“互聯(lián)網(wǎng)+ ”下圖書館的數(shù)字化建設(shè)

2015年4月18日，中國新聞出版研究院發(fā)布了“第十三次全國國民閱讀調(diào)查”。報告數(shù)據(jù)顯示，2015年我國數(shù)字化閱讀方式的接觸率為64.0%，同比上升了5.9個百分點。數(shù)字閱讀首次明顯超過紙質(zhì)閱讀。其中成年國民網(wǎng)絡(luò)在線閱讀率首次過半，達到51.3%，同比增長1.9%；成年國民手機閱讀率最高，達到60.0%，同比上升高達8.2個百分點，電子閱讀器閱讀、Pad閱讀及光盤閱讀等都呈增長態(tài)勢。

這些說明，隨著移動互聯(lián)網(wǎng)的迅猛發(fā)展、移動智能終端的普及和移動應(yīng)用系統(tǒng)的逐步完善，數(shù)字圖書逐漸深入到人們生活、工作、學習的方方面面。近些年，“互聯(lián)網(wǎng)+”廣泛應(yīng)用在數(shù)字圖書館創(chuàng)新管理與知識服務(wù)方面，這些應(yīng)用的推廣促使數(shù)字閱讀成為一種時尚。

“互聯(lián)網(wǎng)+”是互聯(lián)網(wǎng)發(fā)展的新業(yè)態(tài)，是以云計算、大數(shù)據(jù)、物聯(lián)網(wǎng)等新業(yè)務(wù)、新技術(shù)和新生態(tài)的發(fā)展為基礎(chǔ)。數(shù)字圖書館的發(fā)展也必然受到這些技術(shù)的影響。這些思想、理念和技術(shù)的應(yīng)用都會使圖書館管理與服務(wù)水平有更大的提升。但中小型圖書館由于資金不足、人才缺乏、管理理念和對數(shù)字圖書館認識落后等問題制約了圖書館的數(shù)字化建設(shè)。本文單從技術(shù)角度談一下我國圖書館的數(shù)字化存在的一些問題和對策建議。

一、圖書館數(shù)字化建設(shè)中存在的主要問題

我國圖書館文獻資源數(shù)字化加工已有10多年的歷史，其加工和保存的技術(shù)方法有很多。早期文獻資源數(shù)字化加工以圖像轉(zhuǎn)化為主，在此基礎(chǔ)上我國探索了數(shù)字圖書館資源建設(shè)標準，如中國數(shù)字圖書館標準建設(shè)項目、大學數(shù)字圖書館國際合作計劃。在商業(yè)機構(gòu)中，以同方知網(wǎng)、重慶維普和北京超星等為代表，他們在這方面進行了卓有成效的實踐，各公司又自行研制數(shù)據(jù)加工規(guī)范。文獻資源數(shù)字化加工的局限性隨著文獻資源數(shù)字化應(yīng)用需求的不斷增長，文獻資源類型和數(shù)量發(fā)展迅速。與此同時，圖書館文獻資源數(shù)字化加工存在的問題也就凸現(xiàn)出來。

1、對數(shù)字化的認識不全面。數(shù)字化已在圖書、檔案工作中應(yīng)用了很多年了，中小型圖書館的數(shù)字化多是將紙質(zhì)圖書、報刊掃描產(chǎn)生圖像文檔，這是種以不可編輯的二進制形式存在的文件。從用戶查閱體驗和應(yīng)用角度上看，這種圖像文檔文字既不清晰，也無法編輯，用起來很不方便。從數(shù)字圖書內(nèi)容發(fā)展來看，在學術(shù)出版中圖表、音視頻和需要編輯處理的內(nèi)容明顯增多，這種初級的數(shù)字化對圖書館的數(shù)字化建設(shè)已形成嚴重掣肘。

2、數(shù)字資源的存儲處理方式落后。隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，特別是網(wǎng)格技術(shù)和大數(shù)據(jù)技術(shù)的飛快發(fā)展，使得非結(jié)構(gòu)化數(shù)據(jù)的數(shù)量日趨增大。關(guān)系型數(shù)據(jù)庫是針對結(jié)構(gòu)化數(shù)據(jù)的處理而產(chǎn)生的，無法很好地滿足現(xiàn)在網(wǎng)絡(luò)環(huán)境下對于非結(jié)構(gòu)化數(shù)據(jù)的處理要求。中小型圖書館現(xiàn)存的全文文本、圖像、聲音、影視、超媒體等多種格式的資源，這些非結(jié)構(gòu)化資源的存儲，使得原有的資源無法得到有效的管理。中小型圖書館目前大多數(shù)應(yīng)用系統(tǒng)中的非結(jié)構(gòu)化數(shù)據(jù)都是以二進制的格式存儲在關(guān)系型數(shù)據(jù)庫的BLOB或CLOB字段中或者數(shù)據(jù)庫中取文件目錄而文件保存到一個專門的路徑的方式，而這幾種存儲使得數(shù)據(jù)無法全文檢索，并且隨著處理數(shù)據(jù)量的迅速擴大致使讀者在查閱數(shù)字資源時等待時間變長，極大地降低了用戶體驗。

3、數(shù)字資源分散獨立。不同地區(qū)有不同的地域文化，這是獨一無二的，有些是不可復制的，幾乎所有的圖書館都有自己的特有文化和特色文獻資源，比如“地方文獻數(shù)據(jù)庫”、“地方文化數(shù)據(jù)庫”、“專題特色數(shù)據(jù)庫”等。各種文獻資源以各種載體形式分散于各個不同的圖書館中，這種不可共享的人無我有的壟斷性信息資源庫造成讀者使用困難。

4、數(shù)字資源同質(zhì)化嚴重。在圖書館對文獻資源建設(shè)經(jīng)費、專款不足等難題和在文獻資源共建共享的過程中權(quán)威圖書情報機構(gòu)資源霸權(quán)日益擴張的雙重作用下，特別是基層中小圖書館的話語權(quán)在相當程度上被剝奪，其數(shù)字資源的建設(shè)往往盲從或不得不追隨權(quán)威機構(gòu)的指向，造成圖書館對數(shù)字資源的依賴性正日益加大。而各數(shù)據(jù)庫出版商單純地考慮自身利益，采取捆綁訂購和打包訂購的方法，將海量的文獻資源以“庫”為單位推向圖書館，這些資源流于一般化，趨于同質(zhì)化且良莠不齊，甚者有錯誤。

5、數(shù)字資源利用率低。圖書館由于館藏書目數(shù)據(jù)庫、網(wǎng)絡(luò)數(shù)字資源、全文的電子版書、期刊數(shù)據(jù)庫、自建的特色數(shù)據(jù)庫等因其類型多樣、結(jié)構(gòu)復雜、缺少鏈接關(guān)系，致使用戶難以“一站式”檢索獲取，導致讀者查找信息時，極大地浪費了檢索時間。與此同時，讀者害怕在檢索時漏檢，將擴大檢索范圍，但相關(guān)信息太多，需要一一閱讀后取舍。

二、“互聯(lián)網(wǎng)+”下圖書館的數(shù)字化建設(shè)

所謂“互聯(lián)網(wǎng)+”，除了表示數(shù)據(jù)量大、范圍廣、開放、可以跨界融合，更關(guān)鍵的是強調(diào)一種新的數(shù)據(jù)處理和應(yīng)用。圖書館學本身就是一門綜合性的應(yīng)用型學科，圖書館更是學科、專業(yè)、行業(yè)和領(lǐng)域交叉現(xiàn)象最頻繁的環(huán)境之一。因此，圖書館理應(yīng)走在“互聯(lián)網(wǎng)+”的理論和應(yīng)用研究的前列。

理解數(shù)字圖書館“互聯(lián)網(wǎng)+”，一定要掌握數(shù)字圖書館、用戶及二者之間的“連接”關(guān)系，數(shù)字圖書館若要想進行長遠的發(fā)展，就必須獲得用戶的支持和使用。只有將徹底的數(shù)字化資源“云計算”、知識化，提高圖書館自身的被使用價值，證明自己的價值，創(chuàng)造更大的價值。

1、數(shù)據(jù)化文件建設(shè)。數(shù)據(jù)化的單位是字節(jié)（byte）、字（word）。數(shù)據(jù)化文件是以字符、符號、詞、短語、段落、句子、表格或其他字符或圖形排列形成的有序數(shù)據(jù)，用于表達意義，其解釋基本上取決于讀者對于某種自然語言或者人工語言的認識。數(shù)據(jù)化文件是數(shù)字圖書館資源建設(shè)中最主要、基礎(chǔ)的資源類型，也是搭建“互聯(lián)網(wǎng)+”數(shù)字圖書館基礎(chǔ)，對數(shù)字圖書二次開發(fā)很大的利用具有很大的利用價值。下面兩種技術(shù)可以將圖書館的資源由紙質(zhì)文獻資源、視音頻等資源進行數(shù)字化。

光學字符識別（OCR 即Optical Character Recognition），也可簡稱作文字識別，實際上是讓計算機認字，是一種將紙質(zhì)印刷文字轉(zhuǎn)換成文本文字的方法。文字識別技術(shù)就是利用計算機自動獲得電子掃描表格或圖像中的數(shù)據(jù)區(qū)域后進行OCR處理，然后快速準確地完成批量數(shù)據(jù)的錄入和數(shù)據(jù)化，為后續(xù)查詢、存儲和發(fā)布等提供條件。

自動語音識別（ASR 即Auto Speech Recognize），就是讓計算機通過識別和理解過程把人類的語音信號轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令的技術(shù)，可以將音視頻文獻資源中包含的文字信息“提取”出來。自動語音識別可以將音視頻的采集、編碼轉(zhuǎn)換、自動數(shù)字化、音視頻抽幀、自動標引、語音識別、音視頻索引等，全部實現(xiàn)自動化流程。

2、非結(jié)構(gòu)化存儲大步推進。非結(jié)構(gòu)化是數(shù)字圖書館資源的數(shù)據(jù)基礎(chǔ)。數(shù)字圖書館中存在多種信息類型，數(shù)據(jù)格式的特殊性帶來了數(shù)據(jù)存取處理的很大差別。非結(jié)構(gòu)化數(shù)據(jù)文件的屬性則采用數(shù)據(jù)庫中的數(shù)據(jù)表字段進行表述，方便數(shù)據(jù)的檢索、分類、查找，有序地存儲了數(shù)據(jù)文件。非結(jié)構(gòu)型數(shù)據(jù)庫繼承了傳統(tǒng)關(guān)系數(shù)據(jù)庫的優(yōu)點，其作為一種全新的數(shù)據(jù)系統(tǒng)，可有效實現(xiàn)多媒體數(shù)據(jù)的存儲檢索，是基于網(wǎng)絡(luò)應(yīng)用的新型數(shù)據(jù)庫，可以表達復雜的嵌套，支持更多的數(shù)據(jù)類型，支持重復字段，變長記錄可由若干重復的字段組成，每個字段又可由若干可重復的子字段組成。它在處理非結(jié)構(gòu)化信息方面有著傳統(tǒng)關(guān)系型數(shù)據(jù)庫無法與之相比的優(yōu)勢。比如便于數(shù)據(jù)的瀏覽、傳遞和更改。而存放在文件系統(tǒng)中，便于數(shù)據(jù)的瀏覽、傳遞和更改。其內(nèi)容管理系統(tǒng)便是數(shù)據(jù)庫與文件系統(tǒng)相結(jié)合模式的典型應(yīng)用。內(nèi)容的含義比數(shù)據(jù)更為廣泛，“內(nèi)容”強調(diào)對象，可以是任何結(jié)構(gòu)的數(shù)據(jù)類型，不僅包含了結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化信息，還涉及到知識?？梢哉f，內(nèi)容是一個比數(shù)據(jù)、文檔和信息更加全面的概念，是對所有結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)及信息的聚合。內(nèi)容管理側(cè)重于管理半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。在研究數(shù)據(jù)存儲方式的基礎(chǔ)上，內(nèi)容管理還致力于對象的處理過程，例如收集、存儲、檢索、分析、更新、傳遞等，以便將內(nèi)容能夠及時準確的傳遞到正確的地點和用戶。內(nèi)容管理是數(shù)據(jù)管理新的發(fā)展方向。非結(jié)構(gòu)化數(shù)據(jù)存儲技術(shù)與數(shù)據(jù)庫的發(fā)展密切相關(guān)，更與文件系統(tǒng)及其存儲技術(shù)的發(fā)展密不可分。設(shè)計無限大的存儲空間、無限制的I/O帶寬和更高的性價比的理想存儲系統(tǒng)是緩解存儲壓力的總體目標。

3、網(wǎng)絡(luò)化資源有效管理。網(wǎng)絡(luò)化是數(shù)字圖書館資源的共享基礎(chǔ)。數(shù)字圖書館的建設(shè)是以不斷改善用戶服務(wù)，為用戶在知識發(fā)現(xiàn)與利用上提供方便，使得用戶可方便地透過數(shù)字圖書館的多個資源庫無縫獲取所需的更多的開放存取資源為建設(shè)的初衷。互聯(lián)網(wǎng)打通各機構(gòu)的連接通道，打破了地域的界限，讓區(qū)域間各圖書館之間自由借閱，聯(lián)機編目，避免了重復勞動，縮短了文獻資源的加工，共享了館藏的特色資源，促進了國民的閱讀和資源的分享。

4、凈化數(shù)據(jù)。數(shù)據(jù)清洗就是把“不干凈”的數(shù)據(jù)“清理掉”。清洗數(shù)據(jù)是提高數(shù)字圖書館資源利用的重要前提。因為資源數(shù)據(jù)庫中的數(shù)據(jù)是面向某一方面或某一主題的數(shù)據(jù)的集合，這些數(shù)據(jù)是由不同的人員，在不同的時間、地點，從多個業(yè)務(wù)系統(tǒng)中提交進去的，再加上原有的歷史數(shù)據(jù)，難免不會出現(xiàn)重復、不完整、錯誤、甚至相互之間有沖突的數(shù)據(jù)。這些“不干凈”的數(shù)據(jù)顯然是我們不想要的，我們稱之為“臟數(shù)據(jù)”。我們要按照一定的程序規(guī)則把“臟數(shù)據(jù)”校正，這就是數(shù)據(jù)清洗。清洗數(shù)據(jù)的一個很直觀、很自然的想法便是將云計算技術(shù)和分布式計算應(yīng)用到其中，并將計算任務(wù)分布式地分發(fā)給多個節(jié)點以提高并行度。一般采用Map—Reduce框架，能夠更為高效地處理大數(shù)據(jù)的清洗任務(wù)實體識別、不一致性檢測和修復、缺值填充和真值發(fā)現(xiàn)，并組合成更復雜的數(shù)據(jù)清洗任務(wù)。同時還為用戶提供了一個簡潔而友好的Web功能接口，從而交互式地實現(xiàn)了大數(shù)據(jù)的清洗功能。

5、知識化資源。知識化是數(shù)字圖書館發(fā)展的最終方向。利用云計算整合多結(jié)構(gòu)、各類型、各廠商的數(shù)字資源，建成統(tǒng)一檢索的窗口，并為科技工作者、學術(shù)機構(gòu)和讀者提供精準的個性化推薦，及每周或每日科技要聞簡報、科技要聞專報定制等這種具有個性的知識化服務(wù)。資源的知識化可以重構(gòu)資源，提升資源的利用，提升圖書館的服務(wù)能力，最終激活數(shù)字圖書館。

傳統(tǒng)圖書館的根本約束是我們對“知識”的固化與靜態(tài)化認識，從而將信息服務(wù)“圖書館化”，簡單地把等同載體、把需求等同閱讀、把服務(wù)等同于檢索與獲取。其實，“知識”既是一種對象、又是一種過程、同時一種體驗。信息服務(wù)系統(tǒng)從本質(zhì)上講是一種知識服務(wù)，是幫助一定的用戶群體根據(jù)一定的應(yīng)用目的利用一定的信息內(nèi)容的過程。

參考文獻：

[1]孫煒，郭永新.我國區(qū)域文獻資源共建共享若干問題與對策[J].河北大學成人教育學院學報，2009，11（1）：118-119.

[2]楊小云.普通高校圖書館數(shù)字資源利用情況分析——以渭南師范學院圖書館為例[J].渭南師范學院學報，2012（02）：107-109.

[3]張南平，程鳴.基于模式識別視頻搜索技術(shù)的研究[J].福建電腦，2007（08）：35-36.

[4]于成龍，王梓涵.面向云存儲的非結(jié)構(gòu)化數(shù)據(jù)存儲研究[J].計算機光盤軟件與應(yīng)用，2014（19）：39-41.

[5]黃沈濱，王海潔，朱振華.大數(shù)據(jù)云清洗系統(tǒng)的設(shè)計與實現(xiàn)[J].智能計算機與應(yīng)用，2015（03）：88-90.

[6]張曉林.顛覆數(shù)字圖書館的大趨勢[J].中國圖書館學報，2011（05）：4-12.

[7]包小村.大數(shù)據(jù)時代的圖書館的知識服務(wù)創(chuàng)新[EB/OL].[2016-5-25]. http：//www.xzbu.com/5/view-6886865.htm.

（作者簡介：郭德成（1983.4-）男，計算機本科專業(yè)，青海省委黨校圖書館技術(shù)保障部。）