OAI-PMH

The Open Archives Initiative Protocol for Metadata Harvesting (OAI-PMH) je jeden z nejběžnějších protokolů používaných pro sklízení metadat, tedy automatického agregování metadatových záznamů z různých zdrojů do jednoho systému.
OAI-PMH byl vytvořen organizací Open Archive Initiative jako jednoduchý nízkoprahový mechanismus pro snadnou interoperabilitu mezi repozitáři, tedy schopnost digitálních úložišť spolupracovat mezi sebou a vyměňovat si informace s co možná nejmenší ztrátou. Protokol je založen na běžných standardech používaných na webu – HTTP a XML.

Hlavní myšlenka

S exponenciálně rostoucím množstvím vytvářených digitálních dokumentů roste poptávka koncových uživatelů po jednoduchém a efektivním řešení umožňujícím nacházet relevantní zdroje těchto dokumentů. Open Archive Initiative se proto zaměřila na vytvoření rámce, který by umožňoval transportování metadat z velkého množství digitálních repozitářů do centralizovaného systému. Výsledkem tohoto sklízení metadat je databáze, která obsahuje metadatové záznamy o zdrojích umístěných v mnoha různých repozitářích. Tyto záznamy bývají často doplněny i odkazem do konkrétního repozitáře, kde se původní zdroj nachází. Uživatel tak může získat i snadný přístup k plnému textu daného dokumentu.

Vznik

OAI vznikla v roce 1999 v Santa Fe v Novém Mexiku, rok poté byla představena první verze protokolu. Po krátkém fungování byla provedena revize a s přihlédnutím k názorům a zkušenostem prvotních institucí, které OAI-PMH využily, byla v roce 2002 vydána verze 2.0, která je aktuální dodnes.

PMH je navržen tak, aby byl co možná nejjednodušší, jeho implementace byla snadná a vyžadovala jen minimum programátorských znalostí. Většina institucí, které PMH zavedly, byla schopná systém zprovoznit v řádu hodin.

OAI-PMH v České republice

V České republice umožňuje jednotlivým knihovnám dodávat data cestou OAI-PMH například Souborný katalog ČR. SKČR sklízí data z knihoven, které se do projektu dobrovolně zapojily, s týdenní nebo měsíční periodicitou. Metadata jsou sbírána ve formátu marc21.

Princip fungování

schéma fungování OAI-PMH; zdroj vlastní

OAI-PMH rozeznává dva druhy účastníků procesu sklízení metadat – Data Providers (zprostředkovatelé dat) představované repozitáři, které zpřístupňují PMH metadata svých položek, a Service Providers (zprostředkovatele služeb), kteří tyto metadata sklízejí, přenáší do své centralizované databáze a používají pro vytvoření služby s přidanou hodnotou, se kterou může pracovat koncový uživatel.

Metadata jsou mezi Data Providers a Service Providers přenášena jako XML dokumenty přes HTTP.
HTTP je protokol fungující na principu dotaz-odpověď (request-response protocol) mezi clientem a serverem. Dotazujícím je v případě OAI-PMH Service Provider, dotazovaným serverem Data Provider.

Entity

Ve spojení s metadaty přístupnými pro PMH jsou rozlišovány tři entity:

• Zdroj (Resource)
  • objekt nebo „věc“, o které daná metadata jsou.
  • OAI-PMH se zdrojem nijak nepracuje
• Jednotka (Item)
  • součást repozitáře, ze které mohou být uvolněna metadata o zdrojích.
  • jednotka většinou obsahuje metadata o jednom zdroji v několika formátech.
  • každá jednotka má svůj identifikátor, který ji přesně označuje v rámci daného repozitáře.
  • unikátní identifikátor používá OAI-PMH při požadavku o extrakci metadat z jednotky.
• Záznam (record)
  • metadata vyjádřená ve specifickém metadatovém formátu

Přenos metadat

Pro přenos záznamů (records) specifikuje PMH „požadavky“ a „odpovědi“ („requests“ a „responses“). Využívá při tom existujících protokolů, které jsou široce uplatňovány na webu. Požadavky a Odpovědi slouží k identifikaci a stažení metadatových záznamů, ne však k selekci záznamů dle autora, tématu, nebo dalších kvantifikátorů běžně používaných při vyhledávání. Metadata nebývají většinou stahována jednotlivě, nýbrž hromadně.

PMH specifikuje 6 Dotazů, které umožňují interakce mezi repozitáři (data providers) poskytujícími metadata a zprostředkovateli služeb (service providers), kteří metadata sklízejí. Zprostředkovatelé služeb sklízející metadata jsou nazýváni harversters (ve volném překladu kombajny).

• GetRecord: požadavek na přenos určitého záznamu od repozitáře ke harvesteru
• Identify: harvester se dotazuje repozitáře na identifikační informaci
• ListIdentifiers: harvester žádá od repozitáře seznam hlaviček (headrů) záznamů
• ListMetadataFormats: harvester zjišťuje metadatové formáty, které repozitář podporuje
• ListRecords: používá se pro sklízení metadat z repozitáře, přičemž harvester může specifikovat sety a další podmínky pro selektivní sklízení.
• ListSets: harvester žádá sety dat, které jsou uspořádány v rámci daného repozitáře

Formát metadat

OAI-PMH je agnostický vůči metadatovému schématu, může tedy přenášet metadata v jakémkoli formátu, pokud je možné zapsat je v XML (eXtensible Markup Language). Protože běžné repozitáře ale nejsou formátově agnostické, vyžaduje OAI-PMH, aby měla každá jednotka, kromě svých vlastních – často specifických metadat, také data ve formátu unqualified Dublin Core. Tím je zajištěn alespoň základní stupeň interoperability v centralizované databázi.

Unqualified Dublin Core obsahuje základní sadu 15 prvků (DCMES – Dublin Core Metadata Element Set). Jsou to: název, tvůrce, předmět, popis, vydavatel, přispěvatel, datum, typ, formát, identifikátor, zdroj, jazyk, vztah, pokrytí a práva.

Struktura záznamu

Záznam (record) jsou metadata vyjádřená v určitém formátu. Záznam je vracen jako XML dokument v návaznosti na dotaz OAI-PMH o extrakci metadat z jednotky v repozitáři. Jednoznačnou identifikaci záznamu umožňuje kombinace unikátního identifikátoru jednotky, metadatové předpony (metadataPrefix) a časové známky (datestamp), která označuje datum poslední modifikace.

Záznam je zakódován v XML a organizován do třech částí :

• Header: obsahuje unikátní identifikátor položky, časovou známku, případně ještě elementy setSpec používané pro selektivní sklízení
• Metadata: část dokumentu, která obsahuje metadatové záznamy položky
• About: nepovinná součást dokumentu, která může popisovat metadata nebo část záznamu. Běžně je například používána pro deklarace autorských práv

Příklad XML záznamu

<header>
  <identifier>oai:arXiv:cs/0112017</identifier>
  <datestamp>2002-02-28</datestamp>
  <setSpec>cs</setSpec>
  <setSpec>math</setSpec>
</header>
<metadata>
 <oai_dc:dc 
     xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" 
     xmlns:dc="http://purl.org/dc/elements/1.1/" 
     xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" 
     xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ 
     http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
   <dc:title>Using Structural Metadata to Localize Experience of Digital 
             Content</dc:title>
   <dc:creator>Dushay, Naomi</dc:creator>
   <dc:subject>Digital Libraries</dc:subject>
   <dc:description>With the increasing technical sophistication of both 
    information consumers and providers, there is increasing demand for 
    more meaningful experiences of digital information. We present a 
    framework that separates digital object experience, or rendering, 
    from digital object storage and manipulation, so the
    rendering can be tailored to particular communities of users. 
   </dc:description>
   <dc:description>Comment: 23 pages including 2 appendices, 
                   8 figures</dc:description>
   <dc:date>2001-12-14</dc:date>
   <dc:type>e-print</dc:type>
   <dc:identifier>http://arXiv.org/abs/cs/0112017</dc:identifier>
 </oai_dc:dc>
</metadata>
<about> 
  <provenance
      xmlns="http://www.openarchives.org/OAI/2.0/provenance" 
      xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" 
      xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/provenance
      http://www.openarchives.org/OAI/2.0/provenance.xsd">
    <originDescription harvestDate="2002-02-02T14:10:02Z" altered="true">
      <baseURL>http://the.oa.org</baseURL>
      <identifier>oai:r2:klik001</identifier>
      <datestamp>2002-01-01</datestamp>
      <metadataNamespace>http://www.openarchives.org/OAI/2.0/oai_dc/</metadataNamespace>
    </originDescription>
  </provenance>
</about>

Odkazy

Související články

• Metadata
• World Wide Web
• Opac, veřejně přístupné katalogy (discovery systémy)
• Databáze
• Digitální repozitář
• Digitální knihovna
• Vyhledávače, vyhledávací nástroje

Klíčová slova

metadata, sklízení metadat, discovery systémy, Open Archives Initiative Protocol for Metadata Harvesting (OAI-PMH)