B.Kahle 2000.3 原始出处：http://www.vala.org.au/hans0602.ppt 网络数据存档的存在问题 B.Kahle 2000.3 原始出处：http://www.vala.org.au/hans0602.ppt bluerye（DXY）译.

Presentation on theme: "B.Kahle 2000.3 原始出处：http://www.vala.org.au/hans0602.ppt 网络数据存档的存在问题 B.Kahle 2000.3 原始出处：http://www.vala.org.au/hans0602.ppt bluerye（DXY）译."— Presentation transcript:

1 B.Kahle 2000.3 原始出处：http://www.vala.org.au/hans0602.ppt
网络数据存档的存在问题 B.Kahle 2000.3 原始出处： bluerye（DXY）译

2 网络数据存档的存在问题 “网络站点无论队一个机构的数字资产，还是对于一个国家的信息和文化遗传都起着越来越重要的作用”（JISC ） “许多历史上的信息，生来就是数字化的。这点不同于早期的电视，因为它并没有记录。”(Brewster Kahle )

3 网络存档的存在问题 澳大利亚 美国 北欧国家：丹麦 芬兰 瑞典 其他国家：英国 法国 日本 国际网络数据的存档库
例如：“wayback Machine”

4 三个会议 数据储存图书馆的未来 达姆施塔特[德国] 2001.9 国际数据网络存档大会 DPC论坛：网络数据存档 伦敦 2002.3
达姆施塔特[德国] 国际数据网络存档大会 东京 DPC论坛：网络数据存档 伦敦

5 会议网站 http://www.bnf.fr/pages/infopro/dliECDL2001.htm

6 存在问题 储存数字化信息的合法性？ 版权？ 是否允许访问和对公众开放？ 选择一部分还是全部储存？ 多长时间更新介质？何时更新？
如何在多变的网络中获得信息？

7 技术上面临的挑战 嵌入的外部链接和可执行程序 不变的名称和数据标识 复制控制 内容随时间的变化 表层网页和深层网页

8 澳大利亚（潘多拉档案库） NLA：http://www.nla.gov.au/pandora 仍没有合法地位 储存公有的出版物 选择性储存
（ 澳大利亚电子刊物，组织化站点， 政府出版物，短期资源） 允许公众访问 －NDB条款

9 澳大利亚（潘多拉档案库） ～1700个标题（2001.11） ADRI（澳大利亚数字资源确认） 增长率：每月40站点 重新整理：每月35站点
独特的确认方法 自身处理系统

10 美国（雅典娜议档案库）－议会图书馆 将互联网资源制图，可视化档案库 可通过网页访问资源 版权的合法性正在论证阶段 选择性收录 对公众公开

11 LC/IA 领航计划-“Election 2000”
将网上和议会资源库共享 目标： 图书馆：选择收集和分类站点；建造原型访问站点 网络档案库：在整理和归档站点的过程中学习经验 800多个站点（在这些站点中包括150多个选择后的站点和主要） 数据量有2-3万亿字节 每日归档（2000.8～2001.1）

12 丹麦 皇家图书馆，哥本哈根 出版物的储存有一定法律权限 只允许皇家图书馆，国立图书馆和大学图书馆访问 只归档静态站点（专论和过刊）
非动态的静态出版物－有限的站点 只允许皇家图书馆，国立图书馆和大学图书馆访问 只归档静态站点（专论和过刊） 奥尔胡斯会在每天夜里为国立和大学图书馆提供镜像站点

13 丹麦（统计数字） 9000 网络出版物 （2001.6） －31％为专论，69％为过刊
－67.5％来自公共部门和图书馆，32.5％来自私立部门 工作人员中有0.5是技术人员，0.8是图书管理员

14 瑞典皇家图书馆 每年若干次对本国站点进行扫描 －不选择，收录一切 －包括所有网页，所有电子刊物，所有新闻
－包括.se-，.com，.org，.net在内的所有使用瑞典地址和电话号码的网站。 －只归档但不允许访问。

15 瑞典 软件 使用Whois软件鉴定本国的站点 使用COMBINE Robot软件收录站点 －自动从超链接中收集文章 －同时收录图片和声音文件
－全自动化无需人为帮助

16 瑞典档案库（Kulturarw3） http://www.kb.se/kw3 所有资源都作为一个多部分的MIME一个元数据储存在一个文件里面
文件命名：33个字符以及记录时间 截至到2001.9：从97000个网络服务器中活得110，000，000文件，总计3000G字节的数据量 储存在磁盘和碟片中，用分等储存管理（HSM）管理文件

17 瑞典档案库（Kulturarw3） 直到2002.7，只有部分法定权限（一些固定的网络文件）
，数据核查联合会的确认计划被认为违法。于是改计划被叫停了。 2002.7，修改后的瑞典版权法，给予了瑞典皇家图书馆以收集本国网站和公开档案库的合法地位

18 芬兰 国际图书馆 使用了和瑞典类似的方案，最初只是负责本国范围之内。 具有收集数据资源的合法性和版权
使用芬兰的来自NEDLIB的软件收集数据。 档案元数据 使用MD5校验和的方法控制复制，这种方法较为权威而且具有唯一的认证码 配合时间标识作为一种挽救措施

19 芬兰－现行的数据收集情况 2001-2002年度的数据采集 －始于2001.8止于2002.4
－从29，000，000个URL中收集了9，400，000个文件 －压缩后的文件总计340G字节 －储存在国际超级计算中心提供的介质上 －硬件：SunE450服务器

20 芬兰－现行的数据收集情况 项目的经验：“NEDLIB数据收集系统可以除了任何网络空间（美国除外），配合完备的硬件，提供了足够的储存空间”
（Juha Haleka，“Finish Team”项目的主持人）

21 北欧网络档案库 北欧国际图书馆联合计划 不取决于数据是用哪个软件收集的 选择挪威的搜索引擎（FAST） 软件：
－NEDLIB（芬兰 挪威 丹麦） －COMBINE（瑞典） 选择挪威的搜索引擎（FAST） 软件： －从100种不同MIME转换称HTML格式 －识别大部分欧洲语言 预算：260，000欧元（AUS＄ 475，000）

22 37.9%－Image（GIF，JPEG，PNG）
相同的网页（表层） 芬兰 丹麦 1.500，000 HTML 1000，000 GIF 550，000 JPEG 36，500 PDF 11，800 plain text 6，000 word 5，300 JAVA etc 59.3%－Text/HTML 37.9%－Image（GIF，JPEG，PNG） 1.7%－PDF 1.1%－其他格式

23 英国 英国图书馆 －“Domain.uk” 计划（始于2002） －有意图提高规模（2004 竞标） 选择了100个英国站点
给备选的站点发现以活得批准 每3个星期重新访问 使用“Bluesquirrel Web whacker”软件 定期检查链接、变化和丢失 －有意图提高规模（2004 竞标）

24 英国 UKOLN 研究计划 Wellcome Library和JISC正致力于寻找解决网络数据存档的出路。
－“uk.domain”估计大小应该有3，000，000个站点，24，000，000左右的网页。 Wellcome Library和JISC正致力于寻找解决网络数据存档的出路。 －医学网站 －2002.3提供咨询， 完成数据 － 初步报告，最后报告会散布在整体里。

25 德国 档案库（德国藏书） －收集目标资料的经验 －两次不完全的快速扫描（ ，2000.2）

26 法国 档案库（法国藏书） 2001:进行了两次小规模尝试，收集了16，000左右的音乐、视频等多媒体站点。 －结果并不是令人满意
一些非预期的特点 过大的站点 －正计划用两种不同的机器进行一次新的更为可行的研究。 －2001.6修改了允许储存的法律，但是扔未获得国会通过。

27 日本 国家议会图书馆 WARP（Web Archiving Program） 初步是实行选择性获得数据
日本版权法有了一些大的变化，有可能获准进行一些更加深入的数据收集工作。

28 国际档案库 1996年由Brewster Kahle以卖出WAIS获得的15，000，000美元建立国际档案库。 非营利组织
－发起者包括：AT&T实验室，Compaq,Xerox PARC,Quantum DLT,国家科学基金 1996年后开始归档网页，包括1903－1973的电影资料

29 国际档案库 每两个月完全扫描一次 机器排除，一些新闻、个人、照片。 完全拷贝了亚历山大港的档案库 在不同的洲复制。“复制是最好的保存方法”
版权？“也许这严重的侵害了合法的版权” （Lawrence Lessig，斯坦福的IP法和互联网空间专家）

30 国际档案库（“wayback machine”）
以收集和归档国际互联网公共网页为目标 包括大部分的图像数据 发部 对公众完全开放 每天2万用户，每秒200人 不提供文本搜索，只由URL搜索 资金支持情况？－未知

31 结论 “我们在这里不是为了触探法律。我们要创造一个我们想要生活的世界。一个没有图书馆的世界就是一个没有记忆的世界，这是将是一场悲剧。”（B.Kahle， ） “在互联网上，谁都可以成为一个出版者，现在我们这个图书馆就可以做这样的事情。” （B.Kahle，2002.5）