低成本实现一站式全文检索

低成本实现一站式全文检索

朱本军;聂华　2009-12-22　中国教育网络

　　自从2008年以来，我国高校图书馆开始陆续关注下一代图书馆界面。目前，应用下一代图书馆界面的高校图书馆有两个：一是使用Ex Libris公司的Primo产品的上海交通大学图书馆(http://www.lib.sjtu.edu.cn/welcome.do)，二是使用Innovative公司的Encore产品的华东师范大学图书馆(http://encore.lib.ecnu.edu.cn)。在开源产品方面进行试验并取得一定成果的高校图书馆有：香港科技大学图书馆(http://catalog.ust.hk/catalog/smartcat.php)和北京大学图书馆。本文以北京大学图书馆为例，介绍如何利用开源软件Scriblio搭建下一代图书馆发现与获取界面。

　　下一代图书馆界面的兴起

　　传统OPAC不能适应馆藏的变化

　　传统的图书馆OPAC有几个显著的特点：一是被设计为图书馆自动化集成系统的一个子系统，与自动化系统的采访、编目、流通等子系统高度集成，密不可分；二是整个检索环境高度依赖书目数据库和流通子系统；三是所检索的资源范围，大部分用于揭示图书馆馆藏的印刷版资源；四是对资源的揭示受到MARC记录的限制，因此，仅限于记录结构涵盖的信息。

　　随着Web2.0相关技术的出现，以及图书馆馆藏资源的变化，传统OPAC越来越不能满足图书馆和读者的需求。

　　从图书馆的角度来看，首先，电子资源越来越多，图书馆希望OPAC不仅能揭示馆藏书目信息，还能揭示订购的电子资源；其次，数字特藏资源(如学位论文、古籍、音视频等)的种类和数量不断增长，而拘泥于MARC的传统图书馆集成管理系统不能胜任数字特藏的元数据描述、数字对象的提交等需求；三是不同类型资源的检索入口分散，不能整合揭示图书馆的馆藏资源。

　　从用户的角度来看，用户使用图书馆的时间越来越少，而使用互联网的时间越来越多。2005年OCLC进行的一项调查发现：89%的大学生使用搜索引擎，而只有1%的学生使用图书馆网站进行信息检索。这说明搜索引擎更符合用户的使用习惯，搜索的满意度与搜索过程中返回的信息的数量和质量是分不开的。

　　可以说，下一代图书馆界面的产生，源于对新一代图书馆检索和获取界面的期待，图书馆需要开发和应用能够更好地适应当代网络用户的界面。捕捉到图书馆的这种需求，图书馆自动化集成系统商开始努力在图书馆的OPAC界面上进行创新。

　　功能特点

　　下一代图书馆发现与获取界面的主要功能和特点表现在五个方面：

　　一是简单的检索界面，单点获取图书馆所有馆藏信息，包括图书馆所有馆藏的书目信息和图书馆订购的全部电子资源；

　　二是对检索结果集进行相关度排序；

　　三是对检索结果集进行分面导航(facet navigation)，引导读者找到所需的资源；

　　四是从互联网获取不同来源的相应内容，如封面、目录、评论等，丰富书目的信息量，增强内容的容量；

　　五是支持用户互动，如读者可以为图书写评论、增加个性化标签等。

　　目前，国际上已经出现了一些比较成熟的下一代图书馆界面的相关产品，商业产品如Aquabrowser、Encore、Primo、Worldcat Local和Polaris Library System等，开源产品如Scriblio(http://about.scriblio.net)和Vufind(http://www.vufind.org)。

　　实施Scriblio项目

　　2008年4月，北京大学图书馆对图书馆自动化集成系统展开评估和调研。调研的结果表明，下一代图书馆界面是图书馆未来发展和实践的一个方向。5月，北京大学图书馆便开始尝试利用开源软件Scriblio搭建下一代图书馆界面。2009年4月，系统完成大部分本地化配置，并投入试运行。

　　功能特点

　　Scriblio本身是下一代图书馆界面的一个代表：既继承了传统OPAC书目查找的功能，又具备很多新的设计思路和理念。其主要功能特点如下：

　　1. 一站式整合检索：检索界面简洁如Google，可以查询所有馆藏资源(包括纸版和电子资源)；

　　2. 对检索结果进行相关度排序、分面显示；

　　3. 可以进行书评；

　　4.可以通过互联网提供书目信息的API接口，获取诸如封面、摘要、目录等丰富的内容；

　　5. 具备其他一些Web2.0的功能，如RSS、评分等。

　　安装系统

　　Scriblio是开源博客系统WordPress的一个内容管理插件。WordPress系统平台的运行环境为Apache+Mysql+PHP。由于PHP语言本身有跨平台的特性，因此，整个系统可以运行在Linux/Unix、Mac OS、Windows等操作系统之上。北京大学图书馆试验系统运行环境为Windows 2003 Server。

　　安装的步骤：

　　首先是搭建Apache+MySQL+PHP环境。北京大学图书馆使用的是Windows平台下的开源集成软件WAMP(http://www.wampserver.com)；

　　其次，是安装搭建WordPress(http://www.wordpress.org)系统平台；

　　其三，需要安装并激活WordPress Scriblio相关主题和插件：Scriblio主题(http://about.scriblio.net/downloads/scriblio_theme.tar.gz)、Bsuite插件(http://downloads.wordpress.org/plugin/bsuite.3.0.5.zip)和Scriblio插件(http://downloads.wordpress.org/plugin/scriblio.2.6b01.zip)。

　　安装过程中特别注意的是：WordPress系统和各插件的版本要相互兼容，否则会出现各种不同的错误。北京大学图书馆测试成功的各软件版本分别为：WordPress 2.6.x、Bsuite 3.0.5、Scriblio 2.6b01。

　　配置参数

　　安装完主题和插件后，需在WordPress后台管理端配置相应的参数。主要配置点为：将“设置-永久链接(setting-permalink)”设置为“数字(numeric)”。

　　导入数据

　　配置完成之后，在WordPress后台管理端就可以导入书目数据了。可导入的数据类型包括：MARC书目数据、Horizon系统书目数据和III的Millennium系统书目数据。其中，后两种直接与Horizon自动化集成系统和III的Millennium自动化集成系统进行批量数据交换。

　　北京大学图书馆使用的集成管理系统是SirsiDynix公司的Unicorn系统，Scriblio插件没有与Unicorn系统对应的接口，因此最终采用的是MARC书目数据的导入方式，即从Unicorn系统卸载出UTF-8字符集的MARC数据，再将这些数据通过Scriblio插件导入WordPress系统。

　　解决本地化问题

　　安装好WordPress+Scriblio主题+Scriblio插件+Bsuite插件系统后，并不意味着可以立即使用该系统。北京大学图书馆当时遇到了几个问题：一是系统只可以导入UTF-8字符集的USMARC，而北京大学图书馆的中文图书使用的是CNMARC，古籍和学位论文等其他特藏库采用的是自建元数据；二是系统无法检索中文字符；三是中文图书无增强内容；四是无法获取Unicorn系统馆藏实时流通信息。

　　针对遇到的问题，北京大学图书馆作了四方面的改进：

　　一是改进Scriblio插件中importer.php文件的相应代码，自定义增加CNMARC字段映射和古籍元数据字段映射。经过改进后，北京大学图书馆可以将古籍数据和CNMARC数据导入系统。使用同样的方法，未来可以根据需要，在importer.php文件中对相关代码进行自定义配置。

　　二是利用一款开源全文检索软件Sphinx(http://www.sphinxsearch.com)进行中外文全文检索，其中采用了香港科技大学项目成果TSVCC中文繁简字对照表(http://library.ust.hk/software/scriblio-sphinx.html)，配置好Sphinx与WordPress的接口。

　　北京大学图书馆目前可以通过标题、著者、简介进行中外文的全文检索。此外，系统可以进行中文繁简自动转换检索，在检索框中输入繁体中文能够检索出简体书目，输入简体中文能检索出繁体书目。

　　三是通过互联网书目信息的API接口获取中文图书的增强内容。目前北京大学图书馆中文图书封面来自Google图书项目、豆瓣、亚马逊中文图书。

　　四是开发一款WordPress插件，专门解析Unicorn系统的实时流通信息页面，获取馆藏实时流通信息。

　　下一代图书馆界面是图书馆服务发展的必然趋势。在商业产品刚刚进入国内市场的时候，不可避免会遭遇高价垄断和本地化不成熟的问题。在商业产品投入成本高、可用性低的现状下，利用免费开源软件搭建试验系统，是图书馆可以尝试的一个解决方案。

　　未来，北京大学图书馆将根据本馆的实际需要，对Scriblio进行扩展开发。

　　(作者单位为北京大学图书馆)

　　来源：《中国教育网络》2009年12月刊