1TV2007, 2007 május 2-3.

1

Alternatív információkezelés Alternatív információkezelés a NAVA-bana NAVA-ban

Knapp Gábor, NAVA

(Strukturált dokumentumok rendszerén alapuló információkezelés, mint (Strukturált dokumentumok rendszerén alapuló információkezelés, mint alternatíva, a Nemzeti Audiovizuális Archívumban)alternatíva, a Nemzeti Audiovizuális Archívumban)

2TV2007, 2007 május 2-3.

2

A NAVA „másik” feladata

• Egyik: Kötelespéldány archívum (sugárzott rádió és tv)– Egységes, állandó séma– Folyamatos tervezett gyarapodás, realtime (meta/media)– Tervezett munkafolyamat (realtime, de pufferelt)– Nagy mennyiség (kb. 100.000 rekord/év)– Törvény által szabályozott hozzáférés

• Másik: Önkéntes archívum– Sokféle, változatos, időben is változékony séma– Eseti feladatok (ritkán, de persze azonnal kell minden…)– Egyedi bevételezési megoldások– Egyedi metaadat források: papír/doc/xml/xls/html/txt– Egyedi média források: dvd/svhs/betasp/digitbeta/mpeg4/mpeg2– Kevés rekord (gyűjteményenként <1000)

3TV2007, 2007 május 2-3.

3

Jelenlegi különgyűjtemények

+ MTV archívum (Híradók, Öveges stb.)

4TV2007, 2007 május 2-3.

4

Demo

• http://nava.hu/test/kulon.htm• http://mnfa.nava.hu

5TV2007, 2007 május 2-3.

5

Közös követelmények

(Ha már bent vannak a gyűjtemények…)• A kötelespéldánynál már megvalósult funkciók:

– Böngészhetőség (idő szerint: RTV részletes…)– Kereshetőség (mezők szerint, olykor szabadszavasan)– OAI-PMH protokoll szerinti lekérdezhetőség (DC, NDA)– Szabályozott hozzáférés (kijátszás, metaadat bevitel)

• További funkciók:– Más böngészési elvek (pl. tag-felhő)– Más kijátszási formátumok (pl. mpeg4/avc, flash)– Kiterjesztés a többnyelvűség felé (VideoActive)– Felhasználói közreműködés (upload, annotálás, P2P-Fusion)– Egyedi szabályok szerinti hozzáférés

6TV2007, 2007 május 2-3.

6

Fejlesztési cél, 2007 október

• Tájékoztató kidolgozása különgyűjteményekhez– Mit tudunk ajánlani, milyen erőforrások árán– Mennyi idő, mennyi tárhely, mekkora sávszélesség, hány/milyen

ember, -> azaz: mennyi pénz…

• Szabályozott, dokumentált munkafolyamat kidolgozása különgyűjteményekhez– Bevételezési technológia összeállítása (meta/média)– Konvertálási lehetőségek/technikák, tárhely biztosítása– Időzítés, erőforrás becslés

• Új alkalmazás (csoport) készítése, amely megvalósítja a Új alkalmazás (csoport) készítése, amely megvalósítja a közös követelményeketközös követelményeket – A kötelespéldánynál működő funkciók megvalósítása– Az új funkciók kísérleti megvalósítása, majd tesztelése

7TV2007, 2007 május 2-3.

7

Miért nem a jelenlegi alkalmazás?

• Feladat– Mind a munkafolyamat, mind az adatok, mind a célközönség

szempontjából új feladatok

• Biztonság– A „gyár”-nak működnie kell, egy ilyen fejlesztés gyerekbetegségei

megengedhetetlen kockázatot jelentenének– A NAVA-ba minden művelet nagyon leterheli a szervereket, es

nagyon sokáig tart…

• Technológia– A fejlesztés egyben kísérlet arra, hogy a web 2.0 technológia által

kínált lehetőségek hogy alkalmazhatók– A tapasztalatok alapján beláthatatlanul hosszú fejlesztési idő– A felvázolt többlet funkciók annyira eltérnek, hogy célszerű újat

kezdeni

8TV2007, 2007 május 2-3.

8

Fejlesztés 1: Bejátszás, Transzkódolás, Kijátszás

• Bejátszás– a bevételi lehetőségek, a szoftverek paramétereinek,

vezetékezés, eszközök dokumentálása, – lehetőség szerint állandóan rendelkezésre álló, összeállított

eszközpark létesítése– felhasználói és/vagy automata upload (P2P-Fusion)

• Transzkódolás, kulcskép generálás– Jelenleg: MPEG2 TS, RealVideo/Audio– Terv: MPEG4/AVC (pl. P2P-Fusion követelmény)

• Kijátszás (szabályozott)– Jelenleg: real stream – Terv: download, mélylink/beágyazhatóság (vízjelezés?)– Terv: Flash + MPEG-4

9TV2007, 2007 május 2-3.

9

Fejlesztés 2: Meta séma kialakítása

• Séma minimális követelmények– DC elvek, az azonosításhoz szükséges DC mezők– XML/XSD formátum, XSLT

• Séma felderítése, definiálása (gyűjteményenként)– Kapott metaadatok alapján– Kapott dokumentumok alapján– Belső struktúra, dokumentumok közötti kapcsolatok– Formális sémadefiníció (XSD)

• Séma megjelenítésének tervezése (CSS, XSLT-k)– Rövid lista tartalma, részletes lista tartalma– Védett (nem megjeleníthető) mezők– OAI-PMH exportok, RSS

10TV2007, 2007 május 2-3.

10

Fejlesztés 3: Meta sémák összehangolása

(Talán a legnehezebb feladat…)

• Mezők összekapcsolása (több-> egy, egy-> több)– Pl. nevek különböző reprezentációja

• Szótárak összekapcsolása– Pl. különböző műfaji kategorizálás– Felsőbb szintű tezaurusz/ontológia? (VideoActive)

• Megfeleltetés adatcsere formátumoknak– Pl. DC, DC.Culture

11TV2007, 2007 május 2-3.

11

Fejlesztés 4: Hozzáférés vezérlés

• Kötelespéldány archívum: – Archivátori alkalmazás: Tábla/Csoport szinten szabályozott– Kereső alkalmazás:

• kereshet (internet)• kereshet, és elmentheti a találatokat (regisztrált)• Kereshet, lejátszhat (navapont)• Kereshet, elmenthet, lejátszhat (regisztrált + nava pont)

• Tervezett különgyűjteményeknél:– Mező/Felhasználó szintű, ACL alapú szabályozás

• Felhasználói annotáció, rangsorolás

– Az audio/videó állománynál• Idő/tér korlátozott hozzáférés• Megtekintés/letöltés (ingyen/pénzért)• Csak demo részletek• Authentikáció jobb megoldása

12TV2007, 2007 május 2-3.

12

Fejlesztés 5: Keresés/Böngészés

• Keresés– Szabadszavas keresés a tartalomban– A találati lista rendezése mezők/gyűjtemények/relevancia szerint– Rendezés felsőbb szemantikai szint szerint (pl. ember)– Finomított keresés találati listában– Keresés kiterjesztése túl kevés találat esetén (ontológia)– Találatok csoportosítása túl sok találat esetén (ontológia)

• Böngészés– Gyűjteményenként valószínűleg specifikus– Tag- felhő alapján (automata klaszterezés)

• OAI-PMH export– A rendszer nyitott, mindenki csinálhat saját keresőt is…

13TV2007, 2007 május 2-3.

13

Távlati cél, 2008…

• Hipotézis 1:– Az alkalmazandó, web-re kidolgozott „szabad szavas indexelő”,

illetve félstrukturált dokumentum alapú megoldások nagyszámú dokumentum esetén is legalább olyan hatékonyak, mint a relációs adatbázis alapúak

– Tehát, mivel az új alkalmazás szempontjából a kötelespéldány archívum „csak egy eset”, így érdemes kipróbálni az új alkalmazás hatékonyságát több százezer rekordra, és ha beválik…

• Hipotézis 2:– Az új technológia felhasználói interfészében is új, népszerűbb

lehet a felhasználók körében (lásd YouTube), könnyebb hozzá oktatatási stb célú speciális API-kat illeszteni

– A felhasználói interakció gazdagíthatja a nehezen annotálható tartalmat (pl. 1988-as TV híradók)

14TV2007, 2007 május 2-3.

14

Köszönöm a figyelmet!Köszönöm a figyelmet!(Jó étvágyat!)(Jó étvágyat!)

Knapp Gábor, knapp@nava.hu

www.nava.huwww.nava.hukereso.nava.hukereso.nava.humnfa.nava.humnfa.nava.hu