上个月参加了“数字图书馆前沿问题高级研讨班”，去之前感觉今年不可能有太多新意，回来之后感到还有许多可以总结的东西。拖至今日，再不总结恐怕要淡忘了，特简记如下：

感谢曾蕾老师邀请，28日中午参加了一场关联数据的网络会议（Agenda在此http://lists.w3.org/Archives/Public/public-xg-lld/2011Apr/0066.html），会议采用的工具以及整个过程挺有趣，此记录之。

网络采用的平台是W3C的IRC实时文本+电话会议方式，平台有两个机器人（Zakim和RRSAgent）可以掌控发言角色，安排顺序，最重要的是能自动生成会议记录，并发布在W3C的网站上。比如这次会议的记录会后马上就经过整理，发布在此：http://www.w3.org/2011/04/28-lld-minutes.html （IRC的记录：http://www.w3.org/2011/04/28-lld-irc）。

因为不舍得拨打国际长途，我通过曾老师用Skype转播参与了会议全过程，通过IRC的文字交谈功能算是参加了讨论和互动。会议时间控制得很好，原计划一个小时，基本上到点就结束了。参加会议的成员来自世界各地，美洲的正值午夜，亚洲的正午，欧洲的还在凌晨。会前大家都必须做好准备，用这种形式推动课题进展，效率极高。

Tom Baker作为DCMI技术应用方向的实际领路人，一直很看重W3C，很有W3C情结。近十年来DCMI的元数据运动离图书馆行业越走越远，随着万维网由技术导向向内容导向的转变，DCMI越来越走向万维网，成为Web语义化和知识化的核心内容之一。这个方向我认为是完全正确的，也是图书馆界的专业知识贡献于网络社会，在万维网上寻求类似定位的必由之路。老Tom在W3C中仍然要扛起图书馆大旗，于去年5月21日牵头成立图书馆关联数据应用的孵化小组（LLD：http://www.w3.org/2005/Incubator/lld/），联合图书馆、博物馆、档案馆等相关领域的关联数据先锋，共同探讨关联数据应用的可能性和巨大潜力，并努力为人们指明方向。。

这个小组凝聚了相关业界（图情博档）的技术精英，然而大家其实都是志愿者，每人都有自己的工作，平时相隔万里，托信息技术和网络社会的恩赐，把大家紧密联系在一起。据曾蕾老师说，基本上每周都召开课题组会议，所有计划、过程、进展、内容、成果都以一定方式在网上公布，其采用的技术工具也并非十分先进，甚至可以看成是网络应用的古董，不外是邮件列表、IRC、电话会议、wiki之类，我们上次召开上图学会第二届图书馆前沿技术论坛（关联数据）还用了非常先进的Cisco公司的WebEx会议系统，这类人士通常只把注意力集中在要做的事情上，对工具的选择有一些基本原则，例如一定要是开源（免得有知识产权等相关法律问题）、足够简单（方便绝大多数人使用）、功能够用并以提高效率为主要目的（额外工作例如后续加工工作尽可能用程序来完成）等等，对于花拳绣腿的功能一般都很漠视。

看起来这个小组的各项研究任务正按计划进行，已经取得了不少进展，然而距离其雄心勃勃的目标，看来还是有相当的挑战。根据其目前的研究框架（下述），点到为止是基本上没有问题的，但是能不能非常准确地拿捏到位，深浅适度且带来共识，还要看最后的结果。但是无论如何，这应该是图书馆相关领域技术应用前沿近年来最重要的进展了，希望不久的将来能够看到其成果集成应用到相应的解决方案中去。

目前的研究框架大致如下：

1. 界定本课题的涉猎范围和主要内容，主要对一些基本概念进行界定，例如什么是本研究中所称的“图书馆”。对每一项研究而言概念界定往往是基础工作，是最重要的，尤其要在参与研究的成员之间达成共识，这样才能避免大家自说自话，最后再回头调整，出来的东西以其昏昏使人昭昭。
2. 阐述应用关联数据技术能够带来的好处（主要向业界同行和“利益相关者”宣示），因为技术的隔阂和对于行业的职能作用及其未来前景的认识的不同。现在看起来这部分很难写，是最具有挑战性的。目前的做法似乎是从几个角度同时展开，从应用领域（图书馆、档案馆、博物馆、网络资源等）、用户角色（研究人员、教授、学生、开发者、机构、客户等）、技术方面的进步以及从用例中总结出来的好处。
3. 现有的词表和数据集。曾蕾老师就主要牵头这部分内容。现在看来好像就这部分内容还比较成熟和确定，梳理得较为完整，但内容和很庞杂，看起来博大精深，选择和介绍到什么程度是个问题。目前似乎分两部分：属性（关系）元素所成的各类模式（元数据集），以及各类取值词表（包括领域模型中的各类实体），前者可以编码为OWL本体，后者可以以SKOS形式发布。
4. 相关实现技术。这也是个挑战，因为关联数据本身是一个Web架构的问题，不是任何具体的技术问题，要实现这个架构可以有多种方式，实现的程度也不一样。具体而言，涉及到数据的转换、重新发布、与内容管理平台的结合、链接的管理维护、OWL等各类编码的实现、与关系数据库的关系、海量三元组存储库的管理、效率问题、SPARQL端点的实现、嵌入HTML（RDFa）的方式和工具等等，这部分目前看起来还很初级，但这部分内容涉及对技术方案的总结和梳理，提到了很多目前普遍采用的工具或方法（如D2RQ），值得尝试。

1 對象是開放的，不是封閉的 — 即集合不是既定的，是不確定的

“索引”很早就取得了独立的地位，并不一定要作为某个封闭集合（如一本书）的附庸。例如《全国报刊索引》数据库。此时它是某一方面的独立的检索工具。

2 各種試想 — 是否需有細分，細緻的界定？將各種域細分出來？

有需求就有动力。细不细分是根据必要性来决定的，并无定论。

3 URI？ 如古文的索引，存不确定性？是否仍存在歧義？或歧义乃是必然的？歧义的處理該如何？

URI是网络上任何事物的标识，可以通过一种索引机制（例如域名+IP）获得，可以是一个封闭的信息宇宙（只有进入这个宇宙才能解析、定位）。

看不出来与古文索引以及索引单元的确定性有什么关系。歧义问题跟URI无关，甚至跟索引都没有关系，歧义是领域专家的事情，甲专家可以指出乙专家论著里的索引索错了，这虽然影响索引的质量，但与索引这种方式和检索工具本身没有直接关系。

4 有序化 — 圖化？ 單一的序是否某種結構的特殊形式？ 而索引需可變形以配合某一特定的顯示形式？ 如： 依字順，依頻度，依影照到某一主題結構， 時間順序，空間順序，時/空結構等的圖化？

图化（可视化）是一种展示方式，并不一定反映了秩序i，但是秩序如果用图示的方式能够更好地展示，特别对于数字资源之间的关系，可以通过三维可视化方式，三维方式也可以模拟多种效果，如星空、分子结构等。

单一的顺序也是有序，同一个索引应该可以有多种排序方式。

5 索引與元素據該沒有什麼關係吧

索引与元数据关系密切。索引单元本身是对文献的一种主题或其它信息的提取，类似于标签（tag），一般都标注了出处、页码或链接，因此它本身其实就是元数据。整个索引可以看成是一个词表，这个词表甚至比单纯的大众分类法（folksonomy）还要规范、可信、权威。索引从方法学上来看，我认为就是“元数据方法”的一种。

6 自動化是必行之路，但自動化的目標是什麼？是自部可能的？是人机合作的？還是純智能的？ 選擇的標準又如何？

自动化的目标是机器能够根据需要自动或半自动地建立索引，有很多方法可以实现。现在一般认为全自动的技术还不成熟，Web2.0提供了大量的“群体智慧”，可以结合相关反馈得以实现。这方面的研究正方兴未艾，前途无可限量。。。

請介紹一些基礎理論的書或文章給我。

你要哪方面的？技术？还是图书馆学？这种边缘交叉的学科领域，互联网才是最好的资料库。

张琪玉先生说：

“索引是对某种文献或某一文献集合中所包含的各篇文章，或所讨论的各个局部主题，或所涉及的各种试想（如地区、人物、机构、事件、生物、矿 物、产品、设备、公式、数据、著作等）以简明的方式分别著录标引，即确定其检索标识和指出其所在位置，并将款目按一定的可检顺序排列和组织，以方便检索的 一种工具。”

由以上定义，可以得出以下两点结论：
一、索引与目录一样，都是提供一种检索方法或工具，通过析出知识单元并加以有序组织，而在大量的信息中进行定位。
二、索引有三要素：

1. 结构化–带来“单元性”–要有URI和元数据格式；
2. 有序化–产生“组织性”–要采用知识体系（本体）进行组织；
3. 可视化–造就“交互性”–要有二维、三维界面进行时空或抽象呈现；

传统索引的有序化主要是指对索引单元（款目）的编排以字符或语义单元的自然属性（通过音序、字形编码顺序来检字）来排列的方式，在印刷过程中通过排版技巧（字体字号空格缩进段落等）来实现，可以认为其有序化和可视化是一体的。

数字索引学的研究课题：
除与传统索引进行转换之外（如书后索引的自动建立、方正格式等的索引点标注等），数字索引学还将研究：

1. 资源标识体系（索引什么，如何标识，如各种URI）；
2. 元数据格式（如何描述、表达、互操作，如RDFa、各种微格式等）；
3. 有序化（自然顺序之外，还包括本体和各类KOS）组织方式；
4. 自动索引（信息或知识单元的自动抽取）；
5. 可视化方式。

数字索引学技术基础：

1. Web架构；
2. XML/RDF编码；
3. 语义描述（元数据与本体标准）；
4. 关联数据；
5. 规范控制；
6. 信息可视化。

结论：索引与索引学已经与数字资源组织的各专门领域和学科大融合。