彭渝等

〔摘要〕通過調(diào)查重慶地區(qū)高校、公共圖書館、醫(yī)院電子文獻資源，發(fā)現(xiàn)各單位在資源種類、總量、平均擁有量，特別是外文資源，差距更大，整合與共享勢在必行，通過對各單位元數(shù)據(jù)的抽取，構(gòu)建本地區(qū)電子資源元數(shù)據(jù)倉儲，使讀者通過對元數(shù)據(jù)倉儲的“一站式”檢索，實現(xiàn)對資源的統(tǒng)一訪問，從而達到整合目的。

〔關(guān)鍵詞〕元數(shù)據(jù)；電子文獻資源；整合；高校圖書館；公共圖書館；醫(yī)院

DOI：10.3969/j.issn.1008-0821.2013.05.011

〔中圖分類號〕G25076〔文獻標(biāo)識碼〕A〔文章編號〕1008-0821（2013）05-0047-04

21本地鏡像的商業(yè)數(shù)據(jù)庫資源

由于知識產(chǎn)權(quán)的原因，數(shù)據(jù)廠商一般情況下是不愿意提供資源的元數(shù)據(jù)的，不過可以通過與數(shù)據(jù)廠商協(xié)商，獲取一些數(shù)據(jù)庫的元數(shù)據(jù)資源。對于可以獲取元數(shù)據(jù)的商業(yè)數(shù)據(jù)庫，可以實施基于數(shù)據(jù)層的資源整合。對于不能獲取元數(shù)據(jù)的數(shù)據(jù)資源，數(shù)據(jù)廠商可以提供該資源所遵循的協(xié)議和訪問許可方式，實現(xiàn)應(yīng)用層的整合。

22本館自建特色資源

由于這類資源由本館自建，本館擁有該資源的元數(shù)據(jù)和對象數(shù)據(jù)，通過元數(shù)據(jù)收割獲取各館自建資源的元數(shù)據(jù)。

23隨書光盤資源

各館自建的隨書光盤數(shù)據(jù)庫，各館擁有元數(shù)據(jù)及對象數(shù)據(jù)，可以實施元數(shù)據(jù)整合。

總之，對于較容易獲取元數(shù)據(jù)的電子文獻資源都可以通過元數(shù)據(jù)實現(xiàn)數(shù)據(jù)整合。

3元數(shù)據(jù)整合模型分析

基于元數(shù)據(jù)的區(qū)域電子文獻資源整合的中心思想是：通過建立區(qū)域內(nèi)統(tǒng)一的元數(shù)據(jù)中心，系統(tǒng)通過OAI（Open Archive Initiative for Protocol Meta-data Harvesting）技術(shù)，將各校各類型資源收割到臨時的元數(shù)據(jù)倉儲中，然后通過對臨時元數(shù)據(jù)倉儲中的數(shù)據(jù)進行清洗、轉(zhuǎn)換，將這些數(shù)據(jù)追加到中心元數(shù)據(jù)倉儲中。用戶只需要對中心元數(shù)據(jù)倉儲進行檢索，即可實現(xiàn)對區(qū)域內(nèi)電子文獻資源的統(tǒng)一檢索。

在所調(diào)查的高校圖書館、公共圖書館、醫(yī)院分別屬于3個不同的系統(tǒng)，所以在模型圖中我們分別設(shè)立高校圖書館DC元數(shù)據(jù)中心、公共圖書館DC元數(shù)據(jù)中心、醫(yī)院DC元數(shù)據(jù)中心，通過OAI收割各個區(qū)域的元數(shù)據(jù)資源。所謂DC元數(shù)據(jù)中心，即采用DC元數(shù)據(jù)標(biāo)準(zhǔn)的元數(shù)據(jù)中心。3個分中心，分別對各系統(tǒng)內(nèi)各單位的各類電子文獻資源實施元數(shù)據(jù)收割，建立系統(tǒng)的元數(shù)據(jù)中心。

31分布集中系統(tǒng)思想

通過上面的分析，針對重慶地區(qū)種類多樣的電子文獻資源，本文提出了基于元數(shù)據(jù)的集中與分布相結(jié)合的區(qū)域電子文獻資源整合與共享模型，所謂集中與分布相結(jié)合，即元數(shù)據(jù)的集中存儲，對象數(shù)據(jù)的集中與分布存儲相結(jié)合。在資源整合過程中，數(shù)據(jù)有兩部分組成，即元數(shù)據(jù)和對象數(shù)據(jù)。元數(shù)據(jù)是描述對象數(shù)據(jù)的數(shù)據(jù)，本模型中資源整合與共享的實現(xiàn)主要依靠元數(shù)據(jù)，通過元數(shù)據(jù)揭示資源，為讀者提供檢索瀏覽的線索，最終定位對象數(shù)據(jù)。對象數(shù)據(jù)是知識的載體，如PDF格式的電子圖書、光盤鏡象文件、音視頻文件等，是我們整合的最終對象。在本模型中，對于元數(shù)據(jù)采取集中的存儲模式，不同類型數(shù)字資源的元數(shù)據(jù)經(jīng)過規(guī)范化處理，被分別存儲在相應(yīng)的元數(shù)據(jù)倉儲數(shù)據(jù)庫中。而針對對象數(shù)據(jù)的存儲，本模型采取分布與集中相結(jié)合的方式，即系統(tǒng)在整合資源時，對象數(shù)據(jù)仍保留在各院校的系統(tǒng)中，不會被抽取到中心。當(dāng)某些院校沒有能力存儲某資源時，可以將這些資源存儲到某資源中心，實現(xiàn)相對集中的存儲[1]。

32整合流程

在模型中，整合系統(tǒng)被分為了3層，第一層：重慶地區(qū)DC元數(shù)據(jù)中心。第二層：高校圖書館DC元數(shù)據(jù)中心、公共圖書館DC元數(shù)據(jù)中心、醫(yī)院DC元數(shù)據(jù)中心。第三層：每一個分中心下面的高校。所以系統(tǒng)運行的流程是：

（1）高校DC元數(shù)據(jù)中心、公共圖書館DC元數(shù)據(jù)中心、醫(yī)院DC元數(shù)據(jù)中心分別將所屬的圖書館的元數(shù)據(jù)收割到分中心，形成分中心的元數(shù)據(jù)倉儲。

3個分中心分別構(gòu)建自己的DC元數(shù)據(jù)倉儲（電子圖書DC元數(shù)據(jù)倉儲、電子期刊DC元數(shù)據(jù)倉儲、自建資源DC元數(shù)據(jù)倉儲等），然后對所屬的高校的元數(shù)據(jù)進行收割，將收割的元數(shù)據(jù)存儲到臨時元數(shù)據(jù)倉儲中。

（2）元數(shù)據(jù)ETL（Extract-Transform-Load）

ETL，即數(shù)據(jù)抽?。‥xtraction）、數(shù)據(jù)轉(zhuǎn)換（Transfonnation）、數(shù)據(jù)裝載（Loading）。ETL是數(shù)據(jù)倉庫體系結(jié)構(gòu)當(dāng)中的一個重要過程，也是數(shù)據(jù)倉庫建設(shè)過程中最復(fù)雜、費時的環(huán)節(jié)，ETL開發(fā)通常會占整個數(shù)據(jù)倉庫項目時間的60%～80%，ETL是實現(xiàn)異構(gòu)資源集成的關(guān)鍵環(huán)節(jié)。

數(shù)據(jù)抽?。簲?shù)據(jù)抽取是從異構(gòu)數(shù)據(jù)源中采集原始數(shù)據(jù)，這些數(shù)據(jù)可以是元數(shù)據(jù)據(jù)，也可以是對象數(shù)據(jù)。在本模型中只采集元數(shù)據(jù)資源，對象數(shù)據(jù)仍保留在各系統(tǒng)中。

數(shù)據(jù)轉(zhuǎn)換：數(shù)據(jù)轉(zhuǎn)換包括數(shù)據(jù)的清洗和轉(zhuǎn)換兩部分功能。各系統(tǒng)中元數(shù)據(jù)的數(shù)據(jù)表現(xiàn)形式存在差異，所以必須消除這些差異，第一，數(shù)據(jù)標(biāo)準(zhǔn)化，數(shù)據(jù)的標(biāo)準(zhǔn)化主要表現(xiàn)在數(shù)據(jù)格式的規(guī)范化和數(shù)據(jù)表達方式的同一化。舉例說明：對于“語種”字段，不同的系統(tǒng)著錄方式是不一樣的，如中文、CN、CHN、China等，面對這些差異，必需制定中心元數(shù)據(jù)標(biāo)準(zhǔn)，規(guī)定著錄方式，系統(tǒng)依據(jù)該標(biāo)準(zhǔn)，對各個異構(gòu)的元數(shù)據(jù)進行標(biāo)準(zhǔn)化。第二，數(shù)據(jù)解析，由于各系統(tǒng)元數(shù)據(jù)字段所概括的內(nèi)容不一，某系統(tǒng)中其中一個元數(shù)據(jù)字段可能對應(yīng)別的系統(tǒng)中的兩個字段，數(shù)據(jù)存在不同的細節(jié)級別，稱之為粒度。粒度越高，所表示的綜合程度越高。在中心數(shù)據(jù)倉儲中的查詢涉及到不同的細節(jié)，不同的數(shù)據(jù)圖1基于元數(shù)據(jù)的重慶地區(qū)電子文獻資源整合模型

源對信息的描述可能具有不同的粒度，這使得對來自不同數(shù)據(jù)源的數(shù)據(jù)很難做相應(yīng)的比較。所以本模塊的任務(wù)就是消除各系統(tǒng)元數(shù)據(jù)粒度不一致的問題，對該拆分的字段進行拆分，該合并的字段進行合并。第三，數(shù)據(jù)增強，數(shù)據(jù)增強的任務(wù)是對原始數(shù)據(jù)進行補充，實現(xiàn)系統(tǒng)數(shù)據(jù)的完整性。數(shù)據(jù)中心所制定的元數(shù)據(jù)標(biāo)準(zhǔn)中，并非所有的系統(tǒng)都擁有標(biāo)準(zhǔn)中所擁有的元素或者修飾詞，這時候就要增加字段，使被整合的系統(tǒng)的元數(shù)據(jù)信息更加完整。第四，重復(fù)記錄歸并，在中心元數(shù)據(jù)倉儲中，每一條記錄都對應(yīng)一篇文獻，不允許重復(fù)記錄的存在，必須保證數(shù)據(jù)的惟一性。但從各系統(tǒng)抽取的元數(shù)據(jù)，不可避免的存在重復(fù)，所以記錄的去重與歸并成為必然。通過數(shù)據(jù)清洗，對各系統(tǒng)中采集的原始數(shù)據(jù)進行有效性檢查，對不規(guī)范、重復(fù)的記錄進行規(guī)范化處理，使采集的各系統(tǒng)的原始信息統(tǒng)一化，標(biāo)準(zhǔn)化，即完成元數(shù)據(jù)的標(biāo)準(zhǔn)化，將異構(gòu)的元數(shù)據(jù)轉(zhuǎn)換成為標(biāo)準(zhǔn)一致、著錄規(guī)范的元數(shù)據(jù)，從而提高了數(shù)據(jù)的質(zhì)量[2]。

數(shù)據(jù)裝載：在數(shù)據(jù)清洗完畢之后，即可以將清洗后的標(biāo)準(zhǔn)元數(shù)據(jù)加載到中心元數(shù)據(jù)倉儲中，數(shù)據(jù)裝載的功能是將采集、清洗、轉(zhuǎn)換過后的標(biāo)準(zhǔn)元數(shù)據(jù)加載到目標(biāo)數(shù)據(jù)倉庫中，該功能是對經(jīng)過清洗和轉(zhuǎn)換的數(shù)據(jù)進行匯總、保存，以達到數(shù)據(jù)級整合的目的[3]。

（3）收割高校圖書館、公共圖書館、醫(yī)院三系統(tǒng)中心元數(shù)據(jù)，形成重慶地區(qū)總的DC元數(shù)據(jù)倉儲。之所以會設(shè)立3個分中心，是三系統(tǒng)分別屬于不同的系統(tǒng)，本系統(tǒng)內(nèi)實施起來更加容易，系統(tǒng)較易管理，也具有較強的擴展性。但系統(tǒng)最終的目的是實現(xiàn)重慶地區(qū)電子文獻資源共享，所以還要將3個分中心的元數(shù)據(jù)追加到重慶地區(qū)DC元數(shù)據(jù)倉儲中，建立重慶地區(qū)總的DC元數(shù)據(jù)倉儲[4]。

（4）反向收割重慶地區(qū)DC元數(shù)據(jù)倉儲，高校圖書館、公共圖書館、醫(yī)院三系統(tǒng)中心元數(shù)據(jù)反向收割重慶地區(qū)DC元數(shù)據(jù)倉儲，三系統(tǒng)與中心系統(tǒng)實現(xiàn)元數(shù)據(jù)的同步，這樣做的好處，第一，元數(shù)據(jù)的安全性。第二，系統(tǒng)性能提升，各系統(tǒng)只需要對本系統(tǒng)的元數(shù)據(jù)中心進行訪問即可實現(xiàn)對資源的訪問。

（5）通過OpenURL實現(xiàn)原文獲取。

用戶通過對重慶DC元數(shù)據(jù)倉儲進行檢索，系統(tǒng)通過OpenURL建立原文的鏈接。OpenURL規(guī)定鏈接源不直接指向鏈接對象，而是由第三方鏈接服務(wù)器作為用戶與所需求資源之間的中介。鏈接服務(wù)器接收鏈接源傳送到的OpenURL，通過惟一的標(biāo)識符（如DOI）解析其內(nèi)容，建立對上下文對象的描述，以動態(tài)選擇合適的鏈接目標(biāo)，從而使鏈接源和鏈接對象處于一個開放式互聯(lián)框架內(nèi)，不同資源系統(tǒng)中各類資源，只要符合OpenURL框架，均可很方便地實現(xiàn)多種資源的鏈接[5]。

4系統(tǒng)優(yōu)點

本文提出的基于元數(shù)據(jù)的區(qū)域電子文獻資源整合模型，與基于數(shù)據(jù)倉庫，檢索代理的整合技術(shù)相比，具有如下的優(yōu)點：

（1）檢索速度快?；跈z索代理的資源整合，其整合的數(shù)據(jù)資源非常有限，當(dāng)數(shù)據(jù)庫較多時，其檢索速度非常慢。與檢索代理技術(shù)相比，由于用戶是對實現(xiàn)了元數(shù)據(jù)的物理集中與規(guī)范的長株潭DC元數(shù)據(jù)倉儲進行檢索，所以速度非?？靃6]。

（2）系統(tǒng)中心存儲壓力小?；跀?shù)據(jù)倉庫技術(shù)的資源整合，在集成元數(shù)據(jù)的同時，還要集中各系統(tǒng)的對象數(shù)據(jù)，這樣系統(tǒng)中心將面臨非常大的存儲壓力。本模型中，系統(tǒng)中心僅僅存儲元數(shù)據(jù)資源，對象數(shù)據(jù)仍保存在各館中，所以系統(tǒng)中心沒有存儲壓力。

（3）系統(tǒng)管理容易，具有擴展性。在本模型中，我們在重慶DC元數(shù)據(jù)中心下面，分設(shè)了高校圖書館DC元數(shù)據(jù)中心、公共圖書館DC元數(shù)據(jù)中心、醫(yī)院DC元數(shù)據(jù)中心，實現(xiàn)了分層管理，不至于系統(tǒng)較大造成管理混亂。同時當(dāng)新的區(qū)域加入整合與共享建設(shè)中時，只需要對新增加的區(qū)域的元數(shù)據(jù)進行收割與清洗，然后追加到重慶DC元數(shù)據(jù)倉儲中去就可以了，系統(tǒng)具有較強的擴展性。

（4）實現(xiàn)了元數(shù)據(jù)的物理集中與對象數(shù)據(jù)的分布管理。通過對各系統(tǒng)元數(shù)據(jù)的清洗、轉(zhuǎn)換，實現(xiàn)了各系統(tǒng)中元數(shù)據(jù)的一致，構(gòu)建了區(qū)域內(nèi)統(tǒng)一的元數(shù)據(jù)倉儲，從而實現(xiàn)區(qū)域內(nèi)各系統(tǒng)資源的整合。而對象數(shù)據(jù)仍保存在各館原來的系統(tǒng)之中，這樣在實現(xiàn)資源整合的同時，各館仍可獨立的開展各項服務(wù)。

（5）可以在統(tǒng)一的規(guī)范的元數(shù)據(jù)倉儲的基礎(chǔ)上開展各項服務(wù)。可以以重慶元數(shù)據(jù)中心為核心，提供統(tǒng)一檢索、元數(shù)據(jù)的聯(lián)合編目、數(shù)據(jù)挖掘、數(shù)據(jù)分析等個性化服務(wù)。這是其它整合模型無法實現(xiàn)的。

同時系統(tǒng)也有如下缺點：

（1）由于涉及知識產(chǎn)權(quán)問題，元數(shù)據(jù)的獲取較為困難，對于中文數(shù)據(jù)庫，可以通過與數(shù)據(jù)商協(xié)商解決。對于外文數(shù)據(jù)庫，基本上無法獲取元數(shù)據(jù)。

（2）由于各系統(tǒng)沒有遵循統(tǒng)一的元數(shù)據(jù)標(biāo)準(zhǔn)，在構(gòu)建統(tǒng)一元數(shù)據(jù)倉儲時，必須對元數(shù)據(jù)進行清洗，這是構(gòu)建統(tǒng)一元數(shù)據(jù)倉儲的關(guān)鍵。而對元數(shù)據(jù)清洗是非常不容易的。

（3）系統(tǒng)中心必須對元數(shù)據(jù)倉儲進行維護，保證系統(tǒng)正常運行。

5小結(jié)

電子文獻資源整合及共享的目標(biāo)是提高文獻信息資源的可獲知能力和可獲得能力。構(gòu)筑重慶地區(qū)的電子文獻資源的整合與共享體系的根本目的，就是通過圖書館協(xié)作的規(guī)模效益來提高三地區(qū)開發(fā)和利用電子文獻信息資源的綜合能力，提高電子文獻資源的可獲知能力和可獲得能力[7]。

參考文獻

[1]張建中，陳松喬，方正.基于數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù)的信息檢索體系[J].高校圖書館工作，2007，（5）：1-3.

[2]王愛麗.高校圖書館數(shù)字資源整合及其實現(xiàn)[J].江西圖書館學(xué)刊，2007，（4）：26-28.

[3]王穎霞.論數(shù)字圖書館的資源整合[J].現(xiàn)代圖書情報技術(shù)，2004，（S1）：106-107.

[4]熊擁軍，歐鵬杰.圖書相關(guān)文獻資源發(fā)現(xiàn)與獲取系統(tǒng)構(gòu)建——基于預(yù)索引元數(shù)據(jù)倉儲[J].圖書情報知識，2011，（6）：101-106.

[3]陳良.高校圖書館數(shù)字資源整合分析[J].河北科技圖苑，2008，（1）：81-83.

[6]袁小一，張建中.檢索代理及其在資源整合中的應(yīng)用[J].圖書館論壇，2007，（5）：31-33.

[7]劉其云.基于數(shù)字信息資源整合的研究[J].現(xiàn)代情報，2008，（6）：125-126.

（本文責(zé)任編輯：馬卓）