關(guān)鍵詞：智慧圖書館;報(bào)紙專題庫;國家圖書館;數(shù)字化項(xiàng)目

摘 要：報(bào)紙資源是圖書館館藏資源的重要組成部分，具有較高的史料價(jià)值和學(xué)術(shù)價(jià)值。文章以國家圖書館在建報(bào)紙數(shù)字化項(xiàng)目為例，對(duì)不同類型報(bào)紙的數(shù)據(jù)庫建設(shè)要點(diǎn)進(jìn)行了對(duì)比分析，旨在為其他圖書館報(bào)紙專題庫建設(shè)提供參考。

中圖分類號(hào)：G250.7 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-1588（2022）05-0096-05

圖書館館藏資源數(shù)字化是圖書館信息資源建設(shè)的重要內(nèi)容，可提高館藏資源利用率，滿足用戶多元化的信息需求。在智慧圖書館背景下，圖書館可通過數(shù)據(jù)資源挖掘?qū)崿F(xiàn)知識(shí)增值和服務(wù)創(chuàng)新。報(bào)紙專題數(shù)據(jù)庫是圖書館按照某一主題（學(xué)科、領(lǐng)域、事件、時(shí)間等）進(jìn)行內(nèi)容遴選[1]，通過知識(shí)組織、數(shù)據(jù)挖掘、數(shù)據(jù)加工和數(shù)字化轉(zhuǎn)換、數(shù)據(jù)關(guān)聯(lián)等步驟，用計(jì)算機(jī)可識(shí)別和處理的文本、圖片或其他多媒體形式組建起來的可供用戶查詢和檢索使用的數(shù)據(jù)資源集成[2]。報(bào)紙資源是圖書館館藏資源的重要組成部分，是記錄各個(gè)時(shí)期中國政治、經(jīng)濟(jì)、軍事、外交、生活等的重要文獻(xiàn)，具有很高的史料價(jià)值和學(xué)術(shù)價(jià)值。但其出版形式和載體形態(tài)具有特殊性：報(bào)紙數(shù)量龐大但保存情況不容樂觀，參考價(jià)值高但數(shù)字化揭示程度低。特別是承載著中國特殊變革時(shí)期的民國報(bào)紙，產(chǎn)生于機(jī)械化造紙初期：造紙材料混雜、制漿工藝落后，導(dǎo)致報(bào)紙酸性強(qiáng)、保存性差。筆者曾深入國家圖書館報(bào)紙典藏庫調(diào)研，發(fā)現(xiàn)民國報(bào)紙破損程度非常高，頁面發(fā)黃，紙質(zhì)發(fā)脆;相當(dāng)一部分年代久遠(yuǎn)的報(bào)紙已經(jīng)喪失閱覽功能，束之高閣無人問津。報(bào)紙資源較高的文獻(xiàn)價(jià)值和較低的利用率這對(duì)矛盾，使開展館藏報(bào)紙資源的保護(hù)和深度開發(fā)工作迫在眉睫，報(bào)紙專題數(shù)據(jù)庫建設(shè)應(yīng)運(yùn)而生。筆者在國家圖書館從事文獻(xiàn)數(shù)字化工作多年，參與了多個(gè)報(bào)紙專題庫建設(shè)，在此對(duì)不同類型報(bào)紙的數(shù)據(jù)庫建設(shè)要點(diǎn)進(jìn)行對(duì)比分析，希望能為其他圖書館報(bào)紙資源專題庫建設(shè)提供參考。

1 報(bào)紙專題庫建設(shè)的意義

1.1 報(bào)紙專題庫建設(shè)是智慧圖書館資源建設(shè)和保護(hù)的重要途徑

一方面，開展報(bào)紙專題數(shù)據(jù)庫建設(shè)可以保護(hù)館藏紙質(zhì)報(bào)紙資源，特別是民國時(shí)期破舊老報(bào)紙資源，延長報(bào)紙資源的使用壽命;另一方面，專題庫建設(shè)是實(shí)現(xiàn)報(bào)紙資源增值服務(wù)的重要途徑[3]。報(bào)紙資源的載體多為實(shí)體資源和縮微膠片，亟待保護(hù)的年代久遠(yuǎn)的紙質(zhì)報(bào)紙資源已經(jīng)逐漸喪失了閱覽功能，而縮微膠片對(duì)讀者的閱讀設(shè)備、使用技巧要求較高，且不能提供一站式檢索服務(wù)，閱讀成本高而閱讀效率底，用戶體驗(yàn)差。報(bào)紙專題庫的建設(shè)從根本上解決了老舊報(bào)紙的保護(hù)和利用問題。一方面，數(shù)字化后的實(shí)體報(bào)紙資源免去了復(fù)制、翻閱之難，紙質(zhì)文獻(xiàn)可以被更好地保護(hù);另一方面，報(bào)紙專題庫的建設(shè)實(shí)現(xiàn)了報(bào)紙資源生命周期的延續(xù)，使靜態(tài)無序的報(bào)紙資源“活過來”了。

1.2 報(bào)紙專題庫建設(shè)是智慧圖書館為讀者提供縱深服務(wù)的重要舉措

大數(shù)據(jù)時(shí)代，智慧圖書館是繼數(shù)字圖書館、移動(dòng)圖書館后在“互聯(lián)網(wǎng)+”時(shí)代應(yīng)運(yùn)而生的新型圖書館模式。智慧圖書館要求圖書館能夠通過物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)等新一代信息技術(shù)的運(yùn)用，改變圖書館系統(tǒng)和用戶的交互方式，進(jìn)而提高交互的精準(zhǔn)度、靈活性和響應(yīng)速度[4]。圖書館在建數(shù)字化項(xiàng)目都要以為用戶提供無時(shí)不在、無處不在的個(gè)性化定制服務(wù)為目標(biāo)。報(bào)紙專題庫可以根據(jù)不同的主題呈現(xiàn)不同規(guī)模的集合體。例如，國家圖書館“中國歷史文獻(xiàn)總庫·近代報(bào)紙數(shù)據(jù)庫”（即民國報(bào)紙數(shù)據(jù)庫）就是將所有館藏民國報(bào)紙縮微膠片數(shù)字化并進(jìn)行報(bào)紙標(biāo)題內(nèi)容OCR（Optical Character Recognition，光學(xué)字符識(shí)別）文字識(shí)別，數(shù)據(jù)庫設(shè)置了任意詞、區(qū)域、拼音等檢索入口，實(shí)現(xiàn)了館藏民國報(bào)紙一站式導(dǎo)航服務(wù)，讀者也擺脫了必須到館查閱資料的困難，人機(jī)交互隨時(shí)隨地[5]。

2 國家圖書館報(bào)紙專題庫建設(shè)現(xiàn)狀

截止到2021年12月，國家圖書館館藏中文報(bào)紙實(shí)體資源196，764（合訂）冊(cè)，外文報(bào)紙資源102，238冊(cè);館藏?cái)?shù)字化報(bào)紙資源3，430種。門戶網(wǎng)站中，已建成并免費(fèi)對(duì)讀者開放的大型報(bào)紙專題數(shù)據(jù)庫有中國歷史文獻(xiàn)總庫·紅色文獻(xiàn)數(shù)據(jù)庫、近代報(bào)紙數(shù)據(jù)庫、申報(bào)、Newspaper Source（EBSCO）等18個(gè)。在眾多報(bào)紙專題數(shù)據(jù)庫中，筆者曾參與了民國報(bào)紙縮微膠片數(shù)字化項(xiàng)目和中華人民共和國大事記館藏報(bào)紙展項(xiàng)目。在數(shù)據(jù)庫建設(shè)形式方面，以上項(xiàng)目基本包括了現(xiàn)階段我國圖書館報(bào)紙資源數(shù)字化工作的兩個(gè)方向：基于全文ORC識(shí)別的小型專題數(shù)據(jù)庫以及基于標(biāo)題識(shí)別、標(biāo)引的大而全數(shù)據(jù)庫。筆者將從專題庫建設(shè)涉及的主題內(nèi)容遴選、標(biāo)準(zhǔn)規(guī)范制定和其他相關(guān)特殊事項(xiàng)等方面分析不同類型專題庫的不同特點(diǎn)。

3 報(bào)紙專題庫建設(shè)要點(diǎn)對(duì)比分析

3.1 專題內(nèi)容遴選

數(shù)據(jù)資源是數(shù)據(jù)庫的核心。不同類型數(shù)據(jù)庫的數(shù)據(jù)采集策略不同，無論是大型專題數(shù)據(jù)庫如民國報(bào)紙數(shù)據(jù)庫，還是小型展覽型特色主題數(shù)據(jù)庫，資源的采訪原則都應(yīng)精而全，要選擇完整的、具有館藏特色的報(bào)紙資源。

3.1.1 綜合性數(shù)據(jù)庫。國家圖書館民國報(bào)紙縮微數(shù)字化項(xiàng)目是國家圖書館和出版社、外包公司合作完成的民國報(bào)紙專題數(shù)據(jù)庫，該項(xiàng)目以1919—1949年間的民國報(bào)紙為對(duì)象，盡可能收錄民國期間出版發(fā)行的所有報(bào)紙資源。館藏報(bào)紙縮微膠片資源是其加工對(duì)象，大而全是其特點(diǎn)，不僅有《新華日?qǐng)?bào)》《大剛報(bào)》這樣的大報(bào)，還有讀者廣泛、內(nèi)容休閑又具趣味性的小報(bào)，如《電影報(bào)》《北平小報(bào)》《新兒童報(bào)》《文藝新聞》等。由于報(bào)紙版面數(shù)量巨大，經(jīng)費(fèi)有限，且民國報(bào)紙破損嚴(yán)重，本著最大限度搶救報(bào)紙資源的原則，項(xiàng)目組最后將該項(xiàng)目的流程確定為：在每版掃描圖像的基礎(chǔ)上對(duì)版面篇目標(biāo)題（包括引題、標(biāo)題、副題）進(jìn)行OCR文字識(shí)別，并對(duì)篇目的位置范圍進(jìn)行置標(biāo)，最終實(shí)現(xiàn)了基于篇目標(biāo)題檢索的民國報(bào)紙庫閱覽服務(wù)[6]。

3.1.2 特色主題數(shù)據(jù)庫。國家圖書館另一報(bào)紙資源庫中華人民共和國大事記線上展覽項(xiàng)目是為慶祝中華人民共和國成立七十周年建設(shè)的，該數(shù)據(jù)庫通過對(duì)1949—2019年國內(nèi)外發(fā)生的重大歷史事件及相關(guān)報(bào)道的揭示，客觀真實(shí)地反映了我國近70年來發(fā)生的巨大變化，獻(xiàn)禮共和國成立七十周年。與此同時(shí)，項(xiàng)目組將建成的專題數(shù)據(jù)庫對(duì)外開放，為專家學(xué)者提供知識(shí)服務(wù)[7]。該項(xiàng)目圍繞中華人民共和國成立七十周年這一主題，以1949—2019年《人民日?qǐng)?bào)》為加工對(duì)象，以共和國70年來重大歷史事件報(bào)道為脈絡(luò)，遴選相關(guān)度較高的報(bào)道并輔以圖書、講座等其他館藏資源，形成關(guān)聯(lián)數(shù)據(jù)以豐富事件內(nèi)容。較之覆蓋面較廣的綜合性民國報(bào)紙數(shù)據(jù)庫，大事記報(bào)紙資源展雖然信息源遴選單一、專指性強(qiáng)，但豐富的關(guān)聯(lián)數(shù)據(jù)資源使該報(bào)紙展覽資源庫更加立體。下頁表1對(duì)以上兩類自建庫的特點(diǎn)進(jìn)行了對(duì)比分析，圖書館可根據(jù)需求和館藏資源特點(diǎn)決定建庫類型。

3.2 項(xiàng)目標(biāo)準(zhǔn)規(guī)范

3.2.1 元數(shù)據(jù)標(biāo)準(zhǔn)。民國報(bào)紙數(shù)字化加工項(xiàng)目是在圖像掃描的基礎(chǔ)上進(jìn)行文章標(biāo)題內(nèi)容的文字識(shí)別，由專業(yè)的外包公司完成數(shù)字化加工，國家圖書館負(fù)責(zé)數(shù)據(jù)驗(yàn)收。民國報(bào)紙?jiān)獢?shù)據(jù)的內(nèi)容由兩部分組成：館藏縮微膠片的元數(shù)據(jù)（MARC格式）以及加工過程中產(chǎn)生的新的元數(shù)據(jù)內(nèi)容（使用ACCESS數(shù)據(jù)庫和XML文件保存）。元數(shù)據(jù)內(nèi)容包括：版面信息元數(shù)據(jù)（題名、卷期、版次、出版日期等）、正文元數(shù)據(jù)（欄目、標(biāo)題、副標(biāo)題、作者等）、圖片元數(shù)據(jù)（圖片版次、欄目、標(biāo)題、副題）、廣告元數(shù)據(jù)（卷期、版次等）等[8]。

中華人民共和國大事記線上展覽項(xiàng)目則是對(duì)報(bào)紙內(nèi)容做了更深層次揭示的專題報(bào)紙數(shù)據(jù)庫。數(shù)據(jù)庫網(wǎng)站首頁提供年份導(dǎo)航，用戶可根據(jù)年份瀏覽共和國70年來的重大事件。例如，1967年6月17日，中國第一顆氫彈空爆試驗(yàn)成功。點(diǎn)擊“查看報(bào)紙”按鈕，讀者可以瀏覽與此大事件所有相關(guān)的報(bào)道的圖片和文字以及與此事件相關(guān)的館藏圖書、展覽等資源。在該項(xiàng)目加工過程中，涉及的圖像文件信息以說明文件的形式存在，包括唯一標(biāo)識(shí)號(hào)、出版日期、版面、事件年份、事件編號(hào)、備注以及事件描述等信息。

3.2.2 對(duì)象數(shù)據(jù)標(biāo)準(zhǔn)。經(jīng)過項(xiàng)目組成員的大量測(cè)試和對(duì)比分析，最終確定民國報(bào)紙長期保存級(jí)數(shù)據(jù)為不壓縮TIFF格式，發(fā)布服務(wù)級(jí)為JPG格式和雙層PDF格式：上層為圖像，下層為文本;而大事記線上展覽項(xiàng)目的原始圖像文件也采用TIFF格式，發(fā)布服務(wù)級(jí)采用JPG格式和TXT文本數(shù)據(jù)，方便讀者閱讀和利用。

參考《國家圖書館圖像數(shù)據(jù)加工標(biāo)準(zhǔn)和操作指南》中普通文獻(xiàn)的掃描分辨率，民國報(bào)紙縮微膠片數(shù)字化項(xiàng)目和中華人民共和國大事記項(xiàng)目圖像掃描參數(shù)都選擇400dpi。不同的是，由于大多數(shù)民國報(bào)紙印刷都是黑色文字和圖片，幾乎沒有彩色字樣，該項(xiàng)目在啟動(dòng)之初經(jīng)過黑白二值掃描和灰度掃描對(duì)比測(cè)試，最后確定民國報(bào)紙數(shù)字化掃描采用灰度掃描;而大事記項(xiàng)目是縮微膠片數(shù)字化和實(shí)體報(bào)紙掃描相結(jié)合，涉及大量彩色圖像，故該項(xiàng)目原始TIFF圖像的掃描和格式存儲(chǔ)標(biāo)準(zhǔn)涉及灰度圖像和彩色圖像兩種，詳見表2、表3。

3.2.3 存儲(chǔ)結(jié)構(gòu)。一般來講，一個(gè)數(shù)字對(duì)象就是一個(gè)具有唯一標(biāo)識(shí)的數(shù)字資源，每個(gè)對(duì)象數(shù)據(jù)在加工過程中會(huì)被賦予不同的存儲(chǔ)結(jié)構(gòu)和路徑。民國報(bào)紙的對(duì)象數(shù)據(jù)存儲(chǔ)路徑分為三層：第一層為報(bào)紙的唯一標(biāo)識(shí)號(hào)，不同報(bào)紙被賦予不同的唯一標(biāo)識(shí)號(hào)，號(hào)碼來自報(bào)紙縮微膠片元數(shù)據(jù);第二層為8位數(shù)字組成的期號(hào);第三層為三位數(shù)字組成的版數(shù)。例如，唯一標(biāo)識(shí)號(hào)為00N000418，出版日期為1948年5月31號(hào)的《福建時(shí)報(bào)》第1版的圖像掃描文件的存儲(chǔ)路徑為＼＼00N000418＼＼19480531＼＼001。

194901002.jpg

194901003.jpg

194901事件描述.txt

中華人民共和國大事記線上展覽項(xiàng)目的加工對(duì)象是館藏《人民日?qǐng)?bào)》縮微膠片數(shù)字化后的圖像文件以及館藏紙質(zhì)報(bào)紙經(jīng)掃描后的圖像文件。在此項(xiàng)目中，對(duì)象數(shù)據(jù)包括三種類型：原始TIFF文件、JPG文件及文本文件。TIFF文件進(jìn)行糾偏、去黑邊、格式轉(zhuǎn)化、添加水印、目標(biāo)篇目畫框等一系列數(shù)字化加工后，生成發(fā)布服務(wù)級(jí)JPG文件（用JPG_S表示）。TIFF文件和JPG文件命名規(guī)則一致，在此以JPG圖像舉例說明：圖像文件的唯一標(biāo)識(shí)號(hào)設(shè)為9位數(shù)字，前四位為事件發(fā)生年份，中間兩位是該年份事件編號(hào)，而后三位則是以001起始的數(shù)字序號(hào)。例如，若1949年發(fā)生的編號(hào)為1的重要事件涉及兩張報(bào)紙圖像，則1949年事件1的第一張圖像命名為194901001，第二張圖像命名為194901002。與此同時(shí)，為照顧不同用戶的閱讀習(xí)慣，項(xiàng)目特增加事件描述的文本文件（以TXT格式呈現(xiàn)事件全文內(nèi)容），文件存放于發(fā)布級(jí)成品數(shù)據(jù)JPG_S文件中該事件子目錄下。例如，1949年事件1的三張圖像和描述文件的命名和存儲(chǔ)路徑如下：

中華人民共和國大事記＼JPG_S＼1949＼01＼194901001.jpg

3.3 特殊事項(xiàng)

不同類型報(bào)紙庫的數(shù)據(jù)結(jié)構(gòu)和平臺(tái)展示方式不同，在數(shù)字化過程中會(huì)采用不同的加工策略。鑒于民國報(bào)紙數(shù)據(jù)結(jié)構(gòu)的復(fù)雜性以及未來平臺(tái)檢索服務(wù)的需求，項(xiàng)目采用XML定義報(bào)紙數(shù)據(jù)結(jié)構(gòu)，每版報(bào)紙標(biāo)記為一個(gè)XML文件，文件包含該版次所屬該期報(bào)紙的基本信息、各個(gè)篇目的標(biāo)題識(shí)別文字、篇目范圍置標(biāo)數(shù)據(jù)等具體內(nèi)容，通過坐標(biāo)定位實(shí)現(xiàn)標(biāo)引，保證用戶通過大小標(biāo)題和作者檢索能夠準(zhǔn)確定位該篇范圍。XML具體實(shí)例和版面呈現(xiàn)見圖1、圖2。

與此不同，大事記線上展覽項(xiàng)目報(bào)紙庫的目標(biāo)定位方式為基于年代的圖像數(shù)據(jù)瀏覽式，數(shù)據(jù)結(jié)構(gòu)簡單，所以采用在JPG圖像上畫紅色框線的方式實(shí)現(xiàn)事件關(guān)聯(lián)度最高篇目的展示。詳見下頁圖3。

除了揭示方式不同，報(bào)紙庫的知識(shí)標(biāo)引深度也不盡相同。已實(shí)現(xiàn)全文數(shù)字化的現(xiàn)當(dāng)代報(bào)紙資源庫既提供全文檢索服務(wù)，又提供基于專題內(nèi)容的瀏覽服務(wù);而民國報(bào)紙資源實(shí)現(xiàn)全文OCR文字識(shí)別的范圍卻很有限，大部分都是PDF格式的全文數(shù)字化[9]。圖書館在報(bào)紙專題庫建設(shè)過程中，考慮的已經(jīng)不是要不要數(shù)字化，而是如何更高效地?cái)?shù)字化以提高成品利用率，這就要求報(bào)紙庫建設(shè)過程中要不斷挖掘知識(shí)單元，建立知識(shí)聯(lián)系，實(shí)現(xiàn)知識(shí)增值服務(wù)，使這塊資源寶庫源源不斷地創(chuàng)造價(jià)值。

4 結(jié)語

館藏報(bào)紙是圖書館資源不可或缺的重要組成部分。近現(xiàn)代報(bào)紙逐漸被灰塵布滿，被書蟲侵蝕，老舊報(bào)紙因不停翻閱而碎屑遍地，數(shù)量驟減，隨著歷史見證者、記錄者逐漸老去、消失，人類將會(huì)面臨巨大的損失。保護(hù)和開發(fā)報(bào)紙資源不僅是對(duì)歷史負(fù)責(zé)，也是當(dāng)今智慧圖書館建設(shè)的要求。搶救老舊報(bào)紙、挖掘?qū)ｎ}寶庫離不開多館合作和共建共享，重復(fù)建設(shè)易造成資源浪費(fèi)，在建設(shè)類似民國報(bào)紙專題數(shù)據(jù)庫這樣的綜合數(shù)據(jù)庫的同時(shí)，各地圖書館更應(yīng)深挖地方特色報(bào)紙資源，建設(shè)特色專題庫，避免資源的重復(fù)建設(shè)。與此同時(shí)，智慧圖書館環(huán)境下，新媒體的運(yùn)用顯得格外重要，圖書館只有加強(qiáng)宣傳推廣工作，把數(shù)據(jù)庫做“活”做“大”，才能讓用戶看到，從而讓知識(shí)去找讀者，讓專題數(shù)據(jù)庫在專業(yè)領(lǐng)域發(fā)揮作用，為讀者提供更精準(zhǔn)有效的服務(wù)。

參考文獻(xiàn)：

[1]孫建軍.人文社科專題數(shù)據(jù)庫建設(shè)關(guān)鍵技術(shù)與方法研究[J].信息資源管理學(xué)報(bào)，2020（5）：11.

[2]李麗環(huán).高校檔案專題數(shù)據(jù)庫建設(shè)研究與實(shí)踐[J].蘭臺(tái)世界，2014（7）：38-39.

[3]陳桂香.淺議民國報(bào)紙的數(shù)字化建設(shè)：以重慶圖書館為例[J].科技情報(bào)開發(fā)與經(jīng)濟(jì)，2013（4）：27-29.

[4]嚴(yán)棟.基于物聯(lián)網(wǎng)的智慧圖書館[J].圖書館學(xué)刊，2010（7）：65-68.

[5]中國歷史文獻(xiàn)總庫·近代報(bào)紙數(shù)據(jù)庫[EB/OL].[2022-01-05].http：//bz.nlcpress.com/library/publish/defa ult/Main.jsp.

[6]肖紅.民國報(bào)紙數(shù)字化實(shí)踐中的主要問題及處理策略[J].圖書館學(xué)研究，2017（4）：22-37.

[7]中華人民共和國大事記館藏報(bào)紙展[EB/OL].[2022-01-05].http：//www.nlc.cn/dsb_zt/xzzt/ghgdsj./.

[8]肖紅，吳茗，曾燕.民國報(bào)紙縮微膠片數(shù)字化及服務(wù)探析：以國家圖書館為例[J].圖書館學(xué)刊，2015（10）：89-92.

[9]任靜，林衛(wèi)東，李洪梅.公共圖書館民國報(bào)刊數(shù)字化建設(shè)現(xiàn)狀研究[J].山東圖書館學(xué)刊，2021（3）：88-92.

（編校：周雪芹）

收稿日期：2022-04-24

作者簡介：姚昕（1987— ），國家圖書館館員。