聯(lián)合書目數(shù)據(jù)庫(kù)重復(fù)書目數(shù)據(jù)控制工作實(shí)踐研究
——以深圳“圖書館之城”為例

陳 娟

（深圳圖書館，廣東 深圳 518000）

書目數(shù)據(jù)是計(jì)算機(jī)可識(shí)別和可處理的揭示館藏文獻(xiàn)資源的信息聯(lián)合書目數(shù)據(jù)庫(kù)，特別是區(qū)域聯(lián)合書目數(shù)據(jù)庫(kù)，匯集了同一區(qū)域多個(gè)圖書館的書目數(shù)據(jù)。在一個(gè)聯(lián)合書目數(shù)據(jù)庫(kù)內(nèi)，同一種文獻(xiàn)被重復(fù)記錄了兩次或兩次以上，被稱為重復(fù)記錄[1]。當(dāng)重復(fù)記錄超過一定比例時(shí)，通常會(huì)被認(rèn)為是質(zhì)量問題。重復(fù)數(shù)據(jù)不僅造成書目數(shù)據(jù)庫(kù)的容量快速膨脹，還給成員館使用數(shù)據(jù)造成不必要的篩選麻煩[2]。因此，重復(fù)數(shù)據(jù)的清理與合并工作成為各大聯(lián)合編目系統(tǒng)書目數(shù)據(jù)維護(hù)工作的業(yè)務(wù)范圍，業(yè)界關(guān)于重復(fù)數(shù)據(jù)的產(chǎn)生原因、合并模式等探討較多[3-5]，已基本形成共識(shí)，但是基于實(shí)踐的重復(fù)數(shù)據(jù)系統(tǒng)控制的總結(jié)探討卻較少。

深圳“圖書館之城”的建設(shè)目標(biāo)是整合全市公共圖書館服務(wù)系統(tǒng)和文獻(xiàn)資源，在全市范圍內(nèi)為市民提供統(tǒng)一的圖書館服務(wù)[6]。統(tǒng)一書目管理是深圳“圖書館之城”開展統(tǒng)一服務(wù)的重要基礎(chǔ)，總書目庫(kù)數(shù)據(jù)質(zhì)量關(guān)系著統(tǒng)一服務(wù)的質(zhì)量。正常情況下，同一種文獻(xiàn)對(duì)應(yīng)一條書目記錄，合庫(kù)前，由于“圖書館之城”各成員館編目規(guī)則不統(tǒng)一、編目質(zhì)量參差不齊以及數(shù)據(jù)庫(kù)合并等諸多原因，深圳“圖書館之城”總書目庫(kù)中存在大量重復(fù)書目數(shù)據(jù)。用ISBN 檢索時(shí)，有時(shí)會(huì)檢出兩條及以上書目記錄（如圖1），個(gè)別情況是因?yàn)橐惶?hào)多書，多數(shù)情況下是一種書出現(xiàn)一條或幾條重復(fù)記錄。據(jù)統(tǒng)計(jì)，截至2014 年底，中央書目庫(kù)數(shù)據(jù)為251 萬條，ISBN重復(fù)的數(shù)據(jù)達(dá)42萬余條，重復(fù)記錄占比約為16.7%，重復(fù)數(shù)據(jù)若不及時(shí)加以控制和規(guī)范，每年遞增速度將達(dá)到3 萬條以上。重復(fù)數(shù)據(jù)和冗余數(shù)據(jù)給讀者OPAC書目檢索帶來了巨大的困擾，也給工作人員書目查重造成了極大的不便，同時(shí)也對(duì)“圖書館之城”統(tǒng)一服務(wù)的整體效果產(chǎn)生了一定的負(fù)面影響。因此，“圖書館之城”重復(fù)書目數(shù)據(jù)控制工作被提上了日程。近4年來，通過控制重復(fù)數(shù)據(jù)產(chǎn)生源頭、回溯清理歷史重復(fù)數(shù)據(jù)，深圳“圖書館之城”的中文圖書重復(fù)書目數(shù)據(jù)控制工作取得了一定的成效。

圖1 OPAC中查到的重復(fù)書目示例

1 控制重復(fù)數(shù)據(jù)產(chǎn)生源頭

為了控制重復(fù)數(shù)據(jù)產(chǎn)生的源頭，首先要對(duì)中央書目庫(kù)中新增記錄進(jìn)行嚴(yán)格管理。只有控制了中央書目庫(kù)新增書目記錄，不再繼續(xù)灌入大量重復(fù)數(shù)據(jù)，再組織專門人員開展重復(fù)書目數(shù)據(jù)清理工作，才能起到事半功倍效果。為了對(duì)中央書目庫(kù)中新增書目記錄進(jìn)行嚴(yán)格管理，采取了以下措施。

1.1 搭建聯(lián)合采編平臺(tái)

按照《美國(guó)圖書館學(xué)會(huì)詞匯》的定義，聯(lián)合編目是指“一組各自獨(dú)立的圖書館開展的書目原始編目的協(xié)作活動(dòng)，成員館之間有義務(wù)相互提供書目記錄”。聯(lián)合編目可以降低成員館的編目成本，提高編目工作質(zhì)量，避免書目數(shù)據(jù)資源的重復(fù)建設(shè)。2014 年，深圳“圖書館之城”召開館長(zhǎng)聯(lián)席會(huì)議，提出搭建“圖書館之城”聯(lián)合采編平臺(tái)，將成員館的書目數(shù)據(jù)、采訪數(shù)據(jù)與館藏?cái)?shù)據(jù)等整合起來，按照統(tǒng)一模式實(shí)施數(shù)據(jù)的加工、構(gòu)建和運(yùn)行管理，要求各成員館在統(tǒng)一平臺(tái)上開展聯(lián)合采編工作。2015 年，深圳“圖書館之城”聯(lián)合采編平臺(tái)搭建完成，自同年6 月深圳大學(xué)城圖書館首批接入平臺(tái)，截至2018 年底，深圳“圖書館之城”聯(lián)合采編平臺(tái)已經(jīng)整合了包括深圳圖書館、深圳大學(xué)城圖書館（深圳市科技圖書館）等9個(gè)區(qū)館、11個(gè)成員館的書目數(shù)據(jù)（如表1）。中央書目庫(kù)中書目數(shù)據(jù)已有近300萬條，中文書目數(shù)據(jù)278萬條，占整個(gè)中央書目庫(kù)書目數(shù)據(jù)總量的92%，這其中又以中文圖書書目數(shù)據(jù)占絕大部分。因此，中文圖書書目數(shù)據(jù)質(zhì)量的控制工作是深圳“圖書館之城”書目質(zhì)量管理工作的重中之重，聯(lián)合采編平臺(tái)的建立是書目質(zhì)量控制工作得以開展的基礎(chǔ)保障，取消了原有數(shù)據(jù)批接收模式，按系統(tǒng)權(quán)限進(jìn)行分級(jí)控制，建立多種有效機(jī)制，堵住了重復(fù)數(shù)據(jù)產(chǎn)生的主要源頭。

表1 各區(qū)館加入聯(lián)合采編平臺(tái)時(shí)間

1.2 發(fā)布書目質(zhì)量控制規(guī)范

2016 年底，深圳“圖書館之城”各主要成員館數(shù)據(jù)均已全部完成回溯書目數(shù)據(jù)批導(dǎo)入，中央書目庫(kù)新增數(shù)據(jù)主要來源于各成員館新編數(shù)據(jù)。由深圳圖書館和深圳市標(biāo)準(zhǔn)技術(shù)研究院聯(lián)合起草的《公共圖書館統(tǒng)一服務(wù)書目質(zhì)量控制規(guī)范》（簡(jiǎn)稱《規(guī)范》），在兩年的時(shí)間里，經(jīng)過多輪專家論證、修改，于2017年11月14日由深圳市市場(chǎng)監(jiān)督管理局發(fā)布，并于2017年12月1日起正式實(shí)施。通過《規(guī)范》的制訂、應(yīng)用與實(shí)施，可以有效控制重復(fù)數(shù)據(jù)和冗余數(shù)據(jù)產(chǎn)生源頭，規(guī)范“圖書館之城”各成員館的編目行為，提高編目數(shù)據(jù)的質(zhì)量，降低中央書目庫(kù)中重復(fù)數(shù)據(jù)和冗余數(shù)據(jù)比例，最終提升“圖書館之城”統(tǒng)一服務(wù)效果與影響力。

1.3 定期進(jìn)行編目培訓(xùn)，規(guī)范編目流程和細(xì)則

編目人員的業(yè)務(wù)素養(yǎng)對(duì)中央書目庫(kù)的書目數(shù)據(jù)質(zhì)量有深遠(yuǎn)影響。編目操作不規(guī)范，沒有查重或查重不徹底，直接新增數(shù)據(jù)，就會(huì)給中央書目庫(kù)增加重復(fù)書目記錄。合庫(kù)前，各成員館編目人員參差不齊，部分成員館沒有設(shè)置審校崗位，同時(shí)，各成員館均不同程度地將編目業(yè)務(wù)進(jìn)行了外包，而書商提供的外包編目人員不固定，很多外包編目人員沒有經(jīng)過系統(tǒng)培訓(xùn)或者培訓(xùn)不到位就上崗編目。為了提升各成員館編目人員的業(yè)務(wù)素養(yǎng)，按照《規(guī)范》要求，自2015年起，深圳“圖書館之城”的采編協(xié)調(diào)工作組每年組織舉辦中文圖書編目規(guī)范培訓(xùn)班，培訓(xùn)的主要內(nèi)容包括：中文圖書編目規(guī)則及實(shí)例分析、中文圖書編目流程、ULAS 平臺(tái)介紹等。到2018年底，培訓(xùn)班已成功舉辦了3期，學(xué)員均來自各區(qū)館和書商的編目人員。為了給“圖書館之城”書目建設(shè)篩選合格的編目人員，每期學(xué)員都需通過嚴(yán)格的編目考核，取得“圖書館之城”編目員資格證書后，才能在聯(lián)合采編平臺(tái)中上崗編目。據(jù)統(tǒng)計(jì)，3期培訓(xùn)班中取得“圖書館之城”編目員資格證書的學(xué)員一共有84人（如表2），占參加考核總學(xué)員人數(shù)的68.3%。

表2 2015～2018年編目培訓(xùn)考核通過情況

1.4 系統(tǒng)提供多次判重機(jī)制

書目質(zhì)量控制光靠人工校驗(yàn)是不夠的，加上編目系統(tǒng)軟件的某些功能干預(yù)可以事半功倍。在各成員館書目數(shù)據(jù)批量導(dǎo)入時(shí)，系統(tǒng)會(huì)根據(jù)重點(diǎn)字段進(jìn)行系統(tǒng)判重進(jìn)行初次合并，判重的字段有：題名字段、ISBN 號(hào)/統(tǒng)一書號(hào)、出版年代、頁碼等。通過匹配以上字段，系統(tǒng)對(duì)判重記錄進(jìn)行自動(dòng)合并，在合庫(kù)時(shí)就可以控制部分重復(fù)數(shù)據(jù)的產(chǎn)生。在聯(lián)合采編平臺(tái)中，設(shè)置了ISBN 重復(fù)提醒功能，即書目數(shù)據(jù)交送時(shí)由系統(tǒng)判定中央書目庫(kù)是否有ISBN 相同的數(shù)據(jù)，如有則提示普通審校員只能交送館藏，不能交送該書目數(shù)據(jù)。對(duì)于ISBN 確有相同的圖書（如多卷書），需經(jīng)高級(jí)審校員核實(shí)后，由該高級(jí)審校員交送。通過系統(tǒng)提供的多次判重機(jī)制，在關(guān)鍵環(huán)節(jié)把關(guān)確認(rèn)，進(jìn)一步控制了重復(fù)書目數(shù)據(jù)產(chǎn)生源頭。

2 回溯清理歷史重復(fù)數(shù)據(jù)

在聯(lián)合采編平臺(tái)建立起來之后，深圳“圖書館之城”的中心館——深圳圖書館，專門針對(duì)已有重復(fù)書目數(shù)據(jù)開展了集中合并工作。集中合并工作采用時(shí)間回溯的方式，已開展了近4 年，目前還在進(jìn)行中，大概可以分為以下3個(gè)階段。

2.1 初步擬定合并原則，工作間隙清理

集中合并是指組織專門人員使用專門的數(shù)據(jù)合并程序開展重復(fù)書目數(shù)據(jù)清理工作。實(shí)際上，在深圳“圖書館之城”各成員館書目數(shù)據(jù)批量導(dǎo)入工作結(jié)束后，就專門針對(duì)已有重復(fù)書目數(shù)據(jù)開始了重復(fù)數(shù)據(jù)集中合并工作，并初步確立了重復(fù)數(shù)據(jù)合并處理原則：①對(duì)照某幾個(gè)關(guān)鍵字段確認(rèn)為同一種書的情況下合并，不能確認(rèn)為同一種書的情況下不合并；②合并以國(guó)家圖書館、CRLnet 和CALIS的數(shù)據(jù)為準(zhǔn)；③同年的平精裝合并成為一條記錄，并增加一條010 字段；④分類號(hào)不同的同一種書，增加690 字段并合并；⑤價(jià)格不同的同一種書，增加010字段并合并……這些合并原則是重復(fù)數(shù)據(jù)清理工作最初遵循的規(guī)范，從2015—2017年，“圖書館之城”采編工作協(xié)調(diào)組在工作間隙清理重復(fù)數(shù)據(jù)記錄大約為14.7萬條。

圖2 采編協(xié)調(diào)工作組QQ群

2.2 重復(fù)數(shù)據(jù)處理工作優(yōu)化，集中清理

在原有合并原則基礎(chǔ)上，根據(jù)工作中遇到的問題，采編協(xié)調(diào)工作組召開小組工作會(huì)議，集中商討，調(diào)整并細(xì)化了合并原則，結(jié)合實(shí)例形成了《深圳市“圖書館之城”中央書目庫(kù)重復(fù)數(shù)據(jù)合并操作規(guī)范》，對(duì)合并流程進(jìn)行了詳細(xì)指引，較之前的合并原則更具操作性、更全面細(xì)致。由于記錄總是存在著細(xì)微差異性，在判重字段確定的前提下，合并操作規(guī)范中對(duì)匹配字段的比對(duì)設(shè)定了檢查原則：忽略全角、半角的輸入方式、外文字母的大小寫、空格及各種標(biāo)點(diǎn)符號(hào)、各種特殊字符、阿拉伯?dāng)?shù)字與漢字的對(duì)應(yīng)等（如版本說明205 字段@a 子字段“二版”與“2 版”應(yīng)視為相同）。另外，合并操作規(guī)范中列出了只有3 種情況的重復(fù)數(shù)據(jù)是不需合并的：分卷冊(cè)著錄數(shù)據(jù)，同一種書的復(fù)制品（只有深圳圖書館有這種類型的數(shù)據(jù)），同一種書的不同版本數(shù)據(jù)。需合并的數(shù)據(jù)中，對(duì)每一種合并情況及對(duì)應(yīng)的操作步驟都有操作示例。

采編協(xié)調(diào)工作組還建立了工作群（如圖2），對(duì)合并操作規(guī)范以外遇到的特殊情況，及時(shí)在群里討論決定是否合并、如何合并。

2018 年開始，重復(fù)數(shù)據(jù)清理工作成為采編協(xié)調(diào)工作組全年的重點(diǎn)工作。據(jù)統(tǒng)計(jì)，2018 年清理重復(fù)數(shù)據(jù)記錄大約為12.7 萬條（見圖3），接近前3年重復(fù)數(shù)據(jù)清理的總和。

圖3 2015～2018年重復(fù)數(shù)據(jù)合并統(tǒng)計(jì)

2.3 更新系統(tǒng)合并功能模塊，提升合并工作效率

從2015年到2018年底，合并工作可以在兩個(gè)界面進(jìn)行操作：聯(lián)合采編平臺(tái)的“驗(yàn)收管理”模塊（圖4）和“圖書館之城”統(tǒng)一平臺(tái)的“書目雙屏合并”模塊。這兩種渠道都需要操作員將有重復(fù)記錄的ISBN 號(hào)輸入到檢索框中，通過在操作界面的左右兩屏中逐條對(duì)比重要字段來判斷是否需要進(jìn)行合并。這兩種界面都非?？简?yàn)工作人員的眼力、耐心，容易引起視覺疲勞，特別是在多卷書的分卷冊(cè)眾多、重復(fù)記錄多的情況下更需要認(rèn)真對(duì)待。少兒圖書這種情況尤其多見——同一個(gè)故事系列共用一個(gè)ISBN號(hào)，一個(gè)系列有20-30種書，如果每一種書對(duì)應(yīng)有兩條及以上的記錄需要合并，通過翻前后記錄來對(duì)應(yīng)卷冊(cè)再核對(duì)各字段已經(jīng)讓人眼花，很容易誤操作或漏合并，而且系統(tǒng)在頻繁翻前后記錄的情況下容易“崩潰”。2019 年初，系統(tǒng)部在聯(lián)合采編系統(tǒng)中新增了“書目查重合并”新模塊，提供了數(shù)據(jù)合并的新界面（如圖5），新界面較以往的兩種合并界面有以下幾個(gè)優(yōu)勢(shì)：①無需操作員輸入ISBN 號(hào)；②重要字段通過表格對(duì)比列出，更清晰簡(jiǎn)潔；③多卷書的分卷冊(cè)可以通過題名和其他字段對(duì)比，直接選中然后在左右屏分別顯示，不需要一條條翻前后記錄；④對(duì)于有大學(xué)城圖書館的書目數(shù)據(jù)，保留其記錄號(hào)的操作較以往更簡(jiǎn)便。2019 年初，采編協(xié)調(diào)工作組在部門內(nèi)部對(duì)新界面進(jìn)行了操作培訓(xùn)，重復(fù)數(shù)據(jù)的清理工作在新界面下繼續(xù)進(jìn)行，“書目查重合并”新界面得到了工作組的一致好評(píng)，合并工作效率也隨之提高。

圖4 原查重合并操作界面

圖5 升級(jí)后的“書目查重合并”界面

3 重復(fù)書目數(shù)據(jù)控制工作成效

3.1 各成員館書目數(shù)據(jù)共建共享，編目工作效率大大提升

在ULAS 平臺(tái)下，一家成員館新增或下載數(shù)據(jù)，其他館不用重復(fù)編目，直接驗(yàn)收追加館藏即可，大大減少了重復(fù)工作量，提高了各成員館的工作效率。據(jù)統(tǒng)計(jì)（見圖6），2016～2018年，各成員館書目數(shù)據(jù)利用率（只直接追加館藏的記錄條數(shù)占總記錄條數(shù)的比例）平均為60%左右，部分成員館書目數(shù)據(jù)利用率為80%以上（南山圖書館、羅湖圖書館、鹽田圖書館）。成員館中，深圳圖書館和大學(xué)城圖書館的書目數(shù)據(jù)利用率較低，這是因?yàn)樯钲趫D書館新書訂購(gòu)到貨更早，承擔(dān)了大部分新書書目數(shù)據(jù)的制作工作，而大學(xué)城圖書館參考的分編庫(kù)與其他成員館不同所致。在“圖書館之城”執(zhí)行持證上崗編目以來，各成員館提供的書目數(shù)據(jù)較之前更規(guī)范和統(tǒng)一，書目數(shù)據(jù)質(zhì)量大大提升，在2018 年，深圳圖書館的書目數(shù)據(jù)利用率從個(gè)位數(shù)提升到了23%，相比而言，有4個(gè)成員館（福田圖書館、鹽田圖書館、光明圖書館、坪山圖書館）的數(shù)據(jù)利用率較前兩年有一定幅度的降低，在一定程度上說明各成員館書目數(shù)據(jù)共建共享的責(zé)任意識(shí)進(jìn)一步加強(qiáng)。

圖6 2016-2018年成員館書目數(shù)據(jù)利用情況

3.2 重復(fù)數(shù)據(jù)產(chǎn)生源頭得到有效控制

聯(lián)合采編平臺(tái)于2015年搭建完成，并于同年6月深圳大學(xué)城圖書館首批加入，至2016 年底有80%的成員館加入。從表3 中可以看出，2016～2018 年，每年需合并的重復(fù)數(shù)據(jù)總量較以往大大降低了，2017～2018 年，每年只有 400 條左右的重復(fù)數(shù)據(jù)需要清理，數(shù)量降低一方面得益于《規(guī)范》的制定實(shí)施，另一方面也是經(jīng)過編目培訓(xùn)班學(xué)習(xí)，編目員業(yè)務(wù)水平提升、操作更規(guī)范的結(jié)果，說明重復(fù)數(shù)據(jù)產(chǎn)生的源頭得到了有效控制。

3.3 重復(fù)數(shù)據(jù)的總量和占比大大降低

2014 年底第一次統(tǒng)計(jì)結(jié)果顯示，重復(fù)數(shù)據(jù)有42 萬條左右，占中央書目庫(kù)總量（約為251 萬）的16.7%，經(jīng)過近4 年的回溯集中合并處理，截至到2019年3月，重復(fù)數(shù)據(jù)總量為12萬左右，占比約為4.4%（中文圖書書目數(shù)據(jù)總量約為270 萬），2007～2015年重復(fù)記錄清理量每年2.5萬條左右，一共清理重復(fù)記錄27.4 萬條，歷史重復(fù)數(shù)據(jù)的清理工作已初步完成約75%。

表3 2007～2018年重復(fù)數(shù)據(jù)比例

續(xù)表3

3.4 OPAC查詢體驗(yàn)提升

通過對(duì)重復(fù)書目數(shù)據(jù)的合并清理，不僅給中央書目庫(kù)“減負(fù)”，減少了各成員館編目查重的困擾，也讓讀者在OPAC 檢索有了更好的使用體驗(yàn)（如圖7）。相對(duì)于合并前的同一本書對(duì)應(yīng)4條檢索結(jié)果（圖1），需要讀者一一點(diǎn)開查詢館藏所在進(jìn)行取舍，合并后，同一本書只有一條檢索結(jié)果，且所有館藏分布在一個(gè)窗口展示，一目了然，大大節(jié)省了讀者的操作時(shí)間。重復(fù)書目數(shù)據(jù)合并后，OPAC給讀者提供了更好的使用體驗(yàn)。

圖7 OPAC中重復(fù)書目合并后的顯示界面

4 結(jié)語

在重復(fù)書目數(shù)據(jù)控制工作實(shí)踐中，我們也發(fā)現(xiàn)了一些需要改進(jìn)的問題，例如錯(cuò)誤合并和漏合并的情況不可避免，要提前擬定好對(duì)策。深圳“圖書館之城”第一輪重復(fù)書目數(shù)據(jù)回溯清理工作預(yù)計(jì)在2019年底基本完成，同時(shí)，為了防止舊界面清理工作完成的不徹底，同時(shí)防止新導(dǎo)入少量書目數(shù)據(jù)存在重復(fù)，在第一輪重復(fù)數(shù)據(jù)清理工作完成后，需要對(duì)中央書目庫(kù)所有未做標(biāo)記的重復(fù)書目數(shù)據(jù)進(jìn)行重新統(tǒng)計(jì)，再次進(jìn)行清理維護(hù)。

聯(lián)合書目數(shù)據(jù)庫(kù)中重復(fù)書目數(shù)據(jù)控制工作是一個(gè)系統(tǒng)工程，需要統(tǒng)籌計(jì)劃，逐步推進(jìn)。此項(xiàng)工作涉及業(yè)務(wù)范圍廣，遠(yuǎn)非一個(gè)部門能夠單獨(dú)解決，尤其需要計(jì)算機(jī)技術(shù)部門的大力支持和密切配合，深圳“圖書館之城”的書目質(zhì)量控制工作實(shí)踐也證明了這一點(diǎn)，系統(tǒng)提供的多次判重功能、模塊更新與升級(jí)，都對(duì)重復(fù)書目數(shù)據(jù)控制工作給予了強(qiáng)力支撐。一個(gè)系統(tǒng)功能較好的聯(lián)編系統(tǒng)與重復(fù)書目數(shù)據(jù)控制工作成效息息相關(guān)。重復(fù)書目數(shù)據(jù)控制工作不是一項(xiàng)階段性工作，而是一項(xiàng)書目數(shù)據(jù)維護(hù)常規(guī)工作，應(yīng)根據(jù)實(shí)際情況不斷地系統(tǒng)調(diào)整與策略優(yōu)化。