引言

各級政府掌握著全社會80%的數(shù)據(jù)資源[1]，“開放政府數(shù)據(jù)”(Open Government Data，OGD)能夠最大限度地推動全社會數(shù)據(jù)資源的有效配置和充分利用[2-3]，成為各國政府實踐和學術(shù)研究的熱點[3]。全球范圍興起的“開放政府數(shù)據(jù)運動”始于2009年美國政府推動的“開放政府行動計劃”(Open Government Initiative)[4-5]，兩年后的2011年9月美國、英國、巴西等8個國家成立了“開放政府合作組織”(Open Government Partnership，OGP)。到2016年8月其成員國已發(fā)展到70個，相繼推出“國家行動計劃”，從法律、技術(shù)、信息基礎(chǔ)設(shè)施和應用等維度推動各層次的政府數(shù)據(jù)開放。根據(jù)世界銀行的統(tǒng)計，目前已有超過250個政府(含中央政府和地方政府)實施“開放數(shù)據(jù)行動計劃”[6]。

構(gòu)建政府數(shù)據(jù)管理、開放、查詢和再利用的官方平臺，發(fā)布開放數(shù)據(jù)目錄(Open Data Catalogs)的“一站式”門戶網(wǎng)站(Portals)是各國在開放政府數(shù)據(jù)運動中普遍采取的關(guān)鍵舉措[4，7]。到2016年8月，DataPortals.org收集的數(shù)據(jù)門戶網(wǎng)站已達520個。我國從2012年開始，北京、上海、浙江、重慶、武漢和青島等地方政府相繼推出了十余個開放數(shù)據(jù)的門戶網(wǎng)站[8]。2015年9月5日國務(wù)院印發(fā)的《促進大數(shù)據(jù)發(fā)展行動綱要》明確在2018年底前要建成國家政府數(shù)據(jù)統(tǒng)一開放平臺。

開放數(shù)據(jù)是政府信息公開在大數(shù)據(jù)時代的發(fā)展和深化[9]。正如“元數(shù)據(jù)對政府公開信息的描述、發(fā)現(xiàn)和管理有著極其重要的作用”[10]一樣，數(shù)據(jù)目錄平臺的核心功能是開放數(shù)據(jù)集的元數(shù)據(jù)管理[8，11-13]。復旦大學鄭磊等構(gòu)建的“中國政府開放數(shù)據(jù)整體評估框架”中，“元數(shù)據(jù)”是13個評估維度之一[8];英國開放數(shù)據(jù)研究所(Open Data Institute，ODI)開發(fā)和維護開放數(shù)據(jù)質(zhì)量的在線評估工具“開放數(shù)據(jù)合格證書”(Open Data Certificate)，將標準的、機器可讀的元數(shù)據(jù)作為考查的基本指標之一[14]。隨著開放數(shù)據(jù)運動的逐步深入，元數(shù)據(jù)從提高開放數(shù)據(jù)集的可發(fā)現(xiàn)性[15]到幫助用戶理解、選擇數(shù)據(jù)集[16]，正在向標準化、語義化和機器可讀的方向發(fā)展。

在政府實踐和學術(shù)研究領(lǐng)域，我國已開始加快追趕全球開放數(shù)據(jù)浪潮的腳步[2]。在元數(shù)據(jù)上，雖然目前各地方政府對于開放的數(shù)據(jù)都能提供基本的元數(shù)據(jù)信息[17]，但元數(shù)據(jù)的方案各不相同、對數(shù)據(jù)集的描述尚不全面、格式以HTML網(wǎng)頁和文本文件為主，離規(guī)范化、標準化、互操作和機器可讀的目標還存在著不小的差距，這將影響到數(shù)據(jù)開放的效果[17]。為此，本文借鑒國際先進經(jīng)驗，在分析地方政府開放數(shù)據(jù)平臺元數(shù)據(jù)不足的基礎(chǔ)上，設(shè)計基于W3C DCAT標準的核心元數(shù)據(jù)方案，為我國各級政府開放數(shù)據(jù)平臺的建設(shè)和升級提供借鑒和參考。

1 國外開放政府數(shù)據(jù)的元數(shù)據(jù)現(xiàn)狀

1.1 開放數(shù)據(jù)的元數(shù)據(jù)標準由蒂姆·伯納斯-李領(lǐng)導的W3C是政府數(shù)據(jù)開放運動的積極推動者[18]。W3C電子政務(wù)標準行動計劃(eGov Activity)設(shè)有電子政務(wù)興趣小組(eGovernment Interest Group)和政府關(guān)聯(lián)數(shù)據(jù)工作組(Government Linked Data Working Group)。經(jīng)歷兩年的研制，2014年1月16日，政府關(guān)聯(lián)數(shù)據(jù)工作組最終發(fā)布了由愛爾蘭國立大學DERI(Digital Enterprise Research Institute)起草、電子政務(wù)興趣小組修改的政府開放數(shù)據(jù)元數(shù)據(jù)的正式推薦標準——DCAT(Data Catalog Vocabulary)[19]。

DCAT是RDF詞匯表，支持數(shù)據(jù)目錄之間的互操作性(interoperability)。DCAT詞匯表共有7個類、17個屬性，主要類和屬性如圖1所示[19]，其中復用了都柏林核心元數(shù)據(jù)(Dublin Core)、FOAF本體和SKOS本體的相關(guān)詞匯。從圖1可見，對于開放數(shù)據(jù)集(dataset)，DCAT提供了15個屬性(帶dcat前綴的5個為新屬性)。這些屬性幫助用戶“認識”(如dct：title和dct：description)、“查找”(如dcat：theme和dcat：keyword)、“選擇”(如dct：modified和dct：spatial)、“訪問、讀取或下載”(如dcat：distribution和dcat：landing-Page)和“使用”(如dct：identifier和dcat：contactPoint)數(shù)據(jù)，能夠滿足各類數(shù)據(jù)集“開放”的基本需求。

圖1 DCAT詞匯表的主要類及其屬性

根據(jù)W3C的統(tǒng)計，DCAT及其應用綱要(Application Profile)已被歐盟、美國、英國、西班牙、愛爾蘭和意大利等國家廣泛采用[20]。歐盟DCAT-AP(DCAT Application Profile for Data Portals in Europe)已應用到歐盟28國統(tǒng)一的數(shù)據(jù)目錄門戶(www.europeandataportal.eu)上，描述的58萬多個數(shù)據(jù)集涉及文化教育、環(huán)境、交通和能源等13個門類。根據(jù)歐盟2016年8月的最新統(tǒng)計[21]，意大利(Dati.Gov.IT)和羅馬尼亞(Data.Gov.RO)等14個數(shù)據(jù)門戶元數(shù)據(jù)對DCAT-AP的符合率為100%，奧地利(Data.Gv.AT)的這一比例為99%。值得一提的是，英國和法國的地理數(shù)據(jù)集對DCAT-AP的符合率分別是93%、97%，立陶宛和北愛爾蘭的空間數(shù)據(jù)則為100%，表明了DCAT的廣泛適應性。愛爾蘭的元數(shù)據(jù)方案在歐盟DCAT-AP的基礎(chǔ)上，增加了描述地理數(shù)據(jù)集的元數(shù)據(jù)[22]。

1.2 美國紐約州開放數(shù)據(jù)的元數(shù)據(jù)方案美國是開放政府數(shù)據(jù)的發(fā)起者和領(lǐng)跑者。從2009年5月21日上線發(fā)布國家層面的數(shù)據(jù)門戶Data.Gov，到2016年8月各級地方政府(州、縣和市)的開放數(shù)據(jù)門戶網(wǎng)站已達到88個[23]。美國各級政府開放數(shù)據(jù)的元數(shù)據(jù)非常重視標準化工作，2014年11月6日更新的國家數(shù)據(jù)門戶的元數(shù)據(jù)方案(Project Open Data Metadata Schemav1.1，POD v1.1)已建立了到DCAT和Schema.org的映射[24]。由于本文主要關(guān)注地方政府，就以紐約州為例介紹一個具體的元數(shù)據(jù)方案。

紐約州政府于2013年3月11日推出開放數(shù)據(jù)平臺Open.ny.gov，隨后信息技術(shù)服務(wù)辦公室于2013年11月6日發(fā)表《開放數(shù)據(jù)手冊》[25]，詳盡描述了元數(shù)據(jù)的構(gòu)建原則和方案。表1是根據(jù)《開放數(shù)據(jù)手冊》和Open.ny.gov上的元數(shù)據(jù)實例總結(jié)的紐約州元數(shù)據(jù)方案的主要元素，可見與DCAT有著很高的兼容程度并做了一定的本土化擴展。

2 我國地方政府開放數(shù)據(jù)的元數(shù)據(jù)分析

2.1 目前使用的元數(shù)據(jù)不同于美國、英國等國家從中央政府到地方政府的發(fā)展路徑，目前我國開放數(shù)據(jù)門戶網(wǎng)站主要發(fā)端和實踐于地方政府。表2列出了當前活躍的、代表性的網(wǎng)站的URL。在詳盡調(diào)查各數(shù)據(jù)門戶使用的元數(shù)據(jù)的基礎(chǔ)上，限于篇幅本文以北京市和浙江省為例，給出分析結(jié)果。

“北京市政務(wù)數(shù)據(jù)資源網(wǎng)”由北京市經(jīng)濟和信息化委員會(經(jīng)信委)牽頭建設(shè)、北京市各政務(wù)部門共同參與，于2012年10月推出測試版、2013年年底正式開通。目前已開放來自市教委、市交通委、市旅游委等近40個部門的300多個數(shù)據(jù)集，并為每個數(shù)據(jù)集提供了txt文本格式的元數(shù)據(jù)文件[26]。表3總結(jié)了元數(shù)據(jù)情況，其中第一列的元素名稱取自元數(shù)據(jù)文件，第二列的元素標簽取自HTML頁面，實例數(shù)據(jù)取自“公益性圖書館”數(shù)據(jù)集的描述信息(http：//www.bjdata.gov.cn/zyml/azt/wtyy/whcs/whgz/3077.htm)。需要說明的是，實際中并沒有“數(shù)據(jù)資源”這一元素，它是本文為了元數(shù)據(jù)的結(jié)構(gòu)更加簡潔、明晰而引入的，實際使用的7個元素(文件名稱、下載次數(shù)、上傳日期、原始數(shù)據(jù)下載、空間數(shù)據(jù)下載、資源記錄數(shù)、數(shù)據(jù)文件大小)歸結(jié)為它的“修飾詞”。

2015年9月23日，浙江政務(wù)服務(wù)網(wǎng)“數(shù)據(jù)開放”專題網(wǎng)站正式上線。這是國家《促進大數(shù)據(jù)發(fā)展行動綱要》發(fā)布后，全國各省份中第一個推出的政府數(shù)據(jù)統(tǒng)一開放平臺，現(xiàn)已開放出200多個數(shù)據(jù)集。表4給出了網(wǎng)站的元數(shù)據(jù)使用情況，由于只有HTML格式的元數(shù)據(jù)信息，所以不區(qū)分元素的名稱與標簽，實例數(shù)據(jù)取自“公共圖書館信息”數(shù)據(jù)集的描述信息(http：//data.zjzwfw.gov.cn/catedetail.action resid=210551/20150610110144613008&catecode=SJLY005)。同表3一樣，實際中也沒有“數(shù)據(jù)資源”這一元素，表4中的“元素修飾詞”是我們根據(jù)實際情況總結(jié)的。

2.2 元數(shù)據(jù)的不足 目前的元數(shù)據(jù)雖然能滿足各地方政府開放數(shù)據(jù)的基本需求，但同國際上的發(fā)展趨勢相比有如下不足：

a.各地方政府的元數(shù)據(jù)方案之間差異較大，表現(xiàn)為元素的個數(shù)、名稱與格式上的不一致，這為應用程序跨多個數(shù)據(jù)目錄讀取數(shù)據(jù)集的元數(shù)據(jù)帶來困難，增加了處理的復雜性和代價;

b.對數(shù)據(jù)集的描述不夠全面，表現(xiàn)為沒有規(guī)范、持久、穩(wěn)定的唯一標識符，沒有數(shù)據(jù)的時空覆蓋范圍，沒有問題反饋渠道，沒有數(shù)據(jù)的開放許可等;

c.沒有區(qū)分數(shù)據(jù)集與數(shù)據(jù)集包含的數(shù)據(jù)資源(可下載的文件或訪問端點等)，造成描述兩者的元數(shù)據(jù)之間的混淆，如“資源類型”“資源記錄數(shù)”“點擊下載”等描述的應是數(shù)據(jù)文件而不是數(shù)據(jù)集本身;

d.普遍沒有采用機器可讀的元數(shù)據(jù)格式，不利于程序的自動處理和互操作;

e.同一個開放數(shù)據(jù)網(wǎng)站中，元數(shù)據(jù)的取值也不規(guī)范。如浙江省網(wǎng)站中“數(shù)據(jù)文件大小”的取值既有帶單位的(如172KB)，也有沒帶單位的(如10);北京市“資源更新周期”的取值有“一年”的、也有“每年”的，而“在線資源鏈接地址”的取值都是“www.bjdata.gov.cn”，造成用戶不能從這個元數(shù)據(jù)直接找到數(shù)據(jù)資源，也就失去了元數(shù)據(jù)的價值。

3 核心元數(shù)據(jù)方案設(shè)計

下面從現(xiàn)有的元數(shù)據(jù)出發(fā)，以W3C DCAT為標準化方向，以克服現(xiàn)有不足和滿足核心功能(即數(shù)據(jù)集的可發(fā)現(xiàn)性、可訪問性及數(shù)據(jù)目錄間的互操作)為目標，設(shè)計我國地方政府數(shù)據(jù)目錄的核心元數(shù)據(jù)方案，主要做法是：a.將元素分為兩組，分別描述數(shù)據(jù)集和數(shù)據(jù)資源;b.依據(jù)DCAT規(guī)范元素的名稱和語義;c.保留各地方政府與DCAT共有的元素項;d.補充DCAT中核心的、但各地方政府普遍缺失的元素項;e.采用機器可讀的元數(shù)據(jù)格式。

3.1 描述對象 本文將“數(shù)據(jù)集”和“數(shù)據(jù)資源”作為元數(shù)據(jù)的描述對象。

世界銀行開放政府數(shù)據(jù)工作組將元數(shù)據(jù)定義為“對開放數(shù)據(jù)集(dataset)各方面的描述數(shù)據(jù)”[27]。DCAT認為“數(shù)據(jù)集是由一個機構(gòu)或部門發(fā)布和維護的數(shù)據(jù)的集合”[19]，對應圖1中的dcat：Dataset類。數(shù)據(jù)集包含一個或多個數(shù)據(jù)資源，數(shù)據(jù)資源對應圖1中的dcat：Distribution類，可以是能被下載的數(shù)據(jù)文件、訪問數(shù)據(jù)的端點(endpoint)或RSS源(feed)等[19]。數(shù)據(jù)集與數(shù)據(jù)資源之間的關(guān)系是“整體-部分”關(guān)系，對應圖1中的dcat：distribution屬性。

3.2 描述數(shù)據(jù)集的元數(shù)據(jù)表5給出了描述數(shù)據(jù)集的核心元數(shù)據(jù)，第一列是規(guī)范化的元素中文名稱、第二列是對應的DCAT元素，最后兩列對應北京和浙江實際使用的元數(shù)據(jù)。19個元素全部來自DCAT詞匯表和DC元數(shù)據(jù)，不僅能覆蓋北京、浙江等目前使用的絕大多數(shù)元數(shù)據(jù)，也補充了“標識符”“開放許可”和“聯(lián)系方式”等基本元素。

3.3 描述數(shù)據(jù)資源的元數(shù)據(jù)表6給出了描述數(shù)據(jù)資源的10個核心元素，規(guī)范和補充了數(shù)據(jù)文件的“名稱”“格式”“類型”“字節(jié)大小”和“文件下載的URL”“數(shù)據(jù)訪問的URL”等重要的元素項。

3.4 擴展原則隨著開放數(shù)據(jù)種類的日益增加，數(shù)據(jù)集的本征特征會向多樣化發(fā)展，對核心元數(shù)據(jù)的擴展勢在必行。各國的主要策略是對DCAT的本土化和專業(yè)化擴展，例如美國POD v1.1引進了accessLevel(訪問級別)、dataQuality(數(shù)據(jù)質(zhì)量)、bureauCode(機構(gòu)代碼)和primaryITInvestmentUII(IT唯一投資標識符)等體現(xiàn)美國政府信息化特點的元數(shù)據(jù)項[24]，歐盟DCAT-AP引進歐盟范圍的受控詞表(如EuroVoc)規(guī)范元素的取值，愛爾蘭對地理數(shù)據(jù)增加了“空間參照系”(Spatial Reference System)、“空間分辨率”(SpatialResolution)等元數(shù)據(jù)項[22]。

我國在進行本土化時更應考慮中文信息的特點，并結(jié)合政府信息資源公開及開放共享的現(xiàn)狀和發(fā)展的需要[28]。

4 元數(shù)據(jù)實例

支持互操作的元數(shù)據(jù)格式有XML、RDF等[29]，它們都是機器可讀的。作為DCAT的補充，DCIP(Data Catalog Interoperability Protocol)建議以XML/RDF和JSON格式編碼開放數(shù)據(jù)的元數(shù)據(jù)[30]，已被美國、英國和歐盟等采納[9]。

本文以北京市“公益性圖書館”數(shù)據(jù)集的元數(shù)據(jù)(參見2.1節(jié)的表3)為例，將現(xiàn)有的文本格式轉(zhuǎn)換為XML/RDF格式(見圖2)。其中，元素的名稱來自DCAT詞匯表，除了“標識符”的值(圖中黑體)，其余值都是實際數(shù)據(jù)?？梢栽O(shè)想，如果各地方政府都以這種格式提供元數(shù)據(jù)，應用程序就能以一致的方式跨多個數(shù)據(jù)目錄讀取和解析它們，實現(xiàn)自動查找、比較和選擇數(shù)據(jù)集，進而自動下載或訪問數(shù)據(jù)。

該例也表明，上述核心元數(shù)據(jù)方案能夠基本滿足各類開放數(shù)據(jù)集的可發(fā)現(xiàn)性和可訪問性的描述需求，同時提高了現(xiàn)有元數(shù)據(jù)的規(guī)范程度和互操作性。對于專業(yè)領(lǐng)域數(shù)據(jù)集的特殊描述需求，則要引進新的元數(shù)據(jù)項。

5 結(jié)語

數(shù)據(jù)的開放共享離不開元數(shù)據(jù)的支持，為開放數(shù)據(jù)集附加高質(zhì)量的元數(shù)據(jù)描述，是實現(xiàn)數(shù)據(jù)目錄之間互操作的基礎(chǔ)，更有利于用戶發(fā)現(xiàn)、理解和使用數(shù)據(jù)。我國地方政府開放數(shù)據(jù)元數(shù)據(jù)的規(guī)范化和標準化程度還不高，借鑒和參考國際通用的元數(shù)據(jù)標準將是一個重要的發(fā)展方向。本文在這方面做了初步的嘗試，構(gòu)建了基于W3C DCAT標準的描述開放數(shù)據(jù)集和數(shù)據(jù)資源的核心元數(shù)據(jù)方案。顯然，該方案在實際應用中還會有很多不足，如還需要補充和完善編碼體系修飾詞、規(guī)范元數(shù)據(jù)的取值類型、設(shè)計數(shù)據(jù)集標識符的規(guī)范、根據(jù)需求增加新的描述對象和屬性等。

相信從“元數(shù)據(jù)方案”到“元數(shù)據(jù)規(guī)范”、再到“元數(shù)據(jù)標準”的演化，將見證我國開放政府數(shù)據(jù)從起步、成長到成熟的發(fā)展歷程。

來源：《情報雜志》