WebArchive信息采集流程及关键问题研究.PDFVIP

ITA 信息系统 ●刘 　兰 1, 2 , 吴振新1 ( 1中国科学院　国家科学图书馆 , 北京 　100 190; 2 中国科学院　研究生院 , 北京 　100049) W eb A rch ive信息采集流程及关键问题研究 　　摘 　要 : 通过对国际网络存档项 目和系统的调研 , 把网络信息采集的基本流程归纳为选择 、征求所有 者许可 、实施采集 、抽取元数据 、质量审核和网络存档等 6个部分 , 并对采集流程中存在的关键问题进行 识别和分析 。 关键词 : 互联网; 网络存档 ; 信息采集 ; 采集流程 Ab stract: By investigating and studying som e typ ical W eb arch ive p rojects and system s in the world, th is p a p er summ arizes the ba sic p roce ss ofW eb inform ation acqu isition into 6 p arts: selecting, soliciting for p erm ission, in form ation acqu isition, m etadata extracting, quality auditing and W eb arch iving. The key p rob lem s in the inform ation acqu isition p rocess are also identified and analyzed. Keyword s: In ternet; W eb arch ive; inform ation acqu isition; acqu isition p roce ss 　　网络信息资源保存通过持续采集网络资源达到对不断 6) 开始归档过程 。 变化的网络进行保存的目的 , 网络信息采集既是网络存档 7) 为归档的资源组织用于发现 、访问、呈现的相关 (W eb A rch ive) 的起点 , 也是网络存档的基础 , 只有对网 元数据 [ 1 ] 。 络信息进行了成功的采集 , 才能实现有意义的长期保存 。 在 IIPC 的支持下 , 由新西兰国家图书馆和大英图书 因此 , 作为长期保存关键性的一步 , 网络信息采集决定着 馆共同开发的选择性网络采集过程管理工具 W eb Curator 网络信息长期保存的最终效果 。但网络信息自身的特点使 Too l (W CT) 实施采集的基本流程是 : ①获取采集授权 , 得网络信息采集成为一项复杂的系统任务 , 需要一系列的 并在许可记录中进行记录 ; ②创建一个对象以定义要采集 流程来保障采集工作的有序进行 , 以实现高质量的网络采 的资料 、采集技术参数和采集进度表 ; ③审批对象 ; ④根 集 。 据进度表创建对象实例 , 运行采集 , 通知采集状态 , 为审 本文在调研国际网络归档项 目和系统的基础上 , 对网 核做准备 ; ⑤审核对象实例 , 审批采集结果 ; ⑥向外部数 络信息采集流程进行了梳理 , 并对各个流程需要解决的关 字存储库提交采集结果 [2 ] 。 键问题进行了识别和分析 。 由美国国会图书馆资助加利福尼亚数字图书馆进行的 W eb at R isk项 目中 , 开发了一套用于采集 、保存政府信 1　网络信息的采集流程