國外數字檔案資源跨媒體集成知識服務研究熱點分析

杜慧平 呂元智/上海師范大學人文與傳播學院

隨著信息記錄方式的日益多樣化，數字檔案資源多媒體化現象已經十分普遍。如何在語義網時代將文本型、圖像型、音視頻型等不同媒體類型的數字檔案資源整合起來為社會提供知識服務，是當前檔案學界與實踐部門需要認真思考的重要議題。數字檔案資源跨媒體知識集成是指根據用戶需求將物理結構上分布式存儲的多種媒體的數字檔案資源，在邏輯上整合成一個信息系統整體，通過挖掘檔案資源中知識單元的共性，使異質、異構、異地的海量數字檔案資源互聯互通，并通過統一的平臺為用戶提供一站式的檔案知識服務[1]。國外相關研究和實踐開展得較早并已積累一定經驗，因此本文在廣泛收集文獻的基礎上，解析國外相關研究的熱點和進展，以供國內開展相關研究時進行借鑒。

1 數據來源和研究方法

筆者通過檢索“Web of Science”“Emerald”“Elsevier”“Willey”“Ebsco Host”“SpringLink”“谷歌學術搜索”等數據庫，得到與本課題相關的外文研究論文91篇（檢索時間為2017年10月15日至17日）。本文的分析和綜述是在以上檢索到的相關文獻基礎上完成的。

筆者采用知識圖譜方法對國外研究的熱點主題進行可視化展示。首先從檢索到的國外相關文獻中抽取作者提供的關鍵詞，手工合并同義詞后，用文獻題錄信息統計分析工具SATI 3.2構建高頻關鍵詞的共詞矩陣，再使用圖譜軟件Netdraw經過多維尺度分析繪制出知識圖譜，揭示這些概念共同代表的熱點研究內容。

2 國外數字檔案資源跨媒體知識集成服務研究熱點分析

2.1 國外研究基本概況

在檢索到的相關文獻中，發表時間最早為1991年，當年共有兩篇文章，作者均為日本學者，這兩篇文章分別報道日本了國立民族學博物館當時建設的跨庫檢索系統HOLOTHEQUE[2]和存儲醫療與聲像檔案的磁盤系統[3]。從逐年發文量統計表看（見表1），國外相關研究產出總體上呈現出波動上升趨勢。結合文章數量看，這一主題的研究在檔案學科處于波動發展階段。

表1：國外相關研究逐年發文量

在所有作者中，最高產的作者是Lina Bountouri，目前供職于歐盟IT服務部門，2007年到2011年間共發表相關研究論文6篇，研究內容主要涉及基于本體的元數據整合研究[4]、元數據之間的映射研究[5]。其次是Manolis Gergatsoulis，他是希臘愛奧尼亞大學檔案、圖書館和博物館學系的教授，而Lina Bountouri曾在此校攻讀博士學位，二者共同發表文章4篇。倫敦大學皇后學院的Ivan Damnjanovic和Josh Reiss受到歐洲項目EASAIER的資助，在2008年合作發表會議論文3篇，主要論及聲像檔案的語義整合檢索[6]。

2.2 國外研究熱點主題分布

筆者選取詞頻大于3的49個高頻關鍵詞繪制了國外數字檔案資源跨媒體知識集成服務相關研究的知識圖譜（見圖1），五個區域分別標注了其代表的研究主題，具體內容如圖1所示。

2.2.1 文化遺產資源整合

整合檔案館、圖書館、博物館、美術館等公共文化機構的多種數字媒體資源，建立集成公共數字文化資源的一站式服務平臺，近些年受到圖情檔界的普遍關注。而資源較為分散的歐洲國家對這一領域的研究和實踐開展得較早，代表性的項目有倫敦地區歷史檔案公眾檢索服務項目AIM25、英國的Archives Hub項目、歐洲數字檔案基礎架構合作項目CENDARI、歐洲的Europeana項目等等。其中Europeana項目由于參與國家眾多并且保持技術和資源的持續更新，引領了一系列相關研究，因此Europeana成為這一分主題的熱點詞匯。Europeana由歐洲委員會等機構資助并于2008年上線，旨在使歐洲的科學文化遺產廣泛傳播開來。通過該項目主頁，公眾能夠檢索來自27個歐洲國家的1500余所機構收藏的圖書、繪畫、電影、博物館展品、檔案資料，共計一千萬多條記錄[7]。

元數據（Metadata）和互操作（Interoperability）也是這一分主題的熱點詞匯，因為文化遺產資源整合主要通過元數據互操作來實現，如Europeana項目是通過從兼容OAI-PMH協議的數據庫中收割元數據來實現元數據的整合。近幾年關聯數據（Linked Data）逐漸成為研究熱點技術。以前搜索引擎基于文本內容的特征描述提供檢索入口，而關聯數據給基于數據內容本身的檢索提供了可能，因此學者們紛紛開展關聯數據開發、轉換、利用相關研究，如Gracy分析了如何利用關聯數據在不同檔案館藏的相關數據源之間建立聯系、已有元數據記錄在轉換成關聯數據時會遇到哪些阻礙等[8]。Atjargal等人使用關聯數據把日本Ukiyo-eprints的不同類型的數字檔案跨庫關聯起來，提供多語言集成檢索[9]。Henrique分析了關聯數據技術應用于檔案、圖書和博物館的數字館藏集成方面的適用性和面臨的問題[10]。而在實踐領域，Europeana項目早在2012年就發布了包含240萬對象的關聯數據[11]。

2.2.2 元數據互操作

這一分主題集中研究元數據互操作方法及相關問題。元數據作為中間體，在不同系統之間架起溝通的橋梁，從而實現異構的、分布式的信息系統之間的信息交流。從圖1可以看出，國際檔案著錄通用標準EAD（Encoded Archival Description）是這一分主題的熱點詞匯之一，對它的研究集中在兩個方面：一是對EAD進行改版修訂。有學者指出，EAD注重解決檔案的特征著錄，未深入描述不同粒度的數據元素，會影響檔案集成檢索效果[12]。2015年，美國檔案工作者協會發布了第三版EAD，為改善以上問題進行了一系列修訂，使其更具約束性、互操作性和語義化，如增加了日期、外部特征等元素的描述粒度；創建了一個通用關系元素用于鏈接具有這類關系的檔案實體，等等[13]。二是以EAD與其他元數據標準之間的互操作為例，探討元數據互操作實現技術。

圖1：國外相關研究知識圖譜

由于不同類型的檔案資源往往存儲在不同的數據庫中，因此采用不同的元數據標準進行著錄，元數據互操作是實現各類資源整合和提供知識集成服務的前提。常見的元數據互操作方法有對照表（Crosswalks）、應用綱要（Application Profiles）、轉換表（Switching Schema）、語義整合和互操作（Semantic Integration/Interoperation）等等，其中對照表是應用得最多的一種方法，因此是知識圖譜中這一分主題的熱點詞匯。對照表是對異構的元數據進行比較的圖表，該表把一個元數據集的元素、語義、句法映射到其他元數據集上，以實現元數據集成檢索[14]。如Bountouri和Gergatsoulis建立了一個EAD與書目元數據MODS之間的對照表，在二者的元素或屬性之間建立語義映射[15]，還把所建立的對照表公布在互聯網上[16]。在美國國會圖書館網站上，可以查詢到EAD分別與ISAD(G)、Dublin Core和USMARC的對照表[17]。

CIDOC-CRM也是這一分主題的熱點詞匯。它是國際文獻工作委員會提出的一種基于本體的概念參考模型和語義描述框架，用于規范文化遺產對象的概念與關系描述，以實現各種異構文化遺產信息資源之間的交換和集成。對CIDOC-CRM的研究代表了元數據互操作方法從句法、主題、系統層面向語義層面深化發展。把已有元數據如EAD、Dublin Core、VRA等映射到CIDOC-CRM本體上以實現元數據語義互操作，已經成為學者們研究的重點[18][19][20][21]。

2.2.3 多媒體資源語義互操作

以往的元數據互操作方法主要關注句法、主題、系統層面的映射關系，近些年在語義層面實現檔案館藏的整合和互操作逐漸成為研究熱點。語義互操作（Semantic Interoperability）通過對數據和數據之間關系進行規范化概念表達來消除資源之間的異構性[22]。本體可以作為不同媒介資源之間的調節機制，是實現數字檔案語義互操作的基礎工具。基于本體的元數據互操作首先需要實現從元數據集到本體的映射（即語義標注），使其語義明確化和規范化。因此，本體（Ontology）和標注（Marking）無疑成為圖譜中的熱點詞匯。

從圖譜可見，音樂（Music）及與音頻處理相關的專業詞匯，如時間尺度調整（Time-Scaling）和循環（Looping）也是熱點詞匯之一。結合文章內容來看，學者們重點討論了以音樂為代表的聲像檔案系統語義互操作問題。如Damnjanovic等人圍繞聲像檔案的語義整合問題展開了一系列研究[23][24]，還開發了一套實驗系統EASAIER，能夠基于音樂本體、FOAF本體和FRBR本體等提供音樂、語音、視頻、圖像檔案的跨媒體檢索服務[25]。Wallace等人建立了一個基于本體的跨媒體檔案語義檢索系統，能夠集成檢索歐洲的五個聲像檔案館資源[26]。Hunter用RDF/OWL表達多媒體資源元數據MPEG-7和MPEG-21中的語義關系，并建立了MPEG-7和MPEG-21的類和屬性到核心本體的相應頂層類和屬性之間的對應關系[27]。

2.2.4 醫療系統整合

在醫療機構中，診斷圖像（Diagnostic Image）常保存在放射科的圖像存檔和通訊系統（Picture Archiving And Communication Systems，簡稱PACS）中，并且采用基于內容的檢索方式（Content-Based Image Retrieval）提供利用；而電子病例（Electronic Medical Record）往往被保存在醫院信息系統（Hospital Information System，簡稱HIS）中。但是臨床醫師經常需要查看病人早期拍攝的醫療圖像，以進行對比診斷。因此，非常有必要把電子病例數據與數字圖像集成起來，為臨床醫師提供統一檢索接口。為解決以上問題，學者針對PACS和HIS系統的整合進行研究。如Münch等人提供了一個基于Web的解決方案，利用JAVA編程語言建立整合系統，并成功地在三個不同的商業PACS和HIS產品中進行了測試[28]。Welter等人把基于內容的圖像檢索系統與臨床信息系統進行整合，以實現計算機輔助診斷[29]。

2.2.5 研究數據共享與保存

研究數據是國外檔案學研究的一個重要領域。從圖譜看，數字化保存（Digital Curation，Digital Preservation）是熱點詞匯之一，這一分主題主要研究把分散存儲在不同機構庫（Institutional Repository）或數據館藏（Repository）中的科學研究數據，包括圖表、調查數據、實驗數據、報告、論文等等整合起來，提供知識集成檢索服務。生命科學類學科對這一研究主題尤為重視，如藥物開發、系統生物學、醫學等學科對不同研究團隊使用不同實驗方法產生的不同粒度層次的數據集合依賴性很強，由此引發學者對這一領域的共同關注。2004年，生命科學數據整合國際會議在德國舉辦第一次會議，到2017年已經成功舉辦了12次會議，近期會議討論的主題包括生命科學領域大數據整合、本體映射和演化、eScience中生物醫學數據集成問題、生物醫學數據整合和標注標準、生物醫學數據集成技術（如APIs、關聯數據、SPARQL）等等[30]。

除此之外，檔案學和計算機科學領域的學者對研究數據共享和保存也展開了技術研究，其中元數據收割開放文檔協議OAI-PMH是應用較多的技術之一，因此成為圖譜中的熱點詞匯之一。OAI-PMH協議在文化遺產資源整合中得到廣泛應用，如Riley和Hutt從元數據收割角度分析了文化遺產機構提供的都柏林核心元數據集，為文化遺產機構的元數據編制工作提供了建議[31]。Jayakanth等提出了使用一種動態方法以解決文化遺產數據庫與元數據收割協議OAI不兼容的問題[32]。

3 國外數字檔案資源跨媒體集成服務研究的特點

總體而言，國外對數字檔案資源跨媒體知識集成服務的研究處于深化階段，盡管相關研究成果總量不高且未形成核心作者群。從研究內容看，國外該領域的研究脈絡呈現出以下趨勢：從檔案實體層面的集成朝檔案知識層面集成方向發展，實現的技術從描述特征這類數據的集成步入語義集成和語義互操作。具體而言，國外相關研究具有以下特點：

首先，國外相關研究具有明顯的應用色彩，研究成果往往會應用到具體的實施項目中。歐盟國家成員數量多、資源分散，在人類文化遺產資源的共建共享的思想推動下，對異地異構的多種媒體資源的集成服務需求更為迫切。因此在歐盟的資助下，多個橫跨歐洲的大型項目相繼成立，并形成了一系列相關論文，報道各項目的結構框架和相關技術等。同時，國外相關論文的發表量也受項目資助因素影響，存在一定波動。

其次，國外相關研究的路徑較為清晰和集中。對跨媒體數字檔案資源集成服務的實現方法早期集中于研究元數據的標準化以及元數據整合和互操作，近幾年研究的重點開始深入到元數據的語義互操作，研究熱點包括已有元數據如何表達為關聯數據以實現數據之間的互聯互通和共享、如何對元數據進行語義標注、基于本體的概念參考模型和語義描述框架的應用等等。

最后，研究視角主要為檔案信息資源的集成優化。國外對跨媒體數字檔案集成服務的研究主要從檔案信息資源集成的優化視角出發，側重于資源本身的整合和集成；對醫療系統整合的研究則主要從計算機信息系統集成的技術整合視角出發。

4 啟示與建議

一是增加實證研究。拓展已有研究方法、增加實證研究比例，利用訪談、問卷調研、案例研究、系統開發與測試等方式，收集數據并進行分析，驗證理論研究提出的觀點、方案和技術，逐步形成理論指導實踐、再由實踐上升到理論的良性循環。

二是加強技術研發和成果轉化。以本體研究為例，檔案學期刊論文主要是對檔案領域本體的構建、本體在檔案知識組織和檢索系統中的應用可行性、模型建立、實現方法等進行探討，但系統設計和開發研究主要在計算機技術、管理科學與工程、軟件設計領域實現。這表明，檔案內容的知識組織和知識服務研究呈現出了學科交叉的特征。一方面需加強對新技術在數字檔案館中的應用研究；另一方面需要突破技術弱勢，與相關部門合作，促進科研成果向實踐領域轉化。

三是規范數字檔案信息描述與著錄標準。如按照數字檔案信息保存格式標準對檔案進行保存，解決各種機構和業務流程產生的異構數據難以共享問題，以消滅信息孤島。規范元數據標準，實現規范化描述檔案資源的相關特征，包括背景、主題、結構及管理數據，為集成知識服務打下良好基礎。

四是重視對終端用戶的知識集成服務研究。知識集成服務是一種個性化的服務形式，但是當前研究缺乏對終端用戶的關注。因此需要采用科學的研究方法，了解用戶對檔案知識集成服務的需求，掌握用戶特點和信息查詢行為特征，構建用戶行為模型，指導系統開發和知識管理與服務實踐。

注釋與參考文獻：

[1]李亞婷.知識聚合研究述評[J].圖書情報工作,2016,60(21):128-135.

[2]Sugita S. HOLOTHEQUE: a multimedia database system for ethnology studies[J].Archives & Museum Informatics,1991:333-334.

[3]UmedaT,InamuraK,InamotoK,MoriY.Magneto-optical disk filing system for oral diagnostic reports and their synchronized images[J]. 日本醫學放射線學會雑誌,1991,51(3):295-297.

[4]Bountouri L, GergatsoulisM.The Semantic Mapping of Archival Metadata to the CIDOC CRM Ontology[J].Journal of Archival Organization,2011,9(3-4): 174-207.

[5]Bountouri L, Gergatsoulis M. Interoperability Between Archival and Bibliographic Metadata: An EAD to MODS Crosswalk[J].Journal of Library Metadata,2009,9(1-2): 98-133.

[6]Damnjanovic I, Landone C, Reiss J, Izquierdo E. Enriched access to digital audiovisual content[C].The 9th Symposium on Neural Network Applications in Electrical Engineering,2008:17 - 20.

[7]杜慧平.數字圖書館的多語言信息存取——Europeana項目進展與啟示[J].圖書館雜志,2012(4):20-23.

[8]Gracy K F.Archival description and linked data: a preliminary study of opportunities and implementation challenges[J]. Archival Science, 2015, 15(3):239-294.

[9]Tjargal B, KuyamaT,Kimura F, Maeda A. Linked data driven multilingual access to diverse Japanese Ukiyo-e databases by generating links dynamically[J]. Literary and Linguistic Computing,2013,28(4): 522-530.

[10]Henrique M C. Interoperability between digital collections in archives, libraries and museums: potentialities of linked open data technologies[J].PerspectivasemCiencia da Informacao,2016,21(2): 61-83.

[11]Antoine Isaac.Europeana and linked open data[EB/OL].[2017-10-17].https://blog.okfn.org/2012/03/26/europeana-and-linkedopen-data/.

[12]Gartner R. An XML schema for enhancing the semantic interoperability of archival description[J]. Archival Science,2015, 15(3):295-313.

[13]Bekaert J, Ville D, Rogge B, Strauven I, Kooning E D, Walle R.Metadata-based access to multimedia architectural and historical archive collections: a review[C]. Proceedings of SPIE-The international society for optical engineering, 2002,6(6): 362-371.

[14]冉有華.基于metadata crosswalks的青藏鐵路元數據系統設計[J].遙感技術與應用,2004,19(5):379-385.

[15]Bountouri L, GergatsoulisM.Interoperability Between Archival and Bibliographic Metadata: An EAD to MODS Crosswalk[J].Journal of Library Metadata,2009,9(1-2): 98-133.

[16]Bountouri L, Gergatsoulis M. EAD to MODS crosswalk,version 1.0.[EB/OL].[2017-10-17].http://users.ionio.gr/～boudouri/EAD2MODS/EAD_to_MODS_v1.pdf

[17]Library of Congress.EAD application guidelines for version 1.0.[EB/OL].[2017-10-17]. http://www.loc.gov/ead/ag/agappb.html.

[18]Bountouri L, Gergatsoulis M. The Semantic Mapping of Archival Metadata to the CIDOC CRM Ontology[J]. Journal of Archival Organization, 2011,9(3-4): 174-207.

[19]Bountouri L , Gergatsoulis M. Mapping encoded archival description to CIDOC CRM[EB/OL].[2017-10-17]. http://dlib.ionio.gr/workshop2011/presentations/Bountouri.pdf.

[20]Stasinopoulou T, Bountouri L, Kakali C, Lourdi I,Papatheodorou C, Doerr M, Gergatsoulis M. Ontology-based metadata integration in the cultural heritage domain[J] Lecture Notes in Computer Science,2007,56(6):165-175.

[21]Kakali C, Lourdi I, Stasinopoulou T, Bountouri L,Papatheodorou C, Doerr M, Gergatsoulis M. Integrating Dublin Core metadata for cultural heritage collections using ontologies[C]. Proceedings of the International Conference on Dublin Core and Metadata Applications, Singapore, 2007:128-139.

[22]Stasinopoulou T, BountouriL, KakaliC, Lourdi I,Papatheodorou C.Ontology-based metadata integration in the cultural heritage domain[C]. International Conference on Asian Digital Libraries Looking Back 10 Years & Forging New Frontiers,2007,56(6):165-175.

[23]DamnjanovicI,Landone C, Reiss J, Izquierdo.Enriched access to digital audiovisual content[C].the 9th Symposium on Neural Network Applications in Electrical Engineering,Serbia:University of Belgrade,2008:17-20.

[24]Damnjanovic I, Reiss J, Barry D.Enabling access to sound archives through integration, enrichment and retrieval[C].the 2008 IEEE International Conference on Multimedia and Expo,2008:1597-1598.

[25]Damnjanovic I, Landone C, Kudumakis P, Reiss J. Intelligent Infrastructure for Accessing Sound and Related Multimedia Objects[C].2008 International Conference on Automated Solutions for Cross Media Content and Multi-Channel Distribution,2008:121-126.

[26]Wallace M., Athanasiadis T., AvrithisY,et al.. Integrating multimedia archives: the architecture and the content layer [J].IEEE Transactions on systems,man,and cybernetics,2006, 36(1): 34-52.

[27]Hunter J. Enhancing the Semantic Interoperability of Multimedia Through a Core Ontology[J]. IEEE Transactions on Circuits& Systems for Video Technology, 2003,13(1): 49.

[28]MünchH,EngelmannU,Schr?terA,Meinzer H P. The integration of medical images with the electronic patient record and their web-based distribution[J]. Academic Radiology,2004,11(6): 661-668.

[29]Welter P,Fischer B,Rolf W,Günther T M.Generic integration of content-based image retrieval in computeraided diagnosis[J].Computer Methods and Programs in Biomedi cine,2012,108(2):589-599.

[30]DILS: Data Integration in the Life Sciences [EB/OL].[2017-10-17].http://www.wikicfp.com/cfp/program?id=716&s=DILS&f=Data%20 Integration%20in%20the%20Life%20Sciences.

[31]Riley J, Hutt A.Semantics and syntax of dublin core usage in open archives initiative data providers of cultural heritage materials[C].Proceedings of the 5th ACM/IEEE-CS Joint Conference on Digital Libraries (JCDL '05),2005:262 - 270.

[32]JayakanthF,Maly K, Zubair M, Aswath L.A dynamic approach to make CDS/ISIS databases interoperable over the Internet using the OAI protocol[J]. Program-Electronic Library and Information Systems,2006,40(3):277-285.