼容；③目前，目錄式、檔案式和混合式描述方法同時(shí)使用，需要尋到一種解決方案將上述三種方法有效結(jié)合；④目前的Web存檔描述標(biāo)準(zhǔn)及應(yīng)用高度不一致，不僅體現(xiàn)在元數(shù)據(jù)元素上，還表現(xiàn)在元素的內(nèi)容賦值上，故應(yīng)建立統(tǒng)一的Web存檔描述標(biāo)準(zhǔn)；⑤描述存檔Web的元數(shù)據(jù)標(biāo)引結(jié)果需在多個(gè)Web保存系統(tǒng)之間交換甚至共享，應(yīng)制定這類元數(shù)據(jù)的跨系統(tǒng)再利用協(xié)議。

因此，為了滿足元數(shù)據(jù)實(shí)踐者的上述需求，Web描述元數(shù)據(jù)方案應(yīng)該遵循以下原則：簡(jiǎn)單高效，以實(shí)現(xiàn)規(guī)模化自動(dòng)化標(biāo)引；分析吸收現(xiàn)行的元數(shù)據(jù)方案，以實(shí)現(xiàn)元數(shù)據(jù)方案之間的兼容性；具有一定程度的可擴(kuò)展性，以包容目錄式和檔案式兩種描述方法；標(biāo)準(zhǔn)化，以實(shí)現(xiàn)元數(shù)據(jù)元素及其賦值規(guī)則的統(tǒng)一化；協(xié)議化，以實(shí)現(xiàn)跨系統(tǒng)的交換和共享。

3.7 元數(shù)據(jù)元素的選擇

我們應(yīng)針對(duì)Web特質(zhì)選擇元數(shù)據(jù)元素，所選元素均應(yīng)適用于Web描述，包括單站點(diǎn)和專題性的多站點(diǎn)集合兩個(gè)層級(jí)的描述，且使用說(shuō)明也應(yīng)完全體現(xiàn)Web描述的特質(zhì)。

元素選擇應(yīng)遵循的原則有：適合于規(guī)?；x值；既可獨(dú)立使用，也可結(jié)合圖書館和檔案館現(xiàn)行標(biāo)準(zhǔn)一起使用，以提供細(xì)粒度描述；元素名稱和定義應(yīng)盡可能采用現(xiàn)行元數(shù)據(jù)標(biāo)準(zhǔn)，以增強(qiáng)各標(biāo)準(zhǔn)間的兼容性和描述的一致性；各元素的使用說(shuō)明應(yīng)為標(biāo)引者提供幫助，且標(biāo)引結(jié)果不產(chǎn)生歧義；應(yīng)包含常用元素（如貢獻(xiàn)者、日期、主題詞、標(biāo)題等），這些元素對(duì)所有類型信息資源的識(shí)別和發(fā)現(xiàn)至關(guān)重要；其他元素須適用于存檔Web站點(diǎn)的描述，比如產(chǎn)權(quán)和URL等；應(yīng)適用于各層級(jí)的描述，如單站點(diǎn)描述、專題性的多站點(diǎn)集合描述等，這種描述應(yīng)遵從存檔標(biāo)準(zhǔn)中（如DACS和EAD）的多層級(jí)描述原則。

我們選擇元數(shù)據(jù)元素一般分四個(gè)步驟：首先，基于目前廣泛應(yīng)用的數(shù)字資源描述標(biāo)準(zhǔn)DC、EAD、MARC21、MODS和schema.org等，選擇通用元素，如貢獻(xiàn)者（Contributor）、創(chuàng)建者（Creator）、日期（Date）、描述（Description）、語(yǔ)種（Language）、關(guān)系（Relation）、主題詞（Subject）、標(biāo)題（Title）等；其次，針對(duì)Web特質(zhì)，設(shè)計(jì)其他候選元素，如收割者（Harvester）、范圍（Extent）、類型（Genre/Form）、產(chǎn)權(quán)信息（Rights）、URL等；再次，針對(duì)每個(gè)候選元素，界定含義、輔助使用說(shuō)明以及與其他主要描述型元數(shù)據(jù)方案之間的映射；最后，采用德爾菲法，征詢業(yè)內(nèi)專家、Web資源描述實(shí)踐者和最終用戶的意見，并進(jìn)行一定規(guī)模的試標(biāo)引，完善所建立的Web描述元數(shù)據(jù)方案。

（來(lái)稿時(shí)間：2018年5月）