1、數(shù)字圖書館的發(fā)展和研究鄭巧英,楊宗英上海交通大學(xué)圖書館,上海華山路1954號 200030文摘:本文主要論述了數(shù)字圖書館的發(fā)展、建立數(shù)字圖書館的技術(shù)和數(shù)字圖書館的服務(wù)模式。數(shù)字圖書館的出現(xiàn)為讀者提供了遠程訪問,資源共享等優(yōu)點,充分體現(xiàn)了計算機、網(wǎng)絡(luò)時代的特點。數(shù)字圖書館對信息密集型工作和學(xué)習(xí)提供了有效的工具和方法;大大擴充了信息的獲取范圍,提高了信息處理效率。數(shù)字圖書館中的資源比印刷型載體更便于檢索,使學(xué)者以最快速度,獲取所需資料;對教育、科研和技術(shù)開發(fā)都有重大的意義。關(guān)鍵詞:數(shù)字圖書館;圖書館網(wǎng)絡(luò);元數(shù)據(jù);資源共享中圖分類號:Development and Research of Digit

2、al LibraryZheng Qiaoying, Yang ZongyingLibrary of Shanghai Jiao Tong University 1954 Hua Shan Road, Shanghai,20030Abstract: This paper describes the concepts and the model of a digital library (DL as well as overview of DL in the world. A real digital library model should consist of four structures

3、levels, which are user interface, networks and communications, information resources and reference service system. There are five functions in the digital library, which are digitized documents for various media, large stores, quick access fast transfers, privilege and management. We are creation th

4、e prototype of the digital library in Shanghai Jiao Tong University. They in include a goal and content built SJTU DL, an environment of hardware and software and digital library support services and agents.Key words: Digital Library; Library Network; Metadata; Resource sharing21世紀人類已進入了高科技知識經(jīng)濟時代,計算

5、機、信息和通訊等高科技技術(shù)的迅速發(fā)展,以信息高速公路和多媒體技術(shù)為標(biāo)志的信息技術(shù)革命,將圖書館推向自動化、電子化和數(shù)字化的方向發(fā)展。數(shù)字圖書館的出現(xiàn)對于正在不斷產(chǎn)生的浩瀚的信息資源的整理、管理、提取和服務(wù),具有十分重要的作用,因此數(shù)字圖書館研究和發(fā)展的意義凸顯出來,成為當(dāng)前的一項重大課題,引起了世界性的廣泛關(guān)注。全球范圍內(nèi)已有許多國家和地區(qū)積極利用最新信息技術(shù)創(chuàng)建數(shù)字圖書館系統(tǒng)及數(shù)字圖書館資源庫,一批雛型成果已在Internet上出現(xiàn)。目前,數(shù)字圖書館的技術(shù)已能夠?qū)崿F(xiàn)中文文獻信息的初步處理,但是在如何有效的存儲、壓縮、信息的結(jié)構(gòu)化、多語種信息的對譯、元數(shù)據(jù)的生成、內(nèi)容描述的抽取和建立、搜索引擎

6、及互操作性能等方面需要進一步的解決和完善。1. 數(shù)字圖書館的發(fā)展和內(nèi)涵1.1圖書館自動化發(fā)展的三個階段回顧圖書館自動化發(fā)展的過程,可歸納成三個階段。第一階段稱為圖書館自動化發(fā)展的初級階段,也就是圖書館自動化管理系統(tǒng)發(fā)展的階段,此階段從60年代末、70年代初,以美國國會圖書館正式發(fā)行MARCII 的機讀目錄為標(biāo)志,使圖書館正式步入了圖書館自動化的階段。第二階段也稱為過渡階段,是圖書館在網(wǎng)上進行全球性、整體化的電子文獻信息服務(wù)的新階段。自1985年以CD-ROM光盤和局域網(wǎng)開始在圖書館得到應(yīng)用為主要標(biāo)志,在此階段人們可以在圖書館、辦公室、實驗室甚至在家中訪問圖書館的機讀目錄、光盤數(shù)據(jù)庫和檢索系統(tǒng),

7、使70年代出現(xiàn)的大型文獻信息中心充分發(fā)揮了效益。尤其是90年代Internet 的迅速發(fā)展,將圖書館網(wǎng)上的電子文獻信息服務(wù)推向了全球性服務(wù)的新階段。第三階段是圖書館自動化的高級發(fā)展階段,也稱為數(shù)字圖書館階段。根據(jù)專家分析和預(yù)測,21世紀初15年內(nèi)將有一批數(shù)字化圖書館出現(xiàn),專家、學(xué)者、圖書館工作人員將在電子世界中漫游,不但在本地圖書館,而且在它以外的“虛擬圖書館”中尋找到自己所需要的文獻信息資源。人們可以真正實現(xiàn)“秀才不出門,全知天下事”的夢想。1.2數(shù)字圖書館的內(nèi)涵每位讀者都有在圖書館查閱資料、借閱書刊、在書的海洋中遨游的經(jīng)歷,但是數(shù)字圖書館卻是內(nèi)容無限、圖文并茂、無邊無界的數(shù)字化的空間。目前

8、對數(shù)字圖書館有各種各樣的定義。數(shù)字圖書館不是簡單的將信息資源進行數(shù)字化處理,或者僅僅建立一個圖書館計算機管理系統(tǒng)。怎樣才是真正的數(shù)字圖書館的內(nèi)容和含義呢?所謂數(shù)字圖書館,就是擁有多種媒體、內(nèi)容豐富的數(shù)字化信息資源,是一種能為讀者方便、快捷地提供信息的服務(wù)機制,數(shù)字圖書館是一個完整的系統(tǒng),它由分布的、大規(guī)模和有組織的數(shù)據(jù)庫和知識庫組成,用戶可以通過統(tǒng)一的檢索界面,對系統(tǒng)內(nèi)的數(shù)據(jù)庫和知識庫進行一致性的訪問,并獲取自己所需的最終信息資料。1.3數(shù)字圖書館的益處建立數(shù)字圖書館的益處,首先是對于國家的珍本、善本等珍貴資料可以用數(shù)字化的形式保存下來。其次是數(shù)字圖書館實現(xiàn)了資源共享,用戶可以同時訪問多個分布

9、式多媒體信息源,為信息的查詢和利用提供了有效的工具和方法,大大的擴充了信息的獲取范圍,提高了信息處理效率。最后數(shù)字圖書館中的資源比印刷型信息資源更便于檢索,使用戶能最快速度的獲取所需的信息資源,對教育、科研和技術(shù)開發(fā)都有很大的意義。2. 數(shù)字圖書館的特征數(shù)字圖書館就是收集數(shù)字化的信息源和將圖書館內(nèi)的部分信息資源數(shù)字化,并將這些數(shù)字化信息資源為讀者提供有效的服務(wù)。數(shù)字圖書館的特征主要有以下幾個方面:2.1海量存儲和媒體多樣化圖書館的基礎(chǔ)是書刊文獻信息資源,而數(shù)字圖書館的基礎(chǔ)則是數(shù)字信息資源。信息產(chǎn)業(yè)是知識經(jīng)濟的支柱。隨著社會的進步和科技的發(fā)展,導(dǎo)致了人們對信息的需求的與日俱增。反之社會的進步又促

10、使信息生產(chǎn)量飛速增長,網(wǎng)絡(luò)的普及和電子出版物等新型手段使得信息的發(fā)布和使用更便利。這樣的形勢對圖書館來說信息的收集量、處理量和存儲量也相應(yīng)的不斷增大。從圖書館存儲信息的度量單位由KB、MB到GB、TB甚至PB就是一個數(shù)字圖書館需要擁有海量存儲的極好例子。數(shù)字圖書館的存儲介質(zhì)由傳統(tǒng)的紙質(zhì)轉(zhuǎn)變?yōu)槎喾N媒體,數(shù)字信號可以處理多種媒體的信息,如文字、聲音、圖像、動畫、三維體、虛擬空間等。對于這些不同的媒體可以采用不同的文件存儲格式和壓縮方式,目前常見的在電子圖書館采用的文件格式有TXT、DOC、PDF、HTML、SGML、XML、WAV、MP2、GIF、JPEG、MPEG 等。這些媒體信息僅僅對其數(shù)字化

11、是遠遠不夠的,需要圖書館的專業(yè)人員信息內(nèi)容加以再加工,根據(jù)各種媒體的特性進行標(biāo)引、數(shù)據(jù)加工、限制、縮放等。雖然數(shù)字圖書館存儲了各種各樣的媒體介質(zhì)的信息,但是這些多種媒體信息之間通過存在著各種關(guān)系如內(nèi)容、事件、形狀、次序、色彩、音調(diào)等相互鉤連,讀者可以利用這些相互關(guān)系來方便和容易的查找電子資源。2.2具有良好的網(wǎng)絡(luò)應(yīng)用環(huán)境和網(wǎng)絡(luò)應(yīng)用管理當(dāng)今世界已經(jīng)為我們構(gòu)造了一個無所不在的網(wǎng)絡(luò)空間。人們對網(wǎng)絡(luò)的速度的要求也越來越高,一個良好的、高速的網(wǎng)絡(luò)運行環(huán)境是運行數(shù)字化圖書館的基礎(chǔ)。在這樣的網(wǎng)絡(luò)環(huán)境中,人們對數(shù)字信息的存取已經(jīng)突破了數(shù)字信息存放的地點的限制,然而在網(wǎng)絡(luò)空間中,我們還是需要人為的加上一些限制。

12、網(wǎng)絡(luò)越普及、網(wǎng)絡(luò)應(yīng)用越廣泛,網(wǎng)絡(luò)的重要性也就越突出,我們必須重視網(wǎng)絡(luò)空間的安全。OSI規(guī)定了互聯(lián)網(wǎng)絡(luò)的七層模式,不同的信息需要在不同的網(wǎng)絡(luò)層次上傳遞。在數(shù)字圖書館中也應(yīng)根據(jù)各種應(yīng)用本身的需要來劃分不同的層次,網(wǎng)上用戶的使用層次也根據(jù)各館的政策和規(guī)定檢索不同層次的信息。讀者在對傳統(tǒng)的圖書館的使用中,往往被圖書館的地理位置所束縛。圖書館和圖書館之間的相互使用性無法更好的發(fā)揮。而數(shù)字圖書館已遠遠超越了地理位置的限制,通過網(wǎng)絡(luò)和計算機,將全國乃至全世界的數(shù)字圖書館有組織的連接起來,同時它還超越了時間和空間的約束,讀者可以在任何時候、任何地方去獲得任何自己所需要的信息資源。2.3具有智能的數(shù)字信息資源的

13、檢索軟件簡單的將傳統(tǒng)的圖書館中慣用的檢索手段如關(guān)鍵詞、題名、布爾邏輯等查詢方式應(yīng)用于數(shù)字圖書館,遠遠無法解決數(shù)字圖書館中浩瀚的信息資源的查準和查全的問題。數(shù)字圖書館中存儲的海量的多媒體信息需要有智能化的搜索引擎、交互式智能化而又簡單易用的多媒體檢索工具,讓讀者在數(shù)字化圖書館系統(tǒng)的各種數(shù)據(jù)庫和知識庫中獲取有組織的、連續(xù)性的、真正所需的信息資源,讓使用者不必預(yù)先了解或?qū)W習(xí)檢索各種類數(shù)據(jù)庫的技術(shù)和方法,這就意味著數(shù)字圖書館必須有異構(gòu)平臺的統(tǒng)一檢索界面的功能,并可根據(jù)讀者的需求提供個性化的主動服務(wù)。數(shù)字圖書館在檢索方法上的要求是以人工智能為基礎(chǔ),讀者可以通過自己熟悉的自然語言,不斷地與系統(tǒng)進行交互,逐

14、步縮小搜索目標(biāo),并將檢索結(jié)果予以知識化關(guān)聯(lián),最終獲得確切的信息資源。檢索的結(jié)果可以有多種形式的顯示、表達或演示甚至構(gòu)造虛擬現(xiàn)實。2.4 擁有多種媒體介質(zhì)、多種語言、全文檢索數(shù)字圖書館擁有龐大的信息資源,網(wǎng)絡(luò)的互聯(lián)實現(xiàn)了資源共享,傳統(tǒng)的服務(wù)所得到的二次文獻已不能滿足讀者的需求,讀者需要獲得基于全文檢索的服務(wù)。同時數(shù)字圖書館所收藏的資源信息不限于印刷體,而是具有聲音、圖像、影視等多種媒體,它的存儲載體也相應(yīng)地有光盤、錄音、錄象帶及各種類型的數(shù)字化、電子化裝置。因此數(shù)字圖書館應(yīng)提供生動、具體、逼真的形象的信息資源。當(dāng)然數(shù)字圖書館的出現(xiàn),并不意味著傳統(tǒng)圖書館的消亡,今后乃至相當(dāng)長的一段時間內(nèi),印刷媒體

15、仍舊有很大的作用和占有很大的比例,印刷媒體不可能被其他媒體所取代。此外,由于對讀者提供信息資源一致性的服務(wù),要求數(shù)字圖書館具有兼容多種語言的能力。不同文化背景、使用不同語言的讀者,都可以在數(shù)字圖書館中訪問到多種數(shù)據(jù)庫和知識庫,取得自己的目標(biāo)文獻資源。2.5強大的信息傳播和服務(wù)模式數(shù)字圖書館不同于傳統(tǒng)的圖書館。傳統(tǒng)圖書館的最主要的目的只是收藏,在對所收藏的書刊資料保存、組織的基礎(chǔ)上為讀者提供各種服務(wù)。傳統(tǒng)圖書館的服務(wù)是被動式的模式,讀者來到圖書館,圖書館才為他們提供查詢、檢索功能,這些功能根本不可能在家里或辦公室中完成。而且讀者也只知道題名、作者、主題詞、館藏等有限的信息。工作人員和讀者之間的服

16、務(wù)也只能停留在你問我答,你借書我取書的狀態(tài)。而數(shù)字圖書館是一個將收藏、服務(wù)和人集成在一起的一個環(huán)境,它支持數(shù)字化數(shù)據(jù)、信息和知識的整個生命周期的活動,包括生成、發(fā)布、傳播、利用和保存。它所提供的服務(wù)卻是主動型的,隨時發(fā)布和廣播各種信息資源的消息,它不斷地、主動地為讀者提供所需的信息資源,提供導(dǎo)航式和個性化服務(wù)。這樣圖書館服務(wù)模式就由被動式轉(zhuǎn)變?yōu)橹鲃邮椒?wù),從根本上改變未來教育的模式和方法。數(shù)字圖書館應(yīng)該不斷地綜合最新的科技動態(tài)、新科技和新學(xué)科的發(fā)展趨勢,對讀者進行信息資源的引導(dǎo)和導(dǎo)航。數(shù)字圖書館擁有現(xiàn)實的館藏和虛擬的館藏,多種類型信息的處理,免費和計費的服務(wù)、服務(wù)模式的廣泛性、服務(wù)內(nèi)容的多樣化

17、,以及具有部分電子商務(wù)的服務(wù)模式,使其具有與傳統(tǒng)圖書館的不同的組織結(jié)構(gòu)。這種結(jié)構(gòu)的特點是立足于本位,作為一個信息站點,按功能或任務(wù)來劃分組織機構(gòu),包括信息采集整理、信息資源的加工轉(zhuǎn)換、信息發(fā)布和服務(wù)、數(shù)據(jù)信息維護等;作為全球數(shù)字圖書館的組成部分,應(yīng)展開形式多樣的資源共享,包括聯(lián)合購買數(shù)據(jù)庫、共同揭示報道館藏資源、提供統(tǒng)一標(biāo)準的服務(wù)等,但是無論是在提供的資源或服務(wù)上必須強調(diào)特色,突出分工,相互協(xié)作,互盡義務(wù),互惠互利;不同層次的讀者可以享用不用的使用權(quán)限;在不違反版權(quán)和其他法律規(guī)定的前提下傳遞信息資源;對某些服務(wù)或某些讀者的使用率進行正確的使用統(tǒng)計和合理的收費功能;,可以結(jié)合電子貨幣結(jié)算功能。3

18、. 數(shù)字圖書館的模式數(shù)字化圖書館的模式由三個部分和附加層組成: 用戶界面;網(wǎng)絡(luò)和通訊;信息資源、數(shù)據(jù)庫管理和檢索系統(tǒng)以及附加的咨詢系統(tǒng)。3.1用戶界面數(shù)字化圖書館的資源被廣大用戶或讀者使用,必須具備友好的用戶界面, 包括各種類型的個人計算機和工作站, 如IBMPC, MACINTOSH等,使用命令語言或菜單或直接手操法等方式進行操作。目的就是讓用戶訪問資源時,使用方便,所以人們非常重視用戶界面的開發(fā),例如近年來,在INTERNET上出現(xiàn)一些方便用戶的網(wǎng)絡(luò)化信息檢索工具,它們使用的是窗口、圖標(biāo)瀏覽器和超文本等用戶友好界面的技術(shù),使用者不必知道所要查找的信息在網(wǎng)絡(luò)存放的位置,也不必掌握許多操作命令

19、。這些界面使用者一看就懂、一學(xué)就會,掌握起來也沒什么困難。3.2通訊系統(tǒng)網(wǎng)絡(luò)和通訊系統(tǒng)是數(shù)字化圖書館的重要基礎(chǔ)。若網(wǎng)絡(luò)系統(tǒng)不完善,用戶必須到圖書館使用各類資源,失去了數(shù)字化圖書館的意義。從宏觀的數(shù)字化圖書館概念出發(fā),它是一個整體化建設(shè)。包括一個單位內(nèi)的區(qū)域網(wǎng)絡(luò)以及地區(qū)、國家和國際網(wǎng)絡(luò)和通訊系統(tǒng)的建設(shè)。因特網(wǎng)是數(shù)字化圖書館實現(xiàn)的網(wǎng)絡(luò)環(huán)境。由一大批共同遵循TCP/IP通訊協(xié)議的計算機網(wǎng)絡(luò)通過網(wǎng)絡(luò)設(shè)備互連而成的龐大網(wǎng)絡(luò)。目前因特網(wǎng)已經(jīng)聯(lián)系著超過160 個國家和地區(qū)。大量的信息資源均可通過它獲得。寬帶網(wǎng)是數(shù)字圖書館要求的運行環(huán)境。3.3信息資源讀者的目的是以最快的速度得到滿意的資料。一個現(xiàn)實的數(shù)字化圖

20、書館，在今后一段時間內(nèi)將同時存在三 種資源：即本單位收藏或開發(fā)的數(shù)字化信息資源；傳統(tǒng)圖書館的印刷型資料（有各種數(shù)字化的索引）；外 界數(shù)字化圖書館、 信息中心和電子出版物數(shù)據(jù)庫的資源等。 就長遠觀點而言， 還應(yīng)有國家級的 “知識銀行” 、 “文獻數(shù)據(jù)庫系統(tǒng)”，供數(shù)字化圖書館共享。目前因特網(wǎng)已為全球提供了極其豐富的信息資源，從最尖端 的太空探索、科技信息、文學(xué)藝術(shù)，甚至烹調(diào)技術(shù)。圖書館聯(lián)機館藏目錄通過因特網(wǎng)免費對外開放也是虛 擬圖書館重要的信息資源。 3.4 數(shù)字化圖書館的咨詢系統(tǒng) 數(shù)字化圖書館的咨詢系統(tǒng)一般分為自我服務(wù)系統(tǒng)和請求幫助系統(tǒng)。這是數(shù)字化圖書館的重要組成部分，前 者能在客戶端上顯示讀者

21、指南，能自動指引讀者使用數(shù)字化圖書館。目前大多數(shù)電子信息中心均有自我服 務(wù)系統(tǒng)。后者為請求幫助系統(tǒng)，數(shù)字化圖書館應(yīng)有各種信息專家，隨時接受讀者的聯(lián)機訪問并提供咨詢。 已有數(shù)字化圖書館的示范單位，有的已使用專家系統(tǒng)來部分解決一些讀者提出較疑難問題。請求幫助系統(tǒng) 應(yīng)能在讀者不中斷檢索的情況下，一步一步地幫助用戶解決問題；系統(tǒng)專家還能監(jiān)控這些活動，知道信息 專家解決問題的情況。 4. 實現(xiàn)數(shù)字圖書館的相關(guān)標(biāo) 5. 準和工具 4.1 數(shù)字化文獻資源描述和處理語言 數(shù)字圖書館的相關(guān)標(biāo)準和規(guī)范主要有： SGML標(biāo)準通用標(biāo)記語言，它包括許多 ISO 標(biāo)準。HTML 是其子集，專門用來在 WWW 上建立超媒體

22、文件的語 言。 XML擴展的標(biāo)記語言，XML 是 Extensible Markup Language 的縮寫，它由 W3C 組織提出并用來定義處理 Metadata 的基本原則。 RDF資源描述框架模型和句法，是在 W3C 的授權(quán)下，制定出的 Metadata 的規(guī)范。 ANSI/NISO Z39.50應(yīng)用服務(wù)定義和協(xié)議，用于網(wǎng)絡(luò)上不同系統(tǒng)或不同數(shù)字圖書館間的互聯(lián)、互訪的協(xié)議。 UNICODE通用多于 8 位編碼字符集，包含漢字等多國文字，總字符有 29092 個，并可進一步擴充。 4.1 元數(shù)據(jù)格式METADATA Metdata 是目前數(shù)字圖書館研究中的一個重要方面，是用來標(biāo)引信息資源的

23、有關(guān)信息的結(jié)構(gòu)化數(shù)據(jù)，目前 有多種用來進行網(wǎng)上數(shù)字資源著錄和標(biāo)引的格式，根據(jù)不同的標(biāo)引對象如普通電子資料、文本、圖像、聲 音、軟件、網(wǎng)頁、建筑、家具等，采用不同的元數(shù)據(jù)格式。比較常見的元數(shù)據(jù)格式有： （1）MARC 格式USMARC，UNIMARC，CNMARC 格式。早在七十年代，MARC 就在圖書館自動化的應(yīng)用中，擔(dān) 任了非常重要的角色，MARC 是機器可讀目錄，人們使用 MARC 來標(biāo)引書目數(shù)據(jù)。在 1995 年美國國會圖書館 數(shù)字圖書館的項目中，推薦 USMARC 作為數(shù)字信息資源標(biāo)引的元數(shù)據(jù)，并在原 USMARC 的字段的基礎(chǔ)上增加 了 856 字段（電子資源地址與存取字段），用來存

24、放 URL 的地址，直接連接因特網(wǎng)；增加了 958 字段，用 來存放文件的存取地址。美國國會圖書館正在研究一種新的標(biāo)準通用標(biāo)識語言文獻類型定義SGML DTD， 它能將 ISO-2709 的 MARC 格式的數(shù)據(jù)自動轉(zhuǎn)換成基于國際標(biāo)準 ISO-8879 SGML 格式，以適用網(wǎng)絡(luò)軟件和瀏 覽器。 （2）都柏林核心數(shù)據(jù)格式Dublin Core。它是一個國際范圍通用的使用于網(wǎng)絡(luò)資源著錄的格式。由 15 個 數(shù)據(jù)單元元素組成，但僅使用于 HTML 的環(huán)境。15 個元素為：名稱、題名、主題詞和關(guān)鍵詞、內(nèi)容描述、 資源類型、來源、關(guān)系和范圍。Dublin Core 結(jié)構(gòu)簡單；數(shù)據(jù)元素的含義容易使用，即

25、使是非圖書館編目 人員也能掌握；有德語、日語、葡萄牙語、西班牙語等 10 多種語種的版本；可擴性好，可以與其他元數(shù)據(jù) 連接使用。 （3）VRA 視覺資料核心類目VRA Core。1995 年 VRA 是為在網(wǎng)絡(luò)環(huán)境下對藝術(shù)、建筑、幻燈片、照片等藝 術(shù)類的數(shù)據(jù)資源標(biāo)引而產(chǎn)生的，隨著應(yīng)用和推廣，逐漸擴大應(yīng)用到非藝術(shù)類的數(shù)據(jù)資源的標(biāo)引。VRA 格式 由兩部分組成，一是作品著錄類目，有 19 個數(shù)據(jù)元素，用于任何一種作品實體或某種視覺文獻所記載的原 始作品。二是視覺文獻著錄類目，有 9 個數(shù)據(jù)元素，用于記載某種作品實體的視覺文獻（照片、幻燈片、 數(shù)字圖像等）作品。 另外，隨著 XML 應(yīng)用環(huán)境的日漸成熟，許多基于 XML 的元數(shù)據(jù)格式也被提出來。如 Web Collection，CDF (chann