整合方志元数据的问题与解决

方志元数据是描述方志资源的描述性数据。在20世纪初，计算机没有普及应用之前，志书的著录信息是记录在卡片、图书等纸质载体上的，人们将众多的方志目录汇编成方志书目，例如朱士嘉编纂的《中国地方志综录》、张国淦的《中国古方志考》[19]。20世纪下半叶，随着机读目录格式MARC的普及，方志元数据以CNMARC著录形式存在于图书馆自动化系统中。20世纪末，DC元数据开始兴起，我国科技部科技基础性工作专项资金重大项目“我国数字图书馆标准规范建设”参照DC的扩展规则制定了数字资源基本元数据规范和专门元数据规范，推出了“地方志描述元数据著录规则”[20]。著录规则的不同，导致元数据规范不一致。目前采集到的元数据来源于图书馆集成系统、图书馆自建库、商业数据库。其中图书馆集成系统中的方志元数据以MARC存储，由OPAC导出后，数据最为复杂，商业数据库包括超星、爱如生、瀚唐等的方志，以及CADAL里的方志元数据多遵循地方志描述元数据著录规则。除著录规则不一致外，由于软件系统的不同，也使得方志元数据不一致，具体有以下问题。

（1）元数据著录不一致。表10-1和表10-2分别为OPAC导出的方志元数据格式和中国方志元数据著录方式，通过对比发现两者有明显的区别，例如OPAC导出的数据以“作者-creator1”“作者-creator2”“作者-creator3”表示责任者，中国方志库以“作者-修”“作者-纂”表示责任者；OPAC导出的方志元数据为简体，而中国方志库元数据为繁体。

表10-1　OPAC导出方志元数据及其示例

续表

表10-2　中国方志库元数据及其示例

（2）元数据的字段数量不一致。如表10-1和表10-2所示，OPAC元数据的字段数量明显多于中国方志库里的元数据字段数量。(www.xing528.com)

（3）元数据粒度不够细致。以古籍文献为核心描述对象的元数据规范，就单个元素的取值来看，是非结构化文本，粒度还不够细致[21]。

（4）方志本身存在汇编的问题。汇编作品是指根据选题需要，在不改变原作品内容的前提下，对其进行编排以合集形式呈现的新作品[22]。当单部作品作为汇编作品的部分存在时，在编目实践中，对汇编作品进行集中著录。方志有很多是以汇编的形式存在，原有的编目实践无法直观地表现单部作品与汇编作品关系。从汇编作品中提取单部方志作品，有利于加强对单部方志作品、责任者等实体的描述，有利于更好地实现方志的查找、识别和选择，同时有利于汇集方志所有作品的载体表现形式。例如以“太平县古志三种”为例，其实际是数据为“嘉靖太平县志/（明）曾才汉修；叶良佩纂；嘉庆太平县志/（清）庆霖修；戚学标纂；光绪太平续志/（清）陈汝霖，邓之锳修；王棻纂”的三本县志，其在OPAC元数据中却只在附注中体现汇编作品与单部作品的关系。汇编作品与单部作品的关系不够明显，且单部作品的详细信息很难找到。

（5）数据重复。由于方志资源被多个系统或多个馆收录，这样就造成元数据在合并时会存在数据重复问题。例如，以“西安县志（浙江）”为例，这本方志同时存在于北京师范大学图书馆、上海师范大学图书馆；以“八闽通志（福建）”为例，其同时存在于北京师范大学图书馆、内蒙古大学图书馆。当越来越多的图书馆方志元数据整合在一起，重复会更多。因此在将新方志元数据整合入原有的数据中时，应首先检查新的元数据是否是重复数据，如果不是重复的数据，应查看有哪些属性不一致，检查、采用正确的元数据。

（6）方志元数据著录错误。方志文献浩如烟海，在后世史志中难免出现著录错讹，包括由于地名改变导致的方志名称著录错误、由于著作权归属存在争议导致的方志纂修者姓氏著录错误、由于内容增删导致的方志卷数著录错误等[23]。由于元数据的著录可能有错误，因此在整合的过程中，应注意方志元数据的正确性，特别是当表示同一方志的两条或多条元数据不一致时，应仔细甄别。

（7）整合过程复杂。要整合的图书馆方志元数据数量很大，需要编写程序实现自动整合，并辅以人工检查。