-
Notifications
You must be signed in to change notification settings - Fork 27
Data
[[TOC]]
Digitální objekty systému Kramerius 5 jsou uloženy v úložišti Fedora Commons ve formátu FOXML 1.1. Popis tohoto formátu je zde: https://wiki.duraspace.org/display/FCR30/Introduction+to+FOXML (pozn.: dostupné pouze po přihlášení).
Kramerius 5 používá zobecněný datový model vycházející z návrhu společnosti Qbizm vytvořeném v rámci proof of concept převodu dat ze struktury Kramerius 3 do úložiště Fedora (dále POC). Dokumentace tohoto původního návrhu je k dispozici zde: http://digit.lib.cas.cz/index.php?cat=fedora.
Příklad jednoduché monografie ve formátu FOXML pro Kramerius 5 je v souboru installation-x.x.x.zip (soubor 0eaa6730-9068-11dd-97de-000d606f5dc6.zip)
Každý digitální objekt systému Kramerius 5 má jednoznačný identifikátor UUID, generovaný stejným algoritmem, který byl použit v systému Kramerius 4 (tedy UUID version 1, viz http://tools.ietf.org/html/rfc4122 RFC4122), doplněný prefixem uuid:, například uuid:0eaa6730-9068-11dd-97de-000d606f5dc6
Objekty používají datové streamy navržené v rámci POC, povinné streamy jsou DC, BIBLIO_MODS a RELS_EXT.
Objekty, které obsahují binární stream IMG_FULL s obrázkem v plném rozlišení, jsou oproti POC rozšířeny o další binární stream IMG_THUMB s miniaturou obrázku (ve formátu JPG se šířkou 128 px) pro zobrazení v souhrnných přehledech a binární stream IMG_PREVIEW se zmenšeným náhledem obrázku (ve formátu JPG se šířkou 512 px)
Pokud k obrázku stránky existuje OCR, musí být uložen v příslušném FOXML objektu v datastreamu TEXT-OCR (MIME type text/plain) v kódování UTF-8.
Pokud k OCR existuje i dokument ALTO (verze 1 nebo 2), musí být uložen v tomtéž FOXML objektu v datastreamu ALTO (MIME type text/xml), rovněž v kódování UTF-8.
Další rozšíření oproti POC je standardní datový stream POLICY, který obsahuje přístupová práva ve formátu XACML - použit pouze u objektů s omezeným přístupem.
Pokud pro digitální objekt existuje donátor, jehož logo má být zobrazeno spolu s titulem, je uveden jako vazba v RELS-EXT na speciální FO-XML objekt, který obsahuje logo donátora v binárním datovém streamu LOGO. Tento způsob umožňuje informace automaticky indexovat v RI a navíc je možno snáze přidávat nové donátory. Příklad FOXML objektu donátora (Norské fondy) je v souboru installation-x.x.x.zip v adresáři fedora, soubor donator_norway.xml.
V budoucích verzích Krameria bude podporováno vyznačování vyšších logických částí (např. článků) na jejich podřízených stránkách, založené na informacích v datastreamech ALTO příslušných stránek. FOXML objekt nadřízené části (článku) v tom případě bude obsahovat datastream "STRUCT_MAP" (MIME type text/xml, kódování UTF-8) s následujícím obsahem:
<?xml version=\"1.0\" encoding=\"UTF-8\"?>
<parts>
<part type="TITLE/SUBTITLE/NORMAL_TEXT..." order="1/2/3..." alto="uuid:eed93968-e2ef-11e1-abbb-001b63bd97ba/ALTO" begin="TextBlock5" />
... element part opakovat pro každou podřízenou stránku
</parts>
Atributy elementu part jsou převzaty z odpovídajícího elementu div v logické struktuře METS dle nového standardu NKP pro digitalizaci (viz níže)
Dokumenty v původním formátu DTD Kramerius 3 mají hierarchickou stromovou strukturu (typicky monografie/svazek/stránka nebo periodikum/ročník/číslo/stránka). Úložiště Fedora není hierarchické. Každému uzlu původní stromové struktury odpovídá digitální objekt FOXML s příslušným content modelem, jednotlivé objekty jsou do stromové struktury propojeny pomocí RDF vazeb definovaných v datovém streamu RELS-EXT.
Pořadí objektů zobrazovaných v hierarchické stromové struktuře Krameria je určeno výhradně pořadím RDF vazeb uvedených v datastreamu RELS-EXT.
Při konverzi dat do FOXML z formátů K3 nebo METS NDK je zachováno pořadí součástí uvedené v rámci původního konvertovaného dokumentu.
Pokud je titul do Krameria importován po jednotlivých částech (například samostatné ročníky periodika), importní proces Krameria automaticky přidá RDF vazby na nově importované součásti na konec datastreamu RELS-EXT v již existujícím nadřazeném FOXML objektu. K tomuto spojení vazeb dojde tehdy, pokud existující i nově přidávaný nadřazený FOXML objekt mají stejný PID.
Pokud je při postupném importu samostatných částí titulu nastavena konfigurační property ingest.sortRelations=true, dojde po importu nové části k automatickému setřídění vazeb RELS-EXT. Kriterium třídění je závislé na content modelu tříděných objektů a je určeno pomocí XPath z datastreamu BIBLIO-MODS v tříděných objektech. Hodnota Xpath pro jednotlivé content modely je definována v konfigurační property sort.xpaths
Pořadí vazeb je možno setřídit stejným algoritmem jako při importu příkazem Třídit z kontextového administrátorského menu. Správnost tohoto automatického třídění je závislá na správném obsahu dat v datstreamu BIBLIO-MODS ve tříděných objektech. Pokud objekty nejsou automaticky setříděny požadovaným způsobem (například kvůli nesprávnému číslování stran), je pořadí vazeb v datstreamu RELS-EXT možné editovat ručně pomocí editoru, který je součástí instalace Krameria (popis zde)
Datová struktura, vycházející z formátu dat Kramerius 3, předpokládá následující content modely:
- monograph
- monographunit
- page
- internalpart
- periodical
- periodicalvolume
- periodicalitem
Definiční soubory těchto modelů jsou součástí POC, aktuální verze jsou v souboru installation-x.x.x.zip v adresáři fedora.
Modely monograph a periodical jsou přiřazeny digitálním objektům, které tvoří kořen stromové struktury jednotlivých dokumentů. Při případném rozšiřování datové struktury Kramerius 5 o nové typy objektů je třeba pro každý nový typ definovat odpovídající content model a nový kořenový model přidat do seznamu kořenových modelů, definovaných konfiguračním parametrem fedora.topLevelModels (viz Instalace)
| název vazby | namespace | RDF:resource | poznámka |
|---|---|---|---|
| hasModel | xmlns:fedora-model="info:fedora/fedora-system:def/model#" | content model | standardní vazba Fedory přiřazující content model |
| hasUnit | xmlns:kramerius="http://www.nsdl.org/ontologies/relationships#" | monographunit | vazba Krameria přiřazující část monografie |
| hasPage | xmlns:kramerius="http://www.nsdl.org/ontologies/relationships#" | page | vazba Krameria přiřazující stránku |
| hasVolume | xmlns:kramerius="http://www.nsdl.org/ontologies/relationships#" | periodicalvolume | vazba Krameria přiřazující ročník |
| hasItem | xmlns:kramerius="http://www.nsdl.org/ontologies/relationships#" | periodicalitem | vazba Krameria přiřazující číslo |
| hasIntCompPart | xmlns:kramerius="http://www.nsdl.org/ontologies/relationships#" | internalpart | vazba Krameria přiřazující samostatnou část |
| isOnPage | xmlns:kramerius="http://www.nsdl.org/ontologies/relationships#" | page | vazba Krameria přiřazující stránky k samostatné části |
| hasDonator | xmlns:kramerius="http://www.nsdl.org/ontologies/relationships#" | donator | vazba Krameria na speciální FOXML objekt s logem případného donátora |
| contract | xmlns:kramerius="http://www.nsdl.org/ontologies/relationships#" | literal | identifikátor čísla zakázky |
| handle | xmlns:kramerius="http://www.nsdl.org/ontologies/relationships#" | literal | persistentní URL (identifikátor typu handle) |
| policy | xmlns:kramerius="http://www.nsdl.org/ontologies/relationships#" | literal | hodnota "public" nebo "private" |
| itemId | xmlns:oai="http://www.openarchives.org/OAI/2.0/" | literal | identifikátor, pod kterým bude objekt zveřejněn v protokolu OAI-PMH, obvykle identický s PID objektu |
Digitální objekty v systému Kramerius 5 tvoří obecnou stromovou strukturu s vazbami definovanými pomocí RDF vazeb, které jsou potomky vazeb fedora:hasPart a fedora:isPartOf.
Systém lze libovolně rozšiřovat o nové typy objektů přidáním příslušného objektu cmodel s povinnými datovými streamy DC, BIBLIO_MODS a RELS_EXT.
Ikona donátora se u titulu v K4 zobrazuje, pokud je v FOXML daného titulu v datastreamu RELS-EXT uvedena RDF vazba kramerius:hasDonator. V ukázkové monografii Drobnůstky, která je k dispozici v souboru installation-x.x.x.zip, je následující RDF vazba:
<kramerius:hasDonator rdf:resource="info:fedora/donator:norway"/>
Cílem této vazby je speciální FOXML objekt ( v tomto případě má PID donator:norway), ve kterém je v datastreamu LOGO uloženo logo příslušného donátora ve formátu JPG. Současně s logem je zobrazován informační text uvedený v datastreamu TEXT-CS, resp. TEXT-EN.
Soubor s logem Norských fondů je součástí standardní distribuce K4, najdete jej v souboru installation-x.x.x.zip v adresáři fedora.
Chcete-li tedy v Krameriovi zobrazovat ikonu jiných sponzorů, musíte jen vytvořit podle vzoru donator:norway vlastní FOXML soubor s logem sponzora, jeho PID nastavit například na donator:mujSponzor , nainstalovat jej do úložiště Fedora a v titulech, u kterých se má toto logo zobrazovat, doplnit RDF vazbu <kramerius:hasDonator rdf:resource="info:fedora/donator:mujSponzor"/>
Poznámka - import z K3:
K3 takto obecně ikony donátora nepodporuje, obsahuje jen specifickou podporu pro případ Norských fondů, kde se jejich logo zobrazuje u titulů, které mají v poli CreatorSurname uveden text ***Donator NF***. Konvertor K3->K4 pro takovéto tituly automaticky přidává do RELS-EXT zmiňovanou vazbu <kramerius:hasDonator rdf:resource="info:fedora/donator:norway"/>. _
RELS_EXT: hasModel
hasUnit
hasPage
hasIntCompPart
hasDonator
contract (literal)
handle (literal)
policy (literal)
DC: title
creator
publisher
contributor
identifier - uuid
identifier - contract
identifier - isbn / extid
identifier - handle
subject - ddc
subject - udc
description
date
type
language
rights
RELS_EXT: hasModel
hasPage
hasIntCompPart
contract (literal)
handle (literal)
policy (literal)
DC: title
creator
publisher
contributor
identifier - uuid
identifier - contract
identifier - handle
type
rights
IMG_FULL, IMG_THUMB, IMG_FULL_ADM, TEXT_OCR, TEXT_OCR_ADM
RELS_EXT: hasModel
isOnPage
handle (literal)
policy (literal)
DC: title
creator
contributor
identifier - uuid
identifier - handle
type
rights
RELS_EXT: hasModel
file (literal)
handle (literal)
policy (literal)
DC: title
identifier - uuid
identifier - handle
type
rights
IMG_FULL, IMG_THUMB, IMG_FULL_ADM, TEXT_OCR, TEXT_OCR_ADM
RELS_EXT: hasModel
hasVolume
hasDonator
handle (literal)
policy (literal)
DC: title
creator
publisher
contributor
identifier - uuid
identifier - issn
identifier - handle
subject - ddc
subject - udc
description
date
type
language
rights
RELS_EXT: hasModel
hasItem
hasPage
hasIntCompPart
contract (literal)
handle (literal)
policy (literal)
DC: title
creator
publisher
contributor
identifier - uuid
identifier - contract
identifier - handle
description
date
type
rights
RELS_EXT: hasModel
hasPage
hasIntCompPart
contract (literal)
handle (literal)
policy (literal)
DC: title
creator
publisher
contributor
identifier - uuid
identifier - contract
identifier - handle
description
date
type
rights
IMG_FULL, IMG_THUMB, IMG_FULL_ADM, TEXT_OCR, TEXT_OCR_ADM
RELS_EXT: hasModel
isOnPage
handle (literal)
policy (literal)
DC: title
creator
contributor
identifier - uuid
identifier - handle
type
rights
RELS_EXT: hasModel
file (literal)
handle (literal)
policy (literal)
DC: title
identifier - uuid
identifier - handle
type
rights
IMG_FULL, IMG_THUMB, IMG_FULL_ADM, TEXT_OCR, TEXT_OCR_ADM
Pro ukládání obrázkových nebo zdrojových dat slouží stream IMG_FULL. V nejjednosušším případě obsahuje přímo zdrojový obrázek a to buď jako managed nebo referencovaný stream (Externally Referenced Content nebo Redirect Referenced Content).
V tomto případě stream IMG_FULL obsahuje referenci na obrázek generovaný IIP serverem ve vhodném rozlišení a ve vazbách RELS-EXT je uvedena cesta k IIP serveru ve formě:
<tiles-url xmlns="http://www.nsdl.org/ontologies/relationships#">iip_server_poskytujici_dlazdice</tiles>
IMG_FULL obsahuje přímo zdrojový PDF dokument. PDF v sobě obsahuje textovou vrstvu a tedy není potřeba mít další datové streamy TEXT_OCR a ALTO.
Poznámka: Při indexaci se pro každou stránku PDF vytváří samostatný objekt v indexu.
Od roku 2012 jsou v platnosti nové standardy datových formátů pro digitalizaci, vyvíjené v NK. K dispozici jsou na této adrese: http://www.ndk.cz/standardy-digitalizace
| název DIV v NDK | model v K5 | rodičovská vazba v K5 |
|---|---|---|
| PERIODICAL_TITLE | periodical | - |
| PERIODICAL_VOLUME | periodicalvolume | hasVolume |
| ISSUE | periodicalitem | hasItem |
| ARTICLE | article | hasIntCompPart |
| SUPPLEMENT | supplement | hasIntCompPart |
| PICTURE | picture | hasIntCompPart |
| VOLUME | monograph | - |
| CHAPTER | internalpart | hasIntCompPart |