[论文解读] Towards a semantic approach in GLAM Labs: the case of the Data Foundry at the National Library of Scotland

Gustavo Candela|arXiv (Cornell University)|Jan 26, 2023

Digital Humanities and Scholarship参考文献 35被引用 4

一句话总结

本文提出一个框架，通过语义网标准将GLAM（美术馆、图书馆、档案馆和博物馆）元数据数据集转换为链接开放数据（LOD），并将该方法应用于苏格兰国家图书馆数据工程中心的三个数据集。该方法实现了机器可读、互操作的数据发布，公开提供了Jupyter笔记本和结果，可供数字人文和数据科学领域重复使用。

ABSTRACT

GLAM organisations have been exploring the benefits of publishing their digital collections in a wide variety of forms since the 2000s. Many institutions, and in particular libraries, have adopted the Semantic Web and Linked Data principles to their main catalogues. Recent advances in technology and innovative approaches concerning the reuse of the digital collections by means of computational access have paved the way for the creation of Labs within GLAM organisations. In this work, we present a framework to transform the datasets made available by GLAM organisations under open licenses into LOD. The framework has been applied to three metadata datasets made available by the Data Foundry at the National Library of Scotland. The results of this work are publicly available and can be applied to other domains such as digital humanities and data science.

研究动机与目标

• 通过语义发布解决使GLAM数字馆藏计算可访问和互操作的挑战。
• 通过将传统格式（如MARC和CSV）转换为机器可读的标准化LOD，克服其局限性。
• 为GLAM机构提供一个可重复使用、符合最佳实践的框架，用于将其数据集发布为LOD。
• 通过苏格兰国家图书馆的真实世界数据集，证明语义增强的可行性和优势。
• 通过与链接开放数据云和Wikidata生态系统对齐，支持国际合作。

提出的方法

• 设计一个转换管道，将现有元数据（如MARC、Dublin Core）映射为RDF，使用标准化词汇和URI。
• 应用W3C链接数据指南和VoID词汇的最佳实践，用于数据集描述和互链接。
• 利用Jupyter笔记本实现并记录转换过程，确保可复现性。
• 使用RDF/JS和基于XPath的映射，将结构化数据（如XML）转换为RDF三元组。
• 整合外部知识源（如Wikidata、DBPedia）以增强实体并提高数据质量。
• 通过自动化检查和与既定LOD原则的一致性，验证数据质量。

Figure 1: Overview of the steps to transform into RDF the National Bibliography of Scotland and BOSLIT datasets using as main vocabulary BIBFRAME.

实验结果

研究问题

• RQ1 传统GLAM元数据格式如何系统性地转换为机器可读、语义增强的链接开放数据？
• RQ2 何种技术和方法论框架能够实现从异构GLAM数据集中可靠、可复现且可扩展的LOD发布？
• RQ3 语义增强在多大程度上提升了数字人文和数据科学应用中数据的互操作性和可重用性？
• RQ4 在机构GLAM数据发布工作流中采用LOD标准存在哪些实际挑战和优势？
• RQ5 如何有效记录、发布并整合生成的LOD数据集，使其融入全球知识图谱（如链接开放数据云）？

主要发现

• 该框架成功将苏格兰国家图书馆数据工程中心的三个元数据数据集转换为结构化、机器可读的RDF格式。
• 生成的LOD数据集公开可用，并与Wikidata、DBPedia等外部知识库互链接，显著提升了其上下文丰富性。
• 使用Jupyter笔记本确保了转换过程的完全可复现性，支持其他机构的透明度和重用。
• 与原生MARC或CSV格式相比，该方法在数据表达力和机器可处理性方面表现出显著提升。
• 转换管道遵循W3C的LOD发布最佳实践，包括适当的URI设计和VoID元数据描述。
• 本研究证实，语义发布对GLAM机构而言是可行且有益的，有助于提升其数字馆藏的影响和可重用性。

Figure 2: Overview of the main BIBFRAME classes used to model data based on the National Bibliography of Scotland.