Definice metadatových formátů pro digitalizaci monografií. - vychází z obecné specifikace metadat v projektu NDK

Definice metadatových formátů pro digitalizaci monografií - vychází z obecné specifikace metadat v projektu NDK Jan Hutař, NK ČR VERZE 0.3 - 24.11.2011 jméno

datum

Jan Hutař, Přemysl Twrdý Jan Hutař – NK

22.2511.2011 1.21.11.2011 únor-říjen 2011 1.2.2011

Jan Hutař – NK Jan Hutař – NK

verze dokumentu 0.3

provedené změny

0.3

úpravy celého textu, logické struktury a specifikace jednotlivých metadatových schémat změny v závislosti na vývoji specifikace metadat pro periodika první verze pro zadávací dokumentaci NDK projektu

0.2 0.1

další úpravy

1

1.

Východiska ........................................................................................................................................ 3

2.

Výstupy digitalizace........................................................................................................................... 4

3.

Granularita metadatového záznamu ................................................................................................ 4

4.

Identifikátory..................................................................................................................................... 5

5.

Struktura PSP balíčku ........................................................................................................................ 6

6.

Názvová konvence složek a souborů ................................................................................................ 9

7.

Transportní balík pro jeden nebo více PSP balíčků ......................................................................... 11

8.

Metadata......................................................................................................................................... 11 8.1

Kořenový element hlavního METS záznamu ........................................................................... 12

8.2

METS hlavička <metsHdr>....................................................................................................... 12

8.3

METS část - Bibliografická metadata – formát MODS a Dublin Core .................... 13

8.4

METS část - Technická a administrativní metadata – formáty MIX a PREMIS ...... 38

8.5

METS část ................................................................................................................. 55

8.6

METS část <structMap> - Strukturální metadata a ALTO XML ............................................... 57

8.7

OCR (ALTO XML a TXT OCR) .................................................................................................... 65

2

1. Východiska -

-

-

-

uživatelské kopie = UC archivní kopie = MC původní sken – PS – obrazový soubor vzniklý při digitalizaci, který se po zpracování (ořez, narovnání apod.), maže a dále se neukládá u všech metadatových formátů budou použity verze aktuální v době implementace projektu NDK, nebo verze předchozí v případě, že nová verze je nová min. 3 měsíce základní intelektuální entita ve workflow digitalizace a následně i v LTP systému = svazek monografie (viz dále). PSP balíček – producer submission package o balíček dat a metadat, který přichází od producenta dat (tedy např. z workflow digitalizace o PSP balíček bude obsahovat kompletní intelektuální entitu tj. svazek monografie o z workflow digitalizace lze poslat více PSP balíčků v balíku např. [.tar] apod. o pokud má dvousvazkové dílo v katalogu knihovny bibliografický záznam pro každý svazek, vznikne pro každý svazek PSP balíček a každý svazek bude brán jako jedna intelektuální entita; to samé platí i pro případ, že vícesvazkové dílo má pouze jeden záznam SIP balíček – submission information package – je balíček dat a metadat v podobě, ve které je akceptovatelný pro LTP systém nebo pro aplikaci zpřístupnění. Může vznikat v transformačním modulu z PSP balíčku po jeho kontrolách. SIP by měl obsahovat jen jednu intelektuální entitu. primárně se u monografií nebude dělat členění na vnitřní části (kapitoly apod.) – pouze u některých zvláště důležitých monografií > tj. musí existovat možnost vyjádřit popis částí (např. kapitoly, přílohy apod.) v metadatech základní bibliografická metadata budou stahována přímo z knihovních katalogů do workflow digitalizace převod stávajících dat, která jsou v proprietárním DTD (periodika a monografie) do vnitřního formátu LTP systému bude probíhat v transformačním modulu i u nových dat z digitalizace bude nutný převod do interních formátů LTP systému a aplikací zpřístupnění – opět bude probíhat v modulu transformace úpravy obrazu, které vedou ke změně rozměrů obrazu, rozlišení apod., se musí dělat před tím, než se udělá OCR, tj. budou se dělat na TIFF souborech; OCR (ALTO XML) bude vznikat z uživatelské kopie - OCR je lepší ze souborů s kompresí (méně šumu) je nutné zachovat velikost obrazu uživatelských a archivních kopií stejnou (počet pixelů, rozlišení) tak, aby ALTO XML pasovalo jako výchozí SW pro vytváření souborů JPEG2000 se bude používat Kakadu veškerá metadata musí pro zápis používat kodování UTF-8

3

2. Výstupy digitalizace archivní kopie (1 MC pro každou stránku) uživatelské kopie (1 UC pro každou vzniklou MC, tedy stránku) OCR - ALTO XML soubor pro každou stránku OCR TXT soubor - pro možnost stáhnout si jen text dokumentu (tam kde kvalita OCR je odpovídající), vyhledávání/indexace. 5. metadata pro MC a. bibliografická metadata – MODS a DC b. strukturální metadata – METS c. technická metadata – MIX, PREMIS d. administrativní metadata – PREMIS, METS 6. kontrolní metadatové soubory (s kontrolními součty a údaji o vzniku dat apod.) 1. 2. 3. 4.

-

Pozn. Záznam METS nebude obsahovat žádná metadata pro uživatelské kopie. Tj. METS neobsahuje popisná, ani technická metadata pro UC. Obrazové soubory UC nejsou ani součástí strukturální mapy <structMap> ani . Součástí PSP balíčku budou jen obrazy UC ve složce [userCopy]. Důvodem je to, že metadata pro UC budou vytvářena na vstupu do Krameria4 ve formátu FOXML (Fedora Object XML). Budou se vyrábět z METS záznamu pro MC, jehož specifikace je níže.

3. Granularita metadatového záznamu Monografie - základní intelektuální entitou pro monografie je 1 svazek - pokud má monografie pouze jeden svazek, vznikne jeden metadatový popis (=METS záznam) - pokud má monografie svazky dva, např. dvousvazkový slovník, jedná se o dvě intelektuální entity (svazek první a svazek druhý) a vzniknou tedy dva metadatové záznamy, ke každému svazku jeden METS záznam a tedy dva PSP balíčky - v knihovních katalozích jsou někdy vícesvazkové monografie katalogizovány jako jeden soubor, tj. mají jeden záznam v katalogu, někdy jsou jednotlivé díly vedeny jako jednotlivé záznamy v katalogu; obou případech musí vzniknout metadatový popis ke každému svazku jako základní intelektuální entitě a také PSP balíček pro každý svazek - každý METS záznam musí obsahovat metadata o nadřazené intelektuální entitě (např. soubor monografie) tak, aby bylo možné obě entity virtuálně spojit a bylo jasné uživateli, že se jedná o jeden soubor/titul, který má dva svazky.

4

4. Identifikátory Do workflow digitalizace budou přicházet bibliografická metadata, která již budou obsahovat následující identifikátory vrchních úrovní intelektuálních entit (úroveň titulu): - ISBN – pouze pro titul monografie (jednosvazkové), nebo pro soubor monografií, které mají pouze jeden souborný záznam, ISBN není přiděleno vždy - ISSN - čČNB – identifikátor entity tak jak odpovídá katalogizačnímu záznamu, tj. každá entita se záznamem v katalogu NK/MZK má tento identifikátor - URN:NBN pro svazek monografie, které bude přidělováno během digitalizace1. o URN:NBN může být přidělováno také nižším logickým úrovním (entitám) – tedy vnitřní část (zejména např. článek ve sborníku), příloha o syntax URN:NBN musí odpovídat specifikaci identifkátoru URN:NBN pro resolver NK (např. urn:nbn:cz:ndk-123456 pro výstupy z projektu NDK) - další možností je využití UUID

1

buď přímo v SW pro workflow digitalizace, nebo za pomoci aplikace Resolver URN:NBN

5

5. Struktura PSP balíčku

Jedná se o variantu, kdy technická a administrativní metadata nejsou obsažena v hlavním METS záznamu, ale pro každou stránku v jiném dalším METS záznamu (AMD_METS.xml). Důvodem je to, že pokud by bylo vše v hlavním METSu, byl by neúměrně dlouhý. Takto je z hlavního záznamu nalinkováno. Hlavní metadatový záznam METS obsahuje metadata pro archivní kopie obrazových dat, neobsahuje však žádná metadata pro uživatelské kopie. PSP balíček = 1 složka pro svazek monografie. V případě, že má monografie 2 svazky/díly, tak 1 svazek = 1 PSP. Hlavní složka PSP balíčku obsahuje následující složky a soubory: soubor info.xml velmi krátce tu budou zaznamenány údaje o vzniku celého PSP balíčku – kdo, kdy ho vytvořil, jakou měl velikost, odkud kam byl nakopírován apod. Obsahovat by také měl informaci o stavu zpracování balíčku. 6

Zaznamenány by také měly být údaje o obsahu PSP balíčku – počet a názvy souborů apod. Soubor info.xml by také mohl být vedle hlavního PSP balíčku. Údaje a struktura info.xml souboru: 1. 2. 3. 4. 5. 6. 7. 8. 9.

vznik balíčku – datum dle ISO8601 na úroveň vteřin ID balíčku – použít identifikátor svazku monografie (URN:NBN) – viz názvová konvence v kap. 6 ID titulu - čČNB, ISBN (bez pomlček), URN:NBN nebo ISSN údaje o větším celku, do kterého balíček patří - např. digitalizace pro ANL název instituce, která je zadavatelem digitalizace tvůrce balíčku – kód instituce (firmy), která balíček vytvořila velikost balíčku – v kB z jakého serveru bylo nahráno – URL obsah balíčku – názvy souborů včetně directory path a koncovky (mime type) – počet souborů v balíčku celkem 10. stav zpracování – možné hodnoty – hotovo – opraveno - added OCR - added titles - added logical parts (issues, years) - updated xml (MODS, DC, identifikátory), 11. poznámka – např. o tom, že balíček neobsahuje OCR apod. příklad balíčku, který obsahuje 2 soubory, jeden v rootu a druhý ve složce: 1. 2. 3. 4. 5. 6. 7. 8. 9.

CREATED=2009-11-10T12:37:46 PACKAGEID=NDK_123456 TITLEID=ISBN1234567890 COLLECTION=NDK INSTITUTION=NKP CREATOR=NazevFirmy PACKAGESIZE=36000155kb SOURCELOCATION= server123.firma.cz/baliky_hotovo/01/2011/12/000025456 ITEMLIST=scan01.jp2 ITEMLIST=slozka/hotovo/27.9.2011/scan02.jp2 ITEMTOTAL=2 10. STATUS=hotovo 11. NOTE=noOCR

složka [masterCopy] složka s master kopiemi, obsahuje soubory JPEG2000 v neztrátové kompresi, 1 soubor = 1 stránka, tj. obsahuje všechny naskenované stránky monografie

7

složka [userCopy] složka s uživatelskými kopiemi, pro každou naskenovanou stránku monografie obsahuje jeden JPEG2000 soubor se ztrátovou kompresí složka [ALTO] obsahuje ke každé stránce 1 ALTO XML soubor, tj. tolik ALTO XML souborů kolik je stránek svazku monografie. složka [TXT] obsahuje ke každé stránce 1 OCR soubor jako čistý text. Tj. tolik OCR.TXT souborů kolik je stránek svazku monografie. složka [amdSec] složka s technickými metadaty – obsahuje pro každou naskenovanou stránku monografie 1 METS soubor (AMD_METS.xml). Záměrně nejsou tato metadata v hlavním METS záznamu (hlavni_METS.xml), protože ten by neúměrně narostl a bylo by obtížné s ním pracovat. Musí z něj být ovšem nalinkována (z části fileSec). Každý METS soubor AMD_METS.xml obsahuje následující části METS formátu: - amdSec – administrativní metadata – obsahuje část o technických metadat (techMD), která ve formátu PREMISobject popisuje vlastnosti archivních kopií, uživatelských kopií, ALTO XML, původního TIFF souboru, ze kterého vznikly archivní kopie. Dále je přítomen záznam technických metadat v MIX formátu pro archivní kopie a pro původní TIFF. o metadat o provenienci digitálních objektů (digiProvMD) – v této části je využit formát PREMISevent a PREMISagent. Zachyceny budou následující události (vytvoření skenu, uložení obrazu, různé migrace v digitalizaci, ořez apod. – informace o datu, místu, osobě nebo SW, který tyto úkony udělal). o fileSec- sekce s odkazy na soubory – povinná část METS záznamu - v případě tohoto METS záznamu pro jednu stránku, který vzniká primárně k zachycení technických a administrativních metadat bude odkazovat na soubory, které jsou s tou konkrétní stránkou spojeny, tj. archivní kopie, ALTO XML a OCR TXT. Jde o povinnou sekci METS záznamu, pro další mapování do LTP systému nebude potřeba. o structMap – pouze fyzická strukturální mapa, povinná část METS záznamu. Bude ukazovat strukturu souborů k dané stránce, tj. opět archivní kopie, ALTO XML a OCR TXT. Pro další mapování do LTP systému nebude potřeba. soubor Hlavni_METS.xml další částí PSP balíčku je hlavní METS dokument. Hlavní METS záznam tedy obsahuje: - dmdSec – bibliografická metadata k svazku monografie včetně popisu nadřazených entit (např. titul) nebo naopak částí (např. kapitola). Základ bude z katalogu, případný další popis částí bude z digitalizace. Formátem hlavním bude MODS, nutná pro LTP je i přítomnost zkráceného záznam v Dublin Core.

8

-

-

fileSec – hlavní část s linky na všechny digitální objekty (archivní kopie, ALTO XML a OCR TXT), které se váží k jednomu svazku monografie. Obsahuje také linky na administrativní metadata AMD_METS.xml do složky [amdSec]. structMap – strukturální mapa pro celý dokument, tj. pro jeden svazek monografie. Obsahuje: o logickou část – vyjadřuje logickou strukturu svazku s odkazy na ALTO XML o fyzickou část obsahující informace o všech reprezentacích konkrétní stránky (archivní kopie, ALTO XML, OCR TXT a AMD_METS.xml) o mapování na ALTO XML areas

soubor MD5 Poslední částí PSP balíčku je soubor s kontrolními součty pro všechny soubory balíčku (kromě info.xml a .md5 souboru samotného). Soubor .md5 je jeden pro 1 celý balíček SPS (balíček se svazkem monografie). Tento soubor .md5 obsahuje kontrolní součet pro každý soubor obsažený v PSP balíčku. Z tohoto důvodu nejsou samostatné kontrolní součty součástí podsložek balíčku. Kontrolní součty jsou také samozřejmě v technických metadatech.

6. Názvová konvence složek a souborů pojmenování PSP balíčku - každý PSP balíček přicházející z digitalizace by měl obsahovat pouze jedinou intelektuální entitu (svazek monografie). Pak musí název balíčku vycházet z identifikátoru této entity, např. URN:NBN, číslo čárového kódu použitého na fyzické jednotce apod. - každý svazek monografie musí mít svůj jednoznačný identifikátor, tím pádem pak každý PSP balíček a každý soubor v něm má vlastní jednoznačný identifikátor pojmenování složek - viz návrh struktur PSP balíčku (kap. 5) pojmenování souborů - názvy jakýchkoliv souborů náležejících k jedné základní entitě (svazek) musí být založeny na jednom typu identifikátoru - pro svazek monografie by takovým identifikátorem mohlo být URN:NBN, čČNB, ISBN nebo ISSN titulu - podobně využitelným identifikátorem by mohlo být generované číslo UUID, které by se generovalo pro každý soubor. Tím by se ovšem ztratila (i vizuální) vazba na vrchní úroveň titulu i vazba na související soubory (stránka v jp2 a k ní náležející soubor ALTO XML apod.).

9

S využitím URN:NBN to může vypadat následovně (použit příklad pojmenování pro projekt NDK – digitalizace monografií): typ souboru PSP balíček (číslo, svazek)

název souboru NDK_123456

vysvětlení název celé složky PSP balíčku, u základních int. entit bude v názvu využito vždy URN:NBN archivní JPEG2000 stránky 13 svazku monografie s urn:nbn:cz:ndk-123456

archivní kopie

MC_NDK_123456_0013.jp2

uživatelská kopie

UC_NDK_123456_0013.jp2

ALTO XML

ALTO_NDK_123456_0013.xml

OCR TXT

TXT_NDK_123456_0013.txt

info.xml

INFO_NDK_123456.xml

MD5

NDK_123456.md5

soubor s kontrolními součty k celému PSP balíčku svazku monografie

Hlavni_METS.xml

METS_NDK_123456.xml

hlavní METS záznam k celému svazku monografie s urn:nbn:cz:ndk-123456

AMD_METS.xml

AMD_METS_NDK_123456_0013.xml METS záznam s technickými metadaty pro stránku 13 ze svazku monografie s urn:nbn:cz:ndk-123456

uživatelská kopie ve formátu JPEG2000 stránky 13 svazku monografie s urn:nbn:cz:ndk-123456 ALTO soubor náležející ke 13té stránce ze svazku monografies urn:nbn:cz:ndk123456 TXT soubor s OCR náležející ke 13té stránce ze svazku monografies urn:nbn:cz:ndk-123456 info xml k celému PSP balíčku svazku monografie

Složka jednoho balíčku PSP, který obsahuje jen jeden obrazový soubor k první stránce svazku monografei, pak může vypadat následovně (příklad balíčku z digitalizace NDK): NDK_123456 info.xml [masterCopy]

MC_NDK_123456_0001.jp2

[userCopy]

UC_NDK_123456_0001.jp2

[ALTO]

ALTO_NDK_123456_0001.xml

[TXT]

TXT_NDK_123456_0013.txt

[amdSec]

AMD_METS_NDK_123456_0001. xml

METS_NDK_123456.xml NDK_123456.md5

10

7. Transportní balík pro jeden nebo více PSP balíčků Pokud bude jeden PSP balík obsahující 1 základní intelektuální entitu (svazek monografie) přemísťován např. jako tar, měl by název souboru tar odpovídat názvu PSP balíčku (tedy vycházet z použitého identifikátoru pro entitu svazku). Výstupem workflow digitalizace ale může také být balík (např. tar), který obsahuje více PSP balíčků - toto sdružování bude omezeno jen kapacitou HW. Takovýto sdružený balík by měl být pojmenován na základě již užívaného identifikátoru. - v případě, že balík obsahuje svazky jednoho vícesvazkového díla, měl by název balíku vycházet z čČNB nebo ISBN - typ identifikátoru musí být vyjádřen v názvu souboru – např. ISBN_1234567890.tar nebo CCNB_12345678910.tar apod. - lze počítat s tím, že bude docházet k tomu, že sdružený balík nebude obsahovat např. všechny svazky titulu monografie – tato skutečnost musí být patrná z názvu balíku (např. ISBN_1234567890_YYYY kde YYYY může být pořadové číslo, datum, doba vzniku jednoho z více balíků obsahujících svazky určitého titulu/souboru s identifikátorem ISBN 1234567890). Transportní balík by měl obsahovat následující části:  balíčky PSP (svazků)  informační soubor, který odpovídá specifikaci info.xml  kontrolní součty všech PSP balíčků  seznam balíčků v transportním balíku

8. Metadata -

veškerá metadata budou „zabalena“ pomocí kontejnerového formátu METS formát METS bude v aktuální verzi v době implementace nebo verzi předchozí (prosinec 2010 verze 1.9- http://www.loc.gov/standards/mets/mets-schemadocs.html) veškerá metadata ve všech formátech musí být zapsána pomocí XML za použití kodování UTF-8 vložení metadatových formátů do kontejneru METS bude vždy formou <mdWrap>, tj. ne odkazováním z METS záznamu ven

význam pole „povinnost“ - pole „povinnost“ uvádí, zda je plnění jednotlivých elementů povinné, doporučené nebo volitelné - může nabývat následujících hodnot o M - mandatory (povinně plnit – element je součástí každého záznamu) o MA - mandatory if available (povinně plnit pokud je to možné, pokud lze apod.) o R - recommended (plnění hodnot elementu je doporučeno, není ovšem povinné) o RA - recommended if available (doporučeno pokud lze plnit) o O - optional (plnění hodnot elementu je zcela dle konkrétních potřeb) 11

8.1 Kořenový element hlavního METS záznamu element

atributy

popis

<mets>

LABEL TYPE

kořenový element METS záznamu -------------------------------------------LABEL – název titulu monografie, včetně roku vydání, např. Honzíkova cesta, 1979

Povin nost M

TYPE – hodnota vždy „Monograph“ -

kořenový element hlavního METS záznamu k jednomu svazku monografie musí obsahovat linky na specifikace jednotlivých použitých metadatových schémat (METS, MODS, Dublin Core)

8.2 METS hlavička <metsHdr> - dokumentuje vznik a úpravy METS záznamu element atributy popis <metsHdr>

LASTMODDATE CREATEDATE

ROLE TYPE

hlavička METS záznamu -------------------------------------------LASTMODDATE – datum poslední úpravy záznamu, musí být ve tvaru ISO 8601 (na úroveň vteřin)

povin nost M

CREATEDATE – datum vytvoření záznamu, musí být ve tvaru ISO 8601 (na úroveň vteřin) údaje o tvůrci záznamu METS M ---------------------------------------------ROLE – hodnota „CREATOR“ TYPE – hodnota „ORGANIZATION“ jméno jednotlivce nebo organizace; M ----------------------------------------------tvůrce záznamu, buď dodavatel (firma XY) nebo v případě tvorby záznamu v knihovně bude využita sigla knihoven, tj. pro NK ČR hodnota „ABA001“

12

8.3 METS část - Bibliografická metadata – formát MODS a Dublin Core -

každá část musí mít ID a vnořený element <mdWrap> s atributy MDTYPE, MIMETYPE

element

atributy

popis

ID

identifikátor části METS záznamu -----------------------------------ID:

povin nost M

pro s popisem svazku (titulu) monografie hodnota „MODSMD_VOLUME“ a „DCMD_VOLUME“ pro s popisem vnitřní části monografie hodnota dle typů vnitřní části (oddíl2, obraz) hodnoty „MODSMD_CHAP“ a „DCMD_CHAP“ pro článek a hodnoty „MODSMD_PICT“ a „DCMD_PICT“ pro obraz pro s popisem přílohy monografie hodnota „MODSMD_SUPPL“ a „DCMD_SUPPL“ <mdWrap>

MDTYPE MIMETYPE

element obsahující vložené záznamy MODS M -----------------------------------MDTYPE – hodnota „MODS“ pro záznamy v MODS, hodnota „DC“ pro záznam v Dublin Core MIMETYPE – hodnota „text/xml“

-

-

na samotný bibliografický popis bude použit formát MODS, aktuální verze v době implementace, nebo verze předchozí (prosinec 2010 verze 3.4 viz http://www.loc.gov/standards/mods/) a formát Dublin Core (dále DC) kvalifikovaný (http://dublincore.org/documents/dcmi-terms/) DC je primárně určeno na poskytnutí dat přes OAI-PMH, bude odpovídat OAI XSD (viz http://www.openarchives.org/OAI/2.0/oai_dc.xsd) a bude se jednat o nekvalifikovaný Dublin Core DC bude použito, uloženo v METS apod. stejným způsobem jako formát MODS – viz možnosti struktury PSP balíčku výše pro vytvoření DC z MODS formátu může být použito oficiální mapování Kongresové knihovny – viz http://www.loc.gov/standards/mods/mods-conversions.html DC a MODS bude vložen v METS části dmdSec – viz možnosti struktur PSP balíčku v kap. 7

2

pozor výraz „kapitola“ je v tomto kontextu obecný a může vyjadřovat nejen kapitolu, ale také např. předmluvu, obsah apod.

13

-

základním zdrojem pro popisná metadata je katalog NK a u digitalizovaných dokumentů je bibliografický popis vytvářen primárně z pohledu popisu fyzické předlohy, nejde o popis elektronického dokumentu

Monografie - základní intelektuální entitou pro popis je svazek monografie, tj. v jednom METS záznamu, který bude obsahovat metadata a strukturu jednoho svazku, budou MODS záznamy k tomuto svazku - metadata budou popisovat entity3: o svazek (Volume) o vnitřní část (InternalPart) – typy „textový oddíl“ (Chapter) a „obraz“ (Picture) o příloha (Supplement) - pozn: nepočítá se s úrovní titulu, ani pro vícedílné publikace, které mají pouze jeden katalogizační záznam; u jednosvazkových monografií titul splývá s popisem svazku (MODS záznam popisující svazek je záznam titulu z katalogu NK/MZK); pokud přeci jen existuje souhrnný název pro více svazků (např. sebrané spisy), je řešeno plněním sournného názvu do údajů o edici -

-

ad svazek (Volume) – popis svazku u klasické monografie (1 svazek = 1 záznam) odpovídá záznamu v katalogu ad vnitřní část - bližší určení typů „kapitol“ a „obrazu“ (fotografie, tabulka, ilustrace, graf apod.) bude možné vyjádřit pomocí atributů a výrazů kontrolovaného slovníku v elementu o u popisu vnitřní části je i element - důvodem je to, že popis bude vznikat manuálně a je žádoucí o vzniku záznamu držet kontrolní údaje; element je volitelný ad příloha (Supplement) - přílohou se rozumí volně vložená entita do jednotlivého svazku, např. mapa, klíč (řešení úloh), pracovní sešit, CD/DVD apod. Rozlišujeme 3 druhy příloh monografie: o příloha, která se neskenuje, ale chceme o ní vytvořit bibliografický záznam, dát najevo čtenáři, že existuje – to může být např. CD/DVD apod.  digitální podoba přílohy (pokud existuje) není součástí balíčku PSP svazku  popis lze udělat v rámci popisu přílohy (Supplement) v MODS – viz specifikace níže  pokud existuje záznam v katalogu k této příloze (např. CD/DVD, mapa apod.), bude využit pro generování MODS záznamu přílohy  taková příloha není součástí logické strukturální mapy formátu METS o příloha podobného typu, tvaru a velikosti jako je popisovaný svazek monografie, která se spolu s číslem skenuje  digitální podoba přílohy je, spolu s se svazkem (Volume), součástí PSP balíčku svazku a je součástí hlavního METS záznamu

3

toto pořadí nevyjadřuje logickou strukturu dokumentu, ta je popsána jinde

14



o

-

-

-

-

-

popis lze udělat v rámci popisu přílohy (Supplement) v MODS – viz specifikace níže  taková příloha může mít vnitřní části (InternalPart) stejně jako svazek (Volume) a jejich text je součástí ALTO XML, které je společné pro svazek (Volume) i přílohu (Supplement)  taková příloha je součástí logické strukturální mapy formátu METS  taková příloha je součástí fyzické strukturální mapy formátu METS (linky mezi jednotlivými soubory reprezentujícími stránky a popisnými metadaty) příloha odlišného typu typu, tvaru a velikosti než je popisovaný svazek monografie, která se skenuje zvlášť na svazku nezávisle  může jít např. o mapu apod.  k těmto přílohám vznikají metadata podobně jako pro jednotlivé svazky monografií, ovšem na původním svazku, ke kterému příloha patřila, nezávisle tj. pro „původní“ svazek, u kterého byla příloha, vznikne 1 popis (PSP balíček s jedním hlavním METS záznamem a ALTO XML souborem) a pro přílohu je vytvořen další 1 popis (a PSP balíček s METS záznamem)

záznamy monografie mohou být v katalozích následující o monografie má jen jeden svazek – existuje jeden záznam v katalogu a jedno čČNB o monografie má více svazků – pak existuje buď  1) jeden záznam pro soubor, pokud jednotlivé svazky/díly nejsou od sebe příliš odlišné (např. slovník a-k, l-z), k jednomu záznamu existuje jedno čČNB; nebo  2) v případě, že jednotlivé díly/svazky souboru jsou odlišné (např. Vlastivěda česká – díl flora, díl fauna, atd.), tak má každý svazek svůj záznam v katalogu a své čČNB, souborný záznam v tomto případě neexistuje popis nadřazené entity, kde tedy existuje pouze 1 katalogizační záznam pro více svazků monografie, nebude součástí metadat popisujících svazek. stránka se nebude popisovat, její logické i fyzické číslování i typ stránky je obsaženo ve struktuře METS dokumentu (část structMap) o typ stránky (Advertisement, Blank, Content, Index aj.) budou odpovídat přesně seznamu typů z DTD monografie – viz http://digit.nkp.cz/Monographs/DTD/2.10/Monograph.xsd v katalozích NK a MZK neexistují údaje o kapitolách monografií - tj. vnitřní členění a popis musí vzniknout v digitalizaci, popis titulu/svazku monografie musí být stažen z katalogu do workflow digitalizace pro každou entitu vznikne jeden MODS záznam s vlastním ID, které bude označovat i typ části (např. oddíl, ilustrace apod.) v případě opakování částí se bude opakovat odpovídající počet MODS záznamů v jednom PSP balíčku o každý MODS záznam má vlastní část každý MODS záznam bude uložen ve vlastní METS části pomocí mdWrap všechny top elementy MODS formátu jsou opakovatelné, kromě všechny elementy Dublin Core jsou opakovatelné 15

8.3.1 -

Navrhovaná pole MODS a Dublin Core pro jednotlivé části monografie

mapování jednotlivých polí z MARC21 lze nalézt např. na jedné z oficiálních stránek MODS formátu u jednotlivých top-level elementů http://www.loc.gov/standards/mods/userguide/generalapp.html

Obsah sloupce „Popis“: - vysvětlení a příklad - doporučené plnění tam, kde je to možné uvést - povinnost platí pro elementy MODS tak pro elementy Dublin Core stejně - pokud je rodičovský element např. doporučený, a dceřinný element povinný, znamená to že dceřinný element je povinný pouze tehdy pokud je použit element rodičovský význam sloupce „povinnost“ - pole „povinnost“ uvádí, zda je plnění jednotlivých elementů povinné, doporučené nebo volitelné - může nabývat následujících hodnot o M - mandatory (povinně plnit – element je součástí každého záznamu) o MA - mandatory if available (povinně plnit pokud je to možné, pokud lze apod.) o R - recommended (plnění hodnot elementu je doporučeno, není ovšem povinné) o RA - recommended if available (doporučeno pokud lze plnit) o O - optional (plnění hodnot elementu je zcela dle konkrétních potřeb) Pole MODS a DC pro svazek monografie Element MODS Atributy Popis

 ID type název svazku monografie pro plnění použít katalogizační záznam -----------------------------ID musí vyjadřovat název úrovně, tj. např. „MODS_VOLUME“ povinn Element DC ost M type: hodnota „alternative“ pro paralelní a jiné názvy (odpovídají poli 245 podpoli „b“) názvová informace – název svazku M monografie hodnoty převzít z katalogu, odpovídá poli 245, podpoli „a“ pro <dc.title> 16 hlavní název podnázev svazku monografie <subTitle> <partNumber> <partName> <name> <namePart> type type MA číslo části, např. určité řady/edice R (část 1, řada B) jméno edice nebo speciální ediční R řady, např. Knihy odvahy a dobrodrůžství údaje o odpovědnosti za svazek M ----------------------------------type: použít jeden z typů - personal - corporate - conference - family pokud má monografie autora a ilustrátora, element <name> se opakuje s různými rolemi POZOR – údaje o odpovědnosti nutno přebírat z polí 1XX a 7XX MARCu21 údaje o křestním jméně a příjmení M apod. nutno vyjádřit pro křestní jméno i příjmení ------------------------------------type: použít jednu z hodnot: - date – doporučené pokud lze uvést - family – povinné pokud lze uvést - given – povinné pokud lze uvést - termsOfAddress – doporučené pokud lze uvést <dc.title> <dc:description> <dc:description> <dc:creator> nutno do jednoho pole DC spojit jméno i příjmení pokud nelze rozlišit křestní jméno a příjmení, nepoužije se type a jméno se zaznamená v podobě jaké 17 <role> <roleTerm> <typeOfResource> <genre> type authority je do jednoho elementu <namePart> specifikace role osoby nebo M organizace uvedené v elementu <name> popis role M nutno použít kontrol. slovník např. z MARC21 ----------------------------------------------type: code – kód role z kontrolovaného slovníku rolí http://www.loc.gov/marc/relators/ relaterm.html) authority – údaje o kontrolovaném slovníku využitém k popisu role, k popisu výše uvedeného MARC seznamu nutno uvést authority=“marcrelator“; popis charakteristiky typu nebo R obsahu zdroje jedna z hodnot: - text - cartographic - notated music - sound recording-musical - sound recordingnonmusical - sound recording - still image - moving image - three dimensional object - software, multimedia - mixed material pro monografie hodnota text; mělo by se vyčítat z MARC21 katalogizačního záznamu z pozice 06 návěští bližší údaje o typu dokumentu M <dc:type> <dc:type> 18 hodnota: volume informace o původu předlohy <originInfo> <place> <placeTerm> type Poznámka: Jeden nebo více výskytů elementů se předpokládá pro vydavatele, další výskyt v případě nutnosti popsat tiskaře. Pokud je nutno vyjádřit tiskaře (pole 260 podpole „f“ a „e“ a „g“ v MARC21), je nutno element <originInfo> opakovat s atributem transliteration=“printer“ a elementy <place>, <publisher>, <dateCreated>, které budou obsahovat údaje o tiskaři. údaje o místě spojeném MA s vydáním, výrobou nebo původem popisovaného dokumentu konkrétní určení místa, např. MA Praha odpovídá hodnotě z katalogizačního záznamu, pole 260, podpole „a“ --------------------------------------------type – bude vždy text jméno entity, která dokument MA vydala, vytiskla nebo jinak vyprodukovala <publisher> <dateIssued> M qualifier odpovídá poli 260 podpoli „b“ katalogizačního záznamu v MARC21; Pokud má monografie více vydavatelů, přebírají se za záznamu všichni (jsou v jednom poli 260). datum vydání předlohy, M <dc:coverage> <dc:coverage> <dc:publisher> <dc:date> 19 přebírat z katalogu; odpovídá hodnotě z katalogizačního záznamu, pole 260, podpole „c“ <dateCreated> <issuance> <language> qualifier jiná data než rok možno zapsat v následujících podobách: - DD.MM.RRRR – pokud víme den, měsíc i rok vydání - MM.RRRR – pokud víme jen měsíc a rok vydání - RRRR – pokud víme pouze rok - DD.-DD.MM.RRRR – vydání pro více dní - MM.-MM.RRRR – vydání pro více měsíců ---------------------------------------qualifier – možnost dalšího upřesnění, hodnota „approximate“ pro data, kde nevíme přesný údaj datum vytvoření předlohy R bude použito pouze při popisu tiskaře, viz poznámka u elementu <originInfo> odpovídá hodnotě z katalogizačního záznamu, pole 260, podpole „g“ -------------------------------------qualifier – možnost dalšího upřesnění, hodnota „approximate“ pro data, kde nevíme přesný údaj údaje o vydávání M hodnota monographic odpovídá hodnotě uvedené návěští MARC21 na pozici 07 údaje o jazyce dokumentu; M 20 <languageTerm> type authority objectPart v případě vícenásobného výskytu nutno element <language> opakovat přesné určení jazyka – kódem M nutno použít kontrolovaný slovník ISO 639-2, http://www.loc.gov/standards/is o639-2/php/code_list.php --------------------------------------------type: použít hodnotu code authority: použít „iso639-2b“; odpovídá poli 041 podpoli „a“ <physicalDescription> <form> <extent> authority <dc:language> hodnotu MARC21, objectPart: možnost vyjádřit jazyk konkrétní části svazku; možné hodnoty např.: summary (pro shrnutí), original (pro předlohu u překladu) aj. – nutno vytvořit kontrolovaný slovník; jazyk resumé lze přebírat z pole 041, podpole „b“ jazyk předlohy u překladu lze přebírat z pole 041, podpole „h“ obsahuje údaje o fyzickém popisu M zdroje/předlohy údaje o fyzické podobě M dokumentu, např. print, electronic apod. pro monografie hodnota print odpovídá hodnotám pozice 23 a 29 v poli 008 MARC21 --------------------------------------------authority: hodnota „marcform“ údaje o rozsahu (stran, svazků RA nebo rozměrů) <dc:format> <dc:format> odpovídá hodnotám v poli 300 21 podpolích „a“ a „c“ MARC21, pokud jsou vyplněna obě pole, bude se element <extent> opakovat; počet stránek bude vyjádřen ve fyzické strukturální mapě a bude tak vidět v aplikaci zpřístupnění i bez vyplnění tohoto pole poznámka o fyzickém stavu RA dokumentu; pro každou poznámku je nutno vytvořit nový <note> element shrnutí obsahu jako celku R <note> <abstract rel="nofollow"> <note> <subject> <topic> <geographic> <temporal> authority odpovídá poli 520 MARC21 obecná poznámka ke svazku monografie jako celku odpovídá poli 500 v MARC21 údaje o věcném třídění předpokládá se přebírání z katalogizačního záznamu --------------------------------------------authority: vyplnit hodnotu „czenas“ libovolný výraz specifikující nebo charakterizující obsah svazku monografie; použít kontrolovaný slovník např. z báze autorit AUT NK ČR (věcné téma) nebo obsah pole 650 záznamu MARC21 geografické věcné třídění použít kontrolovaný slovník např. z báze autorit AUT NK ČR (geografický termín) nebo obsah pole 651 záznamu MARC21 chronologické věcné třídění použít kontrolovaný slovník např. z báze autorit AUT NK ČR (chronologický údaj) nebo obsah pole 648 záznamu MARC21 RA <dc:description> <dc:description> R M <dc:subject> R <dc:subject> R <dc:subject> 22 <name> <classification> authority <relatedItem> type <identifier> type jméno použité jako věcné záhlaví R použít kontrolovaný slovník např. z báze autorit AUT NK ČR (jméno osobní) nebo obsah pole 600 záznamu MARC21 klasifikační údaje věcného třídění M podle Mezinárodního desetinného třídění odpovídá poli 080 MARC21 --------------------------------------------authority: vyplnit hodnotu „udc“ informace o dalších RA dokumentech/částech/zdrojích, které jsou ve vztahu k popisovanému dokumentu; Poznámka: element <relatedItem> může obsahovat jakýkoliv jiný element MODS – jejich použití se řídí pravidly popsanými pro tyto elementy; --------------------------------------------type: hodnota „series“ údaje o identifikátorech, M obsahuje unikátní identifikátory mezinárodní nebo lokální, které svazek monografie má – viz přehled typů atributů níže --------------------------------------------type: budou se povinně vyplňovat následující hodnoty, pokud existují: - doi - hdl - handle - issn - převzít z katalogizačního záznamu NK ČR - isbn - převzít z katalogizačního záznamu NK ČR <dc:subject> <dc:subject> <dc:identifier> 23 ccnb – čČNB - převzít z katalogizačního záznamu NK ČR - permalink záznamu z katalogu NK ČR, např. http://aleph.nkp.cz/F/?fu nc=direct&doc_number= 002186258&local_base= NKC - urnnbn - pro URN:NBN, např. zápis ve tvaru urn:nbn:cz:ndk-123456 pro projekt NDK; pozor, musí odpovídat URN:NBN, podle kterého je pojmenovaný PSP balíček a jeho jednotlivé soubory - uuid - jiný interní identifikátor, hodnota atributu „local“, lze použít např. k vyjádření čárového kódu údaje o uložení popisovaného MA dokumentu, např. signatura, místo uložení apod. pro uvedení lokace O elektronického dokumentu --------------------------------------note: pro poznámku o typu URL (na plný text, abstrakt apod.) údaje o instituci, kde je fyzicky M uložen popisovaný dokument, např. NK ČR - <location> <url> note <physicalLocation> authority <dc:source> <dc:source> nutno použít kontrolovaný slovník – sigly knihovnen (ABA001 atd.) odpovídá poli 040 v MARC21 24 <shelfLocator> <part> type <caption> <recordInfo> <recordContentSource> <recordCreationDate> encoding <recordChangeDate> encoding <recordOrigin> pozn. u dokumentů v digitální podobě není možné vyplnit --------------------------------------------authority: hodnota „siglaADR“ signatura nebo lokační údaje o dokumentu popis části, pokud je svazek části souboru, element může být využit jen na zaznamenání <caption> --------------------------------------------type: hodnota bude vždy „volume“ text před označením čísla, např. „č.“, „část“, „No.“ apod. údaje o metadatovém záznamu – jeho vzniku, změnách apod. kód nebo jméno instituce, která záznam vytvořila nebo změnila; nutno vytvořit kontrolovaný slovník datum prvního vytvoření záznamu, na úroveň minut --------------------------------------------encoding: záznam bude podle normy ISO 8601 na úroveň minut, hodnota atributu tedy iso8601 datum změny záznamu --------------------------------------------encoding: záznam bude podle normy ISO 8601 na úroveň minut, hodnota atributu tedy iso8601 údaje o vzniku záznamu M <dc:source> O RA M R M R R hodnoty: machine generated nebo human prepared 25 Pole MODS a DC pro vnitřní část monografie (textový oddíl a obraz) Element MODS Atributy Popis <titleInfo> ID Povi nnos t M <partNumber> názvová informace vnitřní části -----------------------------ID musí vyjadřovat název úrovně, tj. např. „MODS_PICTURE“ pro obrázek v textu, „MODS_CHAPTER“ pro textový oddíl apod. vlastní název vnitřní části (oddílu, M obrazu); u obrazu brát případně z popisku obrazu; pokud není titul, nutno vyplnit hodnotu „untitled“ podnázev vnitřní části (oddílu); MA např. podnázev kapitoly číslo vnitřní části RA <partName> název vnitřní části <title> <subTitle> <name> <namePart> type type RA údaje o odpovědnosti za vnitřní MA část (oddíl i obraz) ----------------------------------type: použít jeden z typů - personal - corporate - conference - family údaje o křestním jméně a příjmení MA apod. nutno vyjádřit pro křestní jméno i příjmení ------------------------------------type: použít jednu z hodnot: - date – doporučené pokud lze uvést - family – povinné pokud lze uvést - given – povinné pokud lze Element DC <dc:title> <dc:title> <dc:title> <dc:title> <dc:creator> nutno do jednoho pole DC spojit jméno i příjmení 26 - <role> <roleTerm> <genre> type authority type uvést termsOfAddress doporučené pokud uvést – lze pokud nelze rozlišit křestní jméno a příjmení, nepoužije se type a jméno se zaznamená v podobě jaké je do jednoho elementu <namePart> specifikace role osoby nebo MA organizace uvedené v elementu <name> popis role MA nutno použít kontrol. slovník např. z MARC21 ----------------------------------------------type: code – kód role z kontrolovaného slovníku rolí http://www.loc.gov/marc/relators/ relaterm.html) authority – údaje o kontrolovaném slovníku využitém k popisu role, k popisu výše uvedeného MARC seznamu nutno uvést authority=“marcrelator“ bližší údaje o typu vnitřní části M povinné hodnota: chapter nebo picture ----------------------------------------------type: doporučené <dc:type> hodnota pro chapter – možnost vyplnit bližší určení typu oddílu (možnost použít DTD monografie, MonographComponentPart Types) - table of content - advertisement - abstract 27 - - - introduction review dedication bibliography editorsNote preface chapter article index (použije se pro všechny typy seznamů mimo hlavní obsah; např. seznam obrazů, tabulek apod.) unspecified – pokud nepatří ani do jedné z výše uvedených kategorií aj. hodnota pro picture – možnost vyplnit další určení typu obrazu - table - illustration - chart - photograph - graphic - map - advertisement - cover - unspecified – pokud nepatří ani do jedné z výše uvedených kategorií - aj. <language> <languageTerm> type authority údaje o jazyce vnitřní části MA nelze plnit u obrazu; v případě vícenásobného výskytu nutno element <language> opakovat přesné určení jazyka – kódem M nutno použít kontrolovaný slovník <dc:language> 28 ISO 639-2, http://www.loc.gov/standards/iso6 39-2/php/code_list.php nelze plnit u obrazu ----------------------------------------------type: použít hodnotu code <physicalDescription> <form> authority <abstract rel="nofollow"> <note> <subject> <topic> <geographic> authority (volitelné) authority authority: použít hodnotu „iso6392b“ obsahuje údaje o fyzickém popisu R vnitřní části; určeno spíše pro oddíly než pro obrazy údaje o fyzické podobě vnitřní R části, např. print, electronic apod. ----------------------------------------------authority: hodnota „marcform“ shrnutí obsahu vnitřní části R obecná poznámka k vnitřní části RA do poznámky by se měla dávat šifra autora vnitřní části, která se vyskytuje pod vnitřní částí údaje o věcném třídění R libovolný výraz specifikující nebo M charakterizující obsah vnitřní části; lze (není ovšem nutno) použít kontrolovaný slovník - např. z báze autorit AUT NK ČR (věcné téma) ------------------------------------------při použití autoritních záznamů použít AUT NK ČR a atribut authority: vyplnit hodnotu „czenas“; při použití volných klíčových slov atribut authority nepoužívat geografické věcné třídění R použít kontrolovaný slovník - např. z báze autorit AUT NK ČR (geografický termín) <dc:format> <dc:description> <dc:description> <dc:subject> <dc:subject> 29 <temporal> authority <name> authority <classification> authority <identifier> type ----------------------------------------------authority: vyplnit hodnotu „czenas“ chronologické věcné třídění použít kontrolovaný slovník - např. z báze autorit AUT NK ČR (chronologický údaj) ----------------------------------------------authority: vyplnit hodnotu „czenas“ jméno použité jako věcné záhlaví použít kontrolovaný slovník - např. z báze autorit AUT NK ČR (jméno osobní) -------------------------------------------authority: vyplnit hodnotu „czenas“ klasifikační údaje věcného třídění podle Mezinárodního desetinného třídění plnit pouze pro oddíl odpovídá poli 080 MARC21 ----------------------------------------------authority: vyplnit hodnotu „udc“ údaje o identifikátorech, obsahuje unikátní identifikátory mezinárodní nebo lokální, které vnitřní část má – viz přehled typů atributů níže ----------------------------------------------type: budou se povinně vyplňovat následující hodnoty, pokud existují pro oddíl nebo obraz: - doi - hdl - handle - urnnbn - pro URN:NBN, u vnitřních částí monografií se s URN:NBN počítá primárně pro články ve sborníku, ne pro „obyčejné“ kapitoly - uuid R <dc:subject> R <dc:subject> RA <dc:subject> M <dc:identifier> povinné 30 jiný interní identifikátor, hodnota atributu „local“, lze použít např. k vyjádření čárového kódu vrchní element, který bude použit RA pouze na záznam rozsahu vnitřní části; nelze u obrazu upřesnění popisu části – rozsah na MA stránkách první stránka, na které vnitřní část MA začíná poslední stránka, na které vnitřní MA část končí údaje o metadatovém záznamu M vnitřní části – jeho vzniku, změnách apod. kód nebo jméno instituce, která R záznam vytvořila nebo změnila; nutno vytvořit kontrolovaný slovník datum prvního vytvoření záznamu M vnitřní části ----------------------------------------------encoding: záznam bude podle normy ISO 8601 na úroveň minut, hodnota atributu tedy iso8601 datum změny záznamu vnitřní části R ----------------------------------------------encoding: záznam bude podle normy ISO 8601 na úroveň minut, hodnota atributu tedy iso8601 údaje o vzniku záznamu vnitřní R části hodnoty: machine generated nebo human prepared - <part> <extent> <start> <end> <recordInfo> <recordContentSource> <recordCreationDate> encoding <recordChangeDate> encoding <recordOrigin> Pole MODS a DC pro přílohu Element MODS Atributy Popis <titleInfo> názvová informace přílohy ID Povi nnos t M <dc:format> <dc:coverage> <dc:coverage> Element DC 31 <title> <partNumber> <partName> <name> type <namePart> type <role> použít názvové autority nebo katalogizační záznam -----------------------------ID musí vyjadřovat název úrovně, tj. „MODS_SUPPLEMENT“ názvová informace – název svazku monografie, jehož součástí příloha je; převzít z katalogu číslo přílohy, pokud nějaké má doporučené pokud lze vyplnit název přílohy údaje o odpovědnosti za přílohu ----------------------------------type: použít jeden z typů - personal - corporate - conference - family údaje o křestním jméně a příjmení apod. nutno vyjádřit pro křestní jméno i příjmení ------------------------------------type: použít jednu z hodnot: - date – doporučené pokud lze uvést - family – povinné pokud lze uvést - given – povinné pokud lze uvést - termsOfAddress – doporučené pokud lze uvést M <dc:title> MA <dc:description> MA MA <dc:title> MA <dc:creator> nutno do jednoho pole DC spojit jméno i příjmení pokud nelze rozlišit křestní jméno a příjmení, nepoužije se type a jméno se zaznamená v podobě jaké je do jednoho elementu <namePart> specifikace role osoby nebo MA 32 <roleTerm> <typeOfResource> <genre> type authority organizace uvedené v elementu <name> popis role MA nutno použít kontrol. slovník např. z MARC21 ----------------------------------------------type: code – kód role z kontrolovaného slovníku rolí http://www.loc.gov/marc/relators/ relaterm.html) authority – údaje o kontrolovaném slovníku využitém k popisu role, k popisu výše uvedeného MARC seznamu nutno uvést authority=“marcrelator“ popis charakteristiky typu nebo R obsahu přílohy jedna z hodnot: - text – např. pro přílohu typu časopis, kniha, brožura apod. - cartographic – pro mapy - notated music - sound recording-musical pro hudební CD/DVD - sound recordingnonmusical - sound recording - still image – fotografie, plakáty apod. - moving image – pro filmová DVD - three dimensional object - software, multimedia – pro CD/DVD se SW - mixed material bližší údaje o typu dokumentu M <dc:type> <dc:type> hodnota: supplement 33 <originInfo> informace o původu přílohy MA plnit pokud se liší od údajů v popisu svazku monografie (platí i pro jednotlivé sub-elementy) <place> <placeTerm> type <publisher> <dateIssued> qualifier Poznámka: Jeden nebo více výskytů elementů se předpokládá pro vydavatele, další výskyt v případě nutnosti popsat tiskaře. Pokud je nutno vyjádřit tiskaře (pole 260 podpole „f“ a „e“ a „g“ v MARC21), je nutno element <originInfo> opakovat s atributem transliteration=“printer“ a elementy <place>, <publisher>, <dateCreated>, které budou obsahovat údaje o tiskaři. údaje o místě spojeném s vydáním, MA výrobou nebo původem přílohy konkrétní určení místa, např. Praha MA odpovídá hodnotě katalogizačního záznamu, pole 260, podpole „a“ ----------------------------------------------type – bude vždy text jméno entity, která přílohu vydala, MA vytiskla nebo jinak vyprodukovala odpovídá poli 260 podpoli „b“ katalogizačního záznamu v MARC21 datum vydání přílohy, dle toho jaké MA údaje jsou k dispozici <dc:coverage> <dc:coverage> <dc:publisher> <dc:date> jiná data než rok možno zapsat v následujících podobách: - DD.MM.RRRR – pokud víme den, měsíc i rok vydání - MM.RRRR – pokud víme jen měsíc a rok vydání 34 - RRRR – pokud víme pouze rok - DD.-DD.MM.RRRR – vydání pro více dní - MM.-MM.RRRR – vydání pro více měsíců možno použít hodnotu z katalogizačního záznamu, pole 260, podpole „c“ ---------------------------------------qualifier – možnost dalšího upřesnění, hodnota „approximate“ pro data, kde nevíme přesný údaj <dateCreated> qualifier odpovídá hodnotě z katalogizačního záznamu, pole 260, podpole „g“ ---------------------------------------qualifier – možnost dalšího upřesnění, hodnota „approximate“ pro data, kde nevíme přesný údaj údaje o pravidelnosti vydávání RA <frequency> <language> <languageTerm> datum vytvoření přílohy R bude použito pouze při popisu tiskaře, viz poznámka u elementu <originInfo> nebo např. u popisu CD/DVD apod. type authority odpovídá údaji MARC21 v poli 310 nebo pozici 18 v poli 008 údaje o jazyce dokumentu M přesné určení jazyka – kódem M nutno použít kontrolovaný slovník ISO 639-2, http://www.loc.gov/standards/iso6 39-2/php/code_list.php ---------------------------------------------type: použít hodnotu code <dc:language> authority: použít hodnotu „iso63935 <physicalDescription> <form> authority <extent> <note> <abstract rel="nofollow"> <note> <subject> <topic> <geographic> authority 2b“ obsahuje údaje o fyzickém popisu M údaje o fyzické podobě M dokumentu, např. print, electronic apod. povinné pro tištěné předlohy hodnota „print“, pro elektronické přílohy „electronic“ odpovídá hodnotám pozice 23 a 29 v poli 008 MARC21 ----------------------------------------------authority: hodnota „marcform“ údaje o rozsahu (stran, svazků RA nebo rozměrů) odpovídá hodnotám v poli 300 podpolích „a“ a „c“ MARC21, pokud jsou vyplněna obě pole, bude se element <extent> opakovat poznámka o fyzickém stavu dokumentu; pro každou poznámku je nutno vytvořit nový <note> element shrnutí obsahu dokumentu odpovídá poli 520 MARC21 obecná poznámka k dokumentu odpovídá poli 500 v MARC21 údaje o věcném třídění ----------------------------------------------authority: vyplnit hodnotu „czenas“ libovolný výraz specifikující nebo charakterizující obsah přílohy; použít kontrolovaný slovník - např. z báze autorit AUT NK ČR (věcné téma) geografické věcné třídění použít kontrolovaný slovník - např. z báze autorit AUT NK ČR <dc:format> <dc:format> RA RA <dc:description> RA <dc:description> R M <dc:subject> R <dc:subject> 36 <temporal> <name> <classification> authority <identifier> type (geografický termín) chronologické věcné třídění použít kontrolovaný slovník - např. z báze autorit AUT NK ČR (chronologický údaj) jméno použité jako věcné záhlaví použít kontrolovaný slovník - např. z báze autorit AUT NK ČR (jméno osobní) klasifikační údaje věcného třídění podle Mezinárodního desetinného třídění odpovídá poli 080 MARC21 ----------------------------------------------authority: vyplnit hodnotu „udc“ údaje o identifikátorech, obsahuje unikátní identifikátory mezinárodní nebo lokální, které příloha má – viz přehled typů atributů níže ----------------------------------------------type: budou se povinně vyplňovat následující hodnoty, pokud existují: - doi - hdl - handle - issn - převzít z katalogizačního záznam NK ČR - isbn - převzít z katalogizačního záznam NK ČR - ccnb – čČNB - převzít z katalogizačního záznam NK ČR - permalink záznamu z katalogu NK ČR, např. http://aleph.nkp.cz/F/?fun c=direct&doc_number=002 186258&local_base=NKC - urnnbn - pro URN:NBN - uuid - jiný interní identifikátor, R <dc:subject> R <dc:subject> M <dc:subject> MA <dc:identifier> 37 hodnota atributu „local“, lze použít např. k vyjádření čárového kódu 8.4 METS část <amdSec rel="nofollow"> - Technická a administrativní metadata – formáty MIX a PREMIS - - - pro všechna digitalizovaná data se budou využívat formát PREMIS (jeho části object, event a agent), pro obrazová data dále i formát MIX technická a administrativní metadata budou zabalena v části <amdSec rel="nofollow"> formátu METS ve vlastních formátech (MIX, PREMIS – části object; events; agent) technická a administrativní metadata budou vznikat i pro prvotní sken (většinou TIFF), který se po nutných úpravách maže a dále neuchovává o technická metadata jsou určena primárně pro zachycení technických informací o formátech souborů, o výsledcích validací a kontrol o administrativní metadata zachycují veškeré změny, procesy apod., které byly na datech i metadatech provedeny technická metadata přicházející z digitalizace jsou dále v maximální míře ukládána v LTP systému (po namapování do interního formátu LTP systému) všechny PREMIS záznamy budou ve vedlejším METS záznamu (AMD_METS.xml), který je určen pro administrativní a technická metadata (spolu s MIX záznamy). o celý METS záznam (AMD_METS.xml) a je linkován z hlavního METS záznamu dokumentu plnění technických metadat se předpokládá z výstupů vzniklých využitím služeb třetích stran jako jsou JHOVE2, PRONOM aj.) <amdSec rel="nofollow"> část bude existovat vždy jedna pro všechny reprezentace jedné stránky dokumentu (MC, ALTO XML, OCR.TXT) a bude obsahovat metadata v <techMD> a <digiprovMD> podčástech část <amdSec rel="nofollow"> musí mít ID a vnořený element <techMD> nebo <digiprovMD>, oba s ID a vnořeným elementem <mdWrap> s atributem MDTYPE element atributy <amdSec rel="nofollow"> ID <techMD> <digiprovMD> nebo ID popis Povin nost element obsahující technická metadata ve formátu M PREMIS nebo MIX -----------------------------------ID – identifikátor konkrétní části <amdSec rel="nofollow">, např. pro stránku 1 by hodnota mohla být „PAGE0001“ element rozlišující typy jednotlivých administrativních M metadat ----------------------------------------------------ID pro část <techMD>: 38 - - <mdWrap> - - MDTYPE pro části obsahující PREMIS-object hodnota „OBJ_001“ – objekt 1 (PREMIS object pro smazaný TIFF, OBJ_002 by bylo pro MC, OBJ_003 pro ALTO XML pro části obsahující MIX hodnota „MIX_001“ = MIX metadata pro původní TIFF, „MIX_002“ pro MC pro část <digiprovMD>: - pro části obsahující PREMIS-event hodnota „EVT_001“ apod. - pro části obsahující PREMIS-agent hodnota „AGENT_001“ apod. element obsahující vložené záznamy PREMIS, MIX M -----------------------------------MDTYPE - pro záznamy PREMIS object, event i agent vždy hodnota „PREMIS“ - pro záznamy MIX hodnota „NISOIMG“ 8.4.1 PREMIS Objects bude odpovídat poslední aktuální verzi v době implementace (leden 2011 - PREMIS data dictionary v. 2.1), nebo verzi předchozí popisovat se pomocí PREMIS object budou soubory, tj. dle specifikace PREMIS vždy úroveň tzv. File (ne reprezentace ani bitstream) záznam v PREMIS object se bude vytvářet pro každý soubor 1) vzniklý v procesu digitalizace (původní sken, který se dále maže); 2) archivní obrazové kopie, 3) ALTO XML, OCR.TXT, 4) uživatelská kopie) PREMIS object se nebude vytvářet pro OCR.TXT soubory pro každý záznam PREMIS object bude existovat vlastní podčást <techMD> záznam PREMIS Object pro jeden soubor bude obsahovat linky na události, které jsou popsány v PREMIS Events ve stejném METS metadatovém záznamu konkrétního dokumentu (svazku monografie) v části <digiprovMD>; přes <premis:relatedEventIdentification>, to samé platí pro objekty, které budou nalinkovány v případě vztahu (např. UC vznikla z MC) s popisovaným objektem přes <premis:relatedObjectIdentification>. o tj. např. PREMIS object popisující archivní soubor JPEG2000 je tímto způsobem nalinkován na původní sken ve formátu TIFF (resp. na jeho PREMIS object záznam) – pomocí tagu <relatedObjectIdentification>, který obsahuje ID původního objektu (např. TIFF) o zároveň pomocí tagu <relatedEventIdentification> je záznam PREMIS object archivního souboru JPEG2000 nalinkován na událost, během které vznikl POZOR – Premis Object bude vznikat a uchovávat se i pro neexistující data (původní a posléze smazaný TIFF) 39 Pole záznamu PREMIS Object Obsah pole „Popis“: - vysvětlení a příklad - doporučené plnění tam, kde je to možné - výskyt elementu (jak je definováno formátem PREMIS – dle XSD) o 0-1 element je nepovinný, neopakovatelný o 0-n element je nepovinný, opakovatelný o 1-n element je povinný a opakovatelný o element je povinný a neopakovatelný význam pole „povinnost“ - pole „povinnost“ uvádí, zda je plnění jednotlivých elementů povinné, doporučené nebo volitelné - může nabývat následujících hodnot o M - mandatory (povinně plnit – element je součástí každého záznamu) o MA - mandatory if available (povinně plnit pokud je to možné, pokud lze apod.) o R - recommended (plnění hodnot elementu je doporučeno, není ovšem povinné) o RA - recommended if available (doporučeno pokud lze plnit) o O - optional (plnění hodnot elementu je zcela dle konkrétních potřeb) Obsah pole „Použití pro“ - použití jednotlivých elementů pro popis MC, PS (původní sken), XML (ALTO) Element Popis <objectIdentifier> identifikátor k jednoznačnému odlišení objektu v určitém kontextu; 1-n popis kontextu, ve kterém je identifikátor unikátní, např. NDK, ANL nebo název repozitáře; nutno použít kontrolovaný slovník; 1-1 vlastní hodnota identifikátoru, např. img0001master, urn.nbn.cz-123465 apod.; 1-1 typ objektu, ke kterým se metadata (PREMIS object) vztahuje, např. file pro soubor, representation pro dig. reprezentaci, bitstream pro bitstream; 1-1 údaje o úrovni ochrany souboru, která se na něj vztahuje; některé soubory nejsou tak důležité jako jiné, mají menší úroveň ochrany; <objectIdentifierType> <objectIdentifierValue> <objectCategory> <preservationLevel> Použití pro MC, XML, PS MC, XML, PS Povin nost M MC, XML, PS MC, XML, PS M MC, XML, PS M M M 40 <preservationLevelValue> <preservationLevelDateAssigned> <objectCharacteristics> <compositionLevel> <fixity> <messageDigestAlgorithm> <messageDigest> <messageDigestOriginator> <size> <format> <formatDesignation> <formatName> <formatVersion> <formatRegistry> 0-n hodnota úrovně ochrany, která je pro soubor relevantní, pro původní sken PS hodnota deleted, pro MC a XML hodnota preservation; 1-1 datum, kdy byla přiřazena hodnota úrovně ochrany, zápis v ISO 8601, na úroveň dne (DDMM-RRRR) 0-1 technické údaje o souboru 1-n údaj o tom, zda je nutné digitální objekt rozbalit nebo dekodovat; např. 0 (defaultně pro žádné zabalení nebo kodování); 1 pro jedno zabalení a kodovani, podobně pak hodnota 2; 1-1 údaje o kontrolním součtu 0-n použitý algoritmus kontrolního součtu, např. MD5 aj. 1-1 hodnota kontrolního součtu 1-1 agent (osoba, instituce, stroj, SW), který kontrolní součet vytvořil (např. JHOVE apod.) 0-1 údaje o velikosti souboru v bytech 0-1 údaje o formátu souboru 1-n identifikace formátu souboru, výstup z JHOVE, PRONOM služeb apod. 0-1 jméno formátu, např. image/tiff nebo Adobe PDF 1-1 verze formátu, např. 6.0 0-1 identifikace formátu – dodatečná informace o záznamu formátů v registrech formátů (např. PRONOM aj.) MC, XML, PS M MC, XML, PS R MC, XML, PS MC, XML, PS M MC, XML, PS MC, XML, PS MC, XML, PS MC, XML, PS MC, XML, PS MC, XML, PS MC, XML, PS MC, XML, PS MC, XML, PS MC, XML, PS M M M M M M M M M M M 41 <formatRegistryName> <formatRegistryKey> <creatingApplication> <creatingApplicationName> 0-1 jméno použitého registru formátů, např. UDFR, PRONOM aj. 1-1 unikátní identifikátor (označení) formátu v registru, např. fmt/155 z PRONOM 1-1 údaje o aplikaci, ve které byl popisovaný soubor vytvořen; nutno popsat skener, SW kde vzniklo ALTO XML/TXT, SW/kodek pro vytvoření JPEG2000 MC 0-n název aplikace, např. ImageGear, Kakadu apod.; 0-1 <creatingApplicationVersion> verze aplikace, např. 15.03.000 0-1 <dateCreatedByApplication> datum a čas vytvoření, např. 2008-1110T12:37:46; musí být ve tvaru ISO 8601 (na úroveň vteřin); 0-1 původní jméno souboru , např. digibok_2007081301091_0011.jp2 0-1 vyjádření vztahu popisovaného souboru k jiným souborům a událostem (eventům) 0-n typ vztahu, doporučené hodnoty: derivation= vztah kde objekt je výsledkem změny jiného objektu; structural= vztah mezi částmi objektu; tj. např. ALTO vytvořené z TIFFU bude mít vztah derivation, podobně jako JPEG2000 z TIFFu vytvořený; 1-1 upřesnění vztahu, doporučené hodnoty: created from; has source; is source of; has sibling; has part; is part of; has root; includes; is included in; apod.; tj. např. ALTO nebo JPEG2000 vytvořený z původního TIFFu budou mít vztah „created from“ 1-1 identifikace souvisejícího souboru 1-n pro MC, XML pro vyjádření vztahu k původnímu objektu (skenu) <originalName> <relationship> <relationshipType> <relationshipSubType> <relatedObjectIdentification> MC, XML, PS MC, XML, PS MC, XML, PS M MC, XML, PS MC, XML, PS MC, XML, PS M MC, XML, PS MC, XML M MC, XML; M MC, XML; M MC, XML M M M M M M 42 <relatedObjectIdentifierType> <relatedObjectIdentifierValue> <relatedEventIdentification> <relatedEventIdentifierType> <relatedEventIdentifierValue> <relatedEventSequence> <linkingEventIdentifier> <linkingEventIdentifierType> <linkingEventIdentifierValue> specifikace kontextu, ve kterém je identifikátor souboru jedinečný, např. URN; temporary filepath; objectID 1-1 vlastní řetězec identifikátoru, např. URN:NBN:cz-1301091_011#0001 nebo název souboru, cesta k souboru apod. 1-1 identifikace s popisovaným souborem související události (eventu); seznam událostí viz PREMIS event 0-n typ události, např. interní číslovací systém událostí jako no.nb.evt; NK repository event ID, UUID apod. 1-1 hodnota identifikátoru události, např. NK_EVT_005 nebo hodnota UUID aj. 1-1 pořadí události, např. 003; k určení pořadí lze určit datum události 0-1 identifikátor události týkající původního skenu PS; typy událostí mohou být např. vytvoření, smazání 0-n pro PS nutný link na události vytvoření (digitalizace) a jeho vymazání typ identifikátoru události, např. UUID, NK_eventID, vlastní číslovací systém apod. 1-1 hodnota identifikátoru, např. event_01; img0001-master-event001 apod. 1-1 MC, XML M MC, XML M MC, XML M MC, XML M MC, XML M MC, XML R PS M PS M PS M 8.4.2 PREMIS Event - bude odpovídat poslední aktuální verzi v době implementace (leden 2011 - PREMIS data dictionary v. 2.1), nebo verzi předchozí - PREMIS event záznamy shromažďují informace o procesech a událostech, které se týkají jednoho nebo více objektů, v našem případě souborů. Primární použití je k zaznamenání událostí, které popisovaný soubor mění nebo upravují. - bude vznikat pro události, které se dělaly na obrazových datech o digitalizace – vytvoření prvního skenu (např. do TIFF) o vytvoření ALTO XML o vygenerování MC 43 - - o vygenerování UC o vymazání PS popis událostí bude zachycovat informace o jejich výsledku/výstupu záznamy PREMIS event budou uloženy v METS záznamu určeném pro administrativní a technická metadata (AMD_METS.xml) v jeho části <amdSec rel="nofollow">, podčást <digiprovMD> o AMD_METS.xml je linkován z hlavního METS záznamu dokumentu pro každou událost bude vytvořena jedna <digiprovMD> část každý záznam PREMIS event je linkován na původce aktivity – tj. na PREMIS agent záznam Obsah pole „Popis“: - vysvětlení a příklad - doporučené plnění tam, kde je to možné - výskyt elementu (jak je definováno formátem PREMIS – dle XSD) o 0-1 element je nepovinný, neopakovatelný o 0-n element je nepovinný, opakovatelný o 1-n element je povinný a opakovatelný o element je povinný a neopakovatelný význam pole „povinnost“ - pole „povinnost“ uvádí, zda je plnění jednotlivých elementů povinné, doporučené nebo volitelné - může nabývat následujících hodnot o M - mandatory (povinně plnit – element je součástí každého záznamu) o MA - mandatory if available (povinně plnit pokud je to možné, pokud lze apod.) o R - recommended (plnění hodnot elementu je doporučeno, není ovšem povinné) o RA - recommended if available (doporučeno pokud lze plnit) o O - optional (plnění hodnot elementu je zcela dle konkrétních potřeb) Pole záznamu PREMIS Event Element <eventIdentifier> <eventIdentifierType> <eventIdentifierValue> <eventType> <eventDateTime> Popis údaje o identifikátoru události v kontextu digitalizace nebo repozitáře 1-1 typ identifikátoru, např. no.nb.evt; NK_eventID, UUID apod. 1-1 hodnota identifikátoru, např. EVT_001; event_019 apod. 1-1 kategorizace události, nutno použít kontrolovaný slovník; typy událostí, které musí být zaznamenány: capture, migration, derivation, deletion 1-1 datum a čas kdy byla událost provedena; nutno Povinnost M M M M M 44 <eventDetail> <eventOutcomeInformation> <eventOutcome> <linkingAgentIdentifier> <linkingAgentIdentifierType> <linkingAgentIdentifierValue> <linkingAgentRole> <linkingObjectIdentifier> <linkingObjectIdentifierType> <linkingObjectIdentifierValue> zapsat v ISO 8601 na úroveň vteřin 1-1 další údaje o události, doporučené hodnoty pro výše uvedené <eventType> následují za /: - capture/digitization – vznik prvního skenu - capture/XML_creation - capture/TXT_creation - migration/MC_creation - derivation/UC_creation - deletion/PS_deletion 0-1 informace o výsledku události 0-n kategorizace výsledku události, např. slovy jako successful nebo failure, možno použít kódy – nutno používat kontrolovaný slovník nebo seznam kódů 0-1 identifikace jednoho nebo více agentů spojených s událostí 0-n označení typu identifikátoru, např. NK_AgentID, UUID apod. 1-1 hodnota identifikátoru, např. agent_softwareName_5.2; agent_novakJ apod. 1-1 role agenta ve vztahu k události, např. software; SW component; operator; nutno používat kontrolovaný slovník 0-n informace o objektu/souboru spojeného s událostí, link na něj 0-n označení typu identifikátoru, např. PhysUnitID; URN, NK_OBJ, OBJ_001 apod.; hodnoty by se měly brát z kontrolovaného slovníku 1-1 hodnota identifikátoru, např. URN:NBN:cz_0011#0001 aj. 1-1 M R M M M M R M M M 45 8.4.3 - - - - - PREMIS Agent bude odpovídat poslední aktuální verzi v době implementace (leden 2011 - PREMIS data dictionary v. 2.1), nebo verzi předchozí využití PREMIS agent je spíše myšleno pro tzv. ochranné aktivity, které probíhají na archivních datech (AIP balíček) a je nutné pro každou událost na těchto datech mít přesnější informace o tom, kdo ji provedl (osoba adminstrátora nebo oprávněné osoby) o informace v PREMIS event a PREMIS object přicházející z procesu digitalizace v PSP balíčku jsou dostačující a dají nám dostatečné informace o události, kdy byla provedena, na jakém SW byla provedena (PREMIS object „creatingApplication“ + PREMIS event „eventDetail“ – tj. další upřesnění v PREMIS agent není nutné záznam PREMIS agent obsahuje charakteristiku tzv. agenta, který je spojen s provedenou a zaznamenanou událostí (PREMIS event) o agent může být osoba, organizace nebo software z PREMIS Event je linkováno na agenta, který určitou akci provedl, typ ID agenta a jeho hodnota jsou uvedené v Premis Events (<premis:linkingAgentIdentifier>), plný popis agenta je pak v PREMIS Agent záznamy PREMIS agent budou uloženy v METS záznamu určeném pro administrativní a technická metadata (AMD_METS.xml) v jeho části <amdSec rel="nofollow">, podčást <digiprovMD> o AMD_METS.xml je linkován z hlavního METS záznamu dokumentu pro každého agenta, tj. jeden PREMIS agent záznam, bude vytvořena jedna <digiprovMD> část Pole záznamu PREMIS Agent Obsah pole „Popis“: - vysvětlení a příklad - doporučené plnění tam, kde je to možné - výskyt elementu (jak je definováno formátem PREMIS – dle XSD) o 0-1 element je nepovinný, neopakovatelný o 0-n element je nepovinný, opakovatelný o 1-n element je povinný a opakovatelný o element je povinný a neopakovatelný význam pole „povinnost“ - pole „povinnost“ uvádí, zda je plnění jednotlivých elementů povinné, doporučené nebo volitelné - může nabývat následujících hodnot o M - mandatory (povinně plnit – element je součástí každého záznamu) o MA - mandatory if available (povinně plnit pokud je to možné, pokud lze apod.) o R - recommended (plnění hodnot elementu je doporučeno, není ovšem povinné) o RA - recommended if available (doporučeno pokud lze plnit) o O - optional (plnění hodnot elementu je zcela dle konkrétních potřeb) 46 Element <agentIdentifier rel="nofollow"> <agentIdentifierType rel="nofollow"> <agentIdentifierValue rel="nofollow"> <agentName rel="nofollow"> <agentType rel="nofollow"> <agentNote rel="nofollow"> 8.4.4 - - Popis popis identifikátoru, který jednoznačně označuje agenta v rámci jednoho kontextu (repozitář např.) 1-n označení typu identifikátoru, např. NK_AgentID, UUID apod. 1-1 hodnota identifikátoru, např. agent_softwareName_5.2; agent_novakJ apod. 1-1 textové upřesnění agenta, např. přesný název SW, plné jméno osoby apod. - FixImage1.3; Jan Novák; CCS docWorks 6.2.1; 0-n obecné označení agenta – pro osoby např. osoba, pro SW např. software apod. hodnoty: organization; person; software 0-1 použití pouze pokud je <agentType rel="nofollow"> Software a půjde o agenta souvisejícího s migrací TIFF na JPEG2000 (creation/migration Event); bude obsahovat příkaz k výrobě JPEG2000 souboru v aplikaci Kakadu 0-n Povinnost M M M R M MA Technická metadata MIX Bude využit formát MIX, verze aktuální v době implementace projektu, nebo verze předchozí (prosinec 2010 verze 2 – viz http://www.loc.gov/standards/mix//) MIX záznam vzniká pouze pro obrazové soubory! o tj. bude vznikat 1) pro archivní kopii, 2) další MIX záznam bude vznika pro původní soubor vzniklý prvotním skenováním (nejčastěji TIFF) a to i přesto, že tento TIFF se v průběhu výroby maže a není archivován o tyto dva MIX záznamy budou součástí jednoho METS záznamu AMD_METS.xml (v části <amdSec rel="nofollow">, podčást <techMD>) pro administrativní a technická metadata, který vznikne ke každému obrazovému souboru a který je linkován z hlavního METS záznamu svazku monografie MIX záznamy jednotlivých obrazových souborů se budou lišit – MIX záznam původního skenu nebude obsahovat např. element ImageProcessing, MIX záznam archivního souboru MC nebude naproti tomu obsahovat informace o procesu skenování, které se váží k původnímu skenu a budou v elementu ImageCaptureMetadata apod. – podrobnosti viz tabulka níže, sloupec „užití pro MC a PS“ 47 - pro každý záznam MIX bude vytvořena vlastní část <techMD> MIX může být také zapouzdřen v PREMIS Object <premis:objectCharacteristicsExtension> externí služby, jako např. JHOVE a PRONOM, budou využívány k plnění polí formátu MIX ve formátu MIX nebude uvedena informace o kontrolních součtech (fixity), která je obsažena v PREMIS object a není nutno ji opakovat (viz MIX profily Nizozemí, Finska a Norska) <fileSize> je pouze doporučené, údaj o velikosti souboru je součástí popisu PREMIS object Pole formátu MIX pro popis archivní kopie a původního skenu Obsah pole „Popis“: - vysvětlení a příklad - doporučené plnění tam, kde je to možné - výskyt elementu (jak je definováno formátem MIX – dle XSD) o 0-1 element je nepovinný, neopakovatelný o 0-n element je nepovinný, opakovatelný význam pole „povinnost“ - pole „povinnost“ uvádí, zda je plnění jednotlivých elementů povinné, doporučené nebo volitelné - může nabývat následujících hodnot o M - mandatory (povinně plnit – element je součástí každého záznamu) o MA - mandatory if available (povinně plnit pokud je to možné, pokud lze apod.) o R - recommended (plnění hodnot elementu je doporučeno, není ovšem povinné) o RA - recommended if available (doporučeno pokud lze plnit) o O - optional (plnění hodnot elementu je zcela dle konkrétních potřeb) Obsah pole „Použití pro“ - použití jednotlivých elementů pro MC, PS (původní sken) a UC – určuje, který element je a který není součástí MIX záznamu MC nebo MIX záznamu popisujícího původní obrazový dokument ze skeneru Element Popis Povinn Použití ost pro <BasicDigitalObjectInformation> <ObjectIdentifier> údaje o identifikátoru obrazového R MC, PS dokumentu, který je formátem MIX popsán; 0-n <objectIdentifierType> např. jméno souboru, nebo jiný identifikátor; 0-1 M MC, PS <objectIdentifierValue> hodnota identifikátoru, např. 20110306_001.jp2 nebo urn:nbn:123456; 0-1 M MC, PS velikost souboru R MC + PS <fileSize> 48 <FormatDesignation> <formatName> <formatVersion> <byteOrder> <Compression> <compressionScheme> <BasicImageInformation> <BasicImageCharacteristics> <imageWidth> <imageHeight> <PhotometricInterpretation> <colorSpace> <ColorProfile> <IccProfile> <iccProfileName> <iccProfileVersion> <iccProfileURI> 4 0-1 údaje o formátu obrazového souboru 0-1 název formátu, např. lze využít MIME types4 (Image/jp2 apod.) 0-1 verze formátu, např. 1.0 0-1 endianita, možnosti jsou little endian, middle (mix) endian a big endian 0-1 údaje o kompresi obrazového souboru (pokud 0-n informace o kompresním schématu, vyjádřeno číslem (např. 34712 je komprese JPEG2000) nebo slovy (např. JP2 Lossless) 0-1 základní technické údaje o obrazovém dokumentu 0-1 0-1 šířka obrazu v pixelech, např. 3987 0-1 výška obrazu v pixelech, např. 2345 0-1 photometrická interpretace 0-1 barevný prostor, např. RGB 0-1 údaje o barevném profilu 0-1 povinné pro dokumenty, kde je nutno uchovat přesnou reprezentaci barvy původního dokumentu a používá se ICC profil) ICC profil 0-1 jméno profilu, např. sRGB, Adobe RGB aj. 0-1 verze profilu, např. sRGB IEC61966-2.1 0-1 odkaz na profil, např. www.profily.cz/sRGB_v4_ICC_pref.icc; 0-1 M MC, PS M MC, PS M MC, PS M MC + PS M MC, PS M MC, PS M MC, PS M M MC, PS MC, PS M MC, PS M MC, PS M MC, PS MA MC + PS M MC + PS M MC + PS M MC + PS R MC + PS http://www.iana.org/assignments/media-types/index.html 49 <SpecialFormatCharacteristics> <JPEG2000> <CodecCompliance> <codec> <codecVersion> < codestreamProfile > < complianceClass > <EncodingOptions > <Tiles > < tileWidth> < tileHeight> < qualityLayers> < resolutionLevels> < ImageCaptureMetadata> <SourceInformation> <sourceType> <SourceID> <sourceIDType> <sourceIDValue> speciální technické údaje o obrazovém dokumentu, použití pro formát JPEG2000 0-1 povinný pro JPEG2000 0-1 údaje o kodeku 0-1 název kodeku, např. Kakadu, LuraWave aj. 0-1 verze kodeku, např. 3.1 0-1 popis codestream profilu JPEG2000, např. P0 a P1 (viz ISO/IEC 15444-4); 0-1 specifikace největší výšky, šířky a počtu komponentů, které dekodér dokáže dekódovat, lze použít hodnoty C0, C1 a C2; 0-1 obsahuje informace o kodování JPEG2000 0-1 popis pixelové velikosti dlaždic formátu JPEG2000 0-1 šířka dlaždice, např. 128 0-1 výška dlaždice, např. 128 0-1 číselná hodnota počtu vrstev, do kterých byl JPEG2000 rozdělen, např. 12 0-1 popis počtu nižších rozlišení, které lze z obrazu získat, např. 6 0-1 popis procesu skenování, je důležité vyplnit, protože tyto údaje nelze zjistit z finálního master/archivního souboru 0-1 informace o předloze 0-1 Book, Newspaper aj.; nutno používat kontrolovaný slovník 0-1 identifikátor předlohy 0-n typ identifikátoru, např. čČNB, URN:NBN 0-1 vlastní hodnota identifikátoru MA MC M M MC MC M MC M MC M MC M MC M MC M MC M MC M MC M MC M MC M PS R PS M PS R PS M PS M PS 50 <GeneralCaptureInformation> <dateTimeCreated> <imageProducer> <captureDevice> < ScannerCapture> <scannerManufacturer> <ScannerModel> <scannerModelName> <scannerModelNumber> <scannerModelSerialNo> <MaximumOpticalResolution> < xOpticalResolution> < yOpticalResolution> < opticalResolutionUnit> <scannerSensor> <ScanningSystemSoftware> <scanningSoftwareName> <scanningSoftwareVersionNo> 0-1 povinné základní údaje o skenování 0-1 údaj o datu a čase skenování, např. 2009-0103T08:25:28; zapsat v ISO 8601 na úroveň vteřin 0-1 entita provádějící skenování, např. The National Library of the Czech Republic, osoba apod. 0-1 typ skenovacího zařízení, např. reflection print scanner; doporučené využívání hodnot z kontrolovaného slovníku 0-1 údaje o skeneru 0-1 výrobce skeneru, např. 4DigitalBooks, Treventus, Zeutschel 0-1 údaje o konkrétním typu skeneru 0-1 jméno modelové řady skeneru, např. DL 0-1 číslo/označení modelu, např. 3000 0-1 výrobní číslo skeneru, např. E4R0003649 0-1 údaje o maximálním optickém rozlišení skeneru 0-1 optické rozlišení na ose x, např. 300 0-1 optické rozlišení na ose y, např. 300 0-1 jednotka optického rozlišení, např. inch (in.) 0-1 popis typu snímacího senzoru skenovacího zařízení, např. matrix, linear, undefined aj. 0-1 údaje o softwaru skenovacího zařízení 0-1 název softwaru, např. Copinet 0-1 číslo verze softwaru, např. 3.7 0-1 M PS M PS M PS M PS M PS M PS M PS M PS M PS M PS M PS M PS M PS M PS M PS M PS M PS M PS 51 <DigitalCameraCapture> <digitalCameraManufacturer> <DigitalCameraModel> <digitalCameraModelName> < digitalCameraModelNumber> < digitalCameraModelSerialNo> <camerarSensor> <CameraCaptureSettings> <ImageData> <orientation> údaje o snímacím zařízení (fotoaparát) 0-1 povinné, pokud je používán fotoaparát a není používán skener výrobce fotoaparátu, např. Canon 0-1 popis modelu fotoaparátu 0-1 název modelové řady, např. EOS 0-1 označení modelu fotoaparátu, např. 1000D 0-1 výrobní číslo přístroje, např. E12345 0-1 typ senzoru fotoaparátu, např. matrix aj. 0-1 údaje o nastavení fotoaparátu použitého ke snímání předloh 0-1 v rámci tohoto kontejnerového elementu budou použity následující sub-elementy: fNumber exposureTime isoSpeedRatings shutterSpeedValue apertureValue brightnessValue exposureBiasValue maxApertureValue subjectDistance meteringMode lightSource flash focalLength backLight exposureIndex sensingMethod cfaPattern autoFocus PrintAspectRatio všechny hodnoty budou přebrány v případě použití fotoaparátu z údajů Exif popis orientace obrazu tak, jak je uložen vzhledem k jeho řádkům a sloupcům, např. normal*; normal, image flipper; normal, rotated 180°; unknown apod. MA PS M PS M PS M PS M PS M PS M PS M PS M PS M PS 52 <ImageAssessmentMetadata> <SpatialMetrics> <samplingFrequencyPlane> <samplingFrequencyUnit> <xSamplingFrequency> <numerator> <denominator> <ySamplingFrequency> <numerator> <denominator> <ImageColorEncoding> <BitsPerSample> <bitsPerSampleValue> 0-1 informace o digitálním obrazu pro jeho hodnocení a využití z hlediska dlouhodobé ochrany apod. 0-1 rozměry obrázku, 2 rozměrná projekce objektů tak jak ji „vidí“ snímací zařízení 0-1 popis základní roviny, např. object plane (pro přímo ze předlohy digitalizované dokumenty), source object plane (pro digitalizaci mikrofilmů), camera/scanner focal plane (indikace sampl. frekvence fyzického senzoru); 0-1 jednotka měření sampl. frekvence, např. hodnoty 1= žádná pevná jednotka ; 2= inch, 3=centimetr; 0-1 údaje o počtu pixelů na jednotku samplovací frekvence pro šířku obrázku 0-1 povinné, pokud hodnota samplingFrequencyUnit je 2 nebo 3 čitatel, číselné vyjádření, např. 300 0-1 jmenovatel, číselné vyjádření např. 1 0-1 údaje o počtu pixelů na jednotku samplovací frekvence pro výšku obrázku 0-1 povinné, pokud hodnota samplingFrequencyUnit je 2 nebo 3 čitatel, číselné vyjádření, např. 300 0-1 jmenovatel, číselné vyjádření např. 1 0-1 doplňující údaje o barvě obrazu 0-1 počet bitů na kanál 0-1 hodnota počtu bitů, např. 8, 1, 4 nebo 8,8,8 apod. 0-n POZOR – pro každou hodnotu je nutno element opakovat, tj. např. 3x element <bitsPerSampleValue> s hodnotou 8 M MC, PS M MC, PS R MC + PS M MC, PS MA MC, PS M MC, PS M MC, PS MA MC, PS M MC, PS M MC, PS M MC, PS M MC, PS M MC, PS 53 <mix:BitsPerSample> <mix:bitsPerSampleValue>8</mix:bitsPerSampleValue> <mix:bitsPerSampleValue>8</mix:bitsPerSampleValue> <mix:bitsPerSampleValue>8</mix:bitsPerSampleValue> </mix:BitsPerSample> <bitsPerSampleUnit> <samplesPerPixel> <TargetData> <targetType> <targetID> <targetManufacturer> <targetName> <targetNo> <targetMedia> <externalTarget> <performaceData> <ChangeHistory> specifikace jednotky, např. integer nebo floating point 0-1 počet barevných komponentů na pixel, např. 1, 3, 4 0-1 informace o kalibračních tabulkách 0-1 povinné pro obrazy, kde se dělá kontrola oproti kalibrační tabulce typ kalibrační tabulky; 0= external (kalibrační tabulka se neobjeví na dig. obraze, je to oddělený dig. soubor); 1= internal (tabulka je naskenována spolu s přelohou a objeví se na dig. obraze); 0-n údaje o původu kalibrační tabulky 0-n výrobce/původce kalibrační tabulky, např. Eastman Kodak nebo NK ČR, oddělení kontroly kvality apod. 0-1 název kalibrační tabulky, např. ColorChecker, MicrofilmScanTarget aj. 0-1 číslo nebo verze kalibrační tabulky 0-1 údaj o tom, na jakém médiu je kalibrační tabulka, např. film, paper aj. 0-1 údaje o externí kalibrační tabulce; např. link na http://skenservis.cz/target-00000001 nebo název a cesta ke konkrétnímu souboru 0-n povinné v případě, že byla použita externí kalibrační tabulka (targetType = 0) odkaz na soubor obsahující charakteristiku výkonu systému vzhledem k nastaveným hodnotám rozlišení atd.; možné hodnoty plnění – link URN nebo URL, nebo název souboru 0-n dokumentace procesů provedených na R MC, PS M MC, PS MA MC M MC M MC M MC M MC M MC R MC MA MC R MC M MC 54 <ImageProcessing> <dateTimeProcessed> <sourceData> <processingAgency> obrazovém souboru v jeho životním cyklu 0-1 údaje o zpracování obrazového souboru 0-n 2009-01-04T15:12:06; zapsat v ISO 8601 na úroveň vteřin 0-1 odkaz na původní zdrojová data, ze kterých byl vytvořen finální obrazový soubor; může to být např. URL nebo cesta do složky s původním skenem včetně názvu souboru; 0-1 The National Library of the Czech Republic 0-n M MC M MC M MC R MC 8.5 METS část <fileSec> 8.5.1 <fileSec> hlavního záznamu METS file group - pro obrazy i texty (ALTO XML/OCR.TXT) budou v hlavním METS záznamu použity elementy <fileGrp>, jeden element <fileGrp> bude existovat pro obrazy archivních kopií, další pro ALTO XML, další pro OCR.TXT soubory a další pro METS záznamy s technickými metadaty (AMD_METS.xml) 1. <fileGrp> pro obrazy archivních kopií, bude mít tyto atributy: ID=“MC_IMGGRP“ USE=“Images“ o každý soubor bude mít vlastní element <file> s následujícími atributy:  ID – identifikátor souboru jp2 jak je používán v METS záznamu  MIMETYPE – hodnota image/jp2  SIZE – velikost souboru jp2  CHECKSUMTYPE – hodnota MD5  CHECKSUM – hodnota kontrolního součtu  SEQ – pořadí souboru  CREATED – datum vytvoření, ISO8601 na úroveň vteřiny o subelementem pod <file> je element <Flocat>, který obsahuje link na obrazový soubor (xlink:href) a atribut LOCTYPE 2. <fileGrp> pro ALTO XML bude mít následující atributy: ID=“ALTOGRP“ USE=“Text“ o každý ALTO XML soubor bude mít vlastní element <file> s následujícími atributy:  ID – identifikátor souboru ALTO XML jak je používán v METS záznamu  MIMETYPE – text/xml  SIZE – velikost souboru xml 55 o  CHECKSUMTYPE – hodnota MD5  CHECKSUM - hodnota kontrolního součtu  CREATED - datum vytvoření, ISO8601 na úroveň vteřiny subelementem pod <file> je element <Flocat>, který obsahuje link na xml soubor obsahující ALTO (xlink:href) a atribut LOCTYPE 3. <fileGrp> pro soubory METS s technickými metadaty AMD_METS.xml bude mít následující atributy: ID=“TECHMDGRP“ USE=“Technical Metadata“ o každý METS xml soubor bude mít vlastní element <file> s následujícími atributy:  ID - identifikátor souboru AMD_METS.xml jak je používán v METS záznamu  MIMETYPE – text/xml  SIZE – velikost souboru xml  CHECKSUMTYPE – hodnota MD5  CHECKSUM - hodnota kontrolního součtu  SEQ – pořadí souboru  CREATED - datum vytvoření, ISO8601 na úroveň vteřiny o subelementem pod <file> je element <Flocat>, který obsahuje link na xml soubor AMD_METS.xml (xlink:href) a atribut LOCTYPE 4. <fileGrp> pro soubory OCR.TXT bude mít následující atributy: ID=“TXTGRP“ USE=“Text“ o každý OCR.TXT soubor bude mít vlastní element <file> s následujícími atributy:  ID - identifikátor souboru OCR.TXT jak je používán v METS záznamu  MIMETYPE – text/plain  SIZE - velikost souboru  CHECKSUMTYPE – hodnota MD5  CHECKSUM - hodnota kontrolního součtu  CREATED - datum vytvoření, ISO8601 na úroveň vteřiny o subelementem pod <file> je element <Flocat>, který obsahuje link na txt soubor (xlink:href) a atribut LOCTYPE 8.5.2 - <fileSec> vedlejšího METS záznam AMD_METS.xml <fileSec> ve vedlejším METS záznamu AMD_METS.xml bude obsahovat jeden element <fileGrp> s vnořenými elementy <file> pro každou reprezentaci stránky, tj. MC, ALTO XML a OCR.TXT atributy jednotlivých <file> elementů odpovídají atributům pro jednotlivé typy dokumentů uvedených výše pro <fileSec> hlavního METS záznamu 56 8.6 METS část <structMap> - Strukturální metadata a ALTO XML 8.6.1 - - - <structMap> hlavního záznamu METS strukturální mapy v METS záznamu existují dvojího typu, fyzická a logická; fyzická zaznamenává hierarchické informace o dokumentu, včetně vazeb na fyzické soubory, ze kterých se skládají jednotlivé úrovně dokumentu 1 logická strukturální mapa v hlavním METS záznamu popisuje 1 svazek monografie a musí popisovat strukturu až na úroveň vnitřních částí (např. kapitol, nebo článků) apod. − součástí svazku monografie mohou být přílohy – pokud se skenují spolu se svazkem, popisuje strukturální mapa METS záznamu svazek včetně přílohy (bere se jako jeden svazek) strukturální mapa logická i fyzická včetně linků na ALTO XML bude v hlavním záznamu hlavni_METS.xml pro každou stránku seskupuje METS logická strukturální mapa odkazy na textové bloky (nebo ilustrace), které jsou součástí té stránky. Informace o blocích textu nebo ilustracích na stránce jsou uloženy v 1 ALTO XML souboru, který stránce odpovídá. Každý blok a každá ilustrace má unikátní identifikátor, který je použit jako odkaz v METS strukturální mapě. Vyjádření fyzické strukturální mapy - - bude mít následující atributy <structMap LABEL=“Physical_Structure“ TYPE=“PHYSICAL“> fyzická strukturální mapa obsahuje rodičovský <div>, který obsahuje tyto atributy: o LABEL- může obsahovat titul svazku monografie o TYPE – např. monograph o ID – identifikátor div o DMDID – identifikátor části popisných metadat jednotlivé stránky jsou zanořeny do rodičovského elementu <div> jako dceřiné <div> elementy − <div> pro soubory stránky bude mít tyto atributy:  TYPE – bude se plnit typem stránky (viz typy stránek v DTD periodika http://digit.nkp.cz/Monographs/DTD/2.10/DocumentationMonograph/Monogr aph.html#element_MonographPage_Link032CD908)  ID – identifikátor div  ORDERLABEL – pořadové číslo stránky, jak je na ní vytištěno  ORDER – pořadí stránky ve svazku monografie − <div> pro soubory stránky vždy obsahují link <ftpr> na soubor obrazu archivní, na ALTO XML, na OCR.TXT a na AMD_METS.xml pomocí elementu <par>  link na obrazový soubor archivní kopie má v elementu <area> následující atributy: FILEID, který obsahuje ID souboru archivní kopie  link na ALTO XML má v elementu <area> následující atributy: FILEID, který obsahuje ID ALTO XML souboru, dále BEGIN=“P1“ kde P1 je ID elementu <page> z ALTO XML souboru; a atribut BETYPE=“IDREF“ 57   link na OCR.TXT soubor má v elementu <area> následující atributy: FILEID, který obsahuje ID souboru OCR.TXT link na AMD_METS.xml soubor má v elementu <area> následující atributy: FILEID, který obsahuje ID souboru AMD_METS.xml Vyjádření logické strukturální mapy - - bude mít následující atributy <structMap LABEL=“Logical_Structure“ TYPE=“LOGICAL“> logická struktura na úroveň oddílů nebo např. ilustrací se popisuje pomocí do sebe zanořených elementů <div> pokud stránka obsahuje jen obraz a žádný text, pak je popsána jedním elementem <div> a link do souboru ALTO XML vede přímo na element <ComposedBlock> stránky obsahující více logických oblastí jsou popsány jedním <div> elementem, který má vnořené <div> elementy pro každou logickou oblast, která odpovídá např. textovému oddílu (např. kapitola, článek) nebo obraz. a. pokud se jedná o jednoduchý, celistvý text na jedné straně, tak je popsán jen jedním <div> elementem s atributem TYPE=“chapter“ o v tomto <div> jsou dále jako další <div> elementy zanořeny jednotlivé textové bloky (odstavce, nadpisy, obrazy apod.)  u každého bloku je odkaz do ALTO XML souboru na příslušný textový blok <TextBlock> – pomocí tohoto odkazu se v ALTO XML souboru nalezne jak text, tak i informace o jeho umístění na stránce (souřadnice), toto je realizováno pomocí struktury <area> v elementu <ftpr>  u bloku tvořeného obrazem je odkaz do ALTO XML na příslušný komponovaný blok <ComposedBlock>; je realizováno pomocí struktury <area> v elementu <ftpr>  v případě použití atributu ORDER umožňuje tento princip u oddílů vyjádřit i tzv. pořadí čtení jeho částí, jako jsou např. nadpis, autor, obrázek apod. b. výjimečně, pokud textový oddíl není celistvý a je rozdělen na více částí, které se vyskytují na jedné nebo více stránkách, které nemusejí jít za sebou, je možné určit pořadí čtení těchto částí, opět pomocí atributu ORDER o pro každou část oddílu existuje vlastní <div> element, podřízený hlavnímu <div> elementu oddílu o element <div> každé části má atribut TYPE hodnotu „chapter-part“ a atribut ID musí vyjadřovat o jakou z částí se jedná, tj. např. ID=“chapter5-1“ odpovídá první části oddílu číslo pět POZOR – u monografie se dělení oddílů běžně nepředpokládá (kapitoly jsou běžně na více stránkách, většinou po sobě jdoucích) o tj. dělení oddílů není povinné a lze využít pouze struktury odstavců jak je naznačeno v první části příkladu, tj. pokud kapitola/odstavec pokračuje na další straně, logická mapa uvádí, že poslední odstavec (NORMAL_TEXT) např. na stránce 5 odkazuje na ALTO náležející ke stránce 5 a v něm na poslední textový blok; následující odstavec v logické mapě bude odkazovat na ALTO náležející ke straně 6 a v něm na první textový blok (viz příklad) 58 - do logické struktury PSP balíčku může být v případě její existence zakomponována i příloha (Supplement), která má vlastní <div> element s atributem TYPE=“SUPPLEMENT“ o vnořené <div> elementy pro obraz a textové oddíly i jejich použití je shodné se způsobem popisu logické struktury u elementu <div> s atributem TYPE=“VOLUME“ Příklad Logická mapa obsahující svazek monografie se 5 textovými oddíly (chapter) a 1 přílohou (supplement). První oddíl (kapitola první) je na stránkách 1-2, na straně 1 je titul (název) kapitoly a odstavec normálního textu, na straně 2 je odstavec s normálním textem (může jít také o navazující odstavec – pokračující z předchozí stránky) a obrázek s popiskem i uvedeným autorem). Následují další tři textové oddíly, které nejsou součástí příkladu. Poslední textový oddíl (závěrečná kapitola pátá – doslov) začíná na straně 20 odstavcem s běžným textem (NORMAL_TEXT) a pokračuje na straně 21 dalším odstavcem. Na kapitole páté je ukázána možnost vyjádření návazností jednotlivých rozdělených částí textového oddílu (podobně jako u dělených článků periodik). Tato možnost může být využitelná v případě článků ve sborníku, nebo např. pokud část oddílu (např. kapitoly) pokračuje jinde ve svazku apod. 59 60 kde jednotlivé části obsahují a popisují… význam pole „povinnost“ - pole „povinnost“ uvádí, zda je plnění jednotlivých elementů povinné, doporučené nebo volitelné - může nabývat následujících hodnot o M - mandatory (povinně plnit – element je součástí každého záznamu) o MA - mandatory if available (povinně plnit pokud je to možné, pokud lze apod.) o R - recommended (plnění hodnot elementu je doporučeno, není ovšem povinné) o RA - recommended if available (doporučeno pokud lze plnit) o O - optional (plnění hodnot elementu je zcela dle konkrétních potřeb) <div> type Atributy Popis Povin nost VOLUME nebo LABEL <div> obsahuje údaje o svazku monografie nebo o jeho M SUPPLEMENT TYPE příloze ID ----------------------------------DMDID LABEL – název (titul) svazku monografie, tedy např. „Honzíkova cesta“ TYPE- hodnota VOLUME nebo SUPPLEMENT ID – identifikátor <div>, např. hodnota „VOLUME_1“ nebo „SUPPL_1“ DMDID – obsahuje identifikátor DMD popisné části MODS svazku/přílohy CHAPTER LABEL <div> obsahující údaje o jednom textovém oddílu a jeho M TYPE částech ID -----------------------------------DMDID LABEL – název textového oddílu (např. kapitola, článek ORDER ve sborníku apod.) TYPE – hodnota CHAPTER s pořadovým číslem, např. CHAPTER_1 ID – identifikátor <div> elementu DMDID – identifikátor popisných metadat ORDER – pořadí oddílu <div> TYPE=“CHAPTER“ může obsahovat další vnořený <div> různých typů popisující různé části textového oddílu, rozlišujeme tyto části (typy): - TITLE - SUBTITLE - AUTHOR - TRANSLATOR - NORMAL_TEXT – běžný text bez dalšího upřesnění 61 PICTURE CHAPTER_PART - u oddílů, které jsou rozděleny na více míst na jedné stránce nebo více stránkách (v případě článků ve sborníku např.) o tento <div> pro jednu součást rozděleného článku pak může obsahovat stejné části jako <div> pro oddíl, tj. (TITLE, SUBTITLE, AUTHOR, TRANSLATOR, NORMAL_TEXT, PICTURE) TITLE TYPE <div> obsahující link na textový blok s nadpisem oddílu ID (tedy např. kapitoly) ORDER ------------------------------------TYPE – hodnota „TITLE“ ID – identifikátor <div> elementu, který popisuje jednu část oddílu (nadpis), např. hodnota „CHAPTER_PART_1“ ORDER – pořadí části oddílu <fptr> FILEID FILEID – ID ALTO XML souboru, např. „ALTO_PAGE_1“ <area> BEGIN BEGIN – ID textového bloku v ALTO XML souboru BETYPE BETYPE – hodnota IDREF SUBTITLE TYPE <div> obsahující link na textový blok s podnadpisem ID ------------------------------------ORDER TYPE – hodnota „SUBTITLE“ ID – identifikátor <div> elementu, který popisuje jednu část oddílu (podnadpis), např. hodnota „CHAPTER_PART_2“ ORDER – pořadí části oddílu <fptr> FILEID FILEID – ID ALTO XML souboru, např. „ALTO_PAGE_1“ <area> BEGIN BEGIN – ID textového bloku v ALTO XML souboru BETYPE BETYPE – hodnota IDREF AUTHOR TYPE <div> obsahující link na textový blok se jménem autora ID ------------------------------------ORDER TYPE – hodnota „AUTHOR“ ID – identifikátor <div> elementu, který popisuje jednu část oddílu (autor), např. hodnota „CHAPTER_PART_3“ ORDER – pořadí části oddílu <fptr> FILEID FILEID – ID ALTO XML souboru, např. „ALTO_PAGE_1“ <area> BEGIN BEGIN – ID textového bloku v ALTO XML souboru BETYPE BETYPE – hodnota IDREF TRANSLATOR TYPE <div> obsahující link na textový blok se jménem ID překladatele ORDER ------------------------------------TYPE – hodnota „TRANSLATOR“ ID – identifikátor <div> elementu, který popisuje jednu část oddílu (překladatel), např. hodnota - MA MA MA MA 62 „CHAPTER_PART_3“ ORDER – pořadí části oddílu <fptr> FILEID FILEID – ID ALTO XML souboru, např. „ALTO_PAGE_1“ <area> BEGIN BEGIN – ID textového bloku v ALTO XML souboru BETYPE BETYPE – hodnota IDREF NORMAL_TEXT TYPE <div> obsahující link na textový blok (nejčastěji M ID odstavec) s běžným textem ORDER ------------------------------------TYPE – hodnota „NORMAL_TEXT“ ID – identifikátor <div> elementu, který popisuje jednu část oddílu (běžný text), např. hodnota „CHAPTER_PART_4“ ORDER – pořadí části oddílu <fptr> FILEID FILEID – ID ALTO XML souboru, např. „ALTO_PAGE_1“ <area> BEGIN BEGIN – ID textového bloku v ALTO XML souboru BETYPE BETYPE – hodnota IDREF PICTURE LABEL <div> pro obraz náležející k textovému oddílu; MA TYPE plní se pokud se obraz vyskytuje ID ------------------------------------DMDID LABEL – název obrazu pokud existuje ORDER TYPE - PICTURE ID – identifikátor <div> elementu, který popisuje jednu část oddílu (běžný text), např. hodnota „CHAPTER_PART_3“ DMDID – link na bibliogr. popis obrazu ORDER – pořadí obrazu <div> element s typem PICTURE může obsahovat další <div> elementy s typy CAPTION, PICT_AUTHOR, PICT_TITLE a IMAGE; - CAPTION obsahuje text případného popisku k obrazu - PICT_AUTHOR obsahuje text se jménem případného autora obrazu - PICT_TITLE obsahuje text názvu obrazu, pokud nějaký název existuje - IMAGE – obsahuje link do souboru ALTO XML na blok popisující vlastní obraz CAPTION TYPE <div> obsahující link na textový blok s popisem obrazu MA ID ------------------------------------TYPE – hodnota CAPTION ID – identifikátor <div> elementu, např. „CHAPTER_PART_4“ <fptr> FILEID FILEID – ID ALTO XML souboru <area> BEGIN BEGIN – ID textového bloku v ALTO XML souboru BETYPE BETYPE – hodnota IDREF PICT_AUTHOR TYPE <div> obsahující link na textový blok s autorem obrazu MA 63 ID <fptr> <area> PICT_TITLE <fptr> <area> FILEID BEGIN BETYPE TYPE ID FILEID BEGIN BETYPE TYPE ID IMAGE <fptr> <area> CHAPTER_PART FILEID BEGIN BETYPE TYPE ID ORDER ------------------------------------TYPE – hodnota PIT_AUTHOR ID – identifikátor <div> elementu, např. „CHAPTER_PART_5“ FILEID – ID ALTO XML souboru BEGIN – ID textového bloku v ALTO XML souboru BETYPE – hodnota IDREF <div> obsahující link na textový blok s názvem obrazu MA ------------------------------------TYPE – hodnota PICT_TITLE ID – identifikátor <div> elementu, např. „CHAPTER_PART_6“ FILEID – ID ALTO XML souboru BEGIN – ID textového bloku v ALTO XML souboru BETYPE – hodnota IDREF <div> obsahující link na komponovaný blok ALTO XML MA obsahující souřadnice vlastního obrazu ------------------------------------TYPE – hodnota IMAGE ID – identifikátor <div> elementu, např. „CHAPTER_PART_7“ FILEID – ID ALTO XML souboru BEGIN – ID komponovaného bloku v ALTO XML souboru BETYPE – hodnota IDREF <div> obsahující další vnořené <div> odkazující na MA jednotlivé části konkrétní části rozděleného textového oddílu; možnos použít pro dělený oddíl (typu článek např. ve sborníku) Pozn: pod <div> TYPE=“CHAPTER_PART“ lze vnořit všechny typy <div> jako pod <div> TYPE=“CHAPTER“ ------------------------------------TYPE – hodnota „CHAPTER_PART“ ID – identifikátor <div> konkrétní části, pro první část děleného oddílu např. „CHAPTER_2-1“, tj. první část oddílu 2 ORDER – pořadí konkrétní části děleného oddílu POZOR - jednotlivé <div> elementy lze kombinovat a vytvářet nové struktury. 8.6.2 <fileSec> vedlejšího záznamu METS (AMD_METS.xml) 64 - bude obsahovat pouze fyzickou strukturální mapu (TYPE=“PHYSICAL“) ta bude obsahovat pouze jeden <div> element s atributem TYPE=“MONOGRAPH_PAGE“ do <div> budou vnořeny odkazy na jednotlivé reprezentace stránky svazku (MC, ALTO XML a OCR.TXT) pomocí elementu <fptr> s atributem FILEID <structMap TYPE="PHYSICAL"> <div TYPE="MONOGRAPH_PAGE"> <fptr FILEID="JP2_0001"/> <fptr FILEID="ALTOXML_0001"/> <fptr FILEID="OCRTXT_0001"/> </div> </structMap> 8.7 OCR (ALTO XML a TXT OCR) - - - bude použita poslední verze formátu ALTO XML aktuální v době implementace, nebo verze předchozí (prosinec 2010 verze 2 – viz http://www.loc.gov/standards/alto/) níže uvedená specifikace neobsahuje všechny elementy a atributy formátu ALTO XML, obsahuje pouze ty, které jsou pro tuto konkrétní specifikaci relevantní – každý uvedený element má vyjádřenou míru relevance výrazy: povinné, doporučené a nepovinné elementy a atributy, které v této specifikaci nejsou uvedeny, nepovažujeme pro účely specifikace za důležité ALTO XML i OCR TXT vzniknou pro všechny obrazové soubory náležející k jedné intelektuální entitě (svazku monografie) včetně prázdných stran, fotografií hřbetu, předsádky apod. ALTO XML i OCR TXT budou vznikat na úroveň stránky ALTO XML soubor pro zcela prázdné stránky bude obsahovat element /alto/Layout/Page/PrintSpace, ten ovšem nebude obsahovat podelementy /alto/Layout/Page/PrintSpace/TextBlock; /alto/Layout/Page/PrintSpace/TextBlock/Illustration; /alto/Layout/Page/PrintSpace/TextBlock/GraphicalElement ani /alto/Layout/Page/PrintSpace/TextBlock/ComposedBlock struktura ALTO XML bude generovaná na úrovni rozpoznání slova generovaná OCR kvalita rozpoznání znaků bude akceptována do určité hranice, výstupy nebudou ručně opravovány struktura ALTO umožní vyhledávání textu a jeho zvýraznění na úrovni slova, pokud bude použit odpovídající prohlížeč obrazy reprezentující stránku, které budou použity jako UC, musí odpovídat rozměry, orientací a natočením obrazu, který byl použit pro vytvoření OCR OCR TXT bude vznikat z hotových ALTO XML během procesu digitalizace ALTO XML se bude vytvářet pouze pro novodobé dokumenty, nebo dokumenty s určitou hranicí kvality OCR jméno OCR souboru musí odpovídat jménu obrazového souboru, ke kterému náleží; např. pr_0007.jp2 a al_0007.xml nebo např. 123456_006_alto.xml a 123456_006_archiv.jp2 65 - kódování ALTO XML i TXT OCR musí být v UTF-8 souřadnice pozic (HPOS, VPOS, WIDTH, HEIGHT) musí být vyjádřeny v pixelech - v této specifikaci ALTO XML se počítá s OCR i pro text mimo tzv. textové „zrcadlo“, tj. mimo hlavní text, jako jsou např. čísla stránek, běžící nadpisy ani jiné části vyskytující se na okrajích stránky (top, left, top a bottom margin) o elementy topMargin, leftMargin, rightMargin, bottomMargin budou obsahovat elementy <TextBlock>, pro které platí stejná pravidla, jako pro element <textBlock> pro hlavní text stránky o pozor: údaje z OCR mimo hlavní text stránky by neměly být vyhledávatelné v aplikaci zpřístupnění, docházelo by ke zmatení uživatele a výsledků (např. při hledání titulu kapitoly by byly zobrazeny výsledky pro každou stránku, která obsahuje běžící nadpis apod.) - pokud je na konci věty dělící znaménko, ALTO XML i OCR TXT musí obsahovat oba fragmenty slova s dělítkem a současně také kompletní slovo – je vysvětleno dále v tabulce ilustrace, reklamy a jiné grafické části stránky nebudou vyjádřeny v tazích /alto/Layout/Page/PrintSpace/Illustration ani Layout/Page/PrintSpace/GraphicalElement, tyto nejsou v popisu/tabulce níže vůbec uvedeny ilustrace, reklamy a jiné grafické části stránky budou vyjádřeny v tagu /alto/Layout/Page/PrintSpace/ComposedBlock/ s vyjádřením atributu TYPE, který bude označovat typ bloku (illustration, advertisement aj.) o např. ilustrace bude popsána v elementu /alto/Layout/Page/PrintSpace/ComposedBlock/GraphicalElement, kde ComposedBlock TYPE je Illustration o reklama s textem v rámečku bude popsána v elementu Layout/Page/PrintSpace/ComposedBlock/TextBlock, kde ComposedBlock TYPE je Advertisement o tabulky, grafy obdobně elementy /alto/Layout/Page/PrintSpace/ComposedBlock/Illustration a Layout/Page/PrintSpace/ComposedBlock/ComposedBlock také nebudou využity /alto/Layout/Page/PrintSpace/ComposedBlock/TextBlock a /alto/Layout/Page/PrintSpace/ComposedBlock/GraphicalElement nebudou obsahovat elementy <Shape>; tvar těchto bloků je vyjádřen v elementu <Shape> samotného elementu <ComposedBlock>; logicky pak souřadnice tvaru <TextBlock> nebo <GraphicalElement> obsaženého v /alto/Layout/Page/PrintSpace/ComposedBlock jsou většinou shodné, pokud není tvarů nebo bloků v rámci /alto/Layout/Page/PrintSpace/ComposedBlock více všechny vyplněné hodnoty jsou příklady plnění, plnění v konkrétní instituci je nutno specifikovat vlastními pravidly a kontrolovanými slovníky ALTO XML bude využíváno pro tzv. pořadí čtení, tj. např. článek vyskytující se na více stránkách nebo na více různých místech jedné stránky bude možné zobrazit celý a ve správném pořadí. K tomu je nutno znát jeho strukturu. Struktura bude vyjádřena v korespondujícím METS záznamu v logické - - - - 66 strukturální mapě. Ta bude obsahovat odkazy na jednotlivé textové bloky článku, pomocí ID textových bloků použitých v ALTO XML. Obsah pole popis: - vysvětlení a příklad - doporučené plnění tam, kde je to možné - výskyt elementu (jak je definováno formátem ALTO XML – dle XSD) o 0-1 element je nepovinný, neopakovatelný o 0-n element je nepovinný, opakovatelný význam pole „povinnost“ - pole „povinnost“ uvádí, zda je plnění jednotlivých elementů povinné, doporučené nebo volitelné - může nabývat následujících hodnot o M - mandatory (povinně plnit – element je součástí každého záznamu) o MA - mandatory if available (povinně plnit pokud je to možné, pokud lze apod.) o R - recommended (plnění hodnot elementu je doporučeno, není ovšem povinné) o RA - recommended if available (doporučeno pokud lze plnit) o O - optional (plnění hodnot elementu je zcela dle konkrétních potřeb) - POZOR - u elementů, které obsahují atributy, jsou atributy rozepsány pod čarou (vysvětlení, povinnost uvádění apod.) Element <Description> <MeasurementUnit> <sourceImageInformation> <fileName> Atribut Popis Povinn ost měřící jednotka pro souřadnice M v ALTO XML; možné hodnoty – dpi, pixel, inch1200 a mm10); inch1200 = 1/1200 inche; doporučené plnění je „mm10“ nebo „pixel“; 0-1 informace o obrazovém souboru, M ze kterého vzniklo ALTO XML; 0-1 jméno obrazového souboru, ze M kterého bylo ALTO XML vytvářeno; ideálně i s filesystem cestou jeho uložení; např. nlaImageSeq-33386b.tif//produkce/OCR/digibok_XY/ XY_011.tiff 67 <fileIdentifier> <OCRProcessing> <preProcessingStep> <processingDateTime> <processingAgency> <processingStepDescription> <processingStepSettings> <processingSoftware> <softwareCreator> <softwareName> ID 0-1 jedinečný identifikátor R obrazového souboru; 0-n popis procesu vzniku OCR; M 0-n --------------------------------------------ID OCR procesu, např. <OCRProcessing ID="OCRPROCES_1">; povinné procesy před vznikem OCR, které provádí SW pro OCR (např. natočení obrazu) 0-n určení času procesu, který předcházel samotnému OCR; např. 2008-03-29T19:42:23 dle ISO 8601 na úroveň vteřin; 0-1 jméno nebo kód instituce, např. NK CZ, název externí firmy apod.; doporučujeme použít kontrolovaný slovník hodnot; 0-1 popis procesu (např. zarovnání, ořez apod.); 0-n nastavení kroku popsaného v <processingStepDescription>, např. CCS OCR Processing Filter 0-1 popis SW, který upravoval obrázek před vznikem OCR; 0-1 výrobce softwaru - např. CCS Content Conversion Specialists GmbH, Germany; 0-1 jméno softwaru - např. CCS docWORKS; 0-1 M O R O O M M M 68 <softwareVersion> <ocrProcessingStep> <processingDateTime> <processingAgency> <processingSoftware> <softwareCreator> <softwareName> <softwareVersion> <Styles> <TextStyle> ID FONTSTYLE FONTFAMILY FONTSIZE verze SW, např. 6.2-1.16; 0-1 popis procesu vzniku OCR 1-1 – povinné pole okamžik kdy bylo OCR vytvořeno; nutno zapsat v ISO 8601 na úroveň vteřin; 0-1 jméno nebo kód instituce, např. NK CZ doporučujeme použít kontrolovaný slovník hodnot; 0-1 popis SW, který dělal vlastní OCR; 0-1 výrobce softwaru - např. ABBYY, Russia; 0-1 jméno softwaru např. FineReader; 0-1 např. 8.0; 0-1 styly definují vlastnosti jednotlivých grafických prvků stránky. styl definovaný v elementu vrchní úrovně je použit jako výchozí pro podřízené elementy; 0-1 definuje font textu; 0-n ----------------------------------------ID pro každý text style použitý v OCR souboru – povinné M M M M M M M M M M FONTSTYLE – např. bold, italics apod.; doporučujeme používat kontrolovaný slovník; doporučené FONTFAMILY – např. arial, calibri apod.; doporučujeme používat kontrolovaný slovník; povinné 69 FONTSIZE – velikost fontu, např. 10, 12 apod.; povinné <ParagraphStyle> ID ALIGN <Layout> <Page> ID ACCURACY POSITION QUALITY PHYSICAL_IMG_NR HEIGHT WIDTH PC definuje formátování textových bloků; 0-n --------------------------------------------ID pro každý odstavec + zarovnání; např. PAR_01, PAR_02 apod. povinné ALIGN – zarovnání; povolené hodnoty: Left, Right, Center, Block aj.; povinné layout - rozložení struktur (slov, odstavců apod.) na jedné stránce dokumentu; 1-1 povinný výskyt element není opakovací element popisující jednu stránku dokumentu; 1-n --------------------------------------------ID – vygenerovaný identifikátor stránky, např. PAGE1, nebo P1 apod.; povinné M M M ACCURACY – procentuální odhad přesnosti OCR (0-100); doporučené POSITION – pozice stránky; hodnoty k plnění: Left, Right, Foldout, Single, Cover; nepovinné QUALITY – krátký údaj o kvalitě předlohy stránky; hodnoty k plnění: OK, Missing, Missing in original, Damaged, Retained, Target, As in original; nepovinné 70 PHYSICAL_IMG_NR - fyzické (pořadové) číslo stránky v dokumentu; vyjádřeno číslem, např. 1,2,3 apod.; povinné WIDTH – šířka stránky vyjádřená v pixelech; povinné HEIGHT – výška stránky vyjádřená v pixelech; povinné PC = Confidence level OCR souboru – hodnota mezi 0 (nejistá kvalita) a 1 (dobrá kvalita); nepovinné; pokud nevyplníte ACCURACY – tak je vyplnění doporučené <TopMargin> ID HPOS VPOS WIDTH HEIGHT horní okraj – prostor mezi vrchní hranou listu a vrchní linkou textu; 0-1 --------------------------------------------ID: unikátní ID pro element TopMargin, např. P1_TM0001 (page 1, topMargin0001); povinné M HPOS: horizontální pozice; povinné VPOS: vertikální pozice; povinné WIDTH – šířka vrchního okraje; povinné <TextBlock> <LeftMargin> HEIGHT – výška vrchního okraje; povinné stejné plnění a pravidla jako pro element <TextBlock> vnořený do elementu <PrintSpace> ID levý okraj – prostor mezi levým okrajem stránky a textem; HPOS 0-1 VPOS --------------------------------------------- MA M 71 WIDTH HEIGHT ID: unikátní ID pro element LeftMargin, např. P1_LM0001 (page 1, leftMargin0001); povinné HPOS: horizontální pozice; povinné VPOS: vertikální pozice; povinné WIDTH – šířka levého okraje; povinné <TextBlock> <RightMargin> HEIGHT – výška levého okraje; povinné stejné plnění a pravidla jako pro element <TextBlock> vnořený do elementu <PrintSpace> ID pravý okraj – prostor mezi pravým okrajem stránky a HPOS textem; VPOS 0-1 WIDTH --------------------------------------------HEIGHT ID: unikátní ID pro element MA M RightMargin, např. P1_RM0001 (page 1, rightMargin0001); povinné HPOS: horizontální pozice; povinné VPOS: vertikální pozice; povinné WIDTH – šířka pravého okraje; povinné <TextBlock> <BottomMargin> HEIGHT – výška pravého okraje; povinné stejné plnění a pravidla jako pro element <TextBlock> vnořený do elementu <PrintSpace> ID pravý okraj – prostor mezi spodním okrajem stránky a HPOS textem; VPOS 0-1 WIDTH --------------------------------------------HEIGHT ID: unikátní ID pro element MA M 72 BottomMargin, např. P1_BM0001 (page 1, bottomMargin0001); povinné HPOS: horizontální pozice; povinné VPOS: vertikální pozice; povinné WIDTH – šířka spodního okraje; povinné <TextBlock> <PrintSpace> HEIGHT – výška spodního okraje; povinné stejné plnění a pravidla jako pro element <TextBlock> vnořený do elementu <PrintSpace> ID popis tvaru pokrývajícího textové pole stránky; HPOS 0-1 VPOS --------------------------------------------WIDTH ID: unikátní ID pro element HEIGHT <printSpace>, např. P1_PS0001 (page 1, printSpace0001); povinné MA M HPOS: horizontální pozice; povinné VPOS: vertikální pozice; povinné WIDTH – šířka textového pole; povinné <TextBlock> ID STYLEREFS HPOS VPOS WIDTH HEIGHT HEIGHT – výška textového pole; povinné popisy textových bloků na konkrétní stránce; 0-n pokud je stránka prázdná, TextBlock není potřeba uvádět; pokud je na stránce text tak ano -------------------------------------------ID obsahuje identifikátor textového bloku na stránce, např. "BLOCK1" nebo P1_TB0002 MA 73 (stránka 1, textový blok 2); povinné STYLEREFS: reference na ID definice formátování textových bloků <ParagraphStyle>; povinné HPOS: horizontální pozice bloku; povinné VPOS: vertikální pozice bloku; povinné WIDTH – šířka textového bloku; povinné <Shape> <Polygon> <TextLine> POINTS ID STYLEREFS HPOS VPOS WIDTH HEIGHT HEIGHT – výška textového bloku; povinné tvar textového bloku; 0-1 – pro jeden výskyt <TextBlock> jeden nebo žádný výskyt <Shape>; plnit v případě, že je tvar textového bloku nestandardní (víceúhelník) popis (souřadnice) tvaru víceúhelníku; 0-1 --------------------------------------------POINTS – vyjádření jednotlivých bodů víceúhelníku; povinné popis jedné řádky textu v rámci textového bloku; 1-n nutný alespoň jeden výskyt v rámci textového bloku --------------------------------------------ID obsahuje identifikátor řádky textu v textovém bloku, např. "P1_TL0002 (stránka 1, řádka 2); povinné RA M M STYLEREFS: reference na ID definice formátování textových bloků <ParagraphStyle>; nepovinné 74 HPOS: horizontální pozice řádky; povinné VPOS: vertikální pozice řádky; povinné WIDTH – šířka řádky; povinné <String> ID CONTENT HEIGHT WIDTH HPOS VPOS CC WC V případě dělení slov také: SUBS_TYPE SUBS-CONTENT HEIGHT – výška řádky; povinné řetězec znaků – vlastní obsah OCR; znaky tvoří jednotlivá slova a více tagů <String> větu <TextLine>; 1-n v rámci <TextLine> --------------------------------------------ID obsahuje unikátní sekvenční číslo řetězce na stránce, např. "P3_ST0001" (strana 3, řetězec 1); povinné M CONTENT – ukládá vlastní řetězec znaků (slovo); povinné HPOS: horizontální pozice řetězce; povinné VPOS: vertikální pozice řetězce; povinné WIDTH – šířka řetězce; povinné HEIGHT – výška řetězce; povinné CC – úroveň důvěry v přesnost OCR rozpoznání každého znaku v řetězci; jde o seznam čísel, každé z nich mezi hodnotami 0 (jistá) a 9 (nejistá) pro každý znak; např. CC=“0001“ pro 75 CONTENT=“TEXT“; povinné WC – úroveň důvěry v přesnost OCR výstupu celého řetězce slova (word confidence); hodnota mezi 0 (nejistá) a 1 (jistá); např. WC=“0,99“; povinné SUBS_CONTENT – obsah chybějící části řetězce v případě, že je slovo na konci řádku rozdělené i do druhého řádku; obsahuje celý řetězec - aby byl vyhledatelný i v případě, že slovo se na stránce vyskytuje, ale je rozděleno; povinné SUBS_TYPE – označení typu substituce; možné hodnoty: HypPart1; HypPart2; Abbreviation; povinné - při výskytu SUBS_CONTENT <ALTERNATIVE rel="nofollow"> HypPart1 se vyskytuje při rozdělení slova u jeho první OCR části (u první části tagu <CONTENT> ve větě (stringu) první; HypPart2 se vyskytuje u následujícího tagu <CONTENT> v následující větě (stringu), který obsahuje druhou část rozděleného slova/řetězce; Abbreviation – typ substituce používaný při rozepisování zkratek v textu na jejich plný text; při dělení slov v textu HypPart1 a HypPart2 povinné, abbreviation nepovinné alternativní hodnota OCR řetězce O pro jednotlivá slova; 0-n 76 <HYP> CONTENT WIDTH HPOS VPOS lze použít v případě nejistoty rozpoznání řetězce; zápis znaku rozdělovníku slov MA 0-1 pro jeden výskyt <TextLine>; vždy pro poslední <String>; může se vyskytnout pouze na konci řádku (1x) --------------------------------------------CONTENT – obsahuje řetězec znaků, které jsou v textu použity na rozdělení slova, nejčastěji „-„; povinné WIDTH – šířka dělícího znaku; doporučené HPOS: horizontální pozice dělícího znaku; doporučené VPOS: vertikální pozice dělícího znaku; doporučené <SP> ID WIDTH HPOS VPOS prázdný prostor mezi řádky; M 0-n v rámci jednoho <TextLine>; vždy mezi řádky, tj. mezi tagy <String>; --------------------------------------------ID: unikátní ID pro prázdný prostor mezi řádky, např. P1_SP0001 (stránka 1, prázdný prostor 0001); povinné HPOS: horizontální pozice; povinné VPOS: vertikální pozice; povinné WIDTH – šířka prázdného prostoru; 77 povinné <ComposedBlock> ID TYPE HPOS VPOS WIDTH HEIGHT STYLEREFS blok sestávající z jiných bloků; MA může obsahovat PrintSpace/ComposedBlock/Text Block, PrintSpace/ComposedBlock/Illust ration, PrintSpace/ComposedBlock/Grap hicalElement, /PrintSpace/ComposedBlock/Co mposedBlock, tj. stejné elementy (bloky), které obsahuje samotný element /alto/Layout/Page/PrintSpace; 0-n povinné pro vyjádření bloků textu (např. orámovaný text, reklamy), pro vyjádření ilustrací, tabulek a grafik --------------------------------------------ID: unikátní ID komponovaný blok, např. P6_CB0001 (stránka 6, komponovaný blok 0001); povinné TYPE – označení typu komponovaného bloku; nutné používat kontrolovaný slovník (illustration, Advertisement, apod.); povinné HPOS: horizontální pozice bloku; povinné VPOS: vertikální pozice bloku; povinné WIDTH – šířka komponovaného bloku; povinné HEIGHT – výška komponovaného bloku; 78 povinné <Shape> <Polygon> <TextBlock> POINTS ID STYLEREFS HPOS VPOS WIDTH HEIGHT tvar komponovaného bloku; 0-1 – pro jeden výskyt /alto/Layout/Page/PrintSpace/Co mposedBlock jeden nebo žádný výskyt /alto/Layout/Page/PrintSpace/Co mposedBlock/Shape; doporučeno – v případě, že je tvar komponovaného bloku nestandardní (víceúhelník) popis tvaru víceúhelníku; 0-1 --------------------------------------------POINTS – vyjádření jednotlivých bodů víceúhelníku povinné RA v případě, že komponovaný blok (např. orámovaný tvar) obsahuje text; platí stejná pravidla jako pro normální element /alto/Layout/Page/PrintSpace/Te xtBlock; 0-n (pro jeden výskyt <ComposedBlock> 0 nebo více elementů /alto/Layout/Page/PrintSpace/Co mposedBlock/TextBlock>; plnit pokud je v komponovaném bloku text --------------------------------------------ID obsahuje identifikátor textového bloku v komponovaném bloku, např. P1_CB0002_SUB (stránka 1, textový blok 2, SUB značí komponovaný blok); povinné MA M STYLEREFS: reference na ID definice formátování textových bloků /alto/Styles/ParagraphStyle; povinné 79 HPOS: horizontální pozice bloku; povinné VPOS: vertikální pozice bloku; povinné WIDTH – šířka textového bloku; povinné <TextLine> <GraphicalElement> HEIGHT – výška textového bloku; povinné /alto/Layout/Page/PrintSpace/ComposedBlock/TextBlo ck/TextLine a ostatní elementy v rámci /alto/Layout/Page/PrintSpace/ComposedBlock/TextBlo ck mají stejná pravidla a výskyty jako jako ve vrchním elementu /alto/Layout/Page/PrintSpace/TextBlock ID popis grafického tvaru; MA HPOS v případě využití v rámci VPOS /alto/Layout/Page/PrintSpace/Co WIDTH mposedBlock označuje rozměry HEIGHT tvaru v rámci něhož je tabulka, ilustrace, reklama apod.; 0-1 - pro jeden výskyt /alto/Layout/Page/PrintSpace/Co mposedBlock 0 nebo max. 1 výskyt <GraphicalElement>; plní se pokud je na stránce a tedy v komponovaném bloku ilustrace, tabulka apod.; --------------------------------------------ID – identifikátor grafického tvaru; povinné HEIGHT – výška grafického tvaru; povinné WIDTH – šířka grafického tvaru; povinné HPOS – horizontální grafického tvaru; pozice 80 povinné VPOS – vertikální pozice grafického tvaru; povinné 81 </div> </div> </div> </div> </div> </div> </div> </div> <div class="modal fade" id="report" tabindex="-1" role="dialog" aria-hidden="true"> <div class="modal-dialog"> <div class="modal-content"> <form role="form" method="post" action="https://adoc.pub/report/definice-metadatovych-format-pro-digitalizaci-monografii-vyc" style="border: none;"> <div class="modal-header"> <button type="button" class="close" data-dismiss="modal" aria-hidden="true">×</button> <h4 class="modal-title">Report "Definice metadatových formátů pro digitalizaci monografií. - vychází z obecné specifikace metadat v projektu NDK"</h4> </div> <div class="modal-body"> <div class="form-group"> <label>Your name</label> <input type="text" name="name" required="required" class="form-control" /> </div> <div class="form-group"> <label>Email</label> <input type="email" name="email" required="required" class="form-control" /> </div> <div class="form-group"> <label>Reason</label> <select name="reason" required="required" class="form-control"> <option value="">-Select Reason-</option> <option value="pornographic" selected="selected">Pornographic</option> <option value="defamatory">Defamatory</option> <option value="illegal">Illegal/Unlawful</option> <option value="spam">Spam</option> <option value="others">Other Terms Of Service Violation</option> <option value="copyright">File a copyright complaint</option> </select> </div> <div class="form-group"> <label>Description</label> <textarea name="description" required="required" rows="3" class="form-control" style="border: 1px solid #cccccc;"></textarea> </div> <div class="form-group"> <div style="display: inline-block;"> <div class="g-recaptcha" data-sitekey="6LcEnMcZAAAAAFHzKKgaE-Qh57XzUTzpfRElD4dP"></div> </div> </div> <script src='https://www.google.com/recaptcha/api.js'></script> </div> <div class="modal-footer"> <button type="button" class="btn btn-default" data-dismiss="modal">Close</button> <button type="submit" class="btn btn-primary">Send</button> </div> </form> </div> </div> </div> <script> $(document).ready(function () { var inner_height = $(window).innerHeight() - 250; $('#pdfviewer').css({"height": inner_height + "px"}); }); </script> <footer class="footer" style="margin-top: 60px;"> <div class="container-fluid"> Copyright © 2024 ADOC.PUB. All rights reserved. <div class="pull-right"> <a href="https://adoc.pub/about">About Us</a> | <a href="https://adoc.pub/privacy">Privacy Policy</a> | <a href="https://adoc.pub/term">Terms of Service</a> | <a href="https://adoc.pub/copyright">Copyright</a> | <a href="https://adoc.pub/contact">Contact Us</a> | <a href="https://adoc.pub/cookie_policy">Cookie Policy</a> </div> </div> </footer>  <div class="modal fade" id="login" tabindex="-1" role="dialog" aria-labelledby="myModalLabel"> <div class="modal-dialog" role="document"> <div class="modal-content"> <div class="modal-header"> <button type="button" class="close" data-dismiss="modal" aria-label="Close" on="tap:login.close">×</button> <h4 class="modal-title" id="add-note-label">Sign In</h4> </div> <div class="modal-body"> <form action="https://adoc.pub/login" method="post"> <div class="form-group"> <label class="sr-only" for="email">Email</label> <input class="form-input form-control" type="text" name="email" id="email" value="" placeholder="Email" /> </div> <div class="form-group"> <label class="sr-only" for="password">Password</label> <input class="form-input form-control" type="password" name="password" id="password" value="" placeholder="Password" /> </div> <div class="form-group"> <div class="checkbox"> <label class="form-checkbox"> <input type="checkbox" name="remember" value="1" /> Remember me </label> <label class="pull-right"><a href="https://adoc.pub/forgot">Forgot password?</a></label> </div> </div> <button class="btn btn-primary btn-block" type="submit">Sign In</button> </form> </div> </div> </div> </div>  <script async src="https://www.googletagmanager.com/gtag/js?id=UA-177279549-1"></script> <script> window.dataLayer = window.dataLayer || []; function gtag(){dataLayer.push(arguments);} gtag('js', new Date()); gtag('config', 'UA-177279549-1'); </script> <script src="https://adoc.pub/assets/js/jquery-ui.min.js"></script> <link rel="stylesheet" href="https://adoc.pub/assets/css/jquery-ui.css"> <script> $(function () { $("#document_search").autocomplete({ source: function (request, response) { $.ajax({ url: "https://adoc.pub/suggest", dataType: "json", data: { term: request.term }, success: function (data) { response(data); } }); }, autoFill: true, select: function( event, ui ) { $(this).val(ui.item.value); $(this).parents("form").submit(); } }); }); </script>  <div id="ADOCPUB_cookie_box" style="z-index:99999; border-top: 1px solid #fefefe; background: #FFC107; width: 100%; position: fixed; padding: 5px 15px; text-align: center; left:0; bottom: 0;"> Our partners will collect data and use cookies for ad personalization and measurement. <a href="https://adoc.pub/cookie_policy" target="_blank">Learn how we and our ad partner Google, collect and use data</a>. <a href="#" class="btn btn-success" onclick="accept_ADOCPUB_cookie_box();return false;">Agree & close</a> </div> <script> function accept_ADOCPUB_cookie_box() { document.cookie = "ADOCPUB_cookie_box_viewed=1;max-age=15768000;path=/"; hide_ADOCPUB_cookie_box(); } function hide_ADOCPUB_cookie_box() { var cb = document.getElementById('ADOCPUB_cookie_box'); if (cb) { cb.parentElement.removeChild(cb); } } (function () { var ADOCPUB_cookie_box_viewed = (function (name) { var matches = document.cookie.match(new RegExp("(?:^|; )" + name.replace(/([\.$?*|{}\[\]\\\/\+^])/g, '\\$1') + "=([^;]*)")); return matches ? decodeURIComponent(matches[1]) : undefined; })('ADOCPUB_cookie_box_viewed'); if (ADOCPUB_cookie_box_viewed) { hide_ADOCPUB_cookie_box(); } })(); </script>  </body> </html>

Definice metadatových formátů pro digitalizaci monografií. - vychází z obecné specifikace metadat v projektu NDK

Recommend Documents