新疆少數(shù)民族語言資源數(shù)字化建設與檢索平臺建設研究

●王曙光（新疆維吾爾自治區(qū)圖書館技術部，烏魯木齊830011）

新疆少數(shù)民族語言資源數(shù)字化建設與檢索平臺建設研究

●王曙光（新疆維吾爾自治區(qū)圖書館技術部，烏魯木齊830011）

少數(shù)民族語言資源；檢索平臺；數(shù)字化建設；資源庫建設

新疆少數(shù)民族語言資源豐富，但數(shù)字化仍處于起步階段。文章探討了資源數(shù)字化建設過程中存在的一些問題，使用何種標準開展數(shù)字化建設，同時剖析了資源檢索平臺在新疆維吾爾自治區(qū)圖書館實踐的基礎、主要建設內(nèi)容、功能構(gòu)成以及關鍵技術，以切實保障檢索平臺成功實施。

1 新疆少數(shù)民族語言資源數(shù)字化建設現(xiàn)狀分析

在文獻資源數(shù)字化建設中，少數(shù)民族語言數(shù)字化資源數(shù)量相對匱乏，仍是一片藍海。雖然標準和技術方面已不存在問題，但在少數(shù)民族語言的錄入、顯示、檢索、非圖片索引、拷貝、版權以及平臺對接等方面存在一定的障礙，這種情況在新疆尤為普遍。

其一，為解決好文字編碼問題，教育部、國家語委早在2004年11月發(fā)布了《民族語言文字規(guī)范標準建設與信息化課題指南》，［1］對民族語言文字術語數(shù)據(jù)庫、語料庫、知識庫等資源庫建設給予了重點資助。如今，我國民族文字編碼標準已基本成型，為各民族語言的信息化處理提供了基礎。

其二，經(jīng)調(diào)研發(fā)現(xiàn)，新疆少數(shù)民族文字軟件處理系統(tǒng)主要包括維文、哈文、柯文排版系統(tǒng)，錫伯文、滿文文字處理和印刷系統(tǒng)，阿拉伯文及多文種排版系統(tǒng)以及多語種版本的Windows操作系統(tǒng)，這些軟件已廣泛應用于出版業(yè)，但在電子資源領域仍未涉及。

其三，國內(nèi)外已研發(fā)出圖書館數(shù)字檢索資源平臺，但大多針對大語種的使用，少數(shù)民族語言類的資源庫則是鳳毛麟角，極為少見。這是因為資源的數(shù)字化需要投入大量人力與物力，而少數(shù)民族語言文字電子資源應用范圍較小，且缺乏統(tǒng)一的加工標注規(guī)范，至今未形成一個統(tǒng)一的電子資源檢索加工與發(fā)布的平臺。［2,3］

因此，加強少數(shù)民族語言資源數(shù)字化建設與檢索平臺建設，對于提高少數(shù)民族語言資源共享與處理技術，保護優(yōu)秀而珍貴的少數(shù)民族語言資源，實現(xiàn)信息資源的文化傳承，具有現(xiàn)實意義。國家非常重視這方面的研究與建設工作，2011年，新疆維吾爾自治區(qū)圖書館成功申報了文化部文化科技提升計劃中的少數(shù)民族語言數(shù)字資源建設與檢索平臺［4］項目。希望通過該項目研究，填補圖書館界這一空白，使優(yōu)秀的少數(shù)民族語言資源得到弘揚，維護民族精神，推動新疆各民族的進步，構(gòu)建和諧社會。

2 新疆少數(shù)民族語言資源數(shù)字化建設與標準化建設

2.1 資源數(shù)字化建設

文獻資源的數(shù)字化建設是少數(shù)民族語言資源數(shù)據(jù)庫建設的重要內(nèi)容，具體包括資源的選題、調(diào)查與征集、加工與譯制、審核與發(fā)布等。在數(shù)字化過程中要始終貫徹“藏以致用”和標準化的原則，即以“用”為出發(fā)點、以標準為準繩來建設少數(shù)民族語言資源庫。

在館藏資源數(shù)字化建設中,需要嚴格遵守我國數(shù)字圖書館標準規(guī)范之數(shù)字資源加工標準，對圖書、報刊、圖片、膠片、錄像帶、錄音帶等進行加工。對不同載體形式存貯的民族文獻信息進行數(shù)字化，需要采用不同的數(shù)字轉(zhuǎn)化方式。可以通過掃描將紙質(zhì)文獻以圖像形式存放，并借助OCR識別系統(tǒng)對圖像進行處理，諸如版面分析、縱橫校對、版面還原，再把圖像還原成文字，然后再進行編輯、排版、標引等深加工，以保持少數(shù)民族文獻的原貌風格，真實反映出新疆地方文獻的民族特色。另外，在標引數(shù)據(jù)制作過程中，需要嚴格按照國家有關文獻著錄和標引原則，確立統(tǒng)一的著錄標準、標引方式。

2.2 數(shù)字資源標準化建設

標準規(guī)范是數(shù)字資源庫建設的基石，少數(shù)民族語言數(shù)字資源庫建設首先要建立統(tǒng)一的標準規(guī)范。多年來，我國由于數(shù)字資源庫建設標準不統(tǒng)一，再加上傳統(tǒng)的條塊管理體制，數(shù)據(jù)資源很難形成有效的流通和共享，建成后的數(shù)字資源庫大多處在分散管理、封閉使用狀態(tài)，有悖于新疆少數(shù)民族語言數(shù)字資源庫建設的初衷，也不利于新疆少數(shù)民族語言數(shù)字資源檢索平臺建設。

在數(shù)字資源建設的標準規(guī)范方面，新疆少數(shù)民族語言數(shù)字資源庫建設平臺選用了目前國內(nèi)外主流的建設標準，主要體現(xiàn)在字符編碼、對象標識、數(shù)據(jù)格式、元數(shù)據(jù)、檢索服務、長期保存等方面。

目前，新疆少數(shù)民族文字出版物大多以維、哈、柯等語種為主，這些語種字符在Unicode 4.0版本中都分配有相應的Unicode編碼，它們是計算機處理少數(shù)民族文字信息的前提，也為新疆少數(shù)民族語言數(shù)字資源庫建設奠定了基礎。

3 新疆少數(shù)民族語言數(shù)字資源檢索平臺建設實踐

3.1 實踐基礎

新疆少數(shù)民族語言數(shù)字資源檢索平臺是在新疆維吾爾自治區(qū)圖書館豐富的少數(shù)民族館藏資源的基礎上搭建起來的多語種電子資源加工和發(fā)布的管理平臺。自治區(qū)圖書館現(xiàn)有藏書184萬冊（件），形成了以少數(shù)民族文獻及新疆地方文獻為特色的藏書體系，特別是少數(shù)民族文獻中包含有維吾爾文（老文字、新文字）、哈薩克文、柯爾克孜文、蒙古文、斯拉夫文等，都是新疆維吾爾自治區(qū)圖書館珍貴館藏。自治區(qū)圖書館以此為基礎，建設了《新疆農(nóng)牧區(qū)實用技術資源庫》（維語）、《新農(nóng)村社會主義文明建設資源庫》（維語）、《新疆影視資源庫》（維哈語）、《新疆舞臺藝術資源庫》、《新疆非物質(zhì)文化遺產(chǎn)資源庫》、《新疆少數(shù)民族少兒“雙語”及基礎教育資源庫》（維漢雙語）、《新疆風光資源庫》、《新疆紅色資源庫》等多個資源庫。自治區(qū)圖書館擬通過少數(shù)民族語言數(shù)字資源檢索平臺建設，實現(xiàn)新疆少數(shù)民族語言文獻的加工、錄入、存儲、檢索、管理、發(fā)布與查看等功能。

3.2 主要建設內(nèi)容

新疆少數(shù)民族語言數(shù)字資源檢索平臺主要建設內(nèi)容包括：（1）開放的跨平臺資源加工管理系統(tǒng)；（2）資源的在線全文檢索和閱覽系統(tǒng)；（3）至少三種或以上（包括中文、維文、哈文）的文字錄入系統(tǒng)。

通過該平臺，可以在Ⅰnternet網(wǎng)絡或城域網(wǎng)絡上將少數(shù)民族語言文字電子化、數(shù)字化、網(wǎng)絡化，形成一個立體信息空間，提供民文文獻的錄入、存儲、檢索和查看等功能，提高圖書館資源、人才、財力、技術和服務優(yōu)勢，增強圖書館資源管理的水平和效率以及信息傳遞能力，改善當前少數(shù)民族文獻數(shù)據(jù)庫稀缺的現(xiàn)狀，為圖書館儲備和保存多語種文獻，并滿足不同讀者的需求。

3.3 平臺功能構(gòu)成

新疆少數(shù)民族語言數(shù)字資源檢索平臺采用JAⅤA技術進行開發(fā)設計，符合J2EE標準體系要求，具有高可移植性和可跨平臺性。這是因為J2EE平臺提供了多層的分布式的應用模型、組件再用、一致化的安全模型以及靈活的事務控制，不會被束縛在任何一個廠商的產(chǎn)品和APⅠ上，利用成熟的中間件技術可方便靈活地配置Web應用服務器。圖書館無需采購高性能服務器，無需安裝專用系統(tǒng)軟件，無需專業(yè)的計算機維護人員，大大降低投入成本，為平臺大面積推廣應用提供了可行條件。

平臺采用B/S架構(gòu)，可以運行在業(yè)界任何主流操作系統(tǒng)平臺上。圖書館通過瀏覽器模式，利用該平臺就可以實現(xiàn)少數(shù)民族文獻資源在線檢索和閱覽、資源采集加工以及少數(shù)民族文字錄入等工作。平臺在搭建過程中注重各種格式、多文種文獻資源檢索與閱覽。全部采用圖片格式和國際化編碼標準，從而保證數(shù)字資源多種操作系統(tǒng)下的正確顯示。

平臺采用多層體系結(jié)構(gòu)的模式設計，實現(xiàn)了網(wǎng)絡層、數(shù)據(jù)層、應用層面的互聯(lián)互通和資源共享，并在此基礎上可對海量且種類繁多的信息資源進行科學地收集、篩選、分類、存儲、檢索、及時更新和有效利用，真正發(fā)揮電子化、網(wǎng)絡化優(yōu)勢，最大程度地提高信息資源的利用率。

由于少數(shù)民族文字具有一定的特殊性，例如，維文與中英文的閱讀和書寫方向不一致。因此，少數(shù)民族語種文獻的錄入、檢索和顯示就成為平臺需要解決的重點與難點問題。平臺底層支持Unicode（國際統(tǒng)一字符編碼），可以全面解決多語種錄入問題，允許多語種混排、檢索。

3.4 所采用關鍵技術

為實現(xiàn)上述功能，新疆少數(shù)民族語言數(shù)字資源檢索平臺在建設過程中主要采用了下述關鍵技術。

（1）模型－視圖－控制（MⅤC：Model-Ⅴiew-Controller）。MⅤC是一種交互界面的結(jié)構(gòu)組織模型，可以分離數(shù)據(jù)訪問和數(shù)據(jù)表現(xiàn)。采用該技術可保持交互操作界面相對穩(wěn)定，并能根據(jù)需要改變和調(diào)整顯示內(nèi)容和形式。

（2）三層體系結(jié)構(gòu)。平臺設計了數(shù)據(jù)庫核心層、邏輯業(yè)務層、Web用戶界面層，三層體系結(jié)構(gòu)極大地提高了平臺的伸縮性和安全性。

（3）負載均衡。頻繁的檢索與閱覽將消耗較多的服務器資源，負載均衡將根據(jù)負載情況自動調(diào)整Web服務器負擔，當構(gòu)建多臺Web服務器作為應用服務器時，如其中一臺機器負載過重則會自動把相應的請求轉(zhuǎn)發(fā)到其他機器上去。

（4）B/S體系架構(gòu)。平臺采用XML、XSLT技術，具有良好的可伸縮性，適合以網(wǎng)絡為中心的計算模式和Ⅰnternet應用，用戶只需要瀏覽器連通網(wǎng)絡就可以登錄平臺開展工作。

（5）Java設計與開發(fā)。平臺采用Java設計，可以運行于PC機到小型機等多硬件平臺，同時支持跨操作系統(tǒng)平臺，包括Windows家族、Linux和各種主流的UNⅠX操作系統(tǒng)。

（6）標準的APⅠ接口。平臺采用開放的設計思想，提供標準的APⅠ接口，方便用戶二次開發(fā)。

（7）Unicode（國際統(tǒng)一字符編碼）。平臺最底層支持Unicode，全面解決多語種錄入問題，允許多語種混排、檢索。

［1］關于印發(fā)《民族語言文字規(guī)范標準建設與信息化課題指南》的通知［EB/OL］.［2014－01－09］．http: //www.moe.gov.cn/publicfiles/business/htmlfiles/moe/s235/ 200412/3902.html.

［2］紀照霞，繆建梅.論新疆民族地方文獻的開發(fā)和利用［J］．邊疆經(jīng)濟與文化，2011（2）：59－60.

［3］張次第．少數(shù)民族文獻資源建設研究［J］.中國圖書館學報，2011（5）：115－119.

［4］自治區(qū)圖書館召開“國家文化科技提升計劃項目——少數(shù)民族語言數(shù)字資源建設與檢索平臺”開題報告會［EB/OL］.［2014－01－11］．http://www. xjlib.org/44ebc19e-760b-48f9-83b4-44eb6e134e851. htm l.

G250.74；G253

B

1005－8214（2014）09－0097－02

王曙光（1970－），女，副研究館員，新疆維吾爾自治區(qū)圖書館技術部主任，發(fā)文10余篇，合編出版著作2部。

2014－02－11［責任編輯］王崗