西部高科数字乐谱库：中外互联网资源采集保存现状

　　自20世纪90年代初互联网投入商业性利用以来，其应用的范围越来越广。伴随着现代信息技术和通信技术的相互交融和发展，互联网上信息资源的种类日渐丰富，信息数量呈几何级快速增长，信息资源传播的途径和方式也日益多样化。数字化出版、电子商务、电子政务等以网络为传播媒介的信息生产、流通、服务和消费新模式正蓬勃兴起；数字杂志、数字报纸、数字广播、数字移动电视、手机短信、网络博客以及微博、社交网站等新型传媒业态不断涌现。就所含信息量及传播功能而言，互联网已经成为继纸质书报刊、广播和电视之后的第四大信息传播媒体，且大有取代前三者的强劲态势。

　　近二十年来，随着世界各国基础网络设施建设的大力加强，尤其是近年来移动网络技术的广泛应用，全球互联网普及率显著提高。随着全球网民的增多，互联网资源也日趋庞大。

　　据国际数据公司（IDC）统计，2012年全球以数字格式生产和复制传播的信息总量已达 2。8ZB（信息存储单位，1ZB≈1万亿GB），且该数值正以每两年翻一番的速度快速增长，预计到2020年，全球数字信息年产量将达40ZB。

　　我国互联网普及率近年来也稳步上升，据中国互联网络信息中心统计，截至2013年6月底，全国网民规模达5。91亿（其中农村1。65亿），互联网普及率为44。1%（其中农村为27。9%）。为降低成本，目前通过互联网传播的政务、商务和学术信息越来越多；不少出版机构也开始摒弃传统纸质出版形式，直接发行数字化的网络版出版物。据统计，2012年我国经互联网发布的数字出版物总量达 317。36万种（其中原创作品214。43万种、电子图书100万种、网络期刊 2。5万种、多媒体互动期刊 3400种、数字报纸 900种），较2009年激增了48%。

　　互联网以其廉价快捷、不受时空限制等优势为信息生产和传播提供了新的渠道，成为各国政府、商事机构、社会团体和公众发布与获取信息的重要途径。在这些富含政治、经济、文化、科技和娱乐内容的网络信息中，不乏大量具有长期保存价值的数据资料。但是，网络信息也普遍存在一个致命弱点———生命周期短暂。因此，从保存国家和地方及各行业重要信息数据与传承民族文化遗产的角度，有必要采取相应的技术和法律措施采集和保存互联网资源。

　　早在20世纪90年代中叶，保存网络资源的重要性就已引起西方一些互联网较发达国家的注意。

　　1996年，美国出现了世界首家非营利性互联网资源采集和保存机构———互联网档案馆。此后，一些国家也紧跟美国，陆续实施了数十项互联网资源采集保存项目，其中规模较大的国家级项目主要有以下几项（见下表）。

　　目前，国外有关互联网资源采集的策略主要有全域性采集（如对本国域名或国内以 gov。、com。、edu。、org。等域名注册的某类网站内容作全面采集保存）、选择性采集（即按事件、人物、会议或学术领域等主题采集和保存具有历史、文化和学术价值的网站信息）和混合型采集（即兼全域性和选择性采集策略为一体，分别采集不同域名和主题的网络信息，尽可能保证资源采集的完整性）三大类。由于采集保存的资源数量过于庞大，除美国互联网档案馆等个别技术和资金较雄厚的机构以及北欧少数网络资源相对较少的国家采用全域性采集外，多数国家主要采取选择性采集策略，采取混合型采集策略的国家则更少，如法国国家图书馆在全面采集本国域名网站资源的同时，还另选三千余个专题网站进行多批次的深层采集。

　　为保证互联网资源采集合法有效地进行，许多国家还通过修法或制定新法，将互联网资源采集纳入现行出版物呈缴制度范围。目前，欧洲已有十余个国家根据欧盟委员会于 2006年发布的《关于文化资产的数字化和在线获取及数字保存建议》完成了国内相应立法，如丹麦的《出版资料法定缴存法》（2004年）、法国的《关于信息社会版权和相关权利的法律》（2006年）、意大利的《公共文化资料呈缴条例》（2006年）、德国的《向德国国家图书馆缴存出版物条例》（2008年）以及英国2013年生效的《法定缴存图书馆（非印刷品）条例》等。另外，日本和加拿大等国亦有类似规定。这些法规均规定，授权本国的法定机构（通常为国家图书馆或档案馆）采集保存互联网资源。

　　一是缺乏统一的规划和协调。互联网资源的采集保存涉及各行各业，需要国家层面的统筹规划和各类采集保存机构间的协调合作，但目前各国采集保存项目既缺少政府主管部门的规划指引，也缺乏不同行业和地区以及不同采集保存机构间的分工与合作，资源采集难免出现遗漏或重复。

　　二是缺乏统一标准。由于多数项目目前尚处于实验摸索阶段，各机构在采集策略、保存目的、存档格式、资源描述、读取环境、使用政策等方面各有侧重，缺乏统一的实施标准，因而对数据交换、资源发布和共享利用造成一定困难。

　　三是缺乏专项经费支持。网络资源采集保存所需资金巨大，需要长期稳定的资金投入。目前各国项目经费主要来自基金资助、社会捐赠、政府补贴和采集保存机构服务收费及自身预算等途径，如互联网档案馆主要依靠社会捐赠和自身服务收费维持日常开支。另据欧洲互联网记忆基金会2010年的一项调查，55家受访机构中53%（29家）没有专项经费支持，其余机构的年预算经费也多在5万~20万欧元之间，难以敷用。

　　我国互联网资源的采集保存虽起步较晚，但通过积极研究和探索，目前已取得实质性进展。2002年，北京大学网络实验室开发建设了“中国网页历史信息存储与展示系统”———中国 Web信息博物馆（Infomall），目前该系统已采集保存了约八十五亿个网页（数据量73TB），并对外提供历史网页的查询服务。国家图书馆为全面履行国家总书库职能，2003年初启动了“网络信息资源采集与保存试验项目”（WICP）；2009年又专门成立了“互联网信息资源保存保护中心”。目前该中心已陆续实施了“中国事典”、“中国政府公开信息整合服务平台”、“网络信息采集知识库”、“在线读报”等多个网络资源采集保存项目；采集范围涉及8。8万个网站；采集保存的数据总量现已达24TB；同时，项目的社会效益也开始显现，以“中国政府公开信息整合服务平台”项目为例，目前平台页面月均点击量近两千万次，月均访问用户达77万人次。

　　总体而言，由于缺乏相应的立法支撑和财政资金保障，我国目前的互联网资源采集保存水平无论从采集的网站规模还是保存的数据量方面与国外相比都有待提高。面对日益膨胀的互联网信息量及其在国家政治、经济和文化各领域中日益凸显的重要地位及作用，为全面保存互联网上具有重要政治、经济和学术价值的信息资源，为子孙后代留下宝贵的历史文化遗产，有必要统一规划、合理布局、科学实施互联网资源的采集保存。

　　西部高科集国家文化信息共享工程资源数字化解决方案、档案数字化管理、软件开发与档案集中管理为一体的专业数字文化资源服务公司。为各省市文化厅、文体局、博物馆、文化传媒集团、报业集团、出版社、图书馆、教育机构和政府机构等单位提供一流的文化档案数字化加工与整合及文化共享资源数字化管理服务。西部高科主营业务包括：国家公共文化机构业务数字化解决方案、文化部专业项目工程开发、以及各省市文化厅、文化局、图书馆、博物馆、考古所、文化馆【站】相关配套的软件产品研发和平台设计等。西部高科为优秀文化信息资源进行数字化加工与整合、参与实施国家、省、地市、县区、乡镇(街道)、村(社区)等六级公共数字文化建设体系工程；运用高新技术进一步推动我国公共数字文化服务体系建设。广泛整合公共图书馆、博物馆、美术馆、艺术院团及广电、教育、科技、农业等部门的优秀数字资源。返回搜狐，查看更多