南曉凡（遼寧省圖書(shū)館，遼寧沈陽(yáng)110167）

?

基于跨庫(kù)檢索的數(shù)字圖書(shū)館資源整合方式研究

南曉凡
（遼寧省圖書(shū)館，遼寧沈陽(yáng)110167）

[摘要]闡述數(shù)字圖書(shū)館資源整合的必要性，介紹了數(shù)字圖書(shū)館中兩種主要的跨庫(kù)檢索模型：概率檢索模型、向量檢索模型。探討了數(shù)字圖書(shū)館資源整合內(nèi)容方案，包括零次信息的重組與整合、一次信息的重組與整合和二次信息的重組與整合方案。最后根據(jù)上述內(nèi)容，構(gòu)建了基于跨庫(kù)檢索的館藏資源整合平臺(tái)。

[關(guān)鍵詞]跨庫(kù)檢索數(shù)字圖書(shū)館資源整合

[分類(lèi)號(hào)]G250.73

跨庫(kù)檢索平臺(tái)是指在呈現(xiàn)給讀者的一個(gè)檢索系統(tǒng)界面中，對(duì)存在于多個(gè)數(shù)據(jù)庫(kù)中的所需資源進(jìn)行相關(guān)搜索，所以也稱(chēng)為統(tǒng)一檢索平臺(tái)，可以完成統(tǒng)一數(shù)據(jù)搜索，把在不同網(wǎng)絡(luò)、環(huán)境、數(shù)據(jù)庫(kù)存儲(chǔ)系統(tǒng)以及操作系統(tǒng)中分布的數(shù)據(jù)檢索出來(lái)，并集成檢索結(jié)果，在用戶(hù)操作界面上進(jìn)行展示[1]。在目前的數(shù)字化時(shí)代，信息資源數(shù)量劇增，用戶(hù)在對(duì)所需資源進(jìn)行定位時(shí)可以在跨庫(kù)搜索的基礎(chǔ)上利用信息資源整合系統(tǒng)來(lái)實(shí)現(xiàn)，并且檢索結(jié)果還能反饋到用戶(hù)的使用界面上。跨庫(kù)檢索的優(yōu)點(diǎn)是用戶(hù)只需要登錄一次就可以實(shí)現(xiàn)在全庫(kù)范圍內(nèi)搜索資源，免去了不必要的重復(fù)登錄[2]。

目前的跨庫(kù)檢索平臺(tái)中，常用的整合信息資源的系統(tǒng)包括兩個(gè)部分：首先是整合檢索界面，主要是整合在信息資源系統(tǒng)中的所有庫(kù)的界面，雖然有便利性的優(yōu)點(diǎn)[3]，但是其檢索效率低下的缺點(diǎn)同樣不可忽視，對(duì)底層數(shù)據(jù)源的控制并不能得到很好的實(shí)現(xiàn)；其次是要對(duì)數(shù)字資源信息系統(tǒng)間進(jìn)行整合，這部分整合方式的實(shí)現(xiàn)主要是針對(duì)系統(tǒng)的分布式異構(gòu)，利用分布式異構(gòu)性管理中的算法，實(shí)現(xiàn)信息的整合檢索，其優(yōu)點(diǎn)是用戶(hù)檢索的效率能得到極大提高，但存在操作麻煩的缺點(diǎn)。在跨庫(kù)檢索基礎(chǔ)上的資源整合在目前數(shù)字圖書(shū)館檢索研究中無(wú)疑已經(jīng)成為熱點(diǎn)之一。

1　數(shù)字圖書(shū)館資源整合的必要性

在管理數(shù)字圖書(shū)館的日常工作過(guò)程中，通常會(huì)出現(xiàn)無(wú)法有效管理文獻(xiàn)資料及數(shù)據(jù)資源的情況，而且存在這種情況的文獻(xiàn)資源還為數(shù)不少，導(dǎo)致查詢(xún)時(shí)耗費(fèi)了大量的人力、物力和時(shí)間；面對(duì)圖書(shū)館中關(guān)系類(lèi)型的數(shù)據(jù)庫(kù)，對(duì)其中的信息資源無(wú)法高效地進(jìn)行全文搜索；在圖書(shū)館的數(shù)字化進(jìn)程中，要相應(yīng)地把文件及資料也電子化，還涉及電子版發(fā)布的問(wèn)題，所以必須以整合化來(lái)進(jìn)行信息資源的建設(shè)。不難預(yù)料，隨著圖書(shū)館的發(fā)展，圖書(shū)館館藏管理的研究方向逐漸向信息資源的整合調(diào)整，在整合時(shí)必然要采用現(xiàn)代化的信息技術(shù)，這也是社會(huì)發(fā)展的必然要求。評(píng)價(jià)圖書(shū)館的信息資源體系時(shí)，其中關(guān)鍵的評(píng)價(jià)因素包含信息資源的整合能力及整合程度[4]。

1.1信息完整性、知識(shí)體系化的要求

信息技術(shù)和電子技術(shù)在不斷發(fā)展，數(shù)字圖書(shū)館也隨之擁有了越來(lái)越多的信息資源種類(lèi)和數(shù)量。在信息資源中，以書(shū)目、索引和獨(dú)立數(shù)據(jù)庫(kù)等形式存在的大量異構(gòu)資源在查看時(shí)只能給出資源鏈接和出處說(shuō)明，用戶(hù)在資源的使用時(shí)只能對(duì)資源分別獲取，不能展現(xiàn)出資源與資源之間的聯(lián)系。而在數(shù)字圖書(shū)館中，整合信息資源能建立不同載體和類(lèi)型信息資源之間的聯(lián)系，能有效地溝通信息和資源，知識(shí)結(jié)構(gòu)愈加完整。

1.2用戶(hù)使用的要求

公眾性和開(kāi)放性是數(shù)字圖書(shū)館的本質(zhì)所在，也即是說(shuō)在數(shù)字圖書(shū)館中無(wú)論信息資源的形式是什么，其目的無(wú)外乎是方便用戶(hù)的使用和查詢(xún)，所以必須要保證信息資源能被用戶(hù)有效利用，但通常來(lái)說(shuō)圖書(shū)館面對(duì)著差別較大的用戶(hù)類(lèi)型，檢索對(duì)象包含不同文化程度和年齡層的用戶(hù)，所以有必要整合數(shù)字圖書(shū)館的信息資源，確保用戶(hù)只需要從一個(gè)檢索入口查到的結(jié)果就是非常全面的，使檢索效率和資源利用率都得到有效的提高。

1.3數(shù)字圖書(shū)館建設(shè)的要求

數(shù)字圖書(shū)館大多擁有數(shù)量較大、種類(lèi)繁多的信息資源，在信息錄入時(shí)，也容易出現(xiàn)重復(fù)的情況，不僅造成大量的人力物力消耗，還會(huì)導(dǎo)致數(shù)字圖書(shū)館中出現(xiàn)數(shù)量較多的冗余資源[5]。為了避免信息資源重復(fù)建設(shè)，使信息資源建設(shè)的質(zhì)量得到有效提高，必須整合和重組現(xiàn)有信息資源，保證信息資源的健康發(fā)展，使信息資源保持可持續(xù)發(fā)展的狀態(tài)。從數(shù)字圖書(shū)館的角度來(lái)說(shuō)，其創(chuàng)新和科研能力也都得以進(jìn)一步提升。

2　數(shù)字圖書(shū)館中的跨庫(kù)檢索模型

2.1概率檢索模型

眾所周知，判斷系統(tǒng)用戶(hù)與圖書(shū)館文獻(xiàn)相關(guān)性，具有不確定性和隨機(jī)性。圖書(shū)館館藏文獻(xiàn)與用戶(hù)需求相關(guān)的可能性是隨機(jī)的，這種隨機(jī)事件發(fā)生的概率是文獻(xiàn)與用戶(hù)需求相關(guān)性的隱蔽性表達(dá)。通過(guò)計(jì)算或者估計(jì)隨機(jī)事件的概率，文獻(xiàn)相關(guān)的不確定性得以解除。

基于相關(guān)性理論構(gòu)建的概率檢索模型，是在對(duì)相關(guān)性不同理解方式的基礎(chǔ)上，構(gòu)建出的概率檢索模型也有所不同，而且由此導(dǎo)出的排序原則也都是不同的。也可以認(rèn)為概率檢索模型的理論核心就是相關(guān)性原理及排序原理，而其技術(shù)難點(diǎn)在于數(shù)據(jù)來(lái)源以及有關(guān)概率的計(jì)算[7]。

2.2向量檢索模型

為了把符合用戶(hù)需求的檢索結(jié)果反饋給用戶(hù)，人們建立了一種向量檢索模型，該模型多應(yīng)用在查詢(xún)請(qǐng)求較長(zhǎng)時(shí)。該模型并不要求精確匹配查詢(xún)請(qǐng)求和文檔，只需要在查詢(xún)請(qǐng)求和文檔之間對(duì)檢索方法進(jìn)行定義，使其相似度符合即可，并且根據(jù)兩者之間的相似程度排序所有的檢索結(jié)果呈現(xiàn)給用戶(hù)，便于用戶(hù)對(duì)所需文檔更方便地選擇。

在20世紀(jì)60年代就提出了向量空間模型，與布爾模型不同的是，該模型囊括了線(xiàn)性代數(shù)的知識(shí)，在數(shù)據(jù)庫(kù)文檔以及用戶(hù)檢索請(qǐng)求的表達(dá)時(shí)使用了檢索項(xiàng)的向量空間，并且對(duì)向量空間的相關(guān)性進(jìn)行計(jì)算，對(duì)所有檢索結(jié)果進(jìn)行分類(lèi)和排序提供給用戶(hù)，便于用戶(hù)對(duì)所需信息更好地定位。

3　數(shù)字圖書(shū)館信息資源整合內(nèi)容方案

3.1零次信息的重組與整合方案

在數(shù)字圖書(shū)館中，零次信息也可稱(chēng)為灰色文獻(xiàn)，字面上理解就是處在白色文獻(xiàn)和保密文獻(xiàn)之間的文獻(xiàn)。白色文獻(xiàn)是可公開(kāi)發(fā)行的，保密文獻(xiàn)是不公開(kāi)發(fā)行的，灰色文獻(xiàn)雖然不是保密的，但是也不公開(kāi)發(fā)行。這類(lèi)文獻(xiàn)一般為政府的行政和科技報(bào)告、科研院內(nèi)刊、高校學(xué)生的學(xué)生論文、學(xué)術(shù)會(huì)議相關(guān)資料、專(zhuān)家手稿以及調(diào)查報(bào)告等。其特點(diǎn)為具有較強(qiáng)的專(zhuān)業(yè)性、文獻(xiàn)質(zhì)量較高、與最新的科研動(dòng)態(tài)接軌、涉及面較廣以及種類(lèi)繁多、包含的信息量較大等優(yōu)點(diǎn)。但也有不可忽視的缺點(diǎn)：文獻(xiàn)透明度較低以及讀者范圍狹窄等。從文獻(xiàn)意義上來(lái)說(shuō)，灰色文獻(xiàn)是我國(guó)現(xiàn)代化發(fā)展進(jìn)程中的重要信息資源，能把最新的科研水平和發(fā)展趨勢(shì)展現(xiàn)出來(lái)，在文獻(xiàn)信息資源中灰色文獻(xiàn)已經(jīng)成為不容忽視的一部分。因此，應(yīng)該對(duì)這類(lèi)文獻(xiàn)分類(lèi)，然后更深層次地開(kāi)發(fā)和利用，構(gòu)建完成零次文獻(xiàn)數(shù)據(jù)庫(kù)，并接受遠(yuǎn)程查詢(xún)請(qǐng)求，使該信息資源可通過(guò)計(jì)算機(jī)網(wǎng)絡(luò)在網(wǎng)上利用。

3.2一次信息的重組與整合方案

與零次信息不同的是，一次信息是經(jīng)過(guò)加工的信息資源，并將其加入網(wǎng)絡(luò)的電子化信息之中。一次信息的優(yōu)點(diǎn)是有較廣泛的信息來(lái)源，而且擁有繁多的種類(lèi)以及豐富的內(nèi)容；其缺點(diǎn)是內(nèi)容優(yōu)劣不等，零散雜亂。其優(yōu)缺點(diǎn)決定了我們?cè)谶M(jìn)行信息的選取時(shí)，要把無(wú)用的信息摒棄掉，選擇質(zhì)量較高、來(lái)源可靠、實(shí)用的精加工過(guò)的信息資源。組織一次信息時(shí)，有多樣化的方式，包括自有文本、超文本以及主頁(yè)方式。其中自有文本方式多用來(lái)構(gòu)建全文數(shù)據(jù)庫(kù)，把采集的網(wǎng)外全文信息組織在一起，輸入網(wǎng)絡(luò)；超文本方式是有機(jī)地組織網(wǎng)絡(luò)上相關(guān)文本的信息，用戶(hù)可以從不同角度從任意節(jié)點(diǎn)對(duì)信息進(jìn)行瀏覽和查詢(xún)；主頁(yè)方式與檔案組織法較為類(lèi)似，多用于組織個(gè)人和有關(guān)機(jī)構(gòu)的信息。目前在互聯(lián)網(wǎng)上，超文本方式是大部分一次信息的組織方式。

3.3二次信息的重組與整合方案

加工、提煉和濃縮一次信息之后可以得到二次信息，其是一種工具性文獻(xiàn)，是為了便于對(duì)一次文獻(xiàn)管理和利用而累積起來(lái)的。目前在網(wǎng)內(nèi)具有海量的一次信息資源，并且其數(shù)量還在不斷地迅速增長(zhǎng)，但互聯(lián)網(wǎng)并不具備情報(bào)功能，不能把一次信息與用戶(hù)所需信息進(jìn)行自動(dòng)轉(zhuǎn)換，這就需要我們借助情報(bào)學(xué)有關(guān)知識(shí)，基于相關(guān)理論和分析方法，進(jìn)行“信息資源鏈”的組織，構(gòu)建出信息搜索工具，對(duì)網(wǎng)上一次信息資源進(jìn)行管理和控制。目前，二次信息主要以搜索引擎為組織方式，作為互聯(lián)網(wǎng)上的一類(lèi)網(wǎng)站，搜索引擎要從Web服務(wù)器中自動(dòng)搜尋信息，并且分類(lèi)搜尋到的信息，之后把建立的索引內(nèi)容存放到數(shù)據(jù)庫(kù)中。全文搜索引擎是搜索引擎研究的一個(gè)主要的發(fā)展方向，主要是全面檢索站點(diǎn)頁(yè)面文字內(nèi)容，提供的檢索功能相當(dāng)強(qiáng)大，在直接搜索文獻(xiàn)內(nèi)容的同時(shí)，還支持多側(cè)面和多角度的綜合利用。在信息的發(fā)現(xiàn)、分析、過(guò)濾、代理和安全控制方面全文搜索技術(shù)是應(yīng)用的基礎(chǔ)所在。搜索引擎的核心就是全文檢索，目前已經(jīng)成為當(dāng)今時(shí)代的主流之一。對(duì)全文檢索系統(tǒng)評(píng)價(jià)的關(guān)鍵指標(biāo)是全面、準(zhǔn)確和快速，整合和重組二次信息，首先要從網(wǎng)上對(duì)所需文獻(xiàn)進(jìn)行有針對(duì)性的選擇、分析和下載，并且簡(jiǎn)要地介紹和評(píng)價(jià)文獻(xiàn)資源的內(nèi)容特色和學(xué)術(shù)價(jià)值。然后在文獻(xiàn)目錄中按照統(tǒng)一格式組織鏈接相關(guān)知識(shí)點(diǎn)和文章。其次，要進(jìn)行軟件的開(kāi)發(fā)，要具有自動(dòng)轉(zhuǎn)換網(wǎng)頁(yè)文件、搜索、關(guān)鍵詞的搜索以及著錄等功能，并且經(jīng)過(guò)自動(dòng)的整理之后傳遞給用戶(hù)便捷的網(wǎng)頁(yè)形式。再次，進(jìn)行數(shù)據(jù)庫(kù)鏡像的設(shè)立，對(duì)國(guó)內(nèi)外源數(shù)據(jù)庫(kù)進(jìn)行定期精選，并將鏡像復(fù)制到本地服務(wù)器上，使用戶(hù)能對(duì)最新的文獻(xiàn)資源進(jìn)行及時(shí)的利用。最后，要開(kāi)發(fā)出圖書(shū)館與用戶(hù)交互的功能，用戶(hù)使用后進(jìn)行意見(jiàn)的反饋，對(duì)用戶(hù)個(gè)性化需求進(jìn)行分析和跟蹤，同時(shí)圖書(shū)館還能以郵件的方式將檢索到的文獻(xiàn)資源及時(shí)提供給用戶(hù)。

4　基于跨庫(kù)檢索的館藏資源整合平臺(tái)的構(gòu)建

4.1跨庫(kù)檢索統(tǒng)一平臺(tái)設(shè)計(jì)

跨庫(kù)檢索中，設(shè)計(jì)統(tǒng)一平臺(tái)的目的是接受用戶(hù)的查詢(xún)請(qǐng)求并把檢索到的結(jié)果按照統(tǒng)一格式反饋給用戶(hù)，同時(shí)用戶(hù)接口管理模塊還要負(fù)責(zé)身份認(rèn)證等；面對(duì)返回的數(shù)據(jù)，統(tǒng)一平臺(tái)中的信息處理程序的功能是執(zhí)行排序、合并、去重、轉(zhuǎn)換格式等操作；數(shù)據(jù)接口模塊的主要任務(wù)是通過(guò)連接數(shù)據(jù)庫(kù)及各異構(gòu)數(shù)據(jù)源，進(jìn)行資源的選擇，并根據(jù)檢索服務(wù)的不同傳遞相應(yīng)的查詢(xún)結(jié)果，結(jié)構(gòu)如圖1所示。

圖1　跨庫(kù)檢索統(tǒng)一平臺(tái)結(jié)構(gòu)

4.2跨庫(kù)檢索平臺(tái)的實(shí)現(xiàn)

目前有很多方法都可以實(shí)現(xiàn)跨庫(kù)檢索，比如利用數(shù)據(jù)庫(kù)接口軟件能直接連接不同的數(shù)據(jù)庫(kù)，但是最常用的方式是中間件的使用，異構(gòu)數(shù)據(jù)庫(kù)通過(guò)中間件實(shí)現(xiàn)跨庫(kù)檢索可分為以下幾個(gè)部分，具體實(shí)現(xiàn)原理如圖2所示。

圖2　跨庫(kù)檢索系統(tǒng)實(shí)現(xiàn)框架

首先是統(tǒng)一檢索界面，該部分設(shè)置的功能包括：讀者身份驗(yàn)證時(shí)采用用戶(hù)名和密碼進(jìn)行網(wǎng)頁(yè)登陸的方式；用戶(hù)輸入檢索請(qǐng)求；用戶(hù)選擇所需的數(shù)據(jù)庫(kù)及檢索結(jié)果的排序方式；幫助模塊；返回跨庫(kù)檢索查詢(xún)并處理排序后的結(jié)果。

其次是數(shù)據(jù)處理系統(tǒng)，該部分設(shè)置的功能包括：按照檢索系統(tǒng)的要求以統(tǒng)一的規(guī)范對(duì)用戶(hù)的輸入詞進(jìn)行轉(zhuǎn)換，并且把轉(zhuǎn)換后的檢索請(qǐng)求發(fā)送到中間件；中間件對(duì)各異構(gòu)數(shù)據(jù)庫(kù)進(jìn)行查詢(xún)之后反饋檢索結(jié)果，數(shù)據(jù)處理系統(tǒng)進(jìn)行數(shù)據(jù)的合并和排序等操作，同時(shí)參考用戶(hù)在檢索界面中設(shè)置好的排序方法進(jìn)行數(shù)據(jù)的排序顯示。

最后是中間件，這是一種重要的工具，支持著網(wǎng)絡(luò)分布式應(yīng)用系統(tǒng)的構(gòu)建，該部分設(shè)置的主要功能是在網(wǎng)絡(luò)分布計(jì)算機(jī)環(huán)境下解決相關(guān)異構(gòu)數(shù)據(jù)源的共享與互聯(lián)，同時(shí)還協(xié)調(diào)提供多種應(yīng)用軟件的使用。用戶(hù)輸入檢索關(guān)鍵詞之后，數(shù)據(jù)處理系統(tǒng)把檢索關(guān)鍵詞按照統(tǒng)一的格式進(jìn)行關(guān)鍵詞的轉(zhuǎn)換，使之適應(yīng)各數(shù)據(jù)庫(kù)的查詢(xún)格式要求，中間件再把處理后的檢索詞提交給各異構(gòu)數(shù)據(jù)庫(kù)進(jìn)行信息檢索；中間件獲取檢索后，轉(zhuǎn)換檢索結(jié)果為統(tǒng)一檢索平臺(tái)支持的格式并提供給數(shù)據(jù)處理系統(tǒng)。

5　結(jié)語(yǔ)

跨庫(kù)檢索技術(shù)應(yīng)用在數(shù)字化圖書(shū)館資源整合中，能充分利用館藏資源，最大限度地共享網(wǎng)絡(luò)資源，為數(shù)字圖書(shū)館的進(jìn)一步發(fā)展提供更好的技術(shù)支持。相信未來(lái)隨著跨庫(kù)檢索技術(shù)的不斷發(fā)展，圖書(shū)館資源整合會(huì)更加合理和完善。

參考文獻(xiàn)：

[1]黃傳慧，李娟.我國(guó)圖書(shū)館數(shù)字資源整合研究[J].圖書(shū)與情報(bào)，2009（4）：66-69.

[2]夏明春，強(qiáng)切云.我國(guó)高校圖書(shū)館資源整合的現(xiàn)狀：調(diào)查與建議[J].大學(xué)圖書(shū)館學(xué)報(bào)，2008（1）：39-44.

[3]謝寶義.高校圖書(shū)館數(shù)字資源整合模式研究與實(shí)踐——以石家莊鐵道大學(xué)圖書(shū)館為例[J].圖書(shū)館建設(shè)，2011（2）：33-35.

[4]欒芳芳，韓全惜.圖書(shū)館數(shù)字資源整合方式比較調(diào)查分析[J].現(xiàn)代情報(bào)，2007（12）：94-98.

[5]張?jiān)魄?國(guó)內(nèi)外跨庫(kù)檢索系統(tǒng)功能的比較研究[J].圖書(shū)情報(bào)工作，2006（8）：114-116.

[6]翟?shī)檴?，陳卓群，夏立?基于OGSA的數(shù)字圖書(shū)館跨庫(kù)檢索平臺(tái)構(gòu)建[J].情報(bào)科學(xué)，2011（2）：292-297.

[7]王軼珺.基于本體的跨庫(kù)檢索集成系統(tǒng)框架研究[J].現(xiàn)代情報(bào)，2008（1）：170-175.

南曉凡男，1978年生。本科學(xué)歷，副研究館員。研究方向：數(shù)字圖書(shū)館。

·文獻(xiàn)考略·

收稿日期：（2015-10-12；責(zé)編：張欣。）