Value は値そのものを収めるレコードである。Codec が Payload の解釈を定める。
レイアウト
TAG WORD 000K KKKC CCCC LLLL セクション 3·4 (0x060L~0x09FL)
[Length 拡張 TAG]
[Codec 拡張 TAG] Issuer 形式のとき
Payload
LLLLは TAG WORD を含む全体の WORD 数 − 1 である。1~14 WORD は直接長、15 WORD 以上は拡張長である。- Issuer 形式なら、Codec 拡張 TAG に Issuer(Codec が定める幅 2/4/16 WORD)と Codec 番号 2 WORD を置く。Codec 番号は Issuer が定める。
- デコーダは形式を知らなくても Kind、Length、Issuer、Codec 番号までは分かる。
系列
Value の番号は系列を意味しない。直接コードはビットで系列を表さず、Issuer 形式にも系列の規則はない。系列は主題によるまとまりである。
| 系列 | 直接コード |
|---|---|
| NUMERIC | 0x060L~0x067L |
| DECIMAL | 0x068L~0x069L |
| TIME | 0x06AL~0x071L, 0x081L |
| TEXT | 0x072L~0x07AL |
| BINARY | 0x07BL~0x080L |
- ベクトル、テンソル、複素数、分数、区間のような数値は NUMERIC である。例外として BIT-VECTOR は BINARY である。言語コードは TEXT である。
- Issuer 形式のレコードには Codec 拡張 TAG(Issuer と Codec 番号)が付く。Payload が長ければ(全体 15 WORD 以上)Length 拡張 TAG を使う。
直接コード
| Codec | 名前 | 系列 | 説明 |
|---|---|---|---|
0x060L | BOOL | NUMERIC | false または true |
0x061L | SIGNED-INTEGER | NUMERIC | 最小 WORD の 2 の補数整数 |
0x062L | UNSIGNED-INTEGER | NUMERIC | 最小 WORD の符号なし整数 |
0x063L | BINARY-FLOAT | NUMERIC | IEEE 754 binary16/32/64/128 |
0x064L | COORDINATE-EARTH | NUMERIC | 地球(WGS 84)の緯度·経度と不確かさ(単位 Reference) |
0x065L | COORDINATE-GEO | NUMERIC | 天体 Reference と緯度·経度、不確かさ(単位 Reference) |
0x066L | QUANTITY | NUMERIC | 数値の量(整数·BINARY-FLOAT·10 進数·分数)、単位 Reference、下限·上限 |
0x067L | FRACTION | NUMERIC | 表記を保存する分数(分子·分母レコード、約分しない) |
0x068L | SIGNED-DECIMAL | DECIMAL | C × 10^E、符号付き係数 |
0x069L | UNSIGNED-DECIMAL | DECIMAL | C × 10^E、符号なし係数 |
0x06AL | GREGORIAN-DATE | TIME | 1970-01-01 からの日数 (グレゴリオ暦) |
0x06BL | CIVIL-TIME-NANOSECONDS | TIME | 零時からのナノ秒 |
0x06CL | POSIX-TIMESTAMP-SECONDS | TIME | Unix epoch からの秒 |
0x06DL | DURATION-SECONDS | TIME | 経過時間(秒) |
0x06EL/0x06FL | EDTF | TIME | ISO 8601-2 拡張日付文字列 (年·月精度、不確実、区間) |
0x070L/0x071L | GEDCOM-DATE | TIME | GEDCOM 7 日付文字列 (ユリウス暦など他の暦) |
0x072L/0x073L | UTF8-TEXT | TEXT | 言語を持たない UTF-8 文字列 |
0x074L/0x075L | URI | TEXT | RFC 3986 URI |
0x076L/0x077L | LANGUAGE-BCP47-CODE | TEXT | BCP 47 言語タグ |
0x078L/0x079L | UTF8-LANGUAGE-TEXT | TEXT | 言語付きテキスト |
0x07AL | LANGUAGE-SHORT-CODE | TEXT | 1 WORD の圧縮言語コード |
0x07BL | UUID | BINARY | RFC 9562 UUID |
0x07CL | SHA-256-DIGEST | BINARY | SHA-256 の結果 |
0x07DL | SHA1-DIGEST | BINARY | SHA-1 の結果 (git オブジェクト ID のような識別用途) |
0x07EL/0x07FL | OPAQUE-BYTES | BINARY | 意味·形式が不明のバイト列。偶数·奇数バイト |
0x080L | BIT-VECTOR | BINARY | bit-count の後に MSB-first で保存した N bit |
0x081L | DURATION-NANOSECONDS | TIME | 経過時間(ナノ秒) |
- 偶奇でペアにしたコードは可変長のバイト列である。偶数コードはバイト数が偶数、奇数コードは奇数である(レコードと TAG WORD)。
- 直接コードは
0x060L~0x081Lに Reserved なしで並ぶ。0x082L~0x09CLは Reserved で、0x09DL~0x09FLは VALUE-ISSUER-2WORD·4WORD·16WORD である。
Issuer 形式
直接コードにない形式は、その形式を制定した団体の Issuer の下に Codec 番号として置く。制定団体のない慣例の形式は ADHOC(0x00000002)の下に置く。GEUL 固有の形式(OPAQUE-BYTES、BIT-VECTOR、DURATION-NANOSECONDS)は直接コードである。
| Issuer | 形式の例 |
|---|---|
ADHOC 0x00000002 | BFLOAT16、整数·実数ベクトル、テンソル、複素数、分数、区間、四元数、BLAKE3 |
IETF 0x00000007 | 相対 URI、CRC32C、IPv4·IPv6 アドレス |
IEEE 0x0000000D | IEEE 754 decimal32/64/128、POSIX ナノ秒タイムスタンプ、MAC アドレス |
KHRONOS 0x0000000E | RGBA8·BGRA8 ピクセル |
ONNX 0x00000010, OCP 0x00000011 | FP8, FP4 |
BIPM 0x00000013 | TAI タイムスタンプ |
NIST 0x00000015 | SHA-512, SHA3-256 |
GPS 0x00000016 | GPS タイムスタンプ |
- 形式を知らないデコーダは、Issuer と Codec 番号までを知り、Length で読み飛ばす。
- Codec ドキュメントはその Issuer の
codecs/の下に、レコードの Codec 番号で置く。例: IETF CRC32C は0x00000007/codecs/0x0000C000/である(公表アドレスとバージョン一覧)。 - 画像·動画のような大きな値は、直接入れるより URI と SHA-256 で参照することを勧める。
- バイト列の中の著作物は元のライセンスに従う。出典とライセンスは Meta で記録する。
形式のまとまり
まとまりごとの説明は下にある。各形式のレイアウト、解釈、有効性、例は形式別のドキュメントにある。
| まとまり | 系列 | 形式 |
|---|---|---|
| numeric | NUMERIC | BOOL、整数、浮動小数、座標、QUANTITY、FRACTION |
| decimal | DECIMAL | SIGNED-DECIMAL、UNSIGNED-DECIMAL、IEEE 754 decimal32/64/128 |
| time | TIME | 日付、時刻、タイムスタンプ、経過時間、EDTF、GEDCOM 日付 |
| text | TEXT | UTF-8 テキスト、言語付きテキスト、URI、言語コード |
| binary | BINARY | UUID、ダイジェスト、CRC、ネットワークアドレス、不明バイト列、ビットベクトル |
| vector | NUMERIC | 整数·実数の密ベクトル、点·境界ボックス、RGBA·BGRA ピクセル |
| tensor | NUMERIC | 形式·rank·shape を付けた dense·packed テンソル |
| etc | NUMERIC | 複素数、分数、閉区間、四元数 |
- vector、tensor、etc のまとまりはすべて NUMERIC 系列の Issuer 形式(ADHOC、KHRONOS)である。
numeric
NUMERIC 系列の基本的な数の形式である。直接コード 0x060L~0x067L に置く。
- BOOL、符号付き·符号なし整数、IEEE 754 binary 浮動小数、地球(WGS 84)·天体の座標、量·単位·境界をまとめた QUANTITY、原文の表記どおりの分数 FRACTION がある。
- 整数は値が入る最小の WORD で書く。
- 小さなスカラの Issuer 形式(BFLOAT16、FP8、FP4)は Codec 番号だけが割り当てられていて、詳細な規格がない(Valueの未解決の問題)。
- ベクトル、テンソル、複素数、既約分数(RATIONAL-I64)、区間も NUMERIC 系列だが Issuer 形式なので、vector、tensor、etc のまとまりに置く。
decimal
DECIMAL 系列は正確な 10 進数の形式である。直接コード 0x068L~0x069L に置く。
- 直接コード SIGNED-DECIMAL·UNSIGNED-DECIMAL は
C × 10^Eで書き、元の表記の桁数をそのまま収める。1.20(C=120, E=−2)と1.2(C=12, E=−1)は別のレコードである。値の等価性と quantum の保存は SIGNED-DECIMAL の未解決の問題である。 - IEEE 754 decimal32/64/128 の DPD·BID エンコーディングは IEEE Issuer(
0x0000000D)の形式である。
time
TIME 系列は日付と時刻の形式である。直接コード 0x06AL~0x071L と 0x081L(DURATION-NANOSECONDS)に置く。
| 精度 | 形式 |
|---|---|
| 日付(グレゴリオ暦) | GREGORIAN-DATE |
| 年·月、不確実、区間 | EDTF |
| 他の暦の原表記(ユリウス暦など) | GEDCOM-DATE |
| 時刻 | POSIX·TAI·GPS タイムスタンプ |
| 経過時間 | DURATION-SECONDS、DURATION-NANOSECONDS |
- GREGORIAN-DATE で書ける日付は EDTF で書かない。
- ナノ秒タイムスタンプと TAI·GPS 形式は、各標準団体の Issuer(IEEE、BIPM、GPS)の下の形式である。
text
TEXT 系列はテキストと文字列識別子の形式である。直接コード 0x072L~0x07AL に置く。
- 言語を持たない文字列は UTF8-TEXT、名前·題名·文のように言語を持つテキストは UTF8-LANGUAGE-TEXT である。
- 言語コード(LANGUAGE-SHORT-CODE、LANGUAGE-BCP47-CODE)も TEXT 系列である。
- 可変長のバイト列は偶奇の Codec ペアで置く。最下位ビットが
1ならバイト数が奇数で、最後の WORD の下位バイトは0x00のパディングである(レコードと TAG WORD)。
binary
BINARY 系列はバイト列の形式である。直接コード 0x07BL~0x080L に置く。
- UUID、SHA-256、SHA-1、不明バイト列(OPAQUE-BYTES)、ビットベクトル(BIT-VECTOR)は直接コードである。残りのダイジェスト、CRC32C、IPv4·IPv6·MAC アドレスは Issuer 形式である。
- 固定サイズの値(UUID、ダイジェスト、アドレス)はサイズが決まっているので、偶奇のペアを置かない。
- 画像·動画のような公開メディアは IANA Issuer(
0x00000008)の形式として置く。Codec 番号は偶奇のペアで割り当て、Payload はバイト列である。Length の上限は 2^32−1 WORD である。大きな値は直接入れるより URI と SHA-256 で参照することを勧める。 - バイト列の中の著作物は元のライセンスに従う。出典とライセンスは Meta で記録する。
vector
ベクトル形式は NUMERIC 系列の Issuer 形式である。整数·実数の密ベクトルと点·境界ボックスは ADHOC(0x00000002)の Codec 番号 0x00000500~0x0000050C、ピクセル形式は KHRONOS(0x0000000E)の下に置く。
- 密ベクトルの要素は big-endian で連続して保存する。
- Issuer 形式なので、Codec 拡張 TAG に Issuer 2 WORD と Codec 番号 2 WORD が付く。
tensor
テンソル形式は NUMERIC 系列の Issuer 形式である。ADHOC(0x00000002)の Codec 番号 0x00000600~0x00000601 に置く。
- DESCRIBED-DENSE-TENSOR は要素形式·rank·shape と C-contiguous の dense payload を収める。
- DESCRIBED-PACKED-TENSOR は packed 形式·rank·shape と、octet 内 low-bit-first の packed payload を収める。
etc
その他の数の形式は NUMERIC 系列の Issuer 形式である。ADHOC(0x00000002)の Codec 番号 0x00000700~0x00000704 に置く。
- 複素数(COMPLEX64、COMPLEX128)、正規化した分数(RATIONAL-I64)、binary64 の閉区間、binary32 の四元数がある。
テキスト
言語を持つテキストと持たないテキストは別の値である。“Paris”(文字列)と “Paris”(フランス語)は等しくない。
| 形式 | 使う場所 |
|---|---|
| UTF8-TEXT | 識別子、コード、ファイル名、外部 ID のように言語を持たない文字列 |
| UTF8-LANGUAGE-TEXT | 名前、題名、文のように言語を持つテキスト |
UTF8-LANGUAGE-TEXT
TAG WORD 0000 0111 100P LLLL (P = テキストが奇数バイト)
[Length 拡張 TAG]
言語 LANGUAGE-SHORT-CODE または LANGUAGE-BCP47-CODE レコード
テキスト UTF-8 バイト (奇数なら最後に 0x00)
- テキストは well-formed な UTF-8 で、原文のまま保存する。正規化は比較·索引する側が受け持つ。
- 複数の言語に共通する名前は言語
mul、言語未定はundと書く。言語的内容のない文字列は UTF8-TEXT である。
例: "Douglas Adams"@en (13 バイト、奇数)
0799 0761 656E 446F 7567 6C61 7320 4164 616D 7300
TAG 言語 en D o u g l a s ␠ A d a m s (パディング)
10 進数と数量
正確な 10 進数は C × 10^E で書く。指数 E は 32 ビット、係数 C は最小 WORD の 2 の補数である。元の表記の桁数をそのまま収める: 1.20 は C=120, E=−2、1.2 は C=12, E=−1 である。二つの表記は同じ数を表すが、バイトが異なる別のレコードである。エンコーダは表記を勝手に正規化しない。二つのレコードの値の等価性と quantum(有効数字)の意味は未解決の問題である(SIGNED-DECIMAL)。
QUANTITY は量と単位、境界を一つの値に収める。
TAG WORD 0000 0110 0110 LLLL
[Length 拡張 TAG]
量 数値 Value レコード (整数·BINARY-FLOAT·10 進数·分数)
単位 Reference レコード (単位の項目)、単位なしなら 0x0000
下限 数値 Value レコード、省略すれば 0x0000 ABSENT
上限 数値 Value レコード、省略すれば 0x0000 ABSENT
- 単位は値の一部である。単位を切り離して別の場所に書かない(切り離すと
652が km か m か分からない)。 - SI 単位に換算した値は収めない。単位と換算表から計算できる。
0x0000は選択フィールドを省略したことを示す標識 ABSENT である(Codec 規格ドキュメント)。
例: 652 km、範囲 [651, 653] (km = Wikidata Q828224)
066E 0011 TAG (拡張長 17 WORD)
0683 0000 0000 028C 量 652
0142 000C A340 単位 Q828224
0683 0000 0000 028B 下限 651
0683 0000 0000 028D 上限 653
日付
| 精度 | 形式 |
|---|---|
| 日付(グレゴリオ暦) | GREGORIAN-DATE |
年·月、不確実(1971~)、区間 | EDTF |
| 他の暦の原表記(ユリウス暦など) | GEDCOM-DATE |
| 時刻 | POSIX·TAI·GPS タイムスタンプ |
- GREGORIAN-DATE で書ける日付は EDTF で書かない。
未解決の問題
- 公開メディア形式(JPEG、PNG、MP4、MOV など)は IANA Issuer(
0x00000008)の Codec 番号として置く。メディアタイプと Codec 番号の対応表の管理方法。 - Value 直接コードの最終的な一覧。法令·業務会話のサンプルで Value の頻度を測って決める(金額、百分率、日付区間の候補)。
- 小さなスカラ 7 個(ADHOC BFLOAT16、ONNX FP8 4 種、OCP FP8-E8M0FNU·FP4-E2M1FN)の詳細な規格と配置。直接コードに移すかは決めていない。今は Codec 番号だけが割り当てられている。