數(shù)字資源長(zhǎng)期保存聯(lián)盟HathiTrust研究*

周秀霞 馬 寧 楊雨師 （ 東北師范大學(xué)圖書(shū)館 吉林 長(zhǎng)春 130024 ）

信息化、智能化時(shí)代的到來(lái)，使得越來(lái)越多的資源以數(shù)字化的形式存在和存儲(chǔ)。隨之而來(lái)的是，如何實(shí)現(xiàn)海量數(shù)字資源的長(zhǎng)期保存、組織、管理和便捷獲取。事實(shí)上，早在21世紀(jì)初，各個(gè)國(guó)家就開(kāi)始了數(shù)字資源長(zhǎng)期保存的有關(guān)研究，并以聯(lián)盟、項(xiàng)目等形式相繼開(kāi)展了數(shù)字資源長(zhǎng)期保存的實(shí)踐。其中，HathiTrust是比較典型的一個(gè)長(zhǎng)期保存聯(lián)盟，成員機(jī)構(gòu)主要是研究機(jī)構(gòu)和圖書(shū)館，通過(guò)成員機(jī)構(gòu)的共同努力和對(duì)公益事業(yè)的堅(jiān)定承諾，共同致力于支持院校教師、學(xué)生或研究人員的教學(xué)活動(dòng)，廣大公眾的數(shù)字學(xué)術(shù)資源需求以及數(shù)字資源的長(zhǎng)期保存和持續(xù)可用，可以稱之為研究數(shù)字圖書(shū)館的國(guó)際社區(qū)[1]。

1 HathiTrust現(xiàn)況

HathiTrust始建于2008年，由美國(guó)中西部大學(xué)聯(lián)盟的13所大學(xué)、加利福尼亞大學(xué)系統(tǒng)和弗吉尼亞大學(xué)聯(lián)合發(fā)起，初始目的在于保存和分享成員機(jī)構(gòu)的紙質(zhì)資源數(shù)字化資源[2]。其后，隨著HathiTrust成員逐漸擴(kuò)大120余個(gè)，其將自己的宗旨重新定義為：通過(guò)合作收集、組織、保存、溝通和分享人類(lèi)的知識(shí)記錄，為學(xué)術(shù)研究、交流和人類(lèi)共同利益做貢獻(xiàn)。更具體地說(shuō)，是要做到以下幾個(gè)方面：（1）建立可靠的、日益全面的成員機(jī)構(gòu)紙質(zhì)資源的數(shù)字化檔案，供成員機(jī)構(gòu)共享；（2）首要改進(jìn)數(shù)字化資源的獲取途徑，以滿足成員機(jī)構(gòu)尤其是閱讀障礙者的需求；（3）致力于開(kāi)發(fā)低成本、高質(zhì)量的基礎(chǔ)設(shè)施，保障學(xué)術(shù)研究人員的數(shù)字資源需要，包括各種格式的資源和原生數(shù)字資源；（4）發(fā)展合作伙伴關(guān)系和服務(wù)，以確保HathiTrust中紙質(zhì)資源和數(shù)字學(xué)術(shù)資源的長(zhǎng)期保存；（5）通過(guò)加倍努力協(xié)調(diào)圖書(shū)館間的共享存儲(chǔ)策略，以減少長(zhǎng)期保存和紙質(zhì)資源存儲(chǔ)的成本；（6）建設(shè)基礎(chǔ)設(shè)施，提高成員機(jī)構(gòu)成本效益和合作效率，降低獲取校園知識(shí)資產(chǎn)的成本；（7）提供一系列服務(wù)支持使用HathiTrust語(yǔ)料庫(kù)進(jìn)行研究；（8）創(chuàng)建一個(gè)技術(shù)框架，支持各類(lèi)工具和服務(wù)的集中或分布式創(chuàng)建；（9）維持HathiTrust的“公益性”，同時(shí)提供一系列有益于成員機(jī)構(gòu)的服務(wù)[3]。

截至2018年5月，HathiTrust共收錄了各類(lèi)資源16 369 955件，其中圖書(shū)7 977 135種，期刊439 659種；共計(jì)有5 729 484 250頁(yè)，734TB字節(jié)，194英里長(zhǎng)，13 301噸重（按平均每?jī)?cè)圖書(shū)350頁(yè)、厚0.75英寸、包含47 MB信息、重26盎司計(jì)算）。在這些資源中，有6 174 889件(約占資源總量的38%)屬于公共領(lǐng)域資源，可以為全球公眾免費(fèi)獲取[4]。

HathiTrust整合的資源涵蓋了所有學(xué)科，共計(jì)有464種語(yǔ)言文字。其中，英文資源占總資源的50.6%，德文資源占8.7%，法文資源占7%，西班牙文資源占6.6%，俄文資源占3.2%，中文資源排在第六位，占資源總量的3.1%[5]，其余還有日文、意大利文、阿拉伯文、荷蘭文等資源[5]。在這些數(shù)字資源中，1850前出版的資源占到了5%，1851年至1899年出版的資源占到了11.3%，1900年至1999年出版的資源占到了74.4%，2000年以后出版的資源占到了9.3%[6]。HathiTrust在努力實(shí)現(xiàn)對(duì)世界范圍內(nèi)數(shù)字資源的保存與長(zhǎng)久服務(wù)。

2 HathiTrust的特點(diǎn)

為了全面反映HathiTrust的情況，筆者將從其管理的科學(xué)性、服務(wù)的全面性、數(shù)據(jù)的開(kāi)放性、平臺(tái)的安全性4個(gè)方面對(duì)HathiTrust進(jìn)行探究。

2.1 管理科學(xué)性

2011年，HathiTrust推出了聯(lián)盟的《章程》，依據(jù)《章程》，2012年4月選舉產(chǎn)生了理事會(huì)，自此，遵循誠(chéng)信、開(kāi)放和負(fù)責(zé)任的管理原則，HathiTrust采用了理事會(huì)管理制。理事會(huì)管理制是國(guó)際圖書(shū)館界比較追捧的一種管理制度，這不僅是因?yàn)槠溆兄螆D書(shū)館法人治理結(jié)構(gòu)成長(zhǎng)的理論基礎(chǔ)，更因?yàn)樗鉀Q了圖書(shū)館發(fā)展中存在的現(xiàn)實(shí)問(wèn)題，尤其是對(duì)籌集資金有特殊功效。據(jù)統(tǒng)計(jì)，美國(guó)95%的圖書(shū)館都實(shí)行了理事會(huì)制[7]。

HathiTrust的理事會(huì)由12名成員組成，其中6個(gè)席位保留給HathiTrust創(chuàng)始機(jī)構(gòu)，其余6個(gè)席位由成員機(jī)構(gòu)投票選舉產(chǎn)生。理事會(huì)的首席執(zhí)行官?zèng)]有投票權(quán)，理事會(huì)中有5位成員會(huì)被選舉為執(zhí)行委員會(huì)委員，1名成員成為規(guī)劃指導(dǎo)委員會(huì)的主席。HathiTrust的中心管理辦公室設(shè)在密歇根大學(xué)[8]。

理事會(huì)對(duì)HathiTrust的活動(dòng)、職能和運(yùn)營(yíng)以及數(shù)字資源長(zhǎng)期保存的完整性和可訪問(wèn)性承擔(dān)最終責(zé)任。具體包括：（1）定義HathiTrust的使命、目標(biāo)并幫助指導(dǎo)履行，確定HathiTrust的戰(zhàn)略發(fā)展方向；（2）審查規(guī)劃指導(dǎo)委員會(huì)的建議，并就政策、知識(shí)庫(kù)開(kāi)發(fā)和計(jì)劃舉措等做出最終決定；（3）管理HathiTrust的預(yù)算和財(cái)務(wù)，選舉執(zhí)行委員會(huì)委員，授權(quán)他們按照規(guī)定代表理事會(huì)行事；（4）選擇首席執(zhí)行官來(lái)監(jiān)督HathiTrust的運(yùn)營(yíng)；（5）評(píng)估首席執(zhí)行官的表現(xiàn)；（6）與首席執(zhí)行官協(xié)調(diào)，設(shè)立委員會(huì)和工作組來(lái)執(zhí)行HathiTrust的工作，推進(jìn)發(fā)展戰(zhàn)略和優(yōu)先事項(xiàng)；（7）維護(hù)章程，監(jiān)督HathiTrust研究中心和其他附屬項(xiàng)目的開(kāi)發(fā)、實(shí)施和持續(xù)管理等[9]。

理事會(huì)下還有執(zhí)行委員會(huì)、提名委員會(huì)和規(guī)劃指導(dǎo)委員會(huì)。執(zhí)行委員會(huì)由5位成員組成，其有權(quán)在理事會(huì)會(huì)議之間的過(guò)渡期間內(nèi)獲得理事會(huì)的授權(quán)，代表理事會(huì)行事。提名委員會(huì)也由5位成員組成，主要是為理事會(huì)和規(guī)劃指導(dǎo)委員會(huì)征集委員候選人。規(guī)劃指導(dǎo)委員會(huì)由不少于8位但不超過(guò)12位被任命者組成，其主要負(fù)責(zé)為：審核HathiTrust的發(fā)展議程；向理事會(huì)提交報(bào)告，建議根據(jù)審查結(jié)果改變發(fā)展議程；根據(jù)審查結(jié)果，鼓勵(lì)成員機(jī)構(gòu)就特定問(wèn)題進(jìn)行辯論；制定理事會(huì)討論和決策的舉措和策略，并考慮這些舉措對(duì)未來(lái)的影響；設(shè)立工作組，協(xié)助其工作；與理事會(huì)合作為HathiTrust及其成員制定政策等[9]。

根據(jù)需要，HathiTrust還設(shè)立了一些委員會(huì)和工作組，其中一些是常設(shè)職位，而另一些則可能隨著任務(wù)的完成解散。一般而言，工作組由執(zhí)行委員會(huì)或規(guī)劃指導(dǎo)委員會(huì)設(shè)立。已經(jīng)設(shè)立的委員會(huì)和工作組有：（1）執(zhí)行委員會(huì)下設(shè)的用戶支持工作組（2011年3月）和Zephir咨詢小組（負(fù)責(zé)推薦與元數(shù)據(jù)管理相關(guān)的政策和程序，并建議實(shí)施新功能，增強(qiáng)服務(wù)功能等）；（2）規(guī)劃指導(dǎo)委員會(huì)下設(shè)的資源委員會(huì)（2016年7月），聯(lián)邦文件咨詢委員會(huì)（2016年8月），共享打印咨詢委員會(huì)（2016年7月），元數(shù)據(jù)政策、戰(zhàn)略、使用和分享咨詢小組，質(zhì)量保證和標(biāo)準(zhǔn)工作組，權(quán)利和獲取工作組[10]。

HathiTrust的預(yù)算目前是單獨(dú)維護(hù)的預(yù)算，在密歇根大學(xué)預(yù)算系統(tǒng)中，由執(zhí)行委員會(huì)管理，但須經(jīng)密歇根大學(xué)審計(jì)辦公室審計(jì)。理事會(huì)有權(quán)對(duì)成員機(jī)構(gòu)通過(guò)的經(jīng)費(fèi)預(yù)算進(jìn)行細(xì)節(jié)調(diào)整；但未經(jīng)成員機(jī)構(gòu)同意，理事會(huì)不得更改成員機(jī)構(gòu)的會(huì)費(fèi)、服務(wù)費(fèi)或其他費(fèi)用。

HathiTrust的資源和服務(wù)由HathiTrust成員機(jī)構(gòu)提供，基礎(chǔ)設(shè)施由密歇根大學(xué)支持。成員機(jī)構(gòu)可以永久性、非排他性地將數(shù)字資源存入HathiTrust中，所有權(quán)仍歸自己所有。密歇根大學(xué)為HathiTrust購(gòu)買(mǎi)的硬件、軟件、服務(wù)以及由密歇根大學(xué)創(chuàng)建的數(shù)字資源由成員機(jī)構(gòu)共同擁有，并承諾持續(xù)保持分享。如果密歇根大學(xué)圖書(shū)館的資金或組織發(fā)生變化，HathiTrus將制定繼任計(jì)劃，資助、支持向另一個(gè)機(jī)構(gòu)過(guò)渡[8]。

2.2 服務(wù)全面性

HathiTrust是一個(gè)數(shù)字資源的整合社區(qū)，不僅面向成員機(jī)構(gòu)、合作伙伴提供服務(wù)，也開(kāi)放為社會(huì)公眾服務(wù)，其將服務(wù)框架如表1所示。

從表1可以看出，HathiTrust綜合考慮了聯(lián)盟的發(fā)展需要、成員機(jī)構(gòu)的發(fā)展需要、合作伙伴的發(fā)展需要、用戶的需要等，對(duì)聯(lián)盟的服務(wù)進(jìn)行了整體設(shè)計(jì)。并且，其還根據(jù)聯(lián)盟的宗旨和發(fā)展規(guī)劃，具體將聯(lián)盟的服務(wù)職能分為短期和長(zhǎng)期兩種，其中，短期服務(wù)功能包括：（1）翻頁(yè)機(jī)制：一種支持用戶在HathiTrust中讀取、下載數(shù)字資源以及與數(shù)字資源交互（例如縮放和旋轉(zhuǎn)）的應(yīng)用程序。它類(lèi)似于權(quán)限數(shù)據(jù)庫(kù)、Shibboleth（一種機(jī)構(gòu)間認(rèn)證機(jī)制），為用戶適當(dāng)訪問(wèn)數(shù)字資源提供了接口。（2）品牌推廣：包括整個(gè)HathiTrust的品牌推廣和對(duì)成員機(jī)構(gòu)的品牌推廣。（3）格式驗(yàn)證、遷移和錯(cuò)誤檢查，HathiTrust將各種技術(shù)、數(shù)字資源保存元數(shù)據(jù)與每個(gè)數(shù)字資源對(duì)象一起存儲(chǔ)，以便在需要時(shí)進(jìn)行遷移。（4）API的開(kāi)發(fā)應(yīng)用。（5）閱讀障礙用戶的訪問(wèn)機(jī)制制定，包括對(duì)屏幕閱讀器的優(yōu)化、允許被認(rèn)證為閱讀障礙的用戶訪問(wèn)HathiTrust公有領(lǐng)域數(shù)字資源的全文和版權(quán)卷等。（6）實(shí)現(xiàn)了一站式發(fā)現(xiàn)服務(wù)，能對(duì)HathiTrust中和成員機(jī)構(gòu)的館藏資源進(jìn)行統(tǒng)一檢索和一站式發(fā)現(xiàn)。（7）發(fā)布虛擬館藏的能力：允許用戶創(chuàng)建或共享個(gè)人館藏。（8）非Google數(shù)字內(nèi)容的直接采集機(jī)制。長(zhǎng)期服務(wù)功能包括：（1）遵守可靠存儲(chǔ)庫(kù)審計(jì)和認(rèn)證（TRAC）標(biāo)準(zhǔn)以及清單中的要求。（2）強(qiáng)大的發(fā)現(xiàn)機(jī)制，如全文本跨庫(kù)檢索等。（3）創(chuàng)建數(shù)量眾多的API，為合作伙伴提供一個(gè)協(xié)作的開(kāi)放環(huán)境，便于合作伙伴開(kāi)發(fā)其他的安全訪問(wèn)機(jī)制和發(fā)現(xiàn)工具。（4）支持圖書(shū)和期刊以外所有數(shù)字資源格式的存儲(chǔ)和獲取服務(wù)。（5）建立HathiTrust的研究中心（HTRC），進(jìn)行先進(jìn)軟件工具和技術(shù)的開(kāi)發(fā)，并廣泛采用其他來(lái)源的分析工具，以為學(xué)者提供一個(gè)安全的計(jì)算和數(shù)據(jù)環(huán)境[12]。

表1 HathiTrust服務(wù)功能框架[11]

通過(guò)這兩種維度的功能設(shè)計(jì)，兼顧考慮了各方的利益，不僅滿足了各方的需求，而且促進(jìn)了聯(lián)盟的長(zhǎng)期可持續(xù)發(fā)展。

2.3 數(shù)據(jù)開(kāi)放性

HathiTrust是一個(gè)開(kāi)放的數(shù)字資源存儲(chǔ)、服務(wù)中心，其基于云平臺(tái)提供服務(wù)的模式，方便了成員機(jī)構(gòu)通過(guò)互聯(lián)網(wǎng)托管、部署或接入聯(lián)盟系統(tǒng)，在保證成員機(jī)構(gòu)海量數(shù)字資源安全存儲(chǔ)的同時(shí)，還支持成員機(jī)構(gòu)貢獻(xiàn)應(yīng)用程序、分析工具等，并允許成員機(jī)構(gòu)根據(jù)各自的需求進(jìn)行一些平臺(tái)的功能開(kāi)發(fā)，進(jìn)而為用戶提供個(gè)性化的服務(wù)，如密歇根大學(xué)開(kāi)發(fā)了一個(gè)新的全文檢索模型；加州大學(xué)負(fù)責(zé)全文檢索的拼寫(xiě)檢查，以克服希伯來(lái)文無(wú)法識(shí)別的問(wèn)題等[13]。

HathiTrust開(kāi)放屬于公共領(lǐng)域資源的數(shù)據(jù)集以支持學(xué)術(shù)研究。當(dāng)前，公共領(lǐng)域的資源基本上分為非google數(shù)字化卷和google數(shù)字化卷兩種，其中非google數(shù)字化卷資源，用戶可以直接免費(fèi)獲取；而google數(shù)字化卷則必須由機(jī)構(gòu)（用戶所屬機(jī)構(gòu)）與google達(dá)成協(xié)議后方可獲取使用。此外，機(jī)構(gòu)或者是用戶個(gè)人還可以自定義想獲取的數(shù)字化資源，HathiTrust提供相關(guān)的技術(shù)支持[14]。

HathiTrust還提供了數(shù)據(jù)API和書(shū)目API，拓展了HathiTrust存儲(chǔ)資源和元數(shù)據(jù)資源的應(yīng)用范圍，提高了對(duì)HathiTrust資源的高效、安全訪問(wèn)。HathiTrust的數(shù)據(jù)API可以檢索圖像、OCR文本、關(guān)聯(lián)的元數(shù)據(jù)、權(quán)限信息以及有關(guān)存儲(chǔ)庫(kù)中數(shù)字對(duì)象的各種其他數(shù)據(jù)等，訪問(wèn)數(shù)據(jù)API的方式有兩種：通過(guò)Web客戶端訪問(wèn)，需要身份驗(yàn)證；編程方式。對(duì)于書(shū)目API，當(dāng)用戶使用各種標(biāo)準(zhǔn)標(biāo)識(shí)符（如ISBN、LCCN、OCLC等）檢索時(shí)，書(shū)目API會(huì)返回書(shū)目、版權(quán)和卷等信息（包括永久性URL），并且書(shū)目API能控制是返回簡(jiǎn)短書(shū)目元數(shù)據(jù)還是完整書(shū)目元數(shù)據(jù)[15]。

2.4 平臺(tái)安全性

HathiTrust基本上采用了SaaS云服務(wù)模式，以數(shù)字資源知識(shí)庫(kù)為中心，圍繞數(shù)據(jù)包構(gòu)建了一個(gè)云框架，其平臺(tái)的功能如圖1所示。

圖1 HathiTrust云平臺(tái)功能圖[16]

用戶通過(guò)復(fù)雜隱藏界面訪問(wèn)HathiTrust，獲得數(shù)字資源，而這一簡(jiǎn)單的過(guò)程，可能需要HathiTrust應(yīng)用文本挖掘工具對(duì)知識(shí)庫(kù)中的資源進(jìn)行分析，或根據(jù)用戶的檢索特征提取其他來(lái)源（BLUE WATERS）的數(shù)字資源，以滿足用戶的需求，這是一個(gè)高度互動(dòng)的過(guò)程[16]。在這個(gè)過(guò)程中，可能涉及很多算法，所以平臺(tái)引入了Mahout開(kāi)源項(xiàng)目，以幫助程序人員更加便捷、高效地開(kāi)發(fā)智能應(yīng)用程序。

Hathitrust注意到不同的數(shù)字資源對(duì)象（數(shù)字文本、圖像、視頻、音頻、多媒體、模擬等）在保存過(guò)程中是有明顯差異的，為了保證這些數(shù)字資源對(duì)象在長(zhǎng)期保存過(guò)程中的一致性和完整性，HathiTrust定義和保存了區(qū)分不同數(shù)字資源對(duì)象的特征信息，具體包括數(shù)字資源對(duì)象的內(nèi)容、固定性、標(biāo)識(shí)參考、信息來(lái)源和前后關(guān)聯(lián)[17]。同時(shí)，HathiTrust平臺(tái)的核心——知識(shí)庫(kù)依據(jù)OAIS（Open Archival Information System，開(kāi)放檔案信息系統(tǒng)）框架構(gòu)建，并且，HathiTrust遵守了可信數(shù)字倉(cāng)儲(chǔ)審核和認(rèn)證（TRAC）標(biāo)準(zhǔn)以及審核表中的要求且通過(guò)了相關(guān)認(rèn)證，等等，這些都保證了HathiTrust中數(shù)據(jù)的長(zhǎng)期一致性和完整性。

為了保證數(shù)字資源的持久可用性，HathiTrust專為長(zhǎng)期資源保存設(shè)計(jì)了存儲(chǔ)架構(gòu)。存儲(chǔ)架構(gòu)的核心是同步在密歇根州安娜堡和印第安納波兩個(gè)數(shù)據(jù)中心進(jìn)行數(shù)據(jù)存儲(chǔ)，并在第三個(gè)數(shù)據(jù)中心以加密磁帶的方式備份了數(shù)字資源6個(gè)月前的數(shù)據(jù)版本。所有數(shù)據(jù)中心均符合國(guó)際權(quán)威機(jī)房認(rèn)證機(jī)構(gòu)Uptime Institute建立的機(jī)房建置等級(jí)Tier II要求，只有授權(quán)的IT人員才能進(jìn)入。每3個(gè)月工作人員會(huì)對(duì)所有存檔數(shù)字資源進(jìn)行完整性檢查，在存儲(chǔ)內(nèi)部執(zhí)行數(shù)據(jù)完整性檢查以及所有靜態(tài)數(shù)據(jù)的定期完整性檢查，并使用奇偶校驗(yàn)和冗余檢驗(yàn)來(lái)修復(fù)遇到的任何錯(cuò)誤，以保證數(shù)字資源與存檔時(shí)相同，從而確保資源存儲(chǔ)的可靠性。

在存儲(chǔ)系統(tǒng)外部，HathiTrust完全遵循OAIS框架要求和可信度標(biāo)準(zhǔn)攝取數(shù)據(jù)，并定期驗(yàn)證數(shù)據(jù)，以確保數(shù)據(jù)被正確攝取并保持不變。同時(shí)，HathiTrust還將存儲(chǔ)設(shè)備的使用壽命設(shè)定為3～4年，每年對(duì)已達(dá)到壽命的設(shè)備進(jìn)行更換[18]。HathiTrust保存了完整齊備的日志文件，并以唯一的ID進(jìn)行標(biāo)識(shí)，以便于后期進(jìn)行事件追溯或其他用途。

數(shù)據(jù)質(zhì)量作為數(shù)據(jù)安全的一個(gè)方面也受到了HathiTrust的重視，考慮數(shù)據(jù)質(zhì)量可能因多個(gè)數(shù)字化合作伙伴以及自動(dòng)抓取內(nèi)容的方法不同而有所不同等因素[19]，HathiTrust專注于解決多層次、宏觀上的數(shù)字對(duì)象及其元數(shù)據(jù)的質(zhì)量問(wèn)題，并直接與合作伙伴、規(guī)劃指導(dǎo)委員會(huì)和相關(guān)團(tuán)隊(duì)合作，推出了一系列評(píng)估方法，持續(xù)地推進(jìn)數(shù)據(jù)質(zhì)量的提升[20]。

3 結(jié) 語(yǔ)

HathiTrust不僅是一個(gè)數(shù)字資源的長(zhǎng)期保存聯(lián)盟，它也是一個(gè)可以解決圖書(shū)館聯(lián)盟中許多常見(jiàn)問(wèn)題的典型組織，是其他圖書(shū)館聯(lián)盟發(fā)展可以借鑒的實(shí)踐案例。作為一個(gè)全球性的數(shù)字資源長(zhǎng)期保存聯(lián)盟組織，可以說(shuō)，HathiTrust已經(jīng)取得了階段性的成功。但是它仍存在一些服務(wù)與應(yīng)用程序不能很好地拓展，一些數(shù)字資源內(nèi)容無(wú)法獲取，原生數(shù)字資源收藏較少等缺陷，這些都需要HathiTrust在未來(lái)的發(fā)展中重點(diǎn)關(guān)注并予以解決，以實(shí)現(xiàn)更廣范圍、更大規(guī)模數(shù)字的長(zhǎng)期保存和獲取。