基于元數(shù)據(jù)的重慶地區(qū)電子文獻(xiàn)資源整合研究

彭渝等

〔摘要〕通過(guò)調(diào)查重慶地區(qū)高校、公共圖書(shū)館、醫(yī)院電子文獻(xiàn)資源，發(fā)現(xiàn)各單位在資源種類(lèi)、總量、平均擁有量，特別是外文資源，差距更大，整合與共享勢(shì)在必行，通過(guò)對(duì)各單位元數(shù)據(jù)的抽取，構(gòu)建本地區(qū)電子資源元數(shù)據(jù)倉(cāng)儲(chǔ)，使讀者通過(guò)對(duì)元數(shù)據(jù)倉(cāng)儲(chǔ)的“一站式”檢索，實(shí)現(xiàn)對(duì)資源的統(tǒng)一訪問(wèn)，從而達(dá)到整合目的。

〔關(guān)鍵詞〕元數(shù)據(jù)；電子文獻(xiàn)資源；整合；高校圖書(shū)館；公共圖書(shū)館；醫(yī)院

DOI：10.3969/j.issn.1008-0821.2013.05.011

〔中圖分類(lèi)號(hào)〕G25076〔文獻(xiàn)標(biāo)識(shí)碼〕A〔文章編號(hào)〕1008-0821（2013）05-0047-04

21本地鏡像的商業(yè)數(shù)據(jù)庫(kù)資源

由于知識(shí)產(chǎn)權(quán)的原因，數(shù)據(jù)廠商一般情況下是不愿意提供資源的元數(shù)據(jù)的，不過(guò)可以通過(guò)與數(shù)據(jù)廠商協(xié)商，獲取一些數(shù)據(jù)庫(kù)的元數(shù)據(jù)資源。對(duì)于可以獲取元數(shù)據(jù)的商業(yè)數(shù)據(jù)庫(kù)，可以實(shí)施基于數(shù)據(jù)層的資源整合。對(duì)于不能獲取元數(shù)據(jù)的數(shù)據(jù)資源，數(shù)據(jù)廠商可以提供該資源所遵循的協(xié)議和訪問(wèn)許可方式，實(shí)現(xiàn)應(yīng)用層的整合。

22本館自建特色資源

由于這類(lèi)資源由本館自建，本館擁有該資源的元數(shù)據(jù)和對(duì)象數(shù)據(jù)，通過(guò)元數(shù)據(jù)收割獲取各館自建資源的元數(shù)據(jù)。

23隨書(shū)光盤(pán)資源

各館自建的隨書(shū)光盤(pán)數(shù)據(jù)庫(kù)，各館擁有元數(shù)據(jù)及對(duì)象數(shù)據(jù)，可以實(shí)施元數(shù)據(jù)整合。

總之，對(duì)于較容易獲取元數(shù)據(jù)的電子文獻(xiàn)資源都可以通過(guò)元數(shù)據(jù)實(shí)現(xiàn)數(shù)據(jù)整合。

3元數(shù)據(jù)整合模型分析

基于元數(shù)據(jù)的區(qū)域電子文獻(xiàn)資源整合的中心思想是：通過(guò)建立區(qū)域內(nèi)統(tǒng)一的元數(shù)據(jù)中心，系統(tǒng)通過(guò)OAI（Open Archive Initiative for Protocol Meta-data Harvesting）技術(shù)，將各校各類(lèi)型資源收割到臨時(shí)的元數(shù)據(jù)倉(cāng)儲(chǔ)中，然后通過(guò)對(duì)臨時(shí)元數(shù)據(jù)倉(cāng)儲(chǔ)中的數(shù)據(jù)進(jìn)行清洗、轉(zhuǎn)換，將這些數(shù)據(jù)追加到中心元數(shù)據(jù)倉(cāng)儲(chǔ)中。用戶(hù)只需要對(duì)中心元數(shù)據(jù)倉(cāng)儲(chǔ)進(jìn)行檢索，即可實(shí)現(xiàn)對(duì)區(qū)域內(nèi)電子文獻(xiàn)資源的統(tǒng)一檢索。

在所調(diào)查的高校圖書(shū)館、公共圖書(shū)館、醫(yī)院分別屬于3個(gè)不同的系統(tǒng)，所以在模型圖中我們分別設(shè)立高校圖書(shū)館DC元數(shù)據(jù)中心、公共圖書(shū)館DC元數(shù)據(jù)中心、醫(yī)院DC元數(shù)據(jù)中心，通過(guò)OAI收割各個(gè)區(qū)域的元數(shù)據(jù)資源。所謂DC元數(shù)據(jù)中心，即采用DC元數(shù)據(jù)標(biāo)準(zhǔn)的元數(shù)據(jù)中心。3個(gè)分中心，分別對(duì)各系統(tǒng)內(nèi)各單位的各類(lèi)電子文獻(xiàn)資源實(shí)施元數(shù)據(jù)收割，建立系統(tǒng)的元數(shù)據(jù)中心。

31分布集中系統(tǒng)思想

通過(guò)上面的分析，針對(duì)重慶地區(qū)種類(lèi)多樣的電子文獻(xiàn)資源，本文提出了基于元數(shù)據(jù)的集中與分布相結(jié)合的區(qū)域電子文獻(xiàn)資源整合與共享模型，所謂集中與分布相結(jié)合，即元數(shù)據(jù)的集中存儲(chǔ)，對(duì)象數(shù)據(jù)的集中與分布存儲(chǔ)相結(jié)合。在資源整合過(guò)程中，數(shù)據(jù)有兩部分組成，即元數(shù)據(jù)和對(duì)象數(shù)據(jù)。元數(shù)據(jù)是描述對(duì)象數(shù)據(jù)的數(shù)據(jù)，本模型中資源整合與共享的實(shí)現(xiàn)主要依靠元數(shù)據(jù)，通過(guò)元數(shù)據(jù)揭示資源，為讀者提供檢索瀏覽的線索，最終定位對(duì)象數(shù)據(jù)。對(duì)象數(shù)據(jù)是知識(shí)的載體，如PDF格式的電子圖書(shū)、光盤(pán)鏡象文件、音視頻文件等，是我們整合的最終對(duì)象。在本模型中，對(duì)于元數(shù)據(jù)采取集中的存儲(chǔ)模式，不同類(lèi)型數(shù)字資源的元數(shù)據(jù)經(jīng)過(guò)規(guī)范化處理，被分別存儲(chǔ)在相應(yīng)的元數(shù)據(jù)倉(cāng)儲(chǔ)數(shù)據(jù)庫(kù)中。而針對(duì)對(duì)象數(shù)據(jù)的存儲(chǔ)，本模型采取分布與集中相結(jié)合的方式，即系統(tǒng)在整合資源時(shí)，對(duì)象數(shù)據(jù)仍保留在各院校的系統(tǒng)中，不會(huì)被抽取到中心。當(dāng)某些院校沒(méi)有能力存儲(chǔ)某資源時(shí)，可以將這些資源存儲(chǔ)到某資源中心，實(shí)現(xiàn)相對(duì)集中的存儲(chǔ)[1]。

32整合流程

在模型中，整合系統(tǒng)被分為了3層，第一層：重慶地區(qū)DC元數(shù)據(jù)中心。第二層：高校圖書(shū)館DC元數(shù)據(jù)中心、公共圖書(shū)館DC元數(shù)據(jù)中心、醫(yī)院DC元數(shù)據(jù)中心。第三層：每一個(gè)分中心下面的高校。所以系統(tǒng)運(yùn)行的流程是：

（1）高校DC元數(shù)據(jù)中心、公共圖書(shū)館DC元數(shù)據(jù)中心、醫(yī)院DC元數(shù)據(jù)中心分別將所屬的圖書(shū)館的元數(shù)據(jù)收割到分中心，形成分中心的元數(shù)據(jù)倉(cāng)儲(chǔ)。

3個(gè)分中心分別構(gòu)建自己的DC元數(shù)據(jù)倉(cāng)儲(chǔ)（電子圖書(shū)DC元數(shù)據(jù)倉(cāng)儲(chǔ)、電子期刊DC元數(shù)據(jù)倉(cāng)儲(chǔ)、自建資源DC元數(shù)據(jù)倉(cāng)儲(chǔ)等），然后對(duì)所屬的高校的元數(shù)據(jù)進(jìn)行收割，將收割的元數(shù)據(jù)存儲(chǔ)到臨時(shí)元數(shù)據(jù)倉(cāng)儲(chǔ)中。

（2）元數(shù)據(jù)ETL（Extract-Transform-Load）

ETL，即數(shù)據(jù)抽?。‥xtraction）、數(shù)據(jù)轉(zhuǎn)換（Transfonnation）、數(shù)據(jù)裝載（Loading）。ETL是數(shù)據(jù)倉(cāng)庫(kù)體系結(jié)構(gòu)當(dāng)中的一個(gè)重要過(guò)程，也是數(shù)據(jù)倉(cāng)庫(kù)建設(shè)過(guò)程中最復(fù)雜、費(fèi)時(shí)的環(huán)節(jié)，ETL開(kāi)發(fā)通常會(huì)占整個(gè)數(shù)據(jù)倉(cāng)庫(kù)項(xiàng)目時(shí)間的60%～80%，ETL是實(shí)現(xiàn)異構(gòu)資源集成的關(guān)鍵環(huán)節(jié)。

數(shù)據(jù)抽?。簲?shù)據(jù)抽取是從異構(gòu)數(shù)據(jù)源中采集原始數(shù)據(jù)，這些數(shù)據(jù)可以是元數(shù)據(jù)據(jù)，也可以是對(duì)象數(shù)據(jù)。在本模型中只采集元數(shù)據(jù)資源，對(duì)象數(shù)據(jù)仍保留在各系統(tǒng)中。

數(shù)據(jù)轉(zhuǎn)換：數(shù)據(jù)轉(zhuǎn)換包括數(shù)據(jù)的清洗和轉(zhuǎn)換兩部分功能。各系統(tǒng)中元數(shù)據(jù)的數(shù)據(jù)表現(xiàn)形式存在差異，所以必須消除這些差異，第一，數(shù)據(jù)標(biāo)準(zhǔn)化，數(shù)據(jù)的標(biāo)準(zhǔn)化主要表現(xiàn)在數(shù)據(jù)格式的規(guī)范化和數(shù)據(jù)表達(dá)方式的同一化。舉例說(shuō)明：對(duì)于“語(yǔ)種”字段，不同的系統(tǒng)著錄方式是不一樣的，如中文、CN、CHN、China等，面對(duì)這些差異，必需制定中心元數(shù)據(jù)標(biāo)準(zhǔn)，規(guī)定著錄方式，系統(tǒng)依據(jù)該標(biāo)準(zhǔn)，對(duì)各個(gè)異構(gòu)的元數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化。第二，數(shù)據(jù)解析，由于各系統(tǒng)元數(shù)據(jù)字段所概括的內(nèi)容不一，某系統(tǒng)中其中一個(gè)元數(shù)據(jù)字段可能對(duì)應(yīng)別的系統(tǒng)中的兩個(gè)字段，數(shù)據(jù)存在不同的細(xì)節(jié)級(jí)別，稱(chēng)之為粒度。粒度越高，所表示的綜合程度越高。在中心數(shù)據(jù)倉(cāng)儲(chǔ)中的查詢(xún)涉及到不同的細(xì)節(jié)，不同的數(shù)據(jù)圖1基于元數(shù)據(jù)的重慶地區(qū)電子文獻(xiàn)資源整合模型

源對(duì)信息的描述可能具有不同的粒度，這使得對(duì)來(lái)自不同數(shù)據(jù)源的數(shù)據(jù)很難做相應(yīng)的比較。所以本模塊的任務(wù)就是消除各系統(tǒng)元數(shù)據(jù)粒度不一致的問(wèn)題，對(duì)該拆分的字段進(jìn)行拆分，該合并的字段進(jìn)行合并。第三，數(shù)據(jù)增強(qiáng)，數(shù)據(jù)增強(qiáng)的任務(wù)是對(duì)原始數(shù)據(jù)進(jìn)行補(bǔ)充，實(shí)現(xiàn)系統(tǒng)數(shù)據(jù)的完整性。數(shù)據(jù)中心所制定的元數(shù)據(jù)標(biāo)準(zhǔn)中，并非所有的系統(tǒng)都擁有標(biāo)準(zhǔn)中所擁有的元素或者修飾詞，這時(shí)候就要增加字段，使被整合的系統(tǒng)的元數(shù)據(jù)信息更加完整。第四，重復(fù)記錄歸并，在中心元數(shù)據(jù)倉(cāng)儲(chǔ)中，每一條記錄都對(duì)應(yīng)一篇文獻(xiàn)，不允許重復(fù)記錄的存在，必須保證數(shù)據(jù)的惟一性。但從各系統(tǒng)抽取的元數(shù)據(jù)，不可避免的存在重復(fù)，所以記錄的去重與歸并成為必然。通過(guò)數(shù)據(jù)清洗，對(duì)各系統(tǒng)中采集的原始數(shù)據(jù)進(jìn)行有效性檢查，對(duì)不規(guī)范、重復(fù)的記錄進(jìn)行規(guī)范化處理，使采集的各系統(tǒng)的原始信息統(tǒng)一化，標(biāo)準(zhǔn)化，即完成元數(shù)據(jù)的標(biāo)準(zhǔn)化，將異構(gòu)的元數(shù)據(jù)轉(zhuǎn)換成為標(biāo)準(zhǔn)一致、著錄規(guī)范的元數(shù)據(jù)，從而提高了數(shù)據(jù)的質(zhì)量[2]。

數(shù)據(jù)裝載：在數(shù)據(jù)清洗完畢之后，即可以將清洗后的標(biāo)準(zhǔn)元數(shù)據(jù)加載到中心元數(shù)據(jù)倉(cāng)儲(chǔ)中，數(shù)據(jù)裝載的功能是將采集、清洗、轉(zhuǎn)換過(guò)后的標(biāo)準(zhǔn)元數(shù)據(jù)加載到目標(biāo)數(shù)據(jù)倉(cāng)庫(kù)中，該功能是對(duì)經(jīng)過(guò)清洗和轉(zhuǎn)換的數(shù)據(jù)進(jìn)行匯總、保存，以達(dá)到數(shù)據(jù)級(jí)整合的目的[3]。

（3）收割高校圖書(shū)館、公共圖書(shū)館、醫(yī)院三系統(tǒng)中心元數(shù)據(jù)，形成重慶地區(qū)總的DC元數(shù)據(jù)倉(cāng)儲(chǔ)。之所以會(huì)設(shè)立3個(gè)分中心，是三系統(tǒng)分別屬于不同的系統(tǒng)，本系統(tǒng)內(nèi)實(shí)施起來(lái)更加容易，系統(tǒng)較易管理，也具有較強(qiáng)的擴(kuò)展性。但系統(tǒng)最終的目的是實(shí)現(xiàn)重慶地區(qū)電子文獻(xiàn)資源共享，所以還要將3個(gè)分中心的元數(shù)據(jù)追加到重慶地區(qū)DC元數(shù)據(jù)倉(cāng)儲(chǔ)中，建立重慶地區(qū)總的DC元數(shù)據(jù)倉(cāng)儲(chǔ)[4]。

（4）反向收割重慶地區(qū)DC元數(shù)據(jù)倉(cāng)儲(chǔ)，高校圖書(shū)館、公共圖書(shū)館、醫(yī)院三系統(tǒng)中心元數(shù)據(jù)反向收割重慶地區(qū)DC元數(shù)據(jù)倉(cāng)儲(chǔ)，三系統(tǒng)與中心系統(tǒng)實(shí)現(xiàn)元數(shù)據(jù)的同步，這樣做的好處，第一，元數(shù)據(jù)的安全性。第二，系統(tǒng)性能提升，各系統(tǒng)只需要對(duì)本系統(tǒng)的元數(shù)據(jù)中心進(jìn)行訪問(wèn)即可實(shí)現(xiàn)對(duì)資源的訪問(wèn)。

（5）通過(guò)OpenURL實(shí)現(xiàn)原文獲取。

用戶(hù)通過(guò)對(duì)重慶DC元數(shù)據(jù)倉(cāng)儲(chǔ)進(jìn)行檢索，系統(tǒng)通過(guò)OpenURL建立原文的鏈接。OpenURL規(guī)定鏈接源不直接指向鏈接對(duì)象，而是由第三方鏈接服務(wù)器作為用戶(hù)與所需求資源之間的中介。鏈接服務(wù)器接收鏈接源傳送到的OpenURL，通過(guò)惟一的標(biāo)識(shí)符（如DOI）解析其內(nèi)容，建立對(duì)上下文對(duì)象的描述，以動(dòng)態(tài)選擇合適的鏈接目標(biāo)，從而使鏈接源和鏈接對(duì)象處于一個(gè)開(kāi)放式互聯(lián)框架內(nèi)，不同資源系統(tǒng)中各類(lèi)資源，只要符合OpenURL框架，均可很方便地實(shí)現(xiàn)多種資源的鏈接[5]。

4系統(tǒng)優(yōu)點(diǎn)

本文提出的基于元數(shù)據(jù)的區(qū)域電子文獻(xiàn)資源整合模型，與基于數(shù)據(jù)倉(cāng)庫(kù)，檢索代理的整合技術(shù)相比，具有如下的優(yōu)點(diǎn)：

（1）檢索速度快?；跈z索代理的資源整合，其整合的數(shù)據(jù)資源非常有限，當(dāng)數(shù)據(jù)庫(kù)較多時(shí)，其檢索速度非常慢。與檢索代理技術(shù)相比，由于用戶(hù)是對(duì)實(shí)現(xiàn)了元數(shù)據(jù)的物理集中與規(guī)范的長(zhǎng)株潭DC元數(shù)據(jù)倉(cāng)儲(chǔ)進(jìn)行檢索，所以速度非常快[6]。

（2）系統(tǒng)中心存儲(chǔ)壓力小?；跀?shù)據(jù)倉(cāng)庫(kù)技術(shù)的資源整合，在集成元數(shù)據(jù)的同時(shí)，還要集中各系統(tǒng)的對(duì)象數(shù)據(jù)，這樣系統(tǒng)中心將面臨非常大的存儲(chǔ)壓力。本模型中，系統(tǒng)中心僅僅存儲(chǔ)元數(shù)據(jù)資源，對(duì)象數(shù)據(jù)仍保存在各館中，所以系統(tǒng)中心沒(méi)有存儲(chǔ)壓力。

（3）系統(tǒng)管理容易，具有擴(kuò)展性。在本模型中，我們?cè)谥貞cDC元數(shù)據(jù)中心下面，分設(shè)了高校圖書(shū)館DC元數(shù)據(jù)中心、公共圖書(shū)館DC元數(shù)據(jù)中心、醫(yī)院DC元數(shù)據(jù)中心，實(shí)現(xiàn)了分層管理，不至于系統(tǒng)較大造成管理混亂。同時(shí)當(dāng)新的區(qū)域加入整合與共享建設(shè)中時(shí)，只需要對(duì)新增加的區(qū)域的元數(shù)據(jù)進(jìn)行收割與清洗，然后追加到重慶DC元數(shù)據(jù)倉(cāng)儲(chǔ)中去就可以了，系統(tǒng)具有較強(qiáng)的擴(kuò)展性。

（4）實(shí)現(xiàn)了元數(shù)據(jù)的物理集中與對(duì)象數(shù)據(jù)的分布管理。通過(guò)對(duì)各系統(tǒng)元數(shù)據(jù)的清洗、轉(zhuǎn)換，實(shí)現(xiàn)了各系統(tǒng)中元數(shù)據(jù)的一致，構(gòu)建了區(qū)域內(nèi)統(tǒng)一的元數(shù)據(jù)倉(cāng)儲(chǔ)，從而實(shí)現(xiàn)區(qū)域內(nèi)各系統(tǒng)資源的整合。而對(duì)象數(shù)據(jù)仍保存在各館原來(lái)的系統(tǒng)之中，這樣在實(shí)現(xiàn)資源整合的同時(shí)，各館仍可獨(dú)立的開(kāi)展各項(xiàng)服務(wù)。

（5）可以在統(tǒng)一的規(guī)范的元數(shù)據(jù)倉(cāng)儲(chǔ)的基礎(chǔ)上開(kāi)展各項(xiàng)服務(wù)?？梢砸灾貞c元數(shù)據(jù)中心為核心，提供統(tǒng)一檢索、元數(shù)據(jù)的聯(lián)合編目、數(shù)據(jù)挖掘、數(shù)據(jù)分析等個(gè)性化服務(wù)。這是其它整合模型無(wú)法實(shí)現(xiàn)的。

同時(shí)系統(tǒng)也有如下缺點(diǎn)：

（1）由于涉及知識(shí)產(chǎn)權(quán)問(wèn)題，元數(shù)據(jù)的獲取較為困難，對(duì)于中文數(shù)據(jù)庫(kù)，可以通過(guò)與數(shù)據(jù)商協(xié)商解決。對(duì)于外文數(shù)據(jù)庫(kù)，基本上無(wú)法獲取元數(shù)據(jù)。

（2）由于各系統(tǒng)沒(méi)有遵循統(tǒng)一的元數(shù)據(jù)標(biāo)準(zhǔn)，在構(gòu)建統(tǒng)一元數(shù)據(jù)倉(cāng)儲(chǔ)時(shí)，必須對(duì)元數(shù)據(jù)進(jìn)行清洗，這是構(gòu)建統(tǒng)一元數(shù)據(jù)倉(cāng)儲(chǔ)的關(guān)鍵。而對(duì)元數(shù)據(jù)清洗是非常不容易的。

（3）系統(tǒng)中心必須對(duì)元數(shù)據(jù)倉(cāng)儲(chǔ)進(jìn)行維護(hù)，保證系統(tǒng)正常運(yùn)行。

5小結(jié)

電子文獻(xiàn)資源整合及共享的目標(biāo)是提高文獻(xiàn)信息資源的可獲知能力和可獲得能力。構(gòu)筑重慶地區(qū)的電子文獻(xiàn)資源的整合與共享體系的根本目的，就是通過(guò)圖書(shū)館協(xié)作的規(guī)模效益來(lái)提高三地區(qū)開(kāi)發(fā)和利用電子文獻(xiàn)信息資源的綜合能力，提高電子文獻(xiàn)資源的可獲知能力和可獲得能力[7]。

參考文獻(xiàn)

[1]張建中，陳松喬，方正.基于數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘技術(shù)的信息檢索體系[J].高校圖書(shū)館工作，2007，（5）：1-3.

[2]王愛(ài)麗.高校圖書(shū)館數(shù)字資源整合及其實(shí)現(xiàn)[J].江西圖書(shū)館學(xué)刊，2007，（4）：26-28.

[3]王穎霞.論數(shù)字圖書(shū)館的資源整合[J].現(xiàn)代圖書(shū)情報(bào)技術(shù)，2004，（S1）：106-107.

[4]熊擁軍，歐鵬杰.圖書(shū)相關(guān)文獻(xiàn)資源發(fā)現(xiàn)與獲取系統(tǒng)構(gòu)建——基于預(yù)索引元數(shù)據(jù)倉(cāng)儲(chǔ)[J].圖書(shū)情報(bào)知識(shí)，2011，（6）：101-106.

[3]陳良.高校圖書(shū)館數(shù)字資源整合分析[J].河北科技圖苑，2008，（1）：81-83.

[6]袁小一，張建中.檢索代理及其在資源整合中的應(yīng)用[J].圖書(shū)館論壇，2007，（5）：31-33.

[7]劉其云.基于數(shù)字信息資源整合的研究[J].現(xiàn)代情報(bào)，2008，（6）：125-126.

（本文責(zé)任編輯：馬卓）