문서(document) 정의와 구조

• DocAr 시스템 설계는 상향식(bottom-up)으로 진행하는 것을 원칙으로 한다. 가장 기본이 되는 작은 모듈(혹은 컴포넌트)를 선정하고 해당 컴포넌트에 대한 충분한 설계가 진행된 후에 보다 큰 모듈을 설계하는 것이다. 가장 먼저 설계하는 대상은 '문서(document)이다. (원칙적으로는 상향식 설계를 진행하나, 특정 컴포넌트 혹은 클래스를 세분화 해야 할 필요가 있을 경우, 하향식 설계가 중간에 진행될 수 있다.)
  
  
• 용어에 대한 정의 : DocAr(Document Achieve) 에서 문서(document)란 '수집', '보관 및 분류', '정보 추출' 및 '검색'의 대상이 되는 모든 전자적 데이터(electronic data)를 의미한다. 각 문서는 독립적이어야 하며, 다른 문서에 대한 참조(reference)를 가질 수 있지만, 다른 문서의 일부가 되어서는 안된다.
  
  
• 메타 데이터의 개념 이해 (위키피디아 발췌 및  번역)
  Metadata is "data about data".[1] There are two "metadata types;" structural metadata, about the design and specification of data structures or "data about the containers of data"; and descriptive metadata about individual instances of application data or the data content.
  메타 데이터는 "데이터에 대한 데이터"이다. [1] "메타 데이터 유형;"은 두 가지가 있다.  구조적 메타 데이터(structural metadata)는 데이터 구조에 대한 디자인 및 사양(specification) 또는 "데이터 컨테이너에 대한 데이터"이며, 서술적 메타 데이터(descriptive metadata)는 개별 응용 데이터 인스턴스 혹은 컨텐츠에 관한 데이터이다.
  
  Metadata was traditionally in the card catalogs of libraries. As information has become increasingly digital, metadata are also used to describe digital data using metadata standards specific to a particular discipline. By describing the contents and context of data files, the usefulness of the original data/files is greatly increased. 
  메타 데이터는 전통적인 형태는 도서관의 카드 카탈로그였다. 정보가 점자 디지털화되면서, 메타 데이터는 특정 분야의 메타 데이터 표준에 따라 디지털 데이터를 설명하는데 사용되고 있다. 컨텐츠와 데이터 파일의 맥락(context)을 설명함으로써 원래 데이터의 활용도(유용성)은 크게 증가된다.
  
  For example, a webpage may include metadata specifying what language it is written in, what tools were used to create it, and where to go for more on the subject, allowing browsers to automatically improve the experience of users. Wikipedia encourages the use of metadata by asking editors to add category names to articles, and to include information with citations such as title, source and access date.
  예를 들어, 웹 페이지가 어떤 언어로 씌여진 것인지, 어떤 툴(tool)을 이용해 작성되었는지, 어떤 주제를 포함하는가 등의 메타 데이터를 포함한다면 브라우자가 자도으로 사용자의 경험을 향상시킬 수 있다. 위키 백과는 편집자들이 기사에 카테고리 이름을 추가하고, 제목, 원본, 작성 일자와 참고문헌 등의 메타 데이터를 적극 활용하도록 권장한다.
  
  The main purpose of metadata is to facilitate in the discovery of relevant information, more often classified as resource discovery. Metadata also helps organize electronic resources, provide digital identification, and helps support archiving and preservation of the resource. Metadata assists in resource discovery by "allowing resources to be found by relevant criteria, identifying resources, bringing similar resources together, distinguishing dissimilar resources, and giving location information."
  메타 데이터의 주요 목적은 관련 정보를 탐색하기 용이하도록 하며, 탐색 과정에서 분류가 잘 될 수 있도록 하는 것이다. 메타 데이터는 전자 문서를 조직화하는데 도움을 주며, 디지털 식별자를 제공할 뿐 더러 문서를 보관하고, 보존하는데 도움을 준다. 메타 데이터를 문서를 탐색하는데 있어, "관련 있는 분류하고, 자원을 식별하며, 유사한 자원들을 묶어 주거나, 관련이 없는 문서를 구분하고, 문서의 위치 정보를 제공하는 등"의 도움을 준다.
  
  
• 문서의 속성 : 문서는 파일(file)과 메타 데이터(meta data or index)로 구성된다.. 파일은 해당 문서 내용(content)을 담고 영구 저장 매체 (디스크 등)에 기록된 전자적 데이터를 의미한다. 메타 데이터는 문서의 제목(title, but optional), 작성자, 작성 및 변경 일자, 키워드 및 인덱스 정보, 원본 링크 (웹 링크), 문서의 형식(파일 확장자 혹은 파일 형식, 포맷), 문서에서 추출된 색인 등 문서를 분류하고 검색하는데 활용되는 문서에 연관된 데이터들을 말한다.
  
  
• 제목(title) : 원본 파일의 명칭 혹은 문서의 첫 단락에 표시된 제목, HTML의 title tag 혹은 게시물의 제목들이 문서 제목의 후보가 될 수 있다. 이중에서 게시물의 제목 혹은 HTML의 title tag 등이 우선순위가 높고, 파일 명칭은 우선 순위가 낮다. 만일, 제목을 추출할 수 없을 경우에 제목은 비울 수 있다.
• 작성자(author) : 문서의 최초 작성자 정보. 이름, ID, e-mail, homepage (facebook 등) 정보를 포함할 수 있다.
• 작성일시 및 변경일시 : 문서 자체의 생성 일시 정보를 사용하거나, 만일 작성 일시 정보를 파악할 수 없다면, DocAr 에 문서를 등록한 시점을 작성일시로 설정한다. 문서에 새로운 버전이 추가된 경우, 변경 일시를 업데이트 한다.
•  키워드(keyword) : 문서의 핵심 혹은 요약된 정보를 나타내는 복수의 명사 단어를 키워드라고 한다. 문서를 등록한 사람이 직접 입력하거나, 자동으로 추출할 수 있다.
• 요약(abstract) : 문서의 핵심 부분 혹은 축약된 내용을 말한다.
• 인덱스(index) : 문서 검색을 위한 단어의 집합
• 원본 링크 (original link) : 웹 상에서 다운로드한 문서일 경우 웹 문서에 대한 링크, 다운로드 문서가 아닐 경우 원본 링크가 존재하지 않는다.
• 문서 형식 (format) : XML, PDF, Word 등 문서의 바이너리 데이터 형식을 의미한다.
• 텍스트 (text) : 그래픽 출력을 위한 양식(layout) 정보를 제거한 순수 텍스트 형태의 데이터.
  
  
• 문서와 물리적인 속성의 관계 : 일대다(1:n)의 관계를 가실 수 있다. 문서의 내용(content)와 위치 정보 및 버전 정보 (버전 번호, 변경 시각)를 결합한 것을 '파일'이라고 정의한다. 따라서 문서는 하나 이상의 파일을 가질 수 있다. 하나의 문서에 포함된 복수의 파일이 같은 내용과 버전 번호를 가질 수 있다. 백업 및 공유 등의 이유로 복수의 저장소(repository)에 동시에 존재할 수 있기 때문이다.
  
  
• 문서와 색인 속성 간의 관계 : 일대일(1:1) 관계를 가진다. 만일 문서의 파일이 버전업되면 색인 속성도 갱신되어야 한다.