軌道交通知識服務(wù)平臺暨數(shù)字圖書館的設(shè)計與實(shí)現(xiàn)

李雪山，郭肖肖，姚冬冬

（中國鐵道科學(xué)研究院集團(tuán)有限公司 科學(xué)技術(shù)信息研究所，北京 100081）

科技信息資源是支撐科技創(chuàng)新、提高創(chuàng)新能力的重要戰(zhàn)略性資源。近年來，中國鐵路技術(shù)的不斷發(fā)展、中國高鐵走出去步伐不斷加快，對科技創(chuàng)新和產(chǎn)業(yè)化發(fā)展的及時性、有效性、全面性提出了更高要求，需要快捷、系統(tǒng)地獲取各類國內(nèi)外行業(yè)科技信息，及時把握行業(yè)科技發(fā)展動向與趨勢，更好地了解市場競爭對手并洞察市場機(jī)會。

經(jīng)過多年的信息化建設(shè)，圍繞鐵路科技信息資源建設(shè)工作，全路已建成數(shù)字圖書館和中國鐵路科技與經(jīng)濟(jì)信息網(wǎng)，但隨著科技信息資源的膨脹式增長、大數(shù)據(jù)技術(shù)及網(wǎng)絡(luò)技術(shù)的快速發(fā)展以及人們對信息獲取利用要求的不斷提高，現(xiàn)有系統(tǒng)存在的問題也日益凸顯[1]。主要表現(xiàn)在：（1）資訊信息缺乏廣度和深度，用戶在查找資源時仍需逐個網(wǎng)站搜索、甄選有效信息；（2）缺乏對競爭對手行業(yè)動態(tài)和技術(shù)熱點(diǎn)等方面的信息匯聚；（3）受限于多語種，用戶無法及時了解國內(nèi)外行業(yè)動態(tài)；（4）相較于到圖書館借閱文獻(xiàn)，用戶更傾向閱覽電子文獻(xiàn)；（5）因IP限制原因，用戶在外出差或在家查閱資料時不能及時獲取相關(guān)信息。

為解決上述關(guān)鍵問題，項(xiàng)目組以中國鐵路科技與經(jīng)濟(jì)信息網(wǎng)改版為背景，結(jié)合競爭情報思維、專題服務(wù)運(yùn)行模式，設(shè)計并實(shí)現(xiàn)軌道交通知識服務(wù)平臺暨數(shù)字圖書館，旨在為用戶提供更加全面、個性化、精準(zhǔn)化的科技資源信息服務(wù)。

1 方案設(shè)計

1.1 建設(shè)目標(biāo)

平臺在設(shè)計和建設(shè)過程中基于鐵路科研創(chuàng)新的需要，堅持需求驅(qū)動、持續(xù)發(fā)展，通過有效的資源整合、高效便捷的資源獲取、個性化信息推送按需配置情報專題等方式，使目標(biāo)用戶能有效地獲取所需信息，實(shí)現(xiàn)以資源服務(wù)為基礎(chǔ)的，專業(yè)化、個性化、專題化、精準(zhǔn)化的情報服務(wù)體系。具體目標(biāo)如下：

（1）借助自動采集技術(shù)對企業(yè)內(nèi)部信息、外部宏觀環(huán)境信息、外部競爭環(huán)境、外部行業(yè)動態(tài)、技術(shù)創(chuàng)新熱點(diǎn)等進(jìn)行多維度監(jiān)測，實(shí)現(xiàn)網(wǎng)絡(luò)信息自動采編與發(fā)布；

（2）整合內(nèi)外部信息資源（自建、外購、網(wǎng)絡(luò)、內(nèi)部系統(tǒng)資源等），實(shí)現(xiàn)多源異構(gòu)資源的統(tǒng)一存儲和檢索展示[2]；

（3）提供外文資源的在線翻譯，實(shí)現(xiàn)單一語種檢索詞入口的多語種資源統(tǒng)一檢索展示；

（4）提供情報專題定制服務(wù)，實(shí)現(xiàn)對行業(yè)動態(tài)、技術(shù)前沿、競爭對手等的持續(xù)動態(tài)跟蹤；

（5）實(shí)現(xiàn)個性化推薦、智能推送等精準(zhǔn)化情報應(yīng)用功能；

（6）培養(yǎng)和提升研究人員的情報利用意識和獲取能力，提高鐵路科技信息流轉(zhuǎn)和情報產(chǎn)出效率。

1.2 建設(shè)方案

根據(jù)軌道交通知識服務(wù)平臺設(shè)計目標(biāo)，系統(tǒng)主要由資源收集整理、翻譯加工處理、資源存儲和資源服務(wù)等4部分構(gòu)成，如圖1所示。

圖1 系統(tǒng)整體建設(shè)方案

1.2.1 資源收集

針對不同資源采取不同的手段進(jìn)行收集。

（1）對于國內(nèi)外相關(guān)資訊網(wǎng)站，主要包括國內(nèi)外軌道交通企業(yè)門戶、專業(yè)的行業(yè)資訊網(wǎng)站等。這些網(wǎng)站具有數(shù)量多、技術(shù)不一、風(fēng)格多樣、多語種、采集困難的特點(diǎn)，在此系統(tǒng)綜合利用商業(yè)采集軟件[3]和基于Python技術(shù)[4]自主開發(fā)的采集工具以及人工收集的方式進(jìn)行數(shù)據(jù)采集，實(shí)現(xiàn)軌道交通行業(yè)動態(tài)、熱點(diǎn)資訊的及時獲??；

（2）對于自建數(shù)據(jù)庫資源，主要包括行業(yè)內(nèi)刊、圖書館館藏特色資源。這些資源大多以紙質(zhì)形式存在，需要耗費(fèi)較多的人力來進(jìn)行資源加工，在此系統(tǒng)通過建立數(shù)字化資源加工系統(tǒng)開展紙質(zhì)資源的掃描、OCR識別、元數(shù)據(jù)著錄、數(shù)據(jù)存儲發(fā)布等，實(shí)現(xiàn)紙質(zhì)資源電子化，提高館藏資源服務(wù)廣度；

（3）對于外購商業(yè)數(shù)據(jù)庫資源，主要包括知網(wǎng)、萬方、維普等數(shù)據(jù)庫，系統(tǒng)采用元數(shù)據(jù)級整合方式實(shí)現(xiàn)多來源數(shù)據(jù)庫的信息融合[5]。

1.2.2 資源加工

借助計算機(jī)輔助翻譯技術(shù)、自動標(biāo)引分類技術(shù)、自然語言處理技術(shù)實(shí)現(xiàn)信息資源的自動翻譯、分詞斷句、實(shí)體提取、分類標(biāo)引、實(shí)體關(guān)聯(lián)等標(biāo)準(zhǔn)化、規(guī)范化處理，以便于數(shù)據(jù)有效管理和利用。

1.2.3 資源存儲

系統(tǒng)借鑒dspace機(jī)構(gòu)知識庫[6]相關(guān)思想，實(shí)現(xiàn)專題內(nèi)容自定義及各類型資源元數(shù)據(jù)非編程性動態(tài)定制、擴(kuò)展功能。即系統(tǒng)可預(yù)先建立元數(shù)據(jù)集，對各元數(shù)據(jù)字段類型、長度、格式、是否建立索引、是否顯示等特征進(jìn)行設(shè)定，在添加不同資源類型（如期刊論文、資訊、報告、專利等）時，可以從元數(shù)據(jù)集中選擇相應(yīng)字段作為具體描述字段，進(jìn)而實(shí)現(xiàn)多源異構(gòu)資源的統(tǒng)一存儲和檢索。

1.2.4 資源服務(wù)

（1）實(shí)現(xiàn)資源服務(wù)系統(tǒng)基本的功能，如簡單檢索、高級檢索、專業(yè)檢索、單庫及全庫檢索、資源下載等；

（2）實(shí)現(xiàn)專題化、個性化服務(wù)，用戶可根據(jù)自身從事或關(guān)心的專業(yè)、研究方向、科研課題等，通過對知識點(diǎn)進(jìn)行分解，配置專題，即可實(shí)現(xiàn)對競爭對手、熱點(diǎn)技術(shù)、行業(yè)動態(tài)等的自動跟蹤、精準(zhǔn)個性化推送功能[7]；

（3）基于用戶專業(yè)或行業(yè)需要實(shí)現(xiàn)個性化主題門戶網(wǎng)頁定制，提供企業(yè)級資源專題定制服務(wù)；

（4）通過開發(fā)APP、微信公眾號、訂閱號等，拓展用戶信息獲取渠道，為用戶提供更加方便快捷的情報信息服務(wù)。

2 系統(tǒng)實(shí)現(xiàn)及資源特色

2.1 系統(tǒng)實(shí)現(xiàn)

系統(tǒng)在借鑒百度、淘寶等大型企業(yè)軟件系統(tǒng)結(jié)構(gòu)的基礎(chǔ)上，結(jié)合SOA業(yè)務(wù)模型采用Hadoop云計算架構(gòu)，以Webservice的方式提供接口；采用HDFS大數(shù)據(jù)分布式文件存儲系統(tǒng)實(shí)現(xiàn)海量全文數(shù)據(jù)的管理；采用Nosql的Hbase非關(guān)系型數(shù)據(jù)庫實(shí)現(xiàn)元數(shù)據(jù)管理；采用SOLR檢索技術(shù)[8]，支持多字段的組合查詢；基于Sql庫的用戶行為記錄和MR機(jī)器學(xué)習(xí)算法，以實(shí)現(xiàn)精準(zhǔn)化個性化情報服務(wù)。

采用DotNet軟件開發(fā)平臺進(jìn)行了開發(fā)實(shí)現(xiàn)。

2.2 系統(tǒng)資源及主要特色

2.2.1 系統(tǒng)數(shù)據(jù)資源概況

系統(tǒng)資源主要分為網(wǎng)絡(luò)資源、商業(yè)數(shù)據(jù)庫資源、自建數(shù)據(jù)庫資源3部分，如圖2所示。網(wǎng)絡(luò)資源主要包括國內(nèi)外軌道交通行業(yè)門戶網(wǎng)站資訊；商業(yè)數(shù)據(jù)庫資源主要包括知網(wǎng)、萬方、維普等商業(yè)數(shù)據(jù)庫的期刊、學(xué)位、會議等文獻(xiàn)資源；自建數(shù)據(jù)庫資源主要包括中外文文摘、中外文全文、鐵路熱點(diǎn)專題等。

2.2.2 主要特色

（1）實(shí)現(xiàn)了對軌道交通行業(yè)多來源網(wǎng)絡(luò)情報信息的實(shí)時獲取追蹤。

系統(tǒng)結(jié)合競爭情報思維，將情報規(guī)劃、信息收集、信息加工、信息分析、情報生產(chǎn)與傳播流程融入平臺，借助自動采集技術(shù)實(shí)現(xiàn)針對企業(yè)內(nèi)部信息資源、外部宏觀環(huán)境信息、外部競爭環(huán)境信息、外部行業(yè)動態(tài)信息、技術(shù)創(chuàng)新熱點(diǎn)信息等多維度的監(jiān)測，使用戶能及時獲知最新行業(yè)動態(tài)、技術(shù)前沿信息、市場變化等信息，輔助實(shí)現(xiàn)科研和管理決策[9]。

圖2 系統(tǒng)資源概況

（2）實(shí)現(xiàn)了多源異構(gòu)資源元數(shù)據(jù)級整合及一站式檢索。

平臺以資源建設(shè)為基礎(chǔ)，在建立統(tǒng)一數(shù)據(jù)標(biāo)準(zhǔn)的基礎(chǔ)上實(shí)現(xiàn)了多來源各類型資源的融合，包括自建數(shù)據(jù)庫、商業(yè)數(shù)據(jù)庫、相關(guān)網(wǎng)絡(luò)資源等，涵蓋資訊、期刊、學(xué)位、會議、標(biāo)準(zhǔn)、成果、特色資源等多種文獻(xiàn)類型。平臺最終實(shí)現(xiàn)了上述多來源數(shù)據(jù)的統(tǒng)一存儲、檢索、展示，實(shí)現(xiàn)了同一資源的多渠道下載，從搜索范圍、搜索效率、搜索質(zhì)量3方面提高了檢索結(jié)果的準(zhǔn)確性和全面性，提高了用戶體驗(yàn)。

（3）實(shí)現(xiàn)了多語種資源統(tǒng)一檢索。

針對英、日、俄、德、法等多語種帶來的統(tǒng)一存儲和檢索問題，平臺通過嵌入自動翻譯軟件實(shí)現(xiàn)對資源的自動翻譯，為用戶提供了單一語種檢索詞入口的多語種文獻(xiàn)檢索服務(wù)，并提供中外文對照展示。針對自動翻譯不準(zhǔn)確、翻譯質(zhì)量不高等問題，平臺提供在線編輯、校對功能，以提高多語種資源的翻譯、檢索效果。

（4）開展了鐵路情報多樣化服務(wù)模式。

平臺以信息服務(wù)為核心，重點(diǎn)提供面向用戶專業(yè)、研究領(lǐng)域、熱點(diǎn)前沿技術(shù)等方面的專題服務(wù)，提供面向用戶研究過程的場景化服務(wù)，以及面向?qū)I(yè)領(lǐng)域的熱點(diǎn)和趨勢分析服務(wù)。為用戶提供諸如知識訂閱、個性化推薦、多終端智能推送、行業(yè)動態(tài)監(jiān)測簡報、行業(yè)熱點(diǎn)趨勢監(jiān)測簡報等信息服務(wù)，滿足用戶個性化信息需求。專題服務(wù)界面，如圖3所示。

圖3 專題服務(wù)

3 結(jié)束語

鐵路科技文獻(xiàn)與創(chuàng)新服務(wù)平臺以鐵路科技資源整合為基礎(chǔ)，以提供全面、專業(yè)、及時、高效的情報資源服務(wù)為核心，以提高鐵路科技創(chuàng)新能力和競爭力為目標(biāo)[10]，是轉(zhuǎn)變鐵路科技文獻(xiàn)服務(wù)模式的一項(xiàng)有益嘗試。

目前，軌道交通知識服務(wù)平臺暨數(shù)字圖書館基本功能已經(jīng)實(shí)現(xiàn)，并已開始在鐵科院、軌道交通相關(guān)單位推廣使用。平臺提供的網(wǎng)絡(luò)信息動態(tài)采集監(jiān)測、多源異構(gòu)資源統(tǒng)一搜索、專題定制、信息推送等功能，可為用戶提供更加全面、專業(yè)的信息服務(wù)，為鐵路行業(yè)提供全面權(quán)威的戰(zhàn)略決策支撐和業(yè)務(wù)情報支持。

未來，隨著平臺資源的豐富、功能的擴(kuò)展、運(yùn)行模式的變革，還需研究制定符合平臺發(fā)展的運(yùn)行管理機(jī)制，規(guī)范資源采購、功能使用、服務(wù)模式、收費(fèi)標(biāo)準(zhǔn)，并根據(jù)平臺未來跨系統(tǒng)、跨單位協(xié)調(diào)資源整合和服務(wù)的需要，建立健全文獻(xiàn)平臺統(tǒng)籌協(xié)調(diào)機(jī)制[11]，促進(jìn)平臺健康可持續(xù)發(fā)展。