館藏?cái)?shù)字資源整合系統(tǒng)構(gòu)建探究

陳錦波

(廣東藥學(xué)院圖書館，廣東 廣州 510006)

1 前言

當(dāng)前，國內(nèi)圖書館已基本進(jìn)入數(shù)字化時(shí)代，許多圖書館都加大對數(shù)字資源的建設(shè)和利用，比如創(chuàng)建館藏文獻(xiàn)書目數(shù)據(jù)庫、自建各種特色數(shù)據(jù)庫和購買各類型文獻(xiàn)數(shù)據(jù)庫等。這些數(shù)據(jù)庫由于來源不同，系統(tǒng)之間彼此獨(dú)立、數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)、信息組織方式和查詢方式等都各不相同，用戶若要查找、利用館藏?cái)?shù)字資源，必須分別進(jìn)入各個(gè)數(shù)據(jù)庫系統(tǒng)，在熟悉每個(gè)數(shù)據(jù)庫的檢索方式下才能獲得所需要的數(shù)字資源，這給用戶利用信息造成一定程度的困難;為了使用戶能快速地利用圖書館數(shù)字資源，有必要對館藏?cái)?shù)字資源進(jìn)行整合，建立圖書館館藏?cái)?shù)字資源整合系統(tǒng)。

館藏?cái)?shù)字資源整合，是指依據(jù)一定原則與規(guī)定，借助數(shù)字資源無縫鏈接等技術(shù)，把不同來源和不同通信協(xié)議的信息系統(tǒng)相互兼容，使不同類型、不同格式的數(shù)字資源實(shí)現(xiàn)無縫鏈接[1]。館藏?cái)?shù)字資源整合系統(tǒng)是一個(gè)跨平臺(tái)、跨數(shù)據(jù)庫、跨內(nèi)容、多層次的數(shù)字資源體系。

2 館藏?cái)?shù)字資源整合的必要性

2.1 館藏?cái)?shù)據(jù)庫資源存儲(chǔ)格式不同，給用戶利用館藏資源帶來不便

當(dāng)前我國對數(shù)字資源的存儲(chǔ)格式?jīng)]有統(tǒng)一規(guī)定，數(shù)字資源的存儲(chǔ)格式由數(shù)字資源研制機(jī)構(gòu)自己決定，比如，圖像文件可選擇JPEG格式、GIF格式或TIFF格式[2];文本文件可選擇PDF格式、TXT格式、SGML格式、HTML格式或XML格式;音頻或視頻文件可選擇AVI格式、MPEG格式、WAV格式或MIDI格式。這些不同的存儲(chǔ)格式，決定了各個(gè)數(shù)據(jù)庫擁有相對獨(dú)立的管理系統(tǒng)、檢索界面和檢索方式;由于各個(gè)數(shù)據(jù)庫的檢索設(shè)計(jì)規(guī)則和檢索字符等互不相同，用戶必須先后進(jìn)入各個(gè)數(shù)據(jù)庫中進(jìn)行信息檢索才能從各個(gè)數(shù)據(jù)庫中獲取所需要的信息，這給用戶利用館藏?cái)?shù)字資源帶來了很大的不便。

2.2 館藏?cái)?shù)據(jù)庫的內(nèi)容存在著一定程度的交叉重復(fù)，降低了用戶對信息的查準(zhǔn)率

館藏文獻(xiàn)數(shù)據(jù)庫內(nèi)容重復(fù)使用戶必須花費(fèi)大量的時(shí)間和精力對數(shù)據(jù)進(jìn)行篩選，從而降低用戶對信息的查準(zhǔn)率。比如中國期刊數(shù)據(jù)庫、維普中文期刊數(shù)據(jù)庫，它們都是收錄國內(nèi)的期刊論文、會(huì)議論文和學(xué)位論文;一篇普通的論文，既被中國期刊數(shù)據(jù)庫收錄，又被維普中文期刊數(shù)據(jù)庫收錄，從而造成中國期刊數(shù)據(jù)庫和維普中文期刊數(shù)據(jù)庫的收錄內(nèi)容交叉重復(fù)。超生電子圖書數(shù)據(jù)庫和書生電子圖書數(shù)據(jù)庫，它們收錄的對象都是國內(nèi)出版的圖書，這使它們所收錄的圖書數(shù)據(jù)，有很多條目的內(nèi)容是相同的;這些相同的信息，不僅增加圖書館的收藏成本和運(yùn)行成本，還增加用戶對館藏資源利用的時(shí)間成本，從而降低用戶對館藏?cái)?shù)字資源的利用效率。

2.3 檢索途徑與檢索界面不同

各種數(shù)據(jù)庫對信息資源采用不同的描述方式和組織架構(gòu)，使它們的檢索途徑各有特色，從而導(dǎo)致它們的檢索界面迥然不同[3];此外，各種數(shù)據(jù)庫中還存在著大量的附件，它們以DOC、PPT、PDF等文件形式存儲(chǔ)在服務(wù)器上，僅僅在檢索界面上保留了附件的標(biāo)題、年份、作者等信息，用戶難以通過簡單的標(biāo)題、年份、作者等信息來辨認(rèn)該條信息的具體內(nèi)容。

2.4 網(wǎng)站代理登錄

網(wǎng)站代理登錄系統(tǒng)是指圖書館在購買商業(yè)數(shù)據(jù)庫的使用權(quán)后，在圖書館的網(wǎng)站建立該商業(yè)數(shù)據(jù)庫的登錄鏈接。由于商業(yè)數(shù)據(jù)庫網(wǎng)站創(chuàng)建的時(shí)間和采用的技術(shù)不同，其檢索方式也存在著差異;用戶若需要利用這些數(shù)據(jù)庫資源，必須不斷游走于各個(gè)數(shù)據(jù)庫網(wǎng)站，從而降低用戶對信息的利用效率。

為解決館藏?cái)?shù)字資源因數(shù)據(jù)描述方法和組織方式不同、信息存儲(chǔ)格式差異和數(shù)據(jù)庫內(nèi)容交叉重復(fù)，方便用戶對館藏?cái)?shù)字資源的利用，有必要在圖書館構(gòu)建數(shù)字資源整合系統(tǒng)。

3 館藏?cái)?shù)字資源整合系統(tǒng)的構(gòu)建

3.1 館藏?cái)?shù)字資源的整合方法

在館藏?cái)?shù)據(jù)庫中，既有數(shù)據(jù)組織方式和通訊協(xié)議不相同，又有數(shù)據(jù)收錄內(nèi)容交叉重復(fù);既有自建數(shù)據(jù)庫，又有購買商業(yè)數(shù)據(jù)庫;因此，針對不同類型的數(shù)據(jù)庫，分別采用協(xié)議標(biāo)準(zhǔn)整合方法、主題圖整合方法和網(wǎng)絡(luò)爬蟲與搜索引擎相結(jié)合的方法。

3.1.1 協(xié)議標(biāo)準(zhǔn)整合方法

對數(shù)據(jù)組織方式和通信協(xié)議不相同的數(shù)據(jù)庫，需采用協(xié)議標(biāo)準(zhǔn)整合方法。協(xié)議標(biāo)準(zhǔn)整合方法是通過借助中間件技術(shù)手段，比如OAI-PMH(Open Archives Initiative Protocol for Metadata Harvesting)協(xié)議[4]，對采用不同數(shù)據(jù)組織方式和不同通信協(xié)議的數(shù)據(jù)庫在同一界面內(nèi)實(shí)現(xiàn)整合檢索，從而實(shí)現(xiàn)數(shù)字資源整合目的。

3.1.2 主題圖整合方法

針對數(shù)據(jù)庫收錄內(nèi)容交叉重復(fù)的數(shù)字資源，易采用主題圖整合方法。主題圖整合方法是將數(shù)字資源之間的關(guān)系通過“主題、資源出處和關(guān)聯(lián)關(guān)系”的形式，將一定領(lǐng)域內(nèi)的知識(shí)結(jié)構(gòu)和它們之間的語義關(guān)系具體化。主題圖整合方法是一種操作簡單且具有成效的解決方法。[5]

3.1.3 網(wǎng)絡(luò)爬蟲與搜索引擎相結(jié)合的方法

圖書館購買商業(yè)數(shù)據(jù)庫的使用權(quán)，用戶若需要利用這些數(shù)據(jù)資源，必須先登錄各個(gè)商業(yè)數(shù)據(jù)庫網(wǎng)頁，這難免給用戶帶來麻煩，而采用網(wǎng)絡(luò)爬蟲與搜索引擎相結(jié)合的方法，則能為用戶減少這些麻煩。網(wǎng)絡(luò)爬蟲是一個(gè)自動(dòng)提取網(wǎng)頁的程序，它與搜索引擎相結(jié)合，從萬維網(wǎng)上下載網(wǎng)頁;網(wǎng)絡(luò)爬蟲與搜索引擎相結(jié)合，使館藏?cái)?shù)字資源整合系統(tǒng)能根據(jù)一定的搜索策略從各商業(yè)數(shù)據(jù)庫中選擇需要抓取的網(wǎng)頁URL(Universal Resource Locator)，所有被抓取的網(wǎng)頁，經(jīng)分析、過濾、存貯，供用戶查詢和檢索。

3.2 館藏?cái)?shù)字資源的整合步驟

3.2.1 針對數(shù)據(jù)組織方式和通信協(xié)議不同的數(shù)據(jù)庫的整合步驟

利用OAI-PMH協(xié)議，儲(chǔ)存整合對象的數(shù)據(jù)庫系統(tǒng)，其中包含可使用擷取協(xié)定進(jìn)行檢索的詮釋資料;這些詮釋資料經(jīng)過都柏林(Dublin Core)元素集(Element Set)編碼記錄后，以XML的編碼格式傳回。OAI-PMH還支持Perl、Java和C++等程序語言，它能從不同的數(shù)據(jù)組織方式和通信協(xié)議的數(shù)據(jù)庫中獲得詮釋資料，依據(jù)詮釋資料制作索引作為搜尋線索，以達(dá)到搜尋全文信息的目的。此外，還需要建立新的框架體系結(jié)構(gòu)，來解決館藏?cái)?shù)字資源整合系統(tǒng)與各數(shù)據(jù)庫系統(tǒng)之間的互操作性問題。比如，采用OAI-PMH建立典型的元數(shù)據(jù)采集框架，實(shí)現(xiàn)元數(shù)據(jù)的互操作，實(shí)現(xiàn)館藏?cái)?shù)字資源整合系統(tǒng)與各數(shù)據(jù)庫系統(tǒng)之間的互操作。利用OAI-PMH協(xié)議標(biāo)準(zhǔn)整合數(shù)據(jù)資源，實(shí)現(xiàn)館藏?cái)?shù)字資源整合系統(tǒng)與各數(shù)據(jù)庫系統(tǒng)之間的互操作是數(shù)字圖書館發(fā)展的新趨勢。

3.2.2 館藏?cái)?shù)據(jù)庫收錄內(nèi)容交叉重復(fù)的整合步驟

對館藏?cái)?shù)據(jù)庫收錄內(nèi)容交叉重復(fù)的整合，必須采用主題圖整合方法。主題圖起源于傳統(tǒng)的圖書館查詢輔助工具，比如書后索引、術(shù)語表和敘詞表等，它吸收了傳統(tǒng)索引和圖書館學(xué)科等優(yōu)點(diǎn)，它用來描述龐大復(fù)雜的信息結(jié)構(gòu)。主題圖能夠?yàn)轲^藏?cái)?shù)據(jù)庫整合提供一個(gè)語義接口，為用戶提供語義層面的檢索功能，克服基于關(guān)鍵詞匹配查找效率低的缺點(diǎn)。利用主題圖整合方法的步驟是將每一個(gè)主題作為一個(gè)結(jié)點(diǎn)，通過主題關(guān)聯(lián)關(guān)系將各個(gè)結(jié)點(diǎn)相互聯(lián)系起來;通過資源出處，在資源域和主題域之間建立映射關(guān)系。資源域既包括結(jié)構(gòu)化數(shù)據(jù)，也包括文本文檔、XML文檔等非結(jié)構(gòu)化數(shù)據(jù)，可實(shí)現(xiàn)對分布式資源的多重索引;主題域則是在資源域之上建立起來的概念地圖，它為主題圖提供有效的信息組織和導(dǎo)航方法，減輕用戶使用信息資源時(shí)的信息迷航。資源域和主題域相互分離，使相同的主題可以覆蓋不同的資源域，不同的主題也可以覆蓋相同的資源域，這種機(jī)制為用戶提供不同角度的視圖，它迎合用戶使用習(xí)慣，更能滿足用戶對數(shù)字信息的需求。

3.2.3 商業(yè)數(shù)據(jù)庫的整合步驟

對商業(yè)數(shù)據(jù)庫的整合，必須采用網(wǎng)絡(luò)爬蟲與搜索引擎相結(jié)合的方法。它的整合步驟是：先創(chuàng)建采集對象，讀取爬蟲程序的配置文件;根據(jù)配置文件創(chuàng)建采集線程;根據(jù)預(yù)先設(shè)定好的語義，讀取所有數(shù)據(jù)庫，判斷該數(shù)據(jù)庫是否需要登錄;如果需要登錄，則系統(tǒng)會(huì)自動(dòng)跳轉(zhuǎn)到登錄處，并利用預(yù)先設(shè)定的字符、字段抽取信息列表中的URL，放入采集隊(duì)列中;重復(fù)以上步驟，直到信息列表中的URL全部被獲取，并編入采集隊(duì)列;循環(huán)以上采集隊(duì)列，訪問數(shù)字資源的詳細(xì)頁面，利用抽取規(guī)則獲取頁面HTML文件，諸如標(biāo)題、作者、摘要等字段內(nèi)容，將獲取的內(nèi)容存入相關(guān)表中，完成本次采集。爬蟲程序既采集頁面上的信息，也采集存儲(chǔ)于商業(yè)數(shù)據(jù)庫的附件文件，從而保證整合系統(tǒng)信息資源的完整性[6]。

3.3 數(shù)據(jù)清理

為了保證用戶在資源整合系統(tǒng)中使用標(biāo)準(zhǔn)的檢索詞進(jìn)行檢索，準(zhǔn)確獲取檢索結(jié)果，需要對上述三種形式獲取的數(shù)據(jù)進(jìn)行必要的數(shù)據(jù)清理。具體的方法是在系統(tǒng)中設(shè)定機(jī)構(gòu)、作者、年份和敘詞表，以保證系統(tǒng)中指定字段的標(biāo)準(zhǔn)記錄;設(shè)計(jì)去重的標(biāo)識(shí)字段，讓整合程序首先運(yùn)用去重標(biāo)識(shí)字段對入庫數(shù)據(jù)進(jìn)行掃描，先剔除相同的記錄，再使用相似度比對方法，對數(shù)據(jù)庫的題錄信息進(jìn)行比較，若比較結(jié)果大于相似閥值，則作為相似記錄處理，錄入備用表中;利用已創(chuàng)建機(jī)構(gòu)、作者、年份、敘詞表，結(jié)合字符串比對方式對部分字段中的數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換和數(shù)據(jù)清理，并為館藏?cái)?shù)字資源整合系統(tǒng)建立標(biāo)準(zhǔn)的數(shù)據(jù)格式。

3.4 標(biāo)引模塊

標(biāo)引模塊的主要任務(wù)是構(gòu)建一個(gè)分類體系，建立類與類之間的層級(jí)關(guān)系。利用分類標(biāo)引方法，在館藏?cái)?shù)字資源整合系統(tǒng)中建立各種分類標(biāo)引模塊，使用戶能借助分類標(biāo)引模塊接口對館藏?cái)?shù)字資源進(jìn)行導(dǎo)航和檢索。為保證用戶從每個(gè)類目入口都可以檢索到與之相關(guān)的信息，館藏?cái)?shù)字資源整合系統(tǒng)必須采用可疊加的分類標(biāo)引，即可對單條記錄進(jìn)行多次標(biāo)引。

3.5 檢索模塊

以題名、作者、出版年、主題詞和關(guān)鍵詞等條目作為索引導(dǎo)向，創(chuàng)建可提供用戶信息檢索的模塊稱檢索模塊。檢索模塊包括跨庫檢索、高級(jí)檢索、布爾邏輯檢索、機(jī)構(gòu)導(dǎo)航和分類導(dǎo)航等。跨庫檢索是用戶可同時(shí)選中多個(gè)異構(gòu)數(shù)據(jù)系統(tǒng)，進(jìn)行一鍵式檢索。高級(jí)檢索是用戶無需在檢索界面上輸入邏輯算符、語種和年代限制等符號(hào)，只需在系統(tǒng)提供的“Search For”檢索對話框中輸入檢索詞，選擇所需的邏輯算符、語種、年代和文獻(xiàn)類型等以及相應(yīng)的限制字段，即可執(zhí)行檢索。布爾邏輯檢索是高級(jí)檢索的組成部分，它提供檢索生成器，用戶只需在生成器中通過選擇字段和操作符，利用檢索式之間的邏輯關(guān)系建一個(gè)樹形結(jié)構(gòu)，系統(tǒng)就會(huì)自動(dòng)生成一個(gè)布爾表達(dá)式;通過這種方式，用戶可構(gòu)建一個(gè)復(fù)雜的檢索式。機(jī)構(gòu)導(dǎo)航和分類導(dǎo)航，是指用戶選擇相關(guān)機(jī)構(gòu)或分類，通過鏈接方式找到需要的資源。檢索模塊所檢索出來的信息，按相關(guān)度正序或時(shí)間倒序排列，用戶只要選擇其中任何一條信息，就會(huì)得到該信息的位置和詳細(xì)內(nèi)容。[7]

3.6 全文數(shù)據(jù)管理模塊

館藏?cái)?shù)字資源整合系統(tǒng)中的所有數(shù)據(jù)，還是存在于各個(gè)數(shù)據(jù)庫中，這就需要在館藏?cái)?shù)字資源整合系統(tǒng)中建立全文數(shù)據(jù)管理模塊。全文數(shù)據(jù)管理模塊是判斷用戶檢索信息的數(shù)據(jù)庫來源，通過系統(tǒng)設(shè)定的路徑，自動(dòng)轉(zhuǎn)向該信息所在的數(shù)據(jù)庫，直到打開相關(guān)文件信息。全文數(shù)據(jù)管理模塊的工作方式分為兩種。第一種，對于開放鏈接的數(shù)據(jù)庫，可直接通過訪問數(shù)據(jù)庫的URL獲取全文信息;具體操作是用戶將索引庫中保存的原文地址或附件地址打開，根據(jù)系統(tǒng)提示瀏覽或保存所需要獲取的信息。[8]第二種，對于不支持開放鏈接的數(shù)據(jù)庫，則需要登錄相關(guān)數(shù)據(jù)庫才能獲取全文;具體操作是用戶選擇記錄在索引表中的數(shù)據(jù)庫信息，整合系統(tǒng)憑借該信息指定的數(shù)據(jù)源，根據(jù)預(yù)設(shè)的策略，在信息來源數(shù)據(jù)庫中用指定的檢索詞進(jìn)行檢索，并將檢索結(jié)果返回用戶界面。

4 結(jié)語

圖書館館藏?cái)?shù)字資源整合系統(tǒng)的構(gòu)建是數(shù)字資源整合理論在數(shù)字圖書館工作上的實(shí)踐運(yùn)用，但不同性質(zhì)和規(guī)模的圖書館還是要結(jié)合自身情況、用戶對數(shù)字資源的需求情況，合理構(gòu)建館藏?cái)?shù)字資源整合系統(tǒng)。館藏?cái)?shù)字資源整合系統(tǒng)能支持用戶利用信息、提煉知識(shí)和解決問題，真正為用戶提供一站式服務(wù)，真正為用戶創(chuàng)造一個(gè)良好的數(shù)字資源學(xué)習(xí)和運(yùn)用環(huán)境。

[1]吳麗娜.高校圖書館數(shù)字資源整合研究[J].圖書館學(xué)刊，2010(4)：52-54.

[2]王軍.保存型元數(shù)據(jù)研究[J].圖書館理論與實(shí)踐，2006(5)：30-32.

[3]劉罡.圖書館數(shù)字資源的整合方式[J].情報(bào)探索，2009(8)：61-62.

[4]郭少友.基于OAI-PMH的信息資源整合[J].大學(xué)圖書館學(xué)報(bào)，2005(3)：16-18.

[5]張玉濤，夏立新.基于主題圖的電子政務(wù)信息資源整合模型研究[J].情報(bào)雜志，2009(7)：161-165.

[6]谷俊，嚴(yán)明.企業(yè)數(shù)字資源整合系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].情報(bào)雜志，2010(5)：183-187.

[7]胡朝明，黃志強(qiáng).模塊化整合圖書館數(shù)字資源的方法和策略[J].圖書情報(bào)工作，2010(4)：34-38.

[8]姜愛蓉，黃美君，竇天芳.數(shù)字資源整合與信息門戶建設(shè)——清華大學(xué)圖書館的探索與實(shí)踐[J].現(xiàn)代圖書情報(bào)技術(shù)，2006(11)：2-6.