網(wǎng)絡(luò)級發(fā)現(xiàn)服務(wù)的實(shí)施：實(shí)踐與思考

朱玲　崔海媛　聶華

摘要 近年來，網(wǎng)絡(luò)級發(fā)現(xiàn)服務(wù)在圖書館業(yè)界迅速興起。方案選定之后如何實(shí)施，就成為發(fā)現(xiàn)服務(wù)從評估走向應(yīng)用、從產(chǎn)品推向服務(wù)的關(guān)鍵。文章以“未名學(xué)術(shù)搜索”的實(shí)踐為基礎(chǔ)，介紹了網(wǎng)絡(luò)級發(fā)現(xiàn)服務(wù)在北大圖書館的實(shí)施背景、目標(biāo)和組織方式及以下實(shí)施要點(diǎn)：本地館藏的映射與同步，商業(yè)電子資源的訂購與配置，檢索機(jī)制的優(yōu)化，界面和檢索框架的客制化，系統(tǒng)發(fā)布與服務(wù)。

關(guān)鍵詞 發(fā)現(xiàn)服務(wù) 實(shí)施 未名學(xué)術(shù)搜索

1 引言

網(wǎng)絡(luò)級發(fā)現(xiàn)服務(wù)自問世以來就受到圖書館業(yè)界的強(qiáng)烈關(guān)注，并在全球迅速得到廣泛應(yīng)用。市場上的幾種主流產(chǎn)品分別是：OCLC的WorldCat Lo-cal（2008年正式推出），SerialsSolutions的Sum-mon（2009年7月發(fā)布），Exlibris的Primo Cen-tral（2010年6月正式發(fā)布），EBSCO的EBSCODiscovery Service（EDS）（2010年1月發(fā)布），以及Innovatives的Encore Synergy（2010年4月發(fā)布）。近幾年來，國內(nèi)對幾種主流發(fā)現(xiàn)產(chǎn)品和方案的考察和評估一直是數(shù)字圖書館領(lǐng)域的研究熱點(diǎn)，但對于其具體實(shí)施過程未有專門論述。2011年6月，北大圖書館在引進(jìn)美國SerialsSolut-ions公司發(fā)現(xiàn)服務(wù)方案所含產(chǎn)品（Summon，360Link，Knowledgeworks）后隨即啟動實(shí)施工作，主要任務(wù)包括：資源的全面整合、檢索機(jī)制的優(yōu)化、界面的客制化、上線籌備等。經(jīng)過實(shí)施小組的通力協(xié)作和緊張籌備，“未名學(xué)術(shù)搜索”在同年11月順利向讀者推出，標(biāo)志著發(fā)現(xiàn)服務(wù)在北大圖書館率先進(jìn)入應(yīng)用階段。本文以上述實(shí)踐為基礎(chǔ)，詳細(xì)介紹和探討了發(fā)現(xiàn)服務(wù)在北大圖書館的實(shí)施細(xì)節(jié)，包括背景、目標(biāo)、組織方式和要點(diǎn)。

2 背景與思路

2.1 背景

2011年6月，北大圖書館與美國SerialsSolut-ions公司正式簽訂了購買該公司發(fā)現(xiàn)服務(wù)方案所含產(chǎn)品的合同，成為網(wǎng)絡(luò)級發(fā)現(xiàn)服務(wù)Summon在中國大陸地區(qū)的第一家用戶。盡管此前在發(fā)現(xiàn)服務(wù)的評估和試用中已經(jīng)積累了一定的經(jīng)驗(yàn)和團(tuán)隊(duì)基礎(chǔ)，Summon在北大圖書館正式應(yīng)用之前依然面臨著不少挑戰(zhàn)，如：系統(tǒng)首次全面處理CNMARC記錄、多種個性化的中文數(shù)字特藏；電子資源知識庫中首次引入和配置中文數(shù)據(jù)庫；系統(tǒng)首次推出中文檢索功能；SaaS模式的產(chǎn)品實(shí)施在本館還未有成熟經(jīng)驗(yàn)；與廠商支持團(tuán)隊(duì)的合作受到語言和遠(yuǎn)程交流的局限等。

2.2 系統(tǒng)架構(gòu)特點(diǎn)

發(fā)現(xiàn)服務(wù)從系統(tǒng)架構(gòu)上可以分為兩種類型：（1）單一型（單純基于中心索引/元數(shù)據(jù)倉儲技術(shù)），（2）混合型（基于中心索引+本地索引，元數(shù)據(jù)倉儲技術(shù)+元搜索技術(shù)），兩種類型的特點(diǎn)對比如圖1所示。

Summon在系統(tǒng)架構(gòu)上屬于單一型。從用戶體驗(yàn)的角度看：基于標(biāo)準(zhǔn)化的中心索引，用戶可以得到更為快速的檢索反饋和更加規(guī)范清晰的相關(guān)度排序；采用SaaS模式，用戶可以從系統(tǒng)靈活的功能更新和短至2～3周的版本升級中獲益，率先體會發(fā)現(xiàn)服務(wù)領(lǐng)域新技術(shù)在系統(tǒng)中的應(yīng)用。從后臺實(shí)施的角度看：單一型架構(gòu)減少了本地硬件設(shè)施投入和后期維護(hù)負(fù)擔(dān)，但也造成了對廠商支持力度和網(wǎng)絡(luò)環(huán)境的依賴加強(qiáng)，系統(tǒng)對接的調(diào)試難度加大，知識庫的配置精度要求提高，在實(shí)施計劃、人員協(xié)作、工作質(zhì)量和進(jìn)度控制上都對實(shí)施團(tuán)隊(duì)提出了更高的要求。

2.3 實(shí)施目標(biāo)與內(nèi)容

在分析本館資源情況和調(diào)研讀者需求的基礎(chǔ)上，北大圖書館將發(fā)現(xiàn)服務(wù)的實(shí)施目標(biāo)概括為：對北大圖書館所藏/所建/所購的全部學(xué)術(shù)資源進(jìn)行元數(shù)據(jù)級的深度整合，構(gòu)建海量、高質(zhì)、標(biāo)準(zhǔn)化的元數(shù)據(jù)中心索引，通過功能強(qiáng)大的搜索引擎以及與讀者熟悉的網(wǎng)絡(luò)服務(wù)相比擬的界面體驗(yàn)，向讀者提供統(tǒng)一、快速的搜索服務(wù)。在搜索結(jié)果鏈接中，分層次地嵌入圖書館相關(guān)系統(tǒng)命中該條資源的全文鏈接、信息頁、系統(tǒng)入口或服務(wù)申請人口，帶動讀者對圖書館現(xiàn)有系統(tǒng)和服務(wù)更好的了解和實(shí)踐，以此增進(jìn)讀者對本館學(xué)術(shù)資源類型、形態(tài)、獲取方式的理解和把握能力，促進(jìn)讀者綜合信息素養(yǎng)的提升，并提高圖書館學(xué)術(shù)資源的有效使用率。在實(shí)施過程中，重新梳理所涉及資源的管理方式，借機(jī)清理數(shù)據(jù)中的遺留問題，力爭促進(jìn)業(yè)務(wù)流程和分工的優(yōu)化與合理調(diào)整。對SaaS模式的產(chǎn)品實(shí)施和服務(wù)應(yīng)用進(jìn)行有益的嘗試和探索，為今后的系統(tǒng)選型和實(shí)施積累經(jīng)驗(yàn)。

實(shí)施內(nèi)容主要包括：本地館藏的映射與同步，商業(yè)電子資源的訂購與配置，檢索機(jī)制的優(yōu)化，界面和檢索框架的客制化，系統(tǒng)發(fā)布與服務(wù)。

2.4 組織與實(shí)施方式

在前期多部門共同參與發(fā)現(xiàn)服務(wù)試用和評估的基礎(chǔ)上，北大圖書館針對實(shí)施工作成立了專門的項(xiàng)目小組，抽調(diào)多部門的骨干館員共同參與，在資源映射與配置、系統(tǒng)數(shù)據(jù)與檢索功能、界面框架與發(fā)現(xiàn)體系、讀者需求與反饋等方面各有分工并密切配合。同時，在“圖書館主導(dǎo)實(shí)施方案和計劃，廠商提供技術(shù)支持和人員嵌入”的原則下，實(shí)施小組與廠商共同制定了實(shí)施計劃，協(xié)調(diào)人員安排和進(jìn)度。與以往引入的系統(tǒng)有所不同，發(fā)現(xiàn)服務(wù)廠商的支持團(tuán)隊(duì)分散于國內(nèi)外的幾個服務(wù)中心，因此，除郵件之外，雙方還大量、頻繁地使用了網(wǎng)絡(luò)視頻會議作為越洋溝通的主要方式。同時，由于上述方式在語言差異、上下文語義、即時反應(yīng)上存在較大的局限性，實(shí)施小組在重/難點(diǎn)問題的討論上，依然堅持與廠商的核心支持團(tuán)隊(duì)召開直接的面對面會談。充分依托高校圖書館的人文環(huán)境，圖書館還邀請到了北大計算語言學(xué)研究所、北大信息科學(xué)技術(shù)學(xué)院網(wǎng)絡(luò)與信息系統(tǒng)研究所的師生來館交流學(xué)習(xí)，在自然語言處理、搜索技術(shù)和策略等問題上進(jìn)行了深入探討。

3 實(shí)踐與思考

3.1 資源的全面整合

發(fā)現(xiàn)服務(wù)的核心是格式統(tǒng)一、結(jié)構(gòu)清晰、內(nèi)容全面的元數(shù)據(jù)中心索引和基于標(biāo)準(zhǔn)化索引的快速檢索。相應(yīng)地，實(shí)施過程的核心任務(wù)是將圖書館所藏/所建/所購的全部資源通過一系列的處理步驟全部納入該中心索引，并以此為基礎(chǔ)提供強(qiáng)大的搜索和鏈接功能。endprint

資源整合的總體框架如圖2所示，整合工作可劃分為本地資源和商業(yè)電子資源兩部分：（1）本地資源：館藏書目/數(shù)字特藏元數(shù)據(jù)的抽取、映射、收割、導(dǎo)人中心索引（用于Summon中本地資源的搜索、揭示和鏈接），（2）商業(yè)電子資源：本館所購電子資源在統(tǒng)一電子資源知識庫Knowledgeworks中的匹配、狀態(tài)訂閱和自有數(shù)據(jù)建設(shè)（用于Summon中電子資源的搜索范圍設(shè)定和360Link中的全文鏈接）。

3.2 本地館藏的映射與同步

北大圖書館的本地館藏資源豐富、類型多樣、特色鮮明，數(shù)據(jù)基本情況如表1所示。

本地館藏的處理可分為數(shù)據(jù)準(zhǔn)備，數(shù)據(jù)映射與導(dǎo)入以及數(shù)據(jù)同步三個主要步驟。

數(shù)據(jù)準(zhǔn)備：包括元數(shù)據(jù)的導(dǎo)出和清理。導(dǎo)出時，需在系統(tǒng)支持的范圍內(nèi)，盡量選擇便于處理的格式（優(yōu)先順序?yàn)镸ARC、XML、其它），盡量選擇國際通行的字符編碼（但個別特藏除外），并注意數(shù)據(jù)的狀態(tài)（是否刪除、是否屏蔽等）。導(dǎo)出后需仔細(xì)核對數(shù)目和完整性，并整理每種數(shù)據(jù)類型的元數(shù)據(jù)字段說明表。

數(shù)據(jù)映射與導(dǎo)入：為了使這些數(shù)據(jù)在Summon中被正確地索引和揭示，需要將各個本地系統(tǒng)的各個元數(shù)據(jù)字段通過一個標(biāo)準(zhǔn)化的提取規(guī)則存入中心索引中相應(yīng)的標(biāo)準(zhǔn)字段，這個標(biāo)準(zhǔn)化規(guī)則即為從該本地數(shù)據(jù)到中心索引的映射。完成映射后，即可按照此規(guī)則進(jìn)行數(shù)據(jù)導(dǎo)入和揭示。實(shí)施小組首先針對北大館的多個本地館藏確定了“由通及變”的處理順序，即先從有成熟經(jīng)驗(yàn)可借鑒的USMARC書目記錄著手，再到初次處理但結(jié)構(gòu)相似的CNMARC書目記錄，最后到更加個性化、多樣化的特藏數(shù)據(jù)。對每一種數(shù)據(jù)類型，充分發(fā)揮小組成員各自的經(jīng)驗(yàn)與優(yōu)勢，先由最熟悉該種數(shù)據(jù)的編目館員通過兩種數(shù)據(jù)的字段對照、存疑假定等填寫完成初始映射表，冉由所有成員從不同的角度進(jìn)行細(xì)致、全面的測試和調(diào)整，步驟為：映射→數(shù)據(jù)導(dǎo)入→測試→反饋→映射修正→數(shù)據(jù)再導(dǎo)人，如此往復(fù)若干次直至檢驗(yàn)結(jié)果完全滿意。為了最大程度地保證映射的全面和準(zhǔn)確，測試對象既有從館員角度挑選的典型測例，也覆蓋了從讀者角度隨機(jī)抽取的大量記錄。例如，書目記錄測試中的典型測例包括：各種內(nèi)容類型的記錄，各種語種的記錄，各個分館的記錄，各個時間段的記錄，以及一些較復(fù)雜較特殊的字段（例如，需要先進(jìn)行指示符判斷的字段/多層次字段等）。對測試中發(fā)現(xiàn)的問題，編目館員、小組其他成員、以及公司的編目專員共同進(jìn)行了分析和處理。書目記錄遇到的主要問題有：顯示字段映射不準(zhǔn)確（不顯示/顯示不對或不全/相似字段混淆/顯示格式不當(dāng)），索引字段映射不準(zhǔn)確，提取程序處理不當(dāng)，標(biāo)識字段格式不規(guī)范等。相應(yīng)的處理方法為修正映射，修正程序，調(diào)整數(shù)據(jù)格式的識別方式等。對數(shù)字特藏，問題則集中在不能嚴(yán)格匹配的個性化字段如何變通處理，例如，多媒體數(shù)據(jù)的責(zé)任者類型繁多（導(dǎo)演/演員/演講者/編劇/作曲/編曲/演奏/演唱……），最終都統(tǒng)一作為著者字段映射和揭示；北大名師的元數(shù)據(jù)本質(zhì)上是以人物為核心的復(fù)合型數(shù)據(jù)，但在系統(tǒng)內(nèi)容類型不支持的情況下，最終取其人物介紹的類型映射到“文章”。

數(shù)據(jù)同步：數(shù)據(jù)同步是保障Summon中檢索內(nèi)容時效性的關(guān)鍵環(huán)節(jié)，包括基本信息和實(shí)時狀態(tài)的同步。（1）基本信息的同步：理想情況下Summon中的數(shù)據(jù)基本信息應(yīng)隨原系統(tǒng)數(shù)據(jù)的變化而立即更新，但實(shí)踐中通常隨系統(tǒng)支持情況和自身更新頻率采取彈性策略。例如：北大圖書館的ILS系統(tǒng)自身的更新頻率較高，策略為自動日更新；學(xué)位論文一般隨著每年學(xué)生畢業(yè)進(jìn)行數(shù)據(jù)更新，策略為手動年更新；電子書和大部分特藏數(shù)據(jù)的更新具有批量性和項(xiàng)目階段性，策略為緊隨原系統(tǒng)作不定期更新。更新方式主要為ftp自動或手動上傳。測試中也考慮過通過OAI-PMH協(xié)議自動收割，其優(yōu)點(diǎn)是自動化和時效性更高。但由于支持該協(xié)議的系統(tǒng)本身的更新頻率較低，且收割范圍和字段在接口中難以準(zhǔn)確界定，最終并未采用。（2）實(shí)時狀態(tài)的同步：基于本地自動化系統(tǒng)的支持情況，實(shí)施中成功實(shí)現(xiàn)了兩種方式：“頁面提取”方式和“Z39.50協(xié)議”方式。但由于本地自動化系統(tǒng)對頁面訪問壓力的承受力較低，而Z39.50協(xié)議接口的響應(yīng)速度較慢，如何穩(wěn)定地實(shí)現(xiàn)實(shí)時狀態(tài)的快速同步仍需結(jié)合ILS系統(tǒng)的具體情況，進(jìn)一步研究探索更優(yōu)方案。

在對本地館藏的導(dǎo)出和處理過程中，北大圖書館擇機(jī)發(fā)現(xiàn)和清理了一批圖書館本地系統(tǒng)數(shù)據(jù)中存在的問題，例如CNMARC的001字段問題，并借此契機(jī)促進(jìn)了書目數(shù)據(jù)的批量修正。另外，小組成員在實(shí)施中還提出了若干難以兩全、未有定論的問題，例如：元數(shù)據(jù)中心索引的標(biāo)準(zhǔn)字段應(yīng)該盡量提高包容性（擴(kuò)展、細(xì)化更多的字段）還是保持簡潔通用性？分面中記錄的劃分應(yīng)該盡量滿足細(xì)分性還是簡潔唯一性？這些問題值得在產(chǎn)品改進(jìn)和應(yīng)用深入的過程中繼續(xù)思考。

3.3 商業(yè)電子資源的訂購與配置

近年來，圖書館一直在大量引進(jìn)國內(nèi)外電子資源。例如，近五年來（2008—2012），北京大學(xué)圖書館在館藏建設(shè)總經(jīng)費(fèi)基本持平的情況下，電子資源經(jīng)費(fèi)平均年增長率達(dá)到12.6%。電子資源數(shù)量眾多、更新迅速、學(xué)術(shù)研究價值巨大，在圖書館資源中占據(jù)了重要的地位，有力地支持了用戶的學(xué)習(xí)和研究需求。以北大圖書館為例，截至2014年6月5日，所購置的中外文數(shù)據(jù)庫中（不包括試用數(shù)據(jù)庫）為活躍狀態(tài)的達(dá)237個，且涵蓋多種資源類型，其中僅覆蓋的電子期刊即達(dá)到近5萬種，所包納的論文篇目更是數(shù)以億計，電子資源基本情況如表2所示。

網(wǎng)絡(luò)級發(fā)現(xiàn)服務(wù)Summon中，對商業(yè)電子資源的訪問和全文獲取鏈接通過對后臺的統(tǒng)一知識庫Knowledgeworks進(jìn)行配置得以實(shí)現(xiàn)。知識庫統(tǒng)一存儲和管理圖書館的電子資源館藏信息（主要為電子刊、電子書、學(xué)位論文等），是電子資源整合服務(wù)最核心的數(shù)據(jù)基礎(chǔ)。

北大圖書館在原有本地導(dǎo)航系統(tǒng)的基礎(chǔ)上，對數(shù)據(jù)庫列表、期刊列表進(jìn)行了仔細(xì)整理，并通過與資源商溝通、索取最新數(shù)據(jù)進(jìn)行了更新，據(jù)此在Knowlegeworks知識庫中進(jìn)行了全面配置。借資源徹底梳理和更新的契機(jī)，北大圖書館還將電子資源的后臺管理和維護(hù)從本地系統(tǒng)遷移到了更加規(guī)范化、標(biāo)準(zhǔn)化的Knowledgeworks知識庫管理端，并對業(yè)務(wù)流程和分工進(jìn)行了優(yōu)化和調(diào)整，以便進(jìn)一步提升管理和服務(wù)水平。endprint

電子資源的配置中，電子刊/電子書全文數(shù)據(jù)庫是最重要的部分，其全面性和精確性直接決定了Summon中檢索結(jié)果的全文鏈接是否完整和準(zhǔn)確。實(shí)施中，首先做數(shù)據(jù)庫層級的配置：基于本館數(shù)據(jù)庫列表中的每一個數(shù)據(jù)庫，在Knowledgeworks知識庫中通過考察關(guān)鍵屬性（平臺商、鏈接站點(diǎn)、包含的資源集等）進(jìn)行最優(yōu)匹配，并對其詳細(xì)信息（描述信息、關(guān)聯(lián)信息、權(quán)限賬號信息、可見性信息等）進(jìn)行精確設(shè)置或修改。這之后，再進(jìn)行期刊層級的配置：若數(shù)據(jù)庫為整庫購買，全部訂閱即可；若數(shù)據(jù)庫為部分購買，則需將本地電子刊/電子書列表與選中標(biāo)準(zhǔn)庫中的列表通過唯一標(biāo)識符（一般為ISSN或ISBN）進(jìn)行自動匹配，并個性化設(shè)置匹配成功記錄的訂閱年限等狀態(tài)信息，再人工處理匹配失敗的少數(shù)記錄（原因包括：數(shù)據(jù)庫確未覆蓋，記錄標(biāo)識信息缺失，記錄標(biāo)識信息有誤或有變動）。對極少數(shù)人工依然無法識別的記錄，還需要與公司電子資源專員和數(shù)據(jù)庫商進(jìn)行多方討論和求證，盡量提高覆蓋率。由于同一條電子刊/電子書記錄可能被多個數(shù)據(jù)庫或多個鏡像站覆蓋，所以，將所有數(shù)據(jù)庫及其鏡像站配置完成后，還需總覽全局，對數(shù)據(jù)庫之間以及鏡像站之間進(jìn)行優(yōu)先級排序。對英文數(shù)據(jù)庫來說，在配置中最常見的問題是匹配發(fā)生歧義和多鏡像站并存時如何全面配置。對于前者，解決方法為根據(jù)情況靈活地拆分訂閱，必要時進(jìn)行單刊補(bǔ)充；對于后者，需要全面訂閱本館有訪問權(quán)限的鏡像站，對標(biāo)準(zhǔn)庫不含的中國鏡像站，要盡快補(bǔ)充建立。對中文數(shù)據(jù)庫來說，實(shí)施時知識庫中覆蓋率幾乎為零。為了保證發(fā)現(xiàn)服務(wù)中文資源也能盡快推出，北大館根據(jù)自己的訂購情況，詳細(xì)梳理了中文電子刊數(shù)據(jù)庫（例如：CNKI，維普，萬方）和中文電子書數(shù)據(jù)庫（例如：超星電子書，方正電子書）的資源列表，并據(jù)此快速新建了北大館專用知識庫。同時，在推動SerialsSolut-ions公司與中文電子資源商合作不斷加強(qiáng)、知識庫中中文標(biāo)準(zhǔn)庫不斷增加的過程中，將北大專用庫逐步過渡到標(biāo)準(zhǔn)庫。

除了全文電子刊/電子書資源外，北大館訂購的商業(yè)數(shù)據(jù)庫覆蓋的類型還包括：二次文獻(xiàn)、學(xué)位論文、報紙、事實(shí)、資訊、百科全書、法律法規(guī)等。對于這些庫，一般只做數(shù)據(jù)庫層級的訂閱，并將其中的篇目級內(nèi)容在Summon中賦予訪問權(quán)限即可。

由于商業(yè)電子資源的數(shù)量龐大，并且其狀態(tài)、年限等可能由于各種因素而發(fā)生變動，在實(shí)踐中達(dá)到配置和訂閱的絕對精確是非常困難的。因此，在實(shí)施完成之后，還需要持續(xù)追蹤數(shù)據(jù)庫的更新，并且重視讀者使用反饋的收集和響應(yīng)，據(jù)此及時地對知識庫進(jìn)行動態(tài)維護(hù)和調(diào)整。

完成電子資源的訂購和配置后，北大圖書館還基于電子資源知識庫Knowledgeworks開發(fā)和推出了新的數(shù)據(jù)庫導(dǎo)航和電子期刊導(dǎo)航系統(tǒng)，在110周年館慶之際（1902-2012）與新的圖書館門戶系統(tǒng)同期發(fā)布。

3.4 檢索機(jī)制的優(yōu)化

對于借鑒網(wǎng)絡(luò)搜索引擎的技術(shù)框架，基于海量元數(shù)據(jù)倉儲技術(shù)的網(wǎng)絡(luò)級發(fā)現(xiàn)服務(wù)，衡量其檢索效果的核心指標(biāo)與網(wǎng)絡(luò)搜索引擎相似，分別為召回率（又稱查全率），精度（又稱查準(zhǔn)率），以及在系統(tǒng)返回的全部相關(guān)文檔集合上進(jìn)行的更為精細(xì)的相關(guān)度得分計算和排序。相應(yīng)地，在檢索機(jī)制的優(yōu)化中，北大圖書館將這三個指標(biāo)列為重點(diǎn)考量的因素。在大規(guī)模數(shù)據(jù)集合中，召回率和精度這兩個指標(biāo)是相互制約的，需要尋求一個平衡點(diǎn)。對于學(xué)術(shù)性的資源檢索系統(tǒng)，高質(zhì)量的數(shù)據(jù)和可靠的召回率至關(guān)重要。因此，北大圖書館在改進(jìn)中文檢索機(jī)制時的指導(dǎo)思路是：確保高的召回率，在兼顧較高精度的同時，通過相關(guān)度排序幫助用戶在結(jié)果前列快速查找信息。實(shí)施小組對檢索機(jī)制進(jìn)行了深入的調(diào)查和研究，并通過大量實(shí)例評測了檢索效果，提出了建議的改進(jìn)方案。在此基礎(chǔ)上，與公司負(fù)責(zé)中文檢索的工程師進(jìn)行了多次集中研討，根據(jù)評測結(jié)果分析問題實(shí)質(zhì)并提出解決方法，最終有效地推動公司在隨后的幾次升級版本中逐步實(shí)現(xiàn)相應(yīng)的改進(jìn)。

3.4.1 相關(guān)度排序的優(yōu)化

Summon的相關(guān)度排序因子包括兩方面：動態(tài)因子（詞頻、字段、鄰接度等），靜態(tài)因子（內(nèi)容類型，時間等），具體算法則基于統(tǒng)計模型。實(shí)施小組從用戶角度對系統(tǒng)相關(guān)度排序效果進(jìn)行了評測，評測結(jié)果可分為兩類：

一、取得一致的改進(jìn)意見。例如：標(biāo)題匹配的記錄應(yīng)該更加提前，完全逐字匹配的記錄應(yīng)該更加提前，中文記錄的排序應(yīng)該考慮語序因素等。相應(yīng)地，實(shí)施中根據(jù)測試反饋對相關(guān)度排序進(jìn)行了優(yōu)化：1.微調(diào)個別字段權(quán)重。對標(biāo)題字段權(quán)重在可允范圍內(nèi)適當(dāng)加大。2.對完全匹配記錄給予獎勵權(quán)重。對符合與輸入字串完全逐字匹配，甚至整個字段完全匹配的記錄給予獎勵權(quán)重。3.根據(jù)中文特點(diǎn)引入語序獎勵權(quán)重。同等條件下當(dāng)記錄中詞串語序與輸入語序相同時該條記錄提前。

二、有爭議的改進(jìn)意見。例如：1.內(nèi)容類型的權(quán)重調(diào)整。有的意見認(rèn)為紙本書目代表圖書館館藏的優(yōu)勢和特點(diǎn)，應(yīng)該給予盡量提前；有的意見認(rèn)為期刊論文的時效性、學(xué)術(shù)性較高，應(yīng)該盡量給予提前；還有的意見認(rèn)為數(shù)字特藏最能突出本館特色，應(yīng)該盡量給予提前。2.中外文記錄的混排。有的意見認(rèn)為應(yīng)該將與用戶使用界面語種相同的記錄提前，或?qū)⑴c用戶輸入檢索詞語種相同的記錄提前，另外的意見則認(rèn)為當(dāng)用戶使用某語種界面或使用某語種輸入時，對記錄的語種屬性并無明確期待。對這類評測意見，實(shí)施中則保持原狀，未做調(diào)整。但是，對于面向多種類型和多語種資源的發(fā)現(xiàn)服務(wù)，如何在繁多資源類型和不同語種之間進(jìn)行權(quán)衡和平衡，是個無法回避的問題，有待進(jìn)一步研討。

3.4.2 中文檢索相關(guān)

提高中文分詞的精度和系統(tǒng)對分詞歧義的容錯性：中文分詞技術(shù)是所有中文信息處理步驟的基礎(chǔ)，分詞結(jié)果的好壞對中文檢索系統(tǒng)的三個核心指標(biāo)都有影響。北大圖書館通過分詞評測（SigHan標(biāo)準(zhǔn)）和檢索測試，對系統(tǒng)中原來存在的主要分詞問題進(jìn)行了診斷和改進(jìn)。1.人名和新詞識別率較低，往往被切分為單字，導(dǎo)致檢索返回大量不相關(guān)結(jié)果。針對這一問題，分詞系統(tǒng)引入后處理模塊和專用詞典（該詞典覆蓋了系統(tǒng)元數(shù)據(jù)作者字段中抽取的高頻人名、機(jī)構(gòu)名等，并利用其它數(shù)據(jù)源進(jìn)行了大量補(bǔ)充），對分詞后不能有效識別的字詞碎片，與專用詞典進(jìn)行匹配和二次識別。這種方式在基本不影響召回率的前提下，有效提高了檢索精度。2.分詞歧義（此處特指真歧義）的存在，對召回率和精度都造成了不利影響。針對這一問題，在索引中對典型切分歧義保留了多重分詞路徑，使得這些記錄不再因?yàn)榍蟹制缌x而被漏檢，在存在歧義的情況下提高了系統(tǒng)召回率。需要說明的是，這種方式對精度有一定的放寬，但通過在相關(guān)度排序中計入不同分詞路徑的權(quán)重，對用戶體驗(yàn)的影響并不大。endprint

優(yōu)化中文作者字段的查詢策略：對未指定字段的檢索輸入，系統(tǒng)同等地將其解析為對每個字段的查詢表達(dá)式并分別執(zhí)行，再將查詢結(jié)果合并，并按相關(guān)度排序。由于中文人名基本不具有變異寫法，往往只有嚴(yán)格匹配時才具有檢索意義。因此，優(yōu)化中將作者字段的查詢表達(dá)式作了更嚴(yán)格的限定，使大量不相關(guān)記錄被濾除，在基本不影響召回率的前提下提高了精度。

3.5 界面和檢索框架的客制化

對于發(fā)現(xiàn)服務(wù)而言，界面和檢索框架意味著從資源發(fā)現(xiàn)到資源獲取的完整的探索體系。北大圖書館立足于用戶需求的求證來指導(dǎo)客制化，以“簡潔、明晰”為主要定位，最大程度地契合網(wǎng)絡(luò)環(huán)境下的用戶習(xí)慣，同時也通過“鏈接解析”和“接口嵌入”引導(dǎo)讀者更準(zhǔn)確地獲取資源，更好地了解和使用圖書館現(xiàn)有資源系統(tǒng)，更加熟悉圖書館資源的類型、形態(tài)、獲取方式，幫助讀者準(zhǔn)確檢索、深入挖掘所需的信息，并能結(jié)合各種手段和資源獲取資源。

在資源發(fā)現(xiàn)過程中，讀者通過檢索界面輸入關(guān)鍵詞，并借助相關(guān)度排序和分面導(dǎo)航等功能探索和發(fā)掘感興趣的記錄。北大圖書館在系統(tǒng)上線前進(jìn)行了試用、用戶問卷調(diào)查和后臺日志分析，為這部分功能客制化提供依據(jù)。例如，根據(jù)用戶調(diào)查結(jié)果中更多用戶傾向于直接檢索而非先選擇檢索范圍，系統(tǒng)采用類似Google的單一檢索框，略去了帶有圖書館傳統(tǒng)檢索痕跡的資源集合的劃分；根據(jù)日志分析結(jié)果中分面按照點(diǎn)擊率的排序，將“內(nèi)容類型”和“主題”置于最靠前的位置；根據(jù)用戶調(diào)查結(jié)果，希望提高中文檢索的準(zhǔn)確性和相關(guān)性，系統(tǒng)著重針對中文檢索進(jìn)行了優(yōu)化。

對檢索返回的每條記錄，系統(tǒng)分層次地嵌入圖書館相關(guān)系統(tǒng)命中該條資源的全文鏈接、信息頁、系統(tǒng)入口或服務(wù)申請入口。第一層：標(biāo)題鏈接直達(dá)書刊紙本獲取頁/多媒體點(diǎn)播頁/電子資源全文獲取頁。第二層：“更多獲取途徑”根據(jù)對資源的全面解析列出所有可能的選項(xiàng)：（1）開放鏈接服務(wù)器360Link通過對資源信息與KnowledgeWorks知識庫中電子資源館藏的匹配和計算，列出覆蓋該條資源的所有數(shù)據(jù)庫、數(shù)據(jù)庫中的篇目全文鏈接和電子書/刊目錄頁鏈接。當(dāng)存在多個數(shù)據(jù)庫/鏡像站時，按照KnowledgeWorks中設(shè)定的優(yōu)先級進(jìn)行排序。全文鏈接的解析主要依賴于OpenURL規(guī)范，對個別還未遵守此規(guī)范的數(shù)據(jù)庫（例如CNKI），北大館另外進(jìn)行了特殊拼接，以保證讀者能夠“透明”地使用。（2）北大館常用資源系統(tǒng)中該條資源的檢索入口：包括館藏書目OPAC系統(tǒng)、Google學(xué)術(shù)搜索、CALLS聯(lián)合目錄等。（3）相關(guān)服務(wù)的申請入口：包括館際互借和圖書館咨詢等。

3.6 發(fā)布與服務(wù)

在完成了系統(tǒng)準(zhǔn)備（檢索接口嵌入門戶、界面調(diào)整、用戶測試、壓力測試），宣傳與推廣準(zhǔn)備（個性化命名、宣傳海報、系統(tǒng)介紹、發(fā)布通知）和人員準(zhǔn)備（成立應(yīng)用小組）后，2011年11月7日，“未名學(xué)術(shù)搜索”系統(tǒng)上線，圖書館門戶進(jìn)行了切換，同時上線通知在圖書館門戶、未名BBS和圖書館學(xué)科博客等多處發(fā)布，標(biāo)志著網(wǎng)絡(luò)級發(fā)現(xiàn)服務(wù)在北大圖書館率先進(jìn)入應(yīng)用階段。

服務(wù)推出后，北大圖書館多渠道收集和深入分析讀者反饋，并優(yōu)化應(yīng)用小組的協(xié)作機(jī)制，以此推動網(wǎng)絡(luò)級發(fā)現(xiàn)服務(wù)在北大的應(yīng)用不斷深入：（1）集中性的問卷調(diào)查：2012年4月，進(jìn)行“未名學(xué)術(shù)搜索”使用效果問卷調(diào)查，共回收問卷381份。問卷覆蓋了系統(tǒng)宣傳、訪問速度、檢索效果、全文獲取、界面功能以及文獻(xiàn)題錄導(dǎo)出等。結(jié)果表明系統(tǒng)得到了絕大部分讀者的認(rèn)可和嘉許，尤其是豐富的學(xué)術(shù)資源，便捷的一站式檢索和清晰的相關(guān)度排序，快捷的全文獲取/文獻(xiàn)題錄導(dǎo)出功能等。同時，調(diào)查也反映了讀者對系統(tǒng)依然持有更高的期望，例如：更快的訪問速度，更全面、準(zhǔn)確的檢索效果等。（2）隨時提供通暢的反饋渠道：讀者直接發(fā)送郵件，或在系統(tǒng)內(nèi)部填寫界面右上角的“反饋”即可將問題提交給pkusum-mon郵件列表中的所有應(yīng)用小組成員。如果讀者通過電話或BBS反饋，通常也能在第一時間由值班的咨詢館員轉(zhuǎn)接/轉(zhuǎn)發(fā)給小組成員。（3）優(yōu)化應(yīng)用小組的協(xié)作機(jī)制：當(dāng)郵件列表成員同時接收到最新反饋后，由最熟悉情況的小組成員進(jìn)行答復(fù)。這種方式擴(kuò)大了圖書館向讀者開放的服務(wù)面，節(jié)省了問題轉(zhuǎn)發(fā)、轉(zhuǎn)述的中間環(huán)節(jié)，不僅能夠最快地響應(yīng)該讀者反饋的問題，而且所有成員都能實(shí)時跟蹤和更新問題進(jìn)展，提高應(yīng)用小組整體服務(wù)水平。對于疑難問題，更有利于跨部門的問題溝通和協(xié)調(diào)，以及給出更有力的解決措施。

截至目前，系統(tǒng)已經(jīng)穩(wěn)定運(yùn)行兩年，并且得到了廣泛的讀者認(rèn)可，每日的綜合檢索次數(shù)已接近或突破萬次，有力地支持了讀者學(xué)習(xí)和研究過程對高質(zhì)量學(xué)術(shù)資源的搜索和使用需求，提高了北大圖書館的資源使用效率，增強(qiáng)了對教學(xué)科研的資源保障力度。

4 結(jié)語

網(wǎng)絡(luò)級發(fā)現(xiàn)服務(wù)的核心可以歸結(jié)為“數(shù)據(jù)”、“搜索”和“界面”三要素。落到實(shí)施環(huán)節(jié)上：“數(shù)據(jù)”要素側(cè)重于關(guān)注本地資源的映射與同步、商業(yè)電子資源的訂購與配置；“搜索”要素著力于提升系統(tǒng)三大核心檢索指標(biāo)：召回率、精度和相關(guān)度排序；“界面”要素則強(qiáng)調(diào)根據(jù)用戶需求對資源發(fā)現(xiàn)獲取框架進(jìn)行客制化。“未名學(xué)術(shù)搜索”的實(shí)施正是關(guān)注并圍繞上述核心要素而展開。本文以“未名學(xué)術(shù)搜索”的實(shí)踐為基礎(chǔ)，詳細(xì)介紹和探討了網(wǎng)絡(luò)級發(fā)現(xiàn)服務(wù)在北大圖書館的實(shí)施細(xì)節(jié)，并提出了若干在深入應(yīng)用中值得繼續(xù)思考的問題。endprint