政府?dāng)?shù)據(jù)開放注冊管理元數(shù)據(jù)研究

趙盼云 耿騫 柏林

（北京師范大學(xué)政府管理學(xué)院，北京 100875）

1 政府開放數(shù)據(jù)的研究背景與研究現(xiàn)狀

1.1 研究背景與問題

政府?dāng)?shù)據(jù)指所有產(chǎn)生于政府內(nèi)部或外部，對政府活動、公共事務(wù)和公眾生活有影響、有意義的數(shù)據(jù)資源統(tǒng)稱[1]。政府在進(jìn)行國家和地方管理活動時生成大量數(shù)據(jù)，這些數(shù)據(jù)有巨大的開發(fā)潛力和應(yīng)用價值。政府?dāng)?shù)據(jù)的有效管理和利用對提高政府工作效率、促進(jìn)社會經(jīng)濟(jì)發(fā)展和產(chǎn)業(yè)升級具有重要意義。

政府?dāng)?shù)據(jù)開放為大數(shù)據(jù)產(chǎn)業(yè)發(fā)展帶來契機(jī)，對于數(shù)據(jù)的交換、利用和創(chuàng)新具有重要意義。2009年以來，美國和英國相繼開展政府?dāng)?shù)據(jù)開放運(yùn)動，發(fā)布政府?dāng)?shù)據(jù)開放平臺。隨后，加拿大、法國、挪威、肯尼亞、韓國和新加坡等國家也建立政府?dāng)?shù)據(jù)開放網(wǎng)站，開啟全球政府?dāng)?shù)據(jù)開放的浪潮，為政府?dāng)?shù)據(jù)共享和交換提供極大便利。上海市于2012年6月首先上線試運(yùn)行“上海市政府?dāng)?shù)據(jù)服務(wù)網(wǎng)”，隨后北京市、武漢市等也陸續(xù)推出開放門戶。

盡管我國自2011年開始推動政府?dāng)?shù)據(jù)開放建設(shè)工作，但從近年發(fā)展情況看，進(jìn)展不甚理想，主要體現(xiàn)為數(shù)據(jù)集數(shù)量少、內(nèi)容易變的數(shù)據(jù)集更新不及時；同時，與此相關(guān)的大數(shù)據(jù)交易平臺也存在數(shù)據(jù)管理及產(chǎn)權(quán)等方面的問題[2]，給相關(guān)數(shù)據(jù)交易帶來障礙。政府?dāng)?shù)據(jù)開放工作推進(jìn)一個主要問題是數(shù)據(jù)開放門戶中相關(guān)的管理功能和機(jī)制不完善，平臺交互性不強(qiáng)，影響政府各部門、社會組織和公眾通過平臺進(jìn)行數(shù)據(jù)發(fā)布、描述、發(fā)現(xiàn)和使用。該問題來源于對數(shù)據(jù)開放管理流程和機(jī)制的認(rèn)識與設(shè)計(jì)，深層原因在于采用何種方法有效進(jìn)行數(shù)據(jù)的規(guī)范，如何明晰數(shù)據(jù)提供者與使用者的利益與責(zé)任，從而提高各參與方的積極性。

解決以上問題，既需要數(shù)據(jù)開放相關(guān)制度與機(jī)制的完善，也需要數(shù)據(jù)管理方法與技術(shù)的提高。從數(shù)據(jù)管理方法上看，數(shù)據(jù)集的注冊管理是基礎(chǔ)的、能較好帶動相關(guān)問題解決的工作。注冊是用于對權(quán)威的、集中控制的信息進(jìn)行存儲的一種管理機(jī)制[3]。注冊管理的一項(xiàng)基礎(chǔ)和重要工作是制定相關(guān)的元數(shù)據(jù)標(biāo)準(zhǔn)。本文從政府開放數(shù)據(jù)注冊管理入手，對注冊管理中的參與者和功能需求進(jìn)行分析，并通過對主流政府?dāng)?shù)據(jù)開放元數(shù)據(jù)推薦標(biāo)準(zhǔn)DCAT（Data Catalog Vocabulary）分析，結(jié)合國外相關(guān)研究和實(shí)踐，借鑒美國、歐盟對DCAT擴(kuò)展和改造的經(jīng)驗(yàn)，為制定我國政府?dāng)?shù)據(jù)開放注冊管理元數(shù)據(jù)標(biāo)準(zhǔn)提供建議。

1.2 研究與實(shí)踐現(xiàn)狀

數(shù)據(jù)注冊管理與相關(guān)元數(shù)據(jù)標(biāo)準(zhǔn)是來源于實(shí)踐領(lǐng)域的具體問題，目前，美國、英國及歐盟等國家和組織都已開始相關(guān)方面的實(shí)踐工作。這些國家和組織或?qū)⒄當(dāng)?shù)據(jù)注冊管理集成到政府?dāng)?shù)據(jù)開放平臺中，或使用專門的數(shù)據(jù)注冊管理平臺完成相關(guān)數(shù)據(jù)集的注冊工作。在元數(shù)據(jù)標(biāo)準(zhǔn)方面，目前較普遍使用的是W3C政府關(guān)聯(lián)數(shù)據(jù)工作組于2014年1月發(fā)布的DCAT[4]，美國、英國及歐盟等國家和組織或直接采用該標(biāo)準(zhǔn)，或在該標(biāo)準(zhǔn)基礎(chǔ)上進(jìn)行修訂完善，形成該國家或組織的標(biāo)準(zhǔn)[5]。如美國基于DCAT制定了POD（Project Open Data Metadata Schema），目前已更新到v1.1版[6]；歐盟以DCAT為基礎(chǔ)，從提高歐盟電子政務(wù)系統(tǒng)的語義互操作性出發(fā)，通過其“公共部門互操作性方案”行動計(jì)劃1.1編制了DCAT-AP（Data Catalog Vocabulary-Application Profile）[7]，目前DCAT-AP已經(jīng)在超過15個政府?dāng)?shù)據(jù)開放平臺中使用[8]（如挪威、荷蘭等國家的政府?dāng)?shù)據(jù)開放平臺）。在系統(tǒng)平臺方面，目前政府開放數(shù)據(jù)注冊管理系統(tǒng)使用最廣泛的是CKAN（Comprehensive Knowledge Archive Network），該系統(tǒng)是由國際開放知識組織研發(fā)的基于網(wǎng)絡(luò)的開放源代碼管理系統(tǒng)，用于存儲和分發(fā)開放數(shù)據(jù)，政府和個人用戶都可使用，同時為官方和社區(qū)數(shù)據(jù)門戶網(wǎng)站提供支持，目前很多國家和組織都使用該系統(tǒng)。

政府?dāng)?shù)據(jù)開放及相關(guān)的數(shù)據(jù)注冊、元數(shù)據(jù)標(biāo)準(zhǔn)更多屬于實(shí)踐活動范疇，目前該方面的理論研究較有限，更多的研究集中在元數(shù)據(jù)相關(guān)標(biāo)準(zhǔn)方面。其中，如Tygel等[9]研究政府?dāng)?shù)據(jù)開放的元數(shù)據(jù)解決方案，認(rèn)為跨門戶元數(shù)據(jù)不能只用數(shù)據(jù)目錄詞匯表解決，因此，開發(fā)實(shí)施了一種開放數(shù)據(jù)門戶中的標(biāo)簽協(xié)調(diào)方法，包括與個人門戶相關(guān)的本地操作，以及在單個門戶網(wǎng)站上添加語義元數(shù)據(jù)層的全局操作，旨在提高單個門戶中的標(biāo)簽質(zhì)量；Neumaier等[10]對260個開放數(shù)據(jù)門戶進(jìn)行質(zhì)量指標(biāo)分析；Martin等[11]采用Berners-Lee’s的關(guān)聯(lián)數(shù)據(jù)五星標(biāo)準(zhǔn)分析PublicData.eu數(shù)據(jù)集目錄。此外，也有一些研究通過對元數(shù)據(jù)模型進(jìn)行調(diào)整以增強(qiáng)其性能，如Brümmer等[12]基于DCAT和VoID詞匯表的數(shù)據(jù)模型創(chuàng)建新的DataID，以進(jìn)一步提高RDF數(shù)據(jù)集的可發(fā)現(xiàn)性；Assaf等[13]在對CKAN、DKAT、Public Open Data、Socrata、VoID、DCAT和Schema.org7個元數(shù)據(jù)調(diào)查的基礎(chǔ)上，提出協(xié)調(diào)數(shù)據(jù)集模型。

國內(nèi)對政府?dāng)?shù)據(jù)開放研究主要集中在對國外政府?dāng)?shù)據(jù)開放元數(shù)據(jù)的調(diào)研、介紹及資源描述方面。其中，武琳等[14]梳理美國等國家和歐盟的相關(guān)元數(shù)據(jù)政策和標(biāo)準(zhǔn)，對元數(shù)據(jù)格式、元數(shù)據(jù)框架、元素、數(shù)據(jù)目錄詞表、受控詞表等方面進(jìn)行比較分析，認(rèn)為設(shè)計(jì)元數(shù)據(jù)標(biāo)準(zhǔn)時需關(guān)注3個要素，即數(shù)據(jù)目錄詞表的支持、受控詞表的有效使用、面向元數(shù)據(jù)的關(guān)聯(lián)本體；趙蓉英等[15]調(diào)查data.gov.uk的兩種類型元數(shù)據(jù)，即面向網(wǎng)站數(shù)據(jù)資源的CKAN格式記錄和GEMINI地理空間元數(shù)據(jù)標(biāo)準(zhǔn)；翟軍等[16]對國內(nèi)外政府?dāng)?shù)據(jù)開放元數(shù)據(jù)方案進(jìn)行介紹和研究。在政府?dāng)?shù)據(jù)開放中資源描述方面，也有研究在分析政府?dāng)?shù)據(jù)開放特點(diǎn)的描述要求基礎(chǔ)上，引入DC、VoID和DCAT等元數(shù)據(jù)標(biāo)準(zhǔn)對數(shù)據(jù)資源描述進(jìn)行研究[17-18]；黃如花等[19]通過對英國等國家和歐盟的政府?dāng)?shù)據(jù)開放門戶及其相關(guān)公共部門的元數(shù)據(jù)描述規(guī)范進(jìn)行調(diào)研后，建議我國開放政府?dāng)?shù)據(jù)描述規(guī)范采用國際通用標(biāo)準(zhǔn)擬定國家元數(shù)據(jù)標(biāo)準(zhǔn)草案、適應(yīng)網(wǎng)絡(luò)特點(diǎn)編寫控制詞表、統(tǒng)一元數(shù)據(jù)格式。

總體來看，我國政府?dāng)?shù)據(jù)開放建設(shè)起步較晚，相關(guān)理論研究還不夠豐富。同時，在數(shù)據(jù)開放的組織和管理層面上，國外政府?dāng)?shù)據(jù)開放通常從國家層面啟動和推進(jìn)，而我國由于管理問題的復(fù)雜性和特殊性，通常從省或市一級進(jìn)行試點(diǎn)。目前，在我國已開展的政府?dāng)?shù)據(jù)開放工作中，實(shí)施較好的有北京市、上海市、武漢市等。但這些地區(qū)的實(shí)踐并沒有開展相應(yīng)的數(shù)據(jù)注冊活動，也沒有統(tǒng)一的元數(shù)據(jù)規(guī)范。在元數(shù)據(jù)管理和描述上，基本各自為政，且都是一些簡單的元數(shù)據(jù)元素（如資源名稱、摘要、機(jī)構(gòu)名稱等）。由此可以看出，我國對開放政府?dāng)?shù)據(jù)注冊及管理元數(shù)據(jù)標(biāo)準(zhǔn)研究尚處于初始階段，還沒有對制定我國元數(shù)據(jù)標(biāo)準(zhǔn)進(jìn)行深入的研究，也沒有從注冊管理角度對政府?dāng)?shù)據(jù)開放中的元數(shù)據(jù)標(biāo)準(zhǔn)進(jìn)行相關(guān)研究，本文以此為出發(fā)點(diǎn)進(jìn)行政府?dāng)?shù)據(jù)開放注冊管理的研究，以期為后續(xù)研究提供借鑒。

2 政府?dāng)?shù)據(jù)開放注冊管理

2.1 政府?dāng)?shù)據(jù)開放注冊的參與者和過程

數(shù)據(jù)集注冊的目的是為更好地進(jìn)行大數(shù)據(jù)管理。注冊需要平臺來支持有關(guān)活動，數(shù)據(jù)集提供者和數(shù)據(jù)集使用者通過注冊管理平臺完成相關(guān)工作，三者的關(guān)系如圖1所示。

其中，數(shù)據(jù)集提供者對數(shù)據(jù)集進(jìn)行描述，并將元數(shù)據(jù)提交到注冊管理平臺的“數(shù)據(jù)集元數(shù)據(jù)目錄”中。同時，數(shù)據(jù)集提供者需要及時更新并發(fā)布數(shù)據(jù)，使數(shù)據(jù)集使用者能夠進(jìn)行信息查詢和下載數(shù)據(jù)；數(shù)據(jù)集使用者通過注冊管理平臺查找相關(guān)數(shù)據(jù)集，并根據(jù)查詢結(jié)果所提供的相關(guān)信息獲得數(shù)據(jù)集。注冊管理平臺是“數(shù)據(jù)集元數(shù)據(jù)目錄”的載體，提供相關(guān)的注冊管理功能。具體包括以下方面。

圖1 注冊活動的參與者及相關(guān)關(guān)系

圖2 政府?dāng)?shù)據(jù)開放數(shù)據(jù)集注冊管理流程

（1）用戶注冊與身份認(rèn)證。注冊管理平臺需要對使用平臺的用戶進(jìn)行身份認(rèn)證，并進(jìn)行用戶管理。對于政府部門的個人或機(jī)構(gòu)可以通過統(tǒng)一方式進(jìn)行批量注冊認(rèn)證。

需要注意的是，并非所有用戶都可以進(jìn)行注冊和托管數(shù)據(jù)集。如美國的Inventory.data.gov平臺注冊與OMB MAX平臺登錄集成在一起，而OMB MAX平臺只有擁有聯(lián)邦政府電子郵件的人員可以自行注冊，其他人員則需要聯(lián)系MAXSupport@max.gov進(jìn)行注冊。OMB MAX是為政府范圍內(nèi)的聯(lián)邦機(jī)構(gòu)和合作伙伴提供高級合作、信息共享和數(shù)據(jù)收集、發(fā)布、分析服務(wù)的平臺[20]。因此，對于除政府部門外的數(shù)據(jù)集，需注意數(shù)據(jù)集來源的真實(shí)性和有效性，提高對這些數(shù)據(jù)集的注冊門檻，可以在一定程度上保證數(shù)據(jù)集質(zhì)量。

（2）數(shù)據(jù)集注冊管理。政府?dāng)?shù)據(jù)開放活動中的數(shù)據(jù)來源于政府部門數(shù)據(jù)和政府部門外的相關(guān)數(shù)據(jù)。其中，前者是政府?dāng)?shù)據(jù)開放中的主要數(shù)據(jù)來源，后者是來自個人、其他社會組織的數(shù)據(jù)資源，通過政府?dāng)?shù)據(jù)注冊管理平臺登記并提供共享的數(shù)據(jù)。

對于產(chǎn)生于政府部門的數(shù)據(jù)集，其注冊管理及數(shù)據(jù)獲取包括三個步驟。首先，政府部門根據(jù)政府制定的開放數(shù)據(jù)政策提供所需數(shù)據(jù)集清單及元數(shù)據(jù)，數(shù)據(jù)集的元數(shù)據(jù)標(biāo)準(zhǔn)來自相關(guān)權(quán)威機(jī)構(gòu)制定的元數(shù)據(jù)規(guī)范；其次，在部門機(jī)構(gòu)網(wǎng)站上提供用戶閱讀和機(jī)器可讀的公共數(shù)據(jù)元數(shù)據(jù)清單；最后，政府?dāng)?shù)據(jù)開放統(tǒng)一平臺對機(jī)器可讀元數(shù)據(jù)進(jìn)行收割，并定期更新數(shù)據(jù)目錄。該過程如圖2所示。

（3）制定數(shù)據(jù)集接收政策。政府?dāng)?shù)據(jù)集須經(jīng)過相關(guān)政府部門審查，而非政府部門人員提交的數(shù)據(jù)集信息無法統(tǒng)一控制，需要制定數(shù)據(jù)接收政策來限制數(shù)據(jù)內(nèi)容，并考慮數(shù)據(jù)集的版權(quán)和密級等問題。接收政策應(yīng)規(guī)定數(shù)據(jù)集合理合法的使用范圍，并要求數(shù)據(jù)集的完整性。數(shù)據(jù)集內(nèi)容不能含有違法信息，如涉及國家機(jī)密、影響他人權(quán)利的信息，還應(yīng)在合適的開放許可協(xié)議下進(jìn)行開放。

（4）提供查詢服務(wù)。查詢服務(wù)包括目錄式瀏覽查詢和字段檢索。注冊管理平臺應(yīng)向數(shù)據(jù)集使用者提供盡可能多的查詢方式和盡可能詳細(xì)的數(shù)據(jù)集元數(shù)據(jù)相關(guān)信息。

（5）維護(hù)和管理本地元數(shù)據(jù)存儲。驗(yàn)證已接收的數(shù)據(jù)集元數(shù)據(jù)是否符合模型和格式要求，如果不符合，將錯誤日志返給數(shù)據(jù)集提供者。同時根據(jù)數(shù)據(jù)集提供者提供的數(shù)據(jù)集清單，核對各機(jī)構(gòu)“數(shù)據(jù)集元數(shù)據(jù)目錄”提交進(jìn)度。此外，還負(fù)責(zé)對數(shù)據(jù)集元數(shù)據(jù)的修改、刪除和更新。

（6）提供軟件工具。開放注冊管理平臺需要提供3種工具。①數(shù)據(jù)集元數(shù)據(jù)驗(yàn)證器。如以DCAT為模型的JSON格式數(shù)據(jù)集元數(shù)據(jù)，需要數(shù)據(jù)集元數(shù)據(jù)驗(yàn)證器驗(yàn)證其是否符合DCAT的要求。②數(shù)據(jù)集元數(shù)據(jù)格式轉(zhuǎn)換器。若數(shù)據(jù)集元數(shù)據(jù)直接寫成JSON格式比較復(fù)雜，可將數(shù)據(jù)集元數(shù)據(jù)轉(zhuǎn)換成CSV格式，再通過數(shù)據(jù)集元數(shù)據(jù)轉(zhuǎn)換器轉(zhuǎn)為JSON格式。③數(shù)據(jù)集元數(shù)據(jù)測試收集器。用來測試將數(shù)據(jù)集元數(shù)據(jù)提交給數(shù)據(jù)集注冊管理中心時可能出現(xiàn)的問題。

（7）數(shù)據(jù)集反饋。數(shù)據(jù)集使用者在使用數(shù)據(jù)集時發(fā)現(xiàn)的錯誤，可通過注冊管理平臺反饋給數(shù)據(jù)集提供者。

（8）數(shù)據(jù)集托管服務(wù)。對于沒有數(shù)據(jù)集存儲網(wǎng)站的個人或組織，數(shù)據(jù)注冊管理平臺也可以提供托管服務(wù)，具體的服務(wù)模式可根據(jù)情況而定。

此外，應(yīng)創(chuàng)建另一個與政府?dāng)?shù)據(jù)管理平臺基礎(chǔ)架構(gòu)相同的網(wǎng)站，用于協(xié)助沒有政府?dāng)?shù)據(jù)開放建設(shè)方案的機(jī)構(gòu)來創(chuàng)建和維護(hù)自身數(shù)據(jù)庫。未進(jìn)行政府?dāng)?shù)據(jù)開放的政府機(jī)構(gòu)和非政府?dāng)?shù)據(jù)集提供者可通過注冊將自身數(shù)據(jù)集托管給此網(wǎng)站，通過此網(wǎng)站可以增加、編輯、刪除數(shù)據(jù)集。此網(wǎng)站還應(yīng)支持?jǐn)?shù)據(jù)集以政府?dāng)?shù)據(jù)注冊管理平臺元數(shù)據(jù)標(biāo)準(zhǔn)導(dǎo)出的元數(shù)據(jù)。

2.2 數(shù)據(jù)集描述需求

通過以上分析，可知數(shù)據(jù)集應(yīng)主要對以下方面進(jìn)行描述。

（1）對數(shù)據(jù)集的描述。除標(biāo)題、簡介、關(guān)鍵詞、發(fā)布日期等信息的描述外，還需要4個信息。①數(shù)據(jù)集的開放許可協(xié)議。每個數(shù)據(jù)集都應(yīng)是合理合法的，對于使用數(shù)據(jù)集是否需要注明出處、是否允許修改等做進(jìn)一步說明，使用戶對數(shù)據(jù)集的利用更加規(guī)范，保障數(shù)據(jù)集提供者的利益。②數(shù)據(jù)集密級。元數(shù)據(jù)描述時，應(yīng)對數(shù)據(jù)集的密級進(jìn)行說明，避免由于政府?dāng)?shù)據(jù)開放引起負(fù)面事件。③數(shù)據(jù)集內(nèi)容所涵蓋的時間和空間范圍。④數(shù)據(jù)集主題。

（2）對數(shù)據(jù)集發(fā)布信息的描述。主要包括對數(shù)據(jù)集標(biāo)題、發(fā)布日期、修改日期等方面的描述，用于記錄數(shù)據(jù)集的發(fā)布狀態(tài)。

（3）對發(fā)布者個人或機(jī)構(gòu)信息的描述。需要對數(shù)據(jù)集提供者的名稱、主頁、聯(lián)系方式等信息進(jìn)行描述，方便數(shù)據(jù)集使用者對數(shù)據(jù)集提供者進(jìn)一步了解。

（4）對數(shù)據(jù)集發(fā)布形式的描述。數(shù)據(jù)集可能有不同格式（如XML、RDF格式等），也可能只是一個網(wǎng)頁鏈接，所以要對可用的發(fā)布格式、大小等信息進(jìn)行描述。

3 政府?dāng)?shù)據(jù)開放元數(shù)據(jù)標(biāo)準(zhǔn)

開放政府?dāng)?shù)據(jù)包含大量來自政府不同部門，乃至政府外部的數(shù)據(jù)，這些數(shù)據(jù)與政府行政及公共事務(wù)密切相關(guān)，涵蓋氣象、水文、交通、健康、醫(yī)療等多個方面，且數(shù)據(jù)集的形態(tài)各異、結(jié)構(gòu)和數(shù)據(jù)格式不同。同時，數(shù)據(jù)通常是動態(tài)的，需要不斷補(bǔ)充和更新。為保證有效地進(jìn)行數(shù)據(jù)集的注冊、發(fā)現(xiàn)、收割和使用，需要制定有效的政府?dāng)?shù)據(jù)開放元數(shù)據(jù)標(biāo)準(zhǔn)，以對數(shù)據(jù)集進(jìn)行準(zhǔn)確的描述。目前，在國外政府?dāng)?shù)據(jù)開放實(shí)踐中已經(jīng)出現(xiàn)若干相關(guān)標(biāo)準(zhǔn)，這些標(biāo)準(zhǔn)對制定我國政府開放數(shù)據(jù)標(biāo)準(zhǔn)具有較強(qiáng)的借鑒意義。

3.1 DCAT

如前文所述，DCAT是W3C政府關(guān)聯(lián)數(shù)據(jù)工作組制定的政府?dāng)?shù)據(jù)開放元數(shù)據(jù)推薦標(biāo)準(zhǔn)，其提供了一個數(shù)據(jù)描述模式，具有較完善的數(shù)據(jù)集描述結(jié)構(gòu)和形式，其描述體系由類及其屬性組成，如圖3所示[4]。

DCAT詞匯表涉及7個類，分別是dcat:Catalog，dcat:Dataset，dcat:Distribution，dcat:CatalogRecord，skos:ConceptScheme，skos:Concept，foaf:Agent。其中前4個為DCAT自定義類，分別是表示數(shù)據(jù)集目錄的Catalog類，數(shù)據(jù)集的Dataset類，數(shù)據(jù)集發(fā)布形式（例如可下載文件、RSS或提供數(shù)據(jù)的Web服務(wù)）的Distribution類，描述數(shù)據(jù)集條目出處信息的CatalogRecord類。CatalogRecord是可選類，其屬性主要復(fù)用自其他的詞匯表。

DCAT復(fù)用一些其他詞匯表，在使用時也可以引用這些詞匯表外的詞匯表，具體如表1所示。

DCAT引用表1中的元素，尤其是DCMI Metadata Terms，通過復(fù)用元素增加數(shù)據(jù)目錄間的可操作性。使用DCAT描述數(shù)據(jù)目錄中的數(shù)據(jù)集，應(yīng)用程序能使用多個目錄的元數(shù)據(jù)，并支持分布發(fā)布目錄和跨站點(diǎn)的聯(lián)合數(shù)據(jù)集搜索。

3.2 POD

POD是美國為進(jìn)行數(shù)據(jù)交換而制定的元數(shù)據(jù)標(biāo)準(zhǔn)，目前版本是v1.1。POD通過字段描述相關(guān)信息，其作用相當(dāng)于DCAT中的類。POD的字段呈現(xiàn)層次型字段、子字段的嵌套結(jié)構(gòu)，如圖4所示[6]。

POD v1.1的5個字段分別是Catalog、Dataset、ContactPoint、Distribution和Publisher。每個字段又有子字段（相當(dāng)于屬性），而Dataset字段下的contactPoint、publisher子字段也有其子字段。在Catalog字段中，除3個子字段外，還包括@context、@id和@type3個子字段，它們是JSON-LD的關(guān)鍵字。在其他字段中也存在類似情況。使用POD描述數(shù)據(jù)集時，最終以JSON格式進(jìn)行描述。Publisher字段的右半部分箭頭指自身的嵌套層級關(guān)系，具體見圖5。

這段代碼顯示了一個publisher實(shí)例的具體身份，是美國政府（U.S. Government）“General Services Administration”下屬的“Office of Citizen Services and Innovative Technologies”的一個項(xiàng)目，即“Widget Modulation Program”。

POD的字段分為必備（required）、適用則必備（required if applicable）和擴(kuò)展（expanded）3種類型，其中擴(kuò)展字段是可選擇的。

POD可映射到其他元數(shù)據(jù)標(biāo)準(zhǔn)，如DCAT、Schema.org、CKAN元數(shù)據(jù)[21]、ISO 19115和CSDGM[22]。其中，Schema.org詞匯表由Microsoft、Yahoo!、Google和Yandex合作制定，目的是創(chuàng)建一種能使主要搜索引擎都支持的結(jié)構(gòu)化數(shù)據(jù)標(biāo)記架構(gòu)，以幫助搜索引擎理解網(wǎng)頁內(nèi)容，并提供更豐富的搜索結(jié)果[23]。ISO 19115是地理信息元數(shù)據(jù)標(biāo)準(zhǔn)[24]，用于描述地理信息和相關(guān)服務(wù)的國際通用模式，提供有關(guān)數(shù)字地理數(shù)據(jù)的識別、范圍、質(zhì)量、空間和時間模式，空間參考和分布的信息。CSDGM是由美國聯(lián)邦地理數(shù)據(jù)委員會開發(fā)制定的數(shù)字地理空間元數(shù)據(jù)標(biāo)準(zhǔn)[25]。

圖3 DCAT詞匯表的類及其屬性

表1 DCAT復(fù)用的詞匯表

圖4 POD v1.1的字段與子字段

圖5 Publisher子字段實(shí)例數(shù)據(jù)的JSON片段

3.3 DCAT-AP

DCAT-AP是為提高歐盟電子政務(wù)系統(tǒng)語義互操作性而編寫的，是以DCAT為基礎(chǔ)，含有DCAT的所有類和屬性。DCAT-AP在依據(jù)DCAT進(jìn)行調(diào)整時考慮4項(xiàng)準(zhǔn)則[26]。①改進(jìn)發(fā)現(xiàn)數(shù)據(jù)集的能力。優(yōu)先考慮可用于搜索和導(dǎo)航的方面，以及與數(shù)據(jù)集管理有關(guān)的請求，但并未考慮操作問題。②符合DCAT要求。不考慮改變DCAT模型或用其他類似元素替代DCAT元素的請求，僅添加可以從現(xiàn)有命名空間重用的元素，新的命名空間中不會創(chuàng)建新的元素。③簡潔性?？梢蕴砑佑凶C據(jù)表明是必要的元素，且元素在現(xiàn)有系統(tǒng)中通?？捎谩＂艽_保應(yīng)用領(lǐng)域中立。不考慮僅與某些特定類型數(shù)據(jù)集相關(guān)的請求。

DCAT-AP包含22個類，與POD相似，DCAT-AP也將類分為3種[27]，即強(qiáng)制類、推薦類和可選類。對于強(qiáng)制類，要求數(shù)據(jù)發(fā)送者必須提供這些類的實(shí)例信息，數(shù)據(jù)接收者必須能夠處理這些類的實(shí)例信息；對于推薦類，要求數(shù)據(jù)發(fā)送者應(yīng)該提供這些類的實(shí)例信息，如果信息可獲得，數(shù)據(jù)發(fā)送者必須提供這些類的實(shí)例信息，數(shù)據(jù)接收者必須能夠處理這些類的實(shí)例信息；對于可選類，要求數(shù)據(jù)接收者必須能夠處理這些類的實(shí)例信息，數(shù)據(jù)發(fā)送者可以提供這些類的實(shí)例信息，但其沒有義務(wù)提供。每個類下的屬性也被分為強(qiáng)制屬性、推薦屬性和可選屬性。

根據(jù)需要，DCAT-AP還復(fù)用其他詞匯表。與DCAT相比，DCAT-AP增加了詞匯表ADMS、OWL、Shema.mg、SPDX，具體如表2所示。

表2 DCAT-AP復(fù)用的部分詞匯表

3.4 元數(shù)據(jù)方案的比較

POD、DCAT-AP是基于DCAT形成的，且廣泛復(fù)用了其他詞匯表，為數(shù)據(jù)集元數(shù)據(jù)交換提供可能，它們總體上一致，但略有區(qū)別。與DCAT相比，POD和DCATAP還具有3個特點(diǎn)。①將類和屬性分為3種。POD分為必備、適用則必備和擴(kuò)展（可選擇），DCAT-AP分為強(qiáng)制、推薦和可選，二者處理本質(zhì)上相同。這樣做可以保證數(shù)據(jù)集元數(shù)據(jù)的簡潔性和最小完整性，增加針對不同描述對象的靈活性。②添加對“關(guān)系”的描述。DCAT中缺乏對“關(guān)系”的描述。POD與DCAT-AP都增添了“關(guān)系”描述，如POD中的isPartOf字段，DCAT-AP中的dct:isVersionOf字段，通過增加“關(guān)系”屬性，可以更清楚地揭示相互間聯(lián)系。③添加元數(shù)據(jù)集語義關(guān)聯(lián)格式的元素。如POD增添@context、@id、@type便于對數(shù)據(jù)集元數(shù)據(jù)的處理，DCAT-AP增添rdfs:Literal和rdfs:Resource。JSON-LD與RDF格式都是語義關(guān)聯(lián)數(shù)據(jù)格式，可以促進(jìn)數(shù)據(jù)集元數(shù)據(jù)的可發(fā)現(xiàn)性。

POD與DCAT-AP存在以下不同點(diǎn)。①POD是建立在DCAT基礎(chǔ)上，對DCAT進(jìn)行改造形成的新詞匯表文件，有其自身的文本和機(jī)讀格式詞匯表說明。DCATAP是在DCAT基礎(chǔ)上進(jìn)行的擴(kuò)展，將7類擴(kuò)充為22類，并且包含DCAT的所有屬性。DCAT-AP比DCAT更詳細(xì)和復(fù)雜，描述能力也更強(qiáng)，更適用于多層級的數(shù)據(jù)體系。②POD添加了一些本土元素。如bureauCode和programCode都是美國獨(dú)有的元素項(xiàng)。

4 我國政府?dāng)?shù)據(jù)開放注冊管理元數(shù)據(jù)標(biāo)準(zhǔn)建設(shè)

目前，我國地方政府的政府?dāng)?shù)據(jù)開放工作已陸續(xù)展開，各地規(guī)定了相應(yīng)的數(shù)據(jù)描述形式。但這些數(shù)據(jù)描述形式都不夠規(guī)范，僅考慮一些基本的描述需求，且數(shù)據(jù)描述形式也不盡相同。因此，我國政府?dāng)?shù)據(jù)開放工作還缺乏統(tǒng)一的數(shù)據(jù)描述標(biāo)準(zhǔn)規(guī)范。為此，本研究分析相關(guān)工作中的描述需求，研究國際上通用、成熟的標(biāo)準(zhǔn)，在此基礎(chǔ)上，提出針對我國政府?dāng)?shù)據(jù)開放和注冊管理的元數(shù)據(jù)標(biāo)準(zhǔn)建設(shè)的建議。

4.1 基本結(jié)構(gòu)和數(shù)據(jù)項(xiàng)

與國外政府?dāng)?shù)據(jù)開放情況不同，我國的政府?dāng)?shù)據(jù)開放呈現(xiàn)明顯的多級結(jié)構(gòu)。在地方政府層面進(jìn)行數(shù)據(jù)開放和管理注冊工作是必不可少的活動。同時，我國中央政府各機(jī)關(guān)也產(chǎn)生和擁有大量的政府?dāng)?shù)據(jù)，這些數(shù)據(jù)具有復(fù)雜的縱向和橫向聯(lián)系。因此，我國政府?dāng)?shù)據(jù)開放管理注冊元數(shù)據(jù)體系應(yīng)該是一個多層級的、易擴(kuò)展的結(jié)構(gòu)，既便于在中央政府層面進(jìn)行統(tǒng)一管理，提高不同政府部門和機(jī)構(gòu)間、政府部門與非政府機(jī)構(gòu)/組織間的互操作性，又能充分考慮不同級別、不同地區(qū)的政府和非政府機(jī)構(gòu)/組織在數(shù)據(jù)開放管理中的特定需求，滿足未來需求的變化，實(shí)現(xiàn)靈活的描述體系。

為此，該規(guī)范可以在DCAT的基礎(chǔ)上，采取類似DCAT-AP的思想和設(shè)計(jì)形式，根據(jù)描述需求對DCAT進(jìn)行擴(kuò)展。其中，作為強(qiáng)制性的核心類可包括dcat:Dataset，dcat:Catalog，foaf:Agent，dcat:Distribution，以保證數(shù)據(jù)集最基本的特征描述；數(shù)據(jù)集的主題、主題集合、開放許可文件及空間地理范圍也是數(shù)據(jù)集重要的檢索入口信息，因此可以作為推薦類，可以使用skos:Concept，skos:ConceptSheme，dct:LicenseDocument，dct:PeriodOfTime，dct:Location；此外，還有一些可選的數(shù)據(jù)集元數(shù)據(jù)類dct:LinguisticSystem，dact:CatalogRecord，foaf:Document，dct:Frequency，adms:Identifier，vcard:Kind，dct:Standard，dct:RightsStatement，dct:ProvenanceStatement，dct:MediaTypeOrExtent，spdx:Checksum。這些類均來自規(guī)范的詞匯表，保證了數(shù)據(jù)集跨地區(qū)、跨政府部門的可交換性。在具體應(yīng)用該規(guī)范時，若增加新的類和屬性，可在其基礎(chǔ)上進(jìn)行擴(kuò)展。擴(kuò)展的類和屬性可通過復(fù)用其他詞匯表或增加新的類和屬性實(shí)現(xiàn)。

擴(kuò)展時應(yīng)遵循4個原則：①不能擴(kuò)大類和屬性的范圍，以便與規(guī)范保持一致；②添加的類不能與規(guī)范中原有類相似；③添加的屬性不能與規(guī)范中原有屬性相似；④規(guī)范中的強(qiáng)制性類和屬性必須保留。

上海市在采用通用元數(shù)據(jù)體系后，其元數(shù)據(jù)資源名稱、摘要、數(shù)據(jù)提供方單位、數(shù)據(jù)領(lǐng)域、國家主體分類、部分主題分類、關(guān)鍵字、附件下載、首次發(fā)布日期、更新頻度等數(shù)據(jù)項(xiàng)都通過上層通用元數(shù)據(jù)規(guī)范描述。但一些描述項(xiàng)，如公開屬性、訪問/下載次數(shù)、數(shù)據(jù)集星級評價、相關(guān)應(yīng)用等在上層數(shù)據(jù)描述體系中并沒有對應(yīng)的類和屬性，還需要通過擴(kuò)展來解決。其中，公開屬性可以用DCMI Metadata Terms中的dct:accessRights表示。數(shù)據(jù)集星級評價是對數(shù)據(jù)集質(zhì)量的評價，POD中的dataQuality雖然是對數(shù)據(jù)集質(zhì)量的評價，但主要指數(shù)據(jù)集質(zhì)量是否符合數(shù)據(jù)集提供機(jī)構(gòu)的信息質(zhì)量標(biāo)準(zhǔn)，取值為“是”或“否”，與上海市的“數(shù)據(jù)集星級評價”含義不同，所以不能直接使用，可以定義新的數(shù)據(jù)項(xiàng)datasetStarRating，放在dcat:Dataset類中?！霸L問/下載次數(shù)”可以定義屬性visit/downloadTimes，也可以定義兩個屬性visitTimes和downloadTimes；如果定義兩個屬性，visitTimes可放到dcat:Catalog類中，downloadTimes放在dcat:Dataset類中。相關(guān)應(yīng)用也可以增加屬性application，放在dcat:Dataset類中，由于application需要進(jìn)一步對其名稱、資源位置、簡介等進(jìn)行說明，所以可將application屬性指向一個新的Application類，在Application類中再引用dct:title和dct:description等屬性，或新定義其他屬性。

4.2 其他詞匯表的復(fù)用

為增強(qiáng)描述能力，同已有的描述體系保持一致，各元數(shù)據(jù)標(biāo)準(zhǔn)都盡可能復(fù)用已有的詞匯表。在制定我國政府?dāng)?shù)據(jù)注冊管理元數(shù)據(jù)標(biāo)準(zhǔn)時，可復(fù)用的元數(shù)據(jù)標(biāo)準(zhǔn)主要來自5個方面：①W3C推薦的元數(shù)據(jù)標(biāo)準(zhǔn)。W3C制定了很多專業(yè)化元數(shù)據(jù)標(biāo)準(zhǔn)，且已被廣泛采用，上述詞匯表中FOAF、SKOS等均來自于W3C。②本地相關(guān)的元數(shù)據(jù)標(biāo)準(zhǔn)。如美國在DCAT基礎(chǔ)上加入地理信息元數(shù)據(jù)標(biāo)準(zhǔn)CSDGM。③軟件工具標(biāo)準(zhǔn)。使用CKAN軟件在搭建政府?dāng)?shù)據(jù)開放平臺時，需要考慮CKAN的元數(shù)據(jù)元素。④元數(shù)據(jù)格式標(biāo)準(zhǔn)。美國政府?dāng)?shù)據(jù)集的注冊管理元數(shù)據(jù)主要使用JSON格式，POD v1.1中的@context、@id、@type均來自JSON-LD的關(guān)鍵字。⑤其他元數(shù)據(jù)標(biāo)準(zhǔn)。

4.3 對已有元數(shù)據(jù)描述方案的分析

目前，我國已有多個地方政府開放數(shù)據(jù)平臺，這些平臺都具備各自的元數(shù)據(jù)描述方案。如北京市在對數(shù)據(jù)集描述時把資源名稱、資源出版日期、資源分類、資源摘要、資源所有權(quán)單位、關(guān)鍵字說明、資源類型、資源記錄數(shù)作為數(shù)據(jù)集元數(shù)據(jù)進(jìn)行描述，而歷史數(shù)據(jù)、數(shù)據(jù)下載地址、數(shù)據(jù)更新日期等也可以作為數(shù)據(jù)集目錄的元數(shù)據(jù)。由于各地建立了一定的元數(shù)據(jù)集合，所以在建立統(tǒng)一元數(shù)據(jù)方案時應(yīng)考慮相關(guān)需求。表3為北京市、上海市和武漢市數(shù)據(jù)平臺的元數(shù)據(jù)描述項(xiàng)。

通過對表3中所列數(shù)據(jù)元數(shù)據(jù)描述項(xiàng)進(jìn)行分析，發(fā)現(xiàn)主要存在以下特點(diǎn)。

（1）已有的地方政府開放數(shù)據(jù)描述方案僅建立簡單的描述項(xiàng)，描述能力十分有限，只承擔(dān)基本數(shù)據(jù)描述職能，甚至缺少必要描述項(xiàng)，如時間范圍等。

（2）已有的數(shù)據(jù)描述方案基本沒有規(guī)定數(shù)據(jù)取值范圍。如北京市的數(shù)據(jù)描述項(xiàng)中“資源類型”，并沒有關(guān)于“資源類型”取值的嚴(yán)格規(guī)定，雖然取值有“表格”，但“表格”不是一種數(shù)據(jù)格式，有CSV、XLS等不同類型格式。

（3）不同地方政府開放數(shù)據(jù)描述方案中主要的描述項(xiàng)基本相同，但其使用的標(biāo)簽并不完全一致，數(shù)據(jù)項(xiàng)也不盡相同。在規(guī)范的描述體系中，相同的描述項(xiàng)應(yīng)盡量統(tǒng)一，而不是借助屬性映射完成互操作，特殊的屬性要求應(yīng)在統(tǒng)一規(guī)范的擴(kuò)展機(jī)制約束下實(shí)現(xiàn)。

（4）由于現(xiàn)有數(shù)據(jù)描述方案只考慮基本的屬性描述職能，所以在設(shè)計(jì)時并沒有完全參照已有規(guī)范，如DCMI。由于這些描述方案均較簡單，所以在制定通用的數(shù)據(jù)描述規(guī)范時，可以方便地將已有的描述項(xiàng)納入規(guī)范體系，并對現(xiàn)有描述數(shù)據(jù)進(jìn)行轉(zhuǎn)換處理。

表3 已有的地方政府開放數(shù)據(jù)元數(shù)據(jù)描述項(xiàng)

5 結(jié)語

政府?dāng)?shù)據(jù)的有效開放和充分交換需要對其進(jìn)行注冊管理，而元數(shù)據(jù)標(biāo)準(zhǔn)是注冊管理和政府?dāng)?shù)據(jù)開放的重要基礎(chǔ)?？茖W(xué)的元數(shù)據(jù)標(biāo)準(zhǔn)有利于數(shù)據(jù)集的有序組織，數(shù)據(jù)集元數(shù)據(jù)采集和交換，更有利于被數(shù)據(jù)集使用者發(fā)現(xiàn)和使用，提高數(shù)據(jù)集的使用效率。但是，目前我國地方政府?dāng)?shù)據(jù)開放平臺的元數(shù)據(jù)標(biāo)準(zhǔn)化、規(guī)范化程度較低，數(shù)據(jù)集描述項(xiàng)較少，制約政府?dāng)?shù)據(jù)開放的推進(jìn)和發(fā)展。本文從注冊管理角度出發(fā)，研究了國外政府?dāng)?shù)據(jù)開放標(biāo)準(zhǔn)DCAT、POD和DCAT-AP基本結(jié)構(gòu)和數(shù)據(jù)項(xiàng)，認(rèn)為我國政府?dāng)?shù)據(jù)開放注冊管理元數(shù)據(jù)規(guī)范應(yīng)滿足未來需求的變化，具有靈活的描述體系。本研究還對我國規(guī)范應(yīng)包含的強(qiáng)制類、推薦類、可選類，以及各地方政府在具體應(yīng)用該規(guī)范的擴(kuò)展原則做出說明，以滿足不同地方政府對數(shù)據(jù)描述的不同需求。政府?dāng)?shù)據(jù)開放注冊管理元數(shù)據(jù)經(jīng)過標(biāo)準(zhǔn)化、規(guī)范化建設(shè)，可進(jìn)行跨國家、跨地區(qū)間的元數(shù)據(jù)交換，從而實(shí)現(xiàn)更大范圍的政府?dāng)?shù)據(jù)共享，產(chǎn)生更大的經(jīng)濟(jì)和社會效益。

[1]張涵，王忠. 國外政府開放數(shù)據(jù)的比較研究[J]. 情報雜志，2015，34（8）：142-146.

[2]劉朝陽. 大數(shù)據(jù)定價問題分析[J]. 圖書情報知識，2016（1）：57-64.

[3]BAAS H，BROWN A. Web Services Glossary[EB/OL].[2017-11-01]. https://www.w3.org/TR/ws-gloss/.

[4]MAALI F，ERICKSON J. Data Catalog Vocabulary（DCAT）[EB/OL].[2018-01-16]. http://www.w3.org/TR/vocab-dcat/.

[5]W3C. DCAT Implementations[EB/OL].[2018-01-15]. https://www.w3.org/2011/gld/wiki/DCAT_Implementations.

[6]Project Open Data Metadata Schema v1.1[EB/OL].（2015-02-01）[2018-01-02]. https://project-open-data.cio.gov/v1.1/schema/.

[7]European Union. DCAT Application Profile for data portals in Europe Version 1.1[EB/OL].[2018-03-01]. https://raw.githubusercontent.com/SEMICeu/DCAT-AP/master/releases/1.1/dcat-ap_1.1.docx.

[8]European Commission. DCAT Application Profile for data portals in Europe[EB/OL].[2018-04-11]. https://ec.europa.eu/isa2/solutions/dcat-application-profile-data-portals-europe_en.

[9]TYGEL A，AUER S，DEBATTISTA J，et al. Towards Cleaningup Open Data Portals：A Metadata Reconciliation Approach[C]//Semantic Computing（ICSC），2016 IEEE 10th International Conference on. IEEE，2016：71-78.

[10]NEUMAIER S，UMBRICH J，POLLERES A. Automated quality assessment of metadata across open data portals[J].Journal of Data and Information Quality（JDIQ），2016，8（1）：2.

[11]MARTIN S，F(xiàn)OULONNEAU M，TURKI S. 1-5 stars：metadata on the openness level of open data sets in Europe[C]//Research Conference on Metadata and Semantic Research. Thessaloniki，Greece：Springer，2013：234.

[12]BRüMMER M，BARON C，ERMILOV I，et al. Data ID：Towards semantically rich metadata for complex datasets[M].New York：ACM，2014：84.

[13]ASSAF A，TRONCY R，SENART A. HDL-Towards a Harmonized Dataset Model for Open Data Portals[EB/OL].[2018-03-01]. https://www.researchgate.net/publication/286779372_HDL_Towards_a_Harmonized_Dataset_Model_for_Open_Data_Portals.

[14]武琳，黃穎茹. 開放政府?dāng)?shù)據(jù)平臺元數(shù)據(jù)標(biāo)準(zhǔn)研究進(jìn)展[J]. 圖書館學(xué)研究，2017（6）：14.

[15]趙蓉英，梁志森，段培培. 英國政府?dāng)?shù)據(jù)開放共享的元數(shù)據(jù)標(biāo)準(zhǔn)——對Data.gov.uk的調(diào)研與啟示[J]. 圖書情報工作，2016，60（19）：31-39.

[16]翟軍，于夢月，林巖. 世界主要政府開放數(shù)據(jù)元數(shù)據(jù)方案比較與啟示[J]. 圖書與情報，2017（4）：113-121.

[17]趙龍文，莫荔媛，陳明艷. 面向政府?dāng)?shù)據(jù)開放的資源描述方法[J]. 圖書情報工作，2017，61（6）：115-121.

[18]Office of Management And Budget. max. gov Home.page[EB/OL].[2017-12-23]. https://max.gov/maxportal/home.action.

[19]黃如花，林焱. 國外開放政府?dāng)?shù)據(jù)描述規(guī)范的調(diào)查與分析[J].圖書情報工作，2017，61（20）：37.

[20]GSA. MAX. gov Shared Services[EB/OL].[2018-01-23].https://apps.gov/products/max-shared/.

[21]CKAN. Metadata[EB/OL].[2018-02-06]. https://ckan.org/portfolio/metadata/.

[22]Project Open Data. Metadata Resources for Schema v1.1[EB/OL].[2018-01-01]. https://project-open-data.cio.gov/v1.1/metadata-resources/#field-mappings.

[23]Dan Brickley. About Schema.org[EB/OL].[2018-02-04].http://schema.org/docs/about.html.

[24]International Organization for Standardization. ISO 19115：2003[EB/OL].[2018-02-04]. https://www.iso.org/standard/26020.html.

[25]Geospatial Metadata[EB/OL].[2018-02-05]. https://www.fgdc.gov/metadata.

[26]Joinup. DCAT application profile for data portals in Europe[EB/OL].[2018-02-05]. https://joinup.ec.europa.eu/solution/dcat-application-profile-data-portals-europe/releases.

[27]Joinup. DCAT DCAT-AP v1.1.[EB/OL].[2018-02-05]. https://joinup.ec.europa.eu/release/dcat-ap-v11.

[28]SPDX. About[EB/OL].[2018-02-03]. https://spdx.org/about.Towards_a_Harmonized_Dataset_Model_for_Open_Data_Portals.