開辟全信息標準數(shù)字化智能信息系統(tǒng)探索數(shù)字化報紙實現(xiàn)的新路徑

《天津日報》全信息標準數(shù)字化智能信息系統(tǒng)是在全國傳統(tǒng)報業(yè)紛紛向數(shù)字化報業(yè)戰(zhàn)略轉型、中文新聞信息技術標準化大力推行的背景下正式立項并建設完成的。該系統(tǒng)采用最新國內外報刊數(shù)字化技術成果，充分考慮對報紙資源利用的現(xiàn)在和將來的需求，使用科學成熟的生產工藝，在數(shù)據生產的整個過程，從掃描、識別、校改、版式還原、文章標引等都采用高標準數(shù)字化技術及規(guī)范要求，將報紙全部信息數(shù)字化，生產規(guī)范的數(shù)據，集成中文信息先進和成熟的系統(tǒng)軟件，使得本系統(tǒng)成為高質量的“精品工程”，也是天津市信息化建設的重要組成部分。

在數(shù)字化生產全過程中，該系統(tǒng)堅持國家新聞分類法標準和數(shù)字化技術標準，將版面結構和版面內容等完整信息實施數(shù)字化。不僅使得檢索結果精確、速度快捷，而且版面文件容量小，檢索速度快，字型美觀。它適用于各種電腦、閱讀器、手機等各類終端設備，為多格式轉化和支持多終端應用建立了數(shù)據基礎，在互聯(lián)網發(fā)布具備明顯優(yōu)勢，實現(xiàn)了新聞信息的多渠道發(fā)布和個性化服務。同時實現(xiàn)了現(xiàn)刊數(shù)字報直接轉換對接歷史報刊數(shù)據庫系統(tǒng)，使歷史報刊數(shù)據庫的數(shù)據始終處于動態(tài)更新中。

在數(shù)據生產的整個過程中必須采用國家新聞標準和其他一些數(shù)字化技術標準及規(guī)范，通過先進的技術手段將版面所有信息（包括版面結構和版面內容）全部信息數(shù)字化，為實現(xiàn)多格式轉化支持多終端應用打下數(shù)據基礎。數(shù)據庫系統(tǒng)采用主流的先進數(shù)據庫技術，數(shù)據庫結構開放，可擴展，支持主流檢索系統(tǒng)，整個數(shù)據庫系統(tǒng)具備了獨創(chuàng)性、領先性、超前性及國際性。

該系統(tǒng)數(shù)據庫總體設計堅持了數(shù)字化文本、版面完整性原則，數(shù)字化正確性原則，實用性原則，先進性原則和易用性原則。充分考慮了用戶的要求，采用html模版，允許用戶進行任意設計界面和通過編寫javascript控制功能，實現(xiàn)界面的個性化和功能的定制。隨著情況變化，用戶需要調整或重新設計，也完全可以方便迅速地實現(xiàn)，降低了開發(fā)成本。因此，具有非常大的靈活性和可擴展性。如圖所示。

該系統(tǒng)完成了《天津日報》1949年創(chuàng)刊以來的全部報紙內容的數(shù)字化，整合了《天津日報》的全部新聞信息資源。系統(tǒng)完全達到了項目的設計目標和要求，并具備多項技術創(chuàng)新特點，尤其是在國內首家采用版面全信息重構技術和修訂后的國家新聞分類標準，是一項具有前瞻性、高標準的歷史報紙數(shù)字化精品工程。具有較好的開放性、擴展性和安全性，有著廣泛的應用前景和示范作用。

2006年底完成的青蘋果“四合一”報刊技術平臺，集成最新中文信息和軟件開發(fā)成果，將電子報刊的功能從查詢檢索提升到分析管理的層次?！八暮弦弧眻罂夹g平臺可以作為讀者的查詢閱讀工具，也可以作為管理使用者的信息資源管理分析平臺。“四合一”報刊技術平臺代表了報刊電子版技術的新水準和新進展?；谇嗵O果報刊雙平臺網絡版全文檢索系統(tǒng)，其性能優(yōu)于其他同類產品：主流數(shù)據庫平臺，市場占有率大，穩(wěn)定性強；數(shù)據庫結構開放；數(shù)據壓縮功能強大,數(shù)據膨脹率小于0.5；采用分詞索引技術，保證查全率、查準率及響應速度的性能；具有全文和版面相關聯(lián)的檢索功能；具備全文模糊檢索、特征檢索、專題檢索、圖片檢索、廣告檢索、版面檢索等全方位的檢索支持；具備在檢索結果中漸進檢索功能；可與其他檢索系統(tǒng)協(xié)同工作；數(shù)據庫一次設計，多重發(fā)布：提供數(shù)據庫后網絡版，網絡版支持多人同時通過瀏覽器訪問，一旦有需要，可以迅速提供相同界面的單機版，無需雙重設計；綠色軟件，除了標準的IE瀏覽器，整個程序不依賴于其它任何組件，因此可靠性很高。

全信息標準數(shù)字化智能信息系統(tǒng)的技術創(chuàng)新點主要體現(xiàn)在以下方面：

1）報紙版面全信息數(shù)字。將版面所有信息（包括版面結構和版面內容）全部數(shù)字化，把結構基元(包括字體坐標、字號坐標、行坐標、段落坐標等)和內容基元(文字的內容、字體、字號、顏色等)全部信息內容封裝在XML內，最后將XML作為基礎數(shù)據保存。通過全信息數(shù)字化處理的結果數(shù)據可以重復和長期使用。

2）在國內首家采用版面全信息重構技術。在文字識別的基礎上，對版面結構和版面內容的基元進行了智能提取，實現(xiàn)了數(shù)字化版面的智能化還原，準確率達到80%，以及文章區(qū)在版面縮略圖中的準確定位和顯示。

3）首家采用修訂后的國家新聞分類法標準。在嚴格遵守分類標準體系的基礎上，利用了分類法的擴展性，增加了96個天津地方特色類目，并形成了《天津日報新聞分類使用本》，開發(fā)了輔助標引軟件工具，實現(xiàn)智能標引、智能分類，75%標引字段自動提取，4項類別做到智能自動分類，并不斷積累分類語料庫，逐步過渡到自動分類。

4）在整個報紙數(shù)字化過程中工藝、格式以及流程規(guī)范；采用XML對版面結構和版面內容進行描述和封裝，并為多格式轉化和支持多終端應用建立了數(shù)據基礎，實現(xiàn)了新聞信息的多通道發(fā)布和個性化服務。

5）實現(xiàn)了現(xiàn)刊數(shù)字報的自動轉換及與歷史報刊數(shù)據庫的對接，保證了不同規(guī)范數(shù)據的延續(xù)性。

全信息標準數(shù)字化智能信息系統(tǒng)不僅是報社主導報刊的數(shù)字化基礎建設，同時可以作為報社重要的商品開發(fā)資源。此外，該系統(tǒng)向社會提供了有力地見證天津社會經濟發(fā)展的完整、權威的報紙文獻資料庫，對報紙資源進行有效的保護和深度開發(fā)，這將對天津乃至全國的信息化建設都將產生深遠的影響?！短旖蛉請蟆啡畔藴蕯?shù)字化智能信息系統(tǒng)的建成并投入使用，使天津日報社由傳統(tǒng)報業(yè)向全媒體數(shù)字報業(yè)的戰(zhàn)略轉型邁出了堅實的一步，是建設全媒體數(shù)字報業(yè)重要的基礎準備。

圖2 《天津日報》數(shù)據庫系統(tǒng)架構圖

《天津日報》歷史報紙數(shù)字化及數(shù)據庫建設項目社會效益遠大于經濟效益。為天津保存珍貴的歷史資料，對天津人民共同的財富進行搶救性保護；讀者、記者、編輯以及天南海北的天津人，通過它可以更深切有效地了解天津，增加自豪感、歸屬感和責任感，同時也為個人信息需求提供方便；溫故而知新，可以成為天津各級黨和政府在做重大決策和解決錯綜復雜的政務問題時的參考文獻資料，更準確、更便捷、更人性化；各經濟實體在進行經濟活動時，可依據它尋找商機、制定或調整經營策略，以達到最大的經濟效益；歷史研究人員依據它可對天津進行更全面更深入的研究；通過網絡發(fā)布，國內外各界人士及公司團體可據此了解天津，提高他們對天津的了解和興趣，為招商引資、加快天津市新區(qū)開發(fā)開放服務；報社重要的基本建設和向“數(shù)字報業(yè)”轉型的資源準備。

對《天津日報》歷史報紙數(shù)字化并建立全信息標準數(shù)字化智能信息系統(tǒng)，最全面、權威地提供了見證天津社會經濟發(fā)展文獻資料庫，是對報紙資源的有效保護和對信息資源的成功開發(fā)，數(shù)據庫是數(shù)據內容、分類標引內容和檢索閱讀平臺的組成產物，適用于單機、局域、互聯(lián)網和移動載體的閱讀形式，在提高報社新聞業(yè)務的同時，無論從歷史角度還是現(xiàn)實需求來看，對天津乃至全國的信息建設發(fā)展都具有不可替代的珍貴價值。

對《天津日報》數(shù)字化資源進行多層次的重復開發(fā)和利用，最大限度地挖掘報紙新聞信息的潛在價值，使報紙資源形成多品種適合于不同發(fā)布渠道的數(shù)字化產品，擴大信息資源的有效應用和增值服務，具有很好的應用前景：①對報紙信息資源查閱檢索與發(fā)布；②數(shù)據庫產品進行不同層次和區(qū)域的全球銷售；③提供互聯(lián)網和移動終端報紙信息有償定制服務；④全刊影印版零庫存定制銷售；⑤報紙專題資源個性化服務；⑥廣告信息增添、捆綁等商業(yè)服務。