檔案元數據核心集內部要素及關系研究*

任天琪（天津城建大學綜合檔案室，天津，300384）

檔案元數據核心集內部要素及關系研究*

任天琪
（天津城建大學綜合檔案室，天津，300384）

現代檔案管理工作趨向全數字化管理，數字技術為檔案發揮歷史記錄功能創造了絕佳條件。但時至今日，各種檔案管理系統的實現效果欠佳。文章借助“關聯數據”分析找出檔案元數據核心集的內部要素，建立起要素之間的“關聯關系”，并利用這些關系建立起一個可以呈現真實歷史面貌的檔案管理系統。

檔案元數據核心集關聯數據關聯關系檔案資源整合檔案管理系統

1　建立檔案數據間關聯關系的必要性

現代檔案管理逐漸趨向檔案的資源知識管理，檔案管理者也正在向知識管理者轉型［1］。各種類型的檔案資源都在依靠現代化技術和設備進行數字化，并加以利用。但即便如此，在很大程度上檔案利用效果還是難以達到人們的期望。當前，檔案著錄基本上還是沿襲傳統思路，以檔案內容特征和形式特征為主，這種著錄方式可以較好地解決檔案實體查詢與檢索利用，但是并沒有將檔案記錄歷史的功能很好地展現出來。造成這一結果的主要原因之一是，在檔案管理系統中，各種檔案元數據只是簡單地著錄，“單擺浮擱”在系統中，沒有建立起數據間的關聯關系。

因為每份檔案不是孤立存在的個體，我們不能認為檔案是單一的知識點。檔案之間存在著一定的有機關系，是一個連續的生命體。如要有效地管理檔案資源，最大限度地揭示并整合檔案間的有機聯系，使檔案能夠更真實地展現歷史全貌，就要根據檔案歷史聯系與歷史的“同構性”規律，建立起檔案元數據核心集，找出核心集的關鍵要素，并給各個要素之間建立起相應的歷史聯系。借助關鍵要素和要素之間的歷史聯系，可以建立一個呈現出歷史原貌的檔案管系統。這個關鍵要素和要素之間的歷史聯系即為檔案元數據核心集的內部要素，可以分別用“關聯數據”和“關聯關系”來表示。

2　檔案元數據核心集內部要素分析

2.1“關聯數據”的選擇

“關聯數據”是一種在網絡中發布、分享、互相聯接結構化數據的方法，采用RDF（資源描述框架）數據模型，利用URI（統一資源標識符）命名數據實體，在網絡上發布和部署實例數據和類數據，從而可以通過HTTP（超文本傳輸協議）揭示并獲取這些數據，同時強調數據的相互關聯、相互聯系以及有益于人和計算機所能理解的語境信息［2］。用關聯數據表示檔案元數據，旨在建立有效且格式統一的檔案元數據，在檔案元數據之間建立起各種聯系，有助于檔案資源被智能搜索引擎發現。

利用關聯數據對檔案元數據進行描述時，要注意關聯數據的選取。檔案元數據浩如煙海，并不是所有元數據都需要用關聯數據進行描述。我們只需要選擇關鍵的檔案元數據作為關聯數據，這樣既可以增強關聯數據的可用性和可操作性，又可以節省資源和時間。

什么樣的檔案元數據是關鍵的元數據呢？經研究，我們可以依據檔案領域特有的元數據，即元數據核心集。檔案元數據核心集對檔案歷史聯系要素（來源、事由和年代）的本體特征及要素之間的關系進行結構化描述。它是一種在檔案自身形成過程中對“歷史聯系”的完整描述信息。

如圖1［3］所示，歷史與檔案的歷史聯系具有同構性，即主體與來源、客體與事由、時間與年代表現為一一對應的關系，而檔案元數據核心集是通過檔案歷史聯系的三個要素（來源、事由、年代）來確立的。由此可見，檔案元數據核心集應包括來源元數據、事由元數據和年代元數據。因此，我們要選取的關聯數據是檔案的“來源關聯數據”“事由關聯數據”和“年代關聯數據”。

2.2“關聯關系”的建立

要想發揮關聯數據的作用，就需要充分利用現有數據之間的關聯關系，以及根據實際需要建立新的關聯關系，因為關聯關系是資源發現和資源擴展的重要基礎［4］，也是建立“后檢索時代”檔案服務模式的關鍵所在。從利用角度看，用戶關心的首要問題是能否在檔案的海洋中找到所需的有效資源。這個“有效資源”一方面指與用戶查找的檔案完全契合的；另一方面是用戶未提出的利用需求，但與所尋檔案相關的，或者是用戶感興趣的。利用關聯關系向用戶進行檔案信息的主動推送，可以提高檔案查詢的準確率，也大大提高了檔案的利用率。

從檔案自身角度看，檔案之間的關聯關系緊密且復雜。如何選擇關鍵的關聯關系，向用戶提供“有效資源”呢？如前所述，檔案元數據核心集由來源元數據、事由元數據和年代元數據組成。比如，每份文件都有擬稿單位、發文單位、執行單位等，還有文件的形成時間、發文時間、收文時間等，還有相關的社會活動。根據這些信息，我們可以著錄出來源、事由、時間方面的元數據，然后建立起檔案文件之間的關聯關系。所以，與檔案元數據核心集相對應，我們可以建立“來源關聯關系”“事由關聯關系”和“年代關聯關系”。通過這些關聯關系，建成一張張相互聯系的知識網絡［5］。

圖1　檔案元數據核心集構建機理示意圖

3　檔案元數據核心集子模型的建立

每種關聯數據及關聯關系組成了檔案元數據核心集的元數據子模型。模型由點和線構成一個三維網絡結構。“點”表示檔案的來源，或者特征事件，或者特定年代；“線”代表來源間、事件間、年代間的關系。每個元數據子模型不但可以完整地描述點（事件、來源、年代）的本體特征信息，而且還可以將節點（事件、來源、年代）間的關聯信息準確地揭示出來。根據上面的分析，我們可以建立起“來源元數據子模型”“事由元數據子模型”和“年代元數據子模型”。

3.1來源元數據子模型的建立

來源元數據子模型由關聯數據和來源關聯關系組成，側重于描述檔案來源或檔案形成機構之間的關系，對應著檔案歷史聯系中的來源聯系。它客觀真實地記錄下檔案來源的具體信息，利用來源關聯數據來描述隱藏在檔案來源之間的內在聯系。依據檔案的來源，分為個人來源、機構來源、國家來源三個層次。

個人來源中，最典型的是名人檔案全宗，可以根據關鍵字進行檢索，但是“姓名”會出現重名的問題。這需要我們對“姓名”進行元數據的注釋，比如個人隸屬的機構，或是就讀的學校。這些注釋就說明了個人與個人、個人與機構、個人與國家之間的關系。比如王某形成檔案A，李某形成檔案B，利用注釋元數據來說明王某和李某的關系。若王某和李某是同學，那么兩人的學籍檔案會有些相似的課程設置和評分標準。這就是來源關系。

機構來源指檔案來源于政府機關、法人單位、社會團體、黨派等集體組織。來源于同一機構的檔案，即檔案的責任者相同，可以形成機構全宗，比如天津城建大學全宗。這是機構來源中機構與機構關系最簡單的體現。機構與機構之間的關系可以架構起機構沿革，從而反映出一個機構的演變發展歷程。機構與國家之間是從屬關系。比如天津城建大學的全宗隸屬于中國，而非從屬于其他國家。

國家來源是指來源于國家的檔案，是構成國家全宗群的重要條件，可以是來源于同一個國家的檔案，比如中國國家檔案全宗群。可以是來源于不同國家的檔案，比如來源于不同國家的聯合國檔案。以上是國家與國家之間的關系。

3.2事由元數據子模型的建立

事由元數據子模型由事由關聯數據和事由關聯關系組成，側重對檔案中涉及的活動或事件的描述，它對應著檔案歷史聯系中的事由聯系，要通過事由關聯數據，客觀真實地記錄一件事情，描述隱藏在事件與事件之間的內在聯系。形式上，事件可表示為e，定義為一個六元組：e=＜A，O，T，V，P，L＞，其中A為動作要素，表示事件的變化過程及其特征，是對動作的程度、方式、方法等的描述；L為語言表現要素，表示事件的語言規律，包括核心詞集、核心詞表現、核心詞搭配等［6］。我們根據事件的動作要素（A）和語言表現要素（L）來建立事件之間的聯系，分為“分類關系”與“非分類關系”［7］。

分類關系，是指按照事物種類、等級或性質分別歸類。根據分類的思想把無規律的事物，按照不同的特點劃分，使事物更有規律性。在檔案檢索過程中，以關鍵詞作為檢索的關鍵信息，就是分類的體現。比如父子關系，即樹形結構，是一種層次的嵌套結構，存在著“一對多”的數據結構。父子關系可以用樹狀圖表示（如圖2）：一棵樹可以簡單地表示為根、左子樹、右子樹，左子樹和右子樹又有自己的子樹，子樹延伸到葉即結束。根和子樹之間有相似的結構，每個子樹又可以有自己的特性。在檔案管理中，我們會根據重要事件組建專題卷，或者專題全宗。比如本科教學質量水平評估專題全宗，其中評估的通知、指標等文件可以組成父卷，即根。根據每個評估指標組成子卷，即子樹。每個子卷又是相對獨立的卷，有自己的內容，比如本科專業設置、本科教育經費等。每個子卷內的檔案文件，即葉。

再比如上下位關系，也稱類屬關系，指反映的現象之間具有包含和被包含的關系。上位類更具有概括性，反映的現實現象眾多；下位類更具豐富內涵屬性，除了繼承上位類的所有屬性外，還有自己的屬性。比如，國家頒布了一項法規，這項法規即上位類；相關的機構、單位就要根據這項法規出臺相應的規定，就是下位類。

非分類關系，指類目之間或檢索詞之間除等同關系和等級關系以外的其他各種關系，可以理解為事件之間的相關關系。我們可以選取邏輯關系和語義關系作為事件的非分類關系，建立事由之間的關聯聯系。邏輯關系即邏輯順序，是按照事件的內部聯系及人們認識事件的過程來安排說明事件的發生順序，如因果關系、循環關系等。之前提到的為用戶進行檔案主動推送服務，就需要建立檔案間的邏輯關系。比如請示和批復，說明了事件之間的因果聯系；定期召開的會議檔案，說明事件之間的循環關系。語義關系，或者說詞義，即詞語的含義。詞義之間可以是同義詞、近義詞、反義詞。也就是說語義關系可以分為語義相同、語義相近、語義相逆。比如我們在著錄“任命”這個元數據時，同時給出注釋，加入同義詞“任職”，相近詞“任免”，反義詞“免職”。那么我們在以“任命”為關鍵詞進行檢索時，可以得到某個機構的人事變動的組織沿革。

3.3年代元數據模型的建立

圖2　事由元數據子模型父子關系圖

年代元數據模型由年代關聯數據和年代關聯關系組成，側重于對檔案中涉及時間的描述，對應著檔案歷史聯系中的年代聯系。它利用年代關聯元數據來描述隱藏在年代之間的內在聯系。這里的年代即為時間，可大可小，可長可短。年代包括時間點、時間區間、時間跨度、時間集合［8］。

同一年代關系，指時間點相同的檔案集合。時間點也稱為時刻，是把時間看成一個個離散的點，這些離散化時間點的間隔大小適度時，就可以準確描述現實世界現象發生及變化的情況［9］。時間點相同可以根據時間粒度的精確程度來選取相同的區域，可以是同一年、同一月或者同一天。

不同年代關系可以有時間的先后關系、時間的包含關系。先后關系指在一個時間區間內，按照時間的先后順序進行排序，這是檔案實體中普遍存在的一種關系。包含關系指時間區間或者時間集合對時間點的包含。我們在查找文件時，要規定一個時間區間，或者某個時間集合（如｛2000，2005，2010｝）。

4　結束語

檔案是社會發展的記憶，是各種事實、經驗和檔案資源開發知識的重要載體［10］。準確找出檔案元數據核心集的要素，并建立要素之間的關系，可以更準確地檢索檔案資源，滿足用戶的基本需求；為用戶提供主動服務，更加生動地向用戶展現真實的歷史面貌；可以使可公開的檔案資源很好地融入其他信息資源，提高檔案資源的利用率，發揮檔案資源的生產力作用。

*本文是2015年度教育部人文社會科學研究規劃青年基金項目“‘魂系歷史主義’的檔案元數據核心集的構建研究”（項目編號：15YJC870007）階段性研究成果。

［1］［5］［10］呂元智.數字檔案資源知識“關聯”組織研究［J］.檔案學研究，2012（6）：44-47.

［2］石華.關聯數據：檔案行業的新機遇［A］//創新：檔案與文化強國建設——2014年全國檔案工作者年會優秀論文集［C］.北京：中國文史出版社，2014：242.

［3］田偉，韓海濤.發揮檔案元數據核心集作用推進“互聯網+檔案”建設［J］.檔案，2016（6）：7.

［4］黃永文，岳笑，劉建華.關聯數據應用的體系框架及構建關聯數據應用的建議［J］.現代圖書情報技術，2011（9）：7

［6］［7］張旭潔.事件本體構建中幾個關鍵問題的研究［D］.上海大學，2012.13.

［8］［9］徐真.面向對象的時空數據模型研究［D］.山東科技大學，2007.13-15.

任天琪，女，天津城建大學辦公室綜合檔案室主任，館員，主要研究方向為檔案管理。

Research on the Internal Elements and Relationships of Archives Metadata Core Set

Ren Tianqi
（Archives of Tianjin ChengJian University，Tianjin，300384）

Modern archives management work trend all digital management.Under this background，digital technology has created an excellent condition for the ultimate function of recording history.But today，a variety of file management system is not to achieve this purpose.In

Archives Metadata Core Set；Associated Data；Association Relation；Intergration of Archival Resources；Archives Management System

G270.7

? this paper，we use the"associated data"analysis to find out the internal elements of the archival metadata core set，and establish the relationship between the elements.Use these relations to establish a real history of the appearance of the file management system.