The Use of TEI and OAI in Manuscript, an Informational-Analytical System / Применение технологий TEI и OAI в ин

Внастоящее время по крайней мере несколько сотен
древнейших славянских письменных памятников
XI-XIV вв., имеющих большую научную, культурную,
историческую ценность, недоступны широкому кругу
исследователей разных специальностей и всем, кто
интересуется русской историей и культурой. Причины
просты: большая часть рукописей еще не издана, а если и
есть издание, то оно является раритетом и работа с ним
возможна только в крупных центральных библиотеках.
Работа же непосредственно с рукописью часто осложняется
удаленностью места работу исследователя от места
хранения памятника. Но даже издание памятника в ряде
случаев требует постоянного обращения к оригиналу, если
дело касается его палеографии, оформления и других
аналогичных вопросов. Кроме того, в существующих
печатных изданиях, к сожалению, часто отсутствуют
необходимые для знакомства с текстом и для его
исследования справочные материалы, а сами рукописи
изданы со значительным упрощением оригинала. Выходом
из существующей ситуации недоступности письменных
памятников древности и средневековья для научной,
учебной и популяризаторской деятельности является
создание электронных публикаций, которые способны не
только заменить печатные издания, но и во многом
перевести работу с ними на функционально иной уровень:
(а) предоставить постоянный доступ к электронным копиям
рукописей и к справочным материалом через интернет, (b)
предоставить пользователю возможность выборки данных
на основе многофункциональных справочных интерфейсов
как на уровне мета- и аналитических данных, так и на
уровне собственно грамматических, семантических,
тематических характеристик текстов, (c) дать возможность
коллективной работы над изучением памятника.
Одним из примеров информационной системы,
предназначенной для решения части указанных проблем, является информационно-аналитическая система
«Манускрипт» (ИАС «Манускрипт»)
ИАС «Манускрипт» ориентирована на ввод, хранение,
автоматизированную обработку, исследование и издание
древних текстов, имеющих идентичные оригиналу
графико-орфографический вид и структуру. В настоящее
время ИАС «Манускрипт» уже содержит несколько
десятков уникальных древних и средневековых славянских
текстов.
В настоящее время ИАС «Манускрипт» состоит из
нескольких разнофункциональных модулей,
взаимодействующих с единой базой данных, в которой
хранятся иерархически структурированные данные:
• специализированный редактор,
• модуль запросов и выборок,
• модуль электронных изданий,
• модуль лингвистических словарей,
• модуль выгрузки текстов и справочных материалов для
печатных публикаций.
Основной задачей коллектива авторов и разработчиков на
данном этапе развития системы является предоставление
накопленной информации для анализа и изучения
широкому кругу исследователей. Основной путь – создание
специализированных модулей, предназначенных для и
функционально разнообразного, дружественного и
понятного манипулирования данными. Второй задачей
является создание средств обмена мета-, аналитическими
и текстовыми данными между коллективами, которые
создают аналогичные по материалу коллекции, с целью
предоставления пользователям возможностей использовать
для анализа рукописей и текстов инструментальные
средства работы с древними документами, созданные
различными коллективами.
Для обеспечения максимально широкого доступа
различными инструментальными средствами к накопленной
в ИАС информации необходимо использовать
стандартизованные форматы и средства обмена данными.
Вкачестве основы для решения этой задачи решено
использовать технологии Open Archive Initiative (OAI)
и Text Encoding Initiative (TEI):
• OAI – для индексации существующих текстов и их
фрагментов;
• TEI – для предоставления мета и аналитической
информации, а также самих текстов.
В настоящее время ведутся работы по включению ИАС
«Манускрипт» в состав открытого сообщества OAI в
качестве Data Provider. Для предоставления
метаинформации в формате Dublin Core разрабатывается
отдельный модуль системы. Данный модуль позволит
собирать метаинформацию не только по самим текстам,
но и по их фрагментам (различные элементы иерархий).
Найденный уникальный идентификатор средствами
интерфейса OAI возможно использовать для получения
метаинформации или полного текста из системы
«Манускрипт» в формате XML-TEI.
Сегодня рекомендации консорциума TEI являются
общепризнанными в мире. Поэтому вполне логичным стало
решение разработчиков ИАС «Манускрипт» использовать
именно этот инструмент для описания метаинформации и
полных документов для обмена данными.
ИАС «Манускрипт» использует сетевую модель данных
для описания объектов (единиц) рукописей и связей между
ними, поэтому при создании записей в формате XML-TEI
основной проблемой стали структурные ограничения,
накладываемые стандартами XML: структура XML
документа, которым является документ в формате
XML-TEI, должна быть строго иерархической. Следствием
этого, например, является невозможность получить всю
информацию о тексте (имеющуюся в системе
«Манускрипт») в виде одного документа.
Для реализации интегрирования технологий ИАС
«Манускрипт» с технологиями TEI разрабатываются два
модуля.
Модуль хранения и обработки мета- и аналитических
данных предназначен для работы с археографическими,
текстологическими и иными сведениями о самих
рукописях, текстах и их фрагментах, а также для
формирования запросов и выборок на основе этих сведений.
Средствами этого модуля поиск возможен только по мета-
и аналитическим данным.
Запросы пользователей на получение определенных
элементов текста в формате XML-TEI из системы
«Манускрипт» обрабатывает специальный модуль.
Основные возможности данного модуля:
• получение любого элемента текста в формате XML-TEI,
описанного в ИАС «Манускрипт» в качестве
самостоятельной единицы;
• расстановка приоритетов по созданию документов
XML-TEI. Данная опция необходима ввиду
накладываемых ограничений на структуру XML
документа. Пользователь сам может выбирать, какая
структура для него является приоритетной, а какая –
менее приоритетной. Иначе говоря, при создании
документа максимально отображается приоритетная
структура, внутри • получение мета и аналитической информации как
вместе с полным текстом, так и отдельно;
• запрашиваемый документ собирается в момент запроса,
поэтому любое изменение в тексте тут же будет
использовано.
ИАС «Манускрипт» постоянно развивается, и вместе
с ней модернизируются указанные инструменты.
Во время доклада будет продемонстрирована работа ИАС
«Манускрипт», описанных модулей и технологий.

//

C
urrently there are at least a few hundred ancient Slavic
manuscripts of the 11th to 14th centuries, which, despite
their significant scholarly, cultural, and historic value, are not
accessible to a wide range of researchers of various specialties
and to all who are interested in Russian history and culture.
The reason is simple: a large portion of the manuscripts are still
unpublished, and if they are published, these editions are
rareties, accessible only in major research libraries, which are
often located far from scholars' places of work. Even publishing
a manuscript often requires constant consultation of the original,
especially if studying its paleography, appearance, or other
similar questions. Furthermore, existing print editions
unfortunately usually lack reference material necessary for
getting acquainted with a text and studying it, and the
manuscripts themselves are published with poor quality. The
solution to the inaccessibility of ancient and medieval
manuscripts for research, teaching, and popular use is the
creation of electronic publications capable not only of replacing
print editions but also of exceeding their capabilities: (a) by
providing continual access to digital copies of manuscripts and
reference material on the Internet; (b) by providing the user
with the capability of retrieving data from a multifunctional
interface not only on the level of meta- and analytical data but
also on the level of grammatical, semantic, and thematic
characteristics of texts; and (c) by allowing collaborative work
on a manuscript.
One example of an information system designed to solve
some of the above problems is Manuscript, an
informational-analytical system.
Manuscript is oriented toward the entry, storage, automatic
manipulation, research, and publication of ancient texts having
an identical graphico-orthographic appearance and structure to
the original. Currently Manuscript contains a few dozen unique
ancient and medieval Slavic texts.
Currently Manuscript consists of a few multifunctional modules
that interact with a single database containing a hierarchically
structured data:
Page 237
Digital Humanities 2007
• a specialized editor,
• a query and retrieval module,
• a module for electronic publishing,
• a module of linguistic dictionaries, and
• a module for loading texts and reference material for print
publication.
The main task right now of the team behind Manuscript is to
present the accumulated information for analysis and study by
a wide range of researchers. The main path: to create specialized
modules intended for muti-function, user-friendly, and
straightforward manipulation of the data. The second task is to
create the meansto exchange meta-, analytical, and textual data
between teams of researchers creating analogous collections
of material, with the goal of presenting users with the ability
to use manuscript- and text-specific tools for working with
ancient documents, created by various teams.
It's essential to use standard formats and protocolsto maximize
access to the various tools for aggregating information in
Manuscript.
T
he Open Archive Initiative (OAI) and Text Encoding
Initiative (TEI) were chosen as the basis for solving this
task:
• OAI – for indexing the existing texts and their fragments;
• TEI – for presenting meta- and analytical information, and
likewise the texts themselves.
Manuscript is currently working to become an OAI data
provider. A new module is being developed to present the
metadata in Dublin Core format. This module will allow the
gathering of metadata not only from the texts themselves but
also from their fragments (various elements of the hierarchy).
Users can retrieve metadata or full text from Manuscript in TEI
XML format using a unique identifier.
The TEI Guidelines are well-established around the world, so
it was entirely logical for the developers of Manuscript to use
it for the metadata and full text of the manuscripts.
Manuscript uses a network model of data for describing the
objects(entities) of manuscripts and the relations between them,
so the main problem with using TEI was XML's requirement
of a strict hierarchy. One consequence of this is that it's
impossible to receive all information about a text in Manuscript
in one document.
Two modules are being developed to integrate the technology
of Manuscript with the TEI.
The module for storage and manipulation of meta- and
analytical data is intended for working with archeographical,
textological, and other findings from the manuscripts, texts,
and fragmentsthemselves, and also for formulating queries and
retrieving information using these findings. Searching in this
module is possible only using meta- and analytical data.
A special module processes user queries for retrieving certain
elements of text in TEI format from Manuscript. The main
capabilities of the module are the following:
• retrieving of any element of text, stored in Manuscript as
an independent unit, in TEI format;
• setting priorities in the creation of a TEI document: This
option is necessary in order to get around the
single-hierarchy limitation of XML. The user can rank the
priority of various structures within a document;
• receiving meta- and analytical information with or without
full text;
• The queried document is created at the moment of query,
so any change will be available immediately.
Manuscript and itstools are being continually developed.
During the presentation, Manuscript, including the
above modules and technologies, will be demonstrated.
Translated from the Russian by Kevin S. Hawkins