图书馆界的大数据-欧盟SCAPE项目工具简述.pdfVIP

数字时代 上海高校图书情报工作研究2016年 （总第26卷）第 3 期 图书馆界的“大数据”—— 欧盟SCAPE项目工具简述 刘 悦 如 余 育 仁 （同 济 大 学 图 书 馆 上 海 2〇〇〇92) 韦 成 府 （北 京 大 学 图 书 馆 北 京 W O 871) 享B 利 敏 （同 济 大 学 图 书 馆 上 海 200092) 摘 要 数字资源长期保存工作，是图书馆在“大数据”领域的一个应用。欧盟FP7 资助的SCAPE项目， 是一个经实践验证的数字长期保存项目。项目开发的开源软件，能够处理大数量级的数据，解决文 字处理、图像数据分析或格式迁移等问题，在 Web 归档、机构库、大数据的存储、复杂科学文献的 存储等多个方面得到应用。本文详细介绍这些软件和应用实例，从中找出可学习和利用之处。 关 键 词 大 数 据 数 据 长 期 保 存 SCAPE项目 在大数据时代背景下，图书馆界已逐步利 等简要对比介绍了 SCAPE项目的基本信息和主 用大数据理论、方法来变革图书馆服务。侯志 题类别、经费等情况。 江 [1]等分析利用基于OPAC 日志用户行为的大 下文将结合大数据背景，着重研究 SCAPE 数据，较准确地了解用户需求及满足情况。杨 项目提供的开源大数据工具，通过对 SCAPE项 丹丹[2]提出用大数据分析为读者决策采购提供 目进行分析和研究，从中找出可借鉴学习之处。 准确的数据源，并为进一步提升读者决策采购 效能成为可能。黄辉[3]提出了图书馆在大数据 1 SCAPE 项目简介 背景下的微服务理念，以满足大数据时代微用 SCAPE [7]项目致力于发展计划执行机构资 户的特殊信息需求。 源在开源平台长期保存的策略，面向大数据量 对于数字图书馆来说，数字馆藏日益增长， 的数字对象的复杂异构集合，半自动化工作流 早己跨入拍字节（petaByte ) ，相关的数字长期 程，可以扩展的服务。SCAPE项目开发的基本 保存工作也越来越重要，数字资源长期存储的 工具是基于质量保证的自动保存工作流框架， 经济性和获取资源的便捷自动更是重中之重。 其构成组件是基于计划和监控政策的。 SCAPE 笔者认为，数据长期保存所涉及到的海量数据， 项目主要面临四个方面的挑战[8]，如图所示， 是真正意义上的大数据；数据保存是大数据的 分别是有质量保证的内容分析和迁移、可扩展 实际应用领域，而大数据本身又揭示了数据保 的监控和运作控制、大规模分布式数据处理、 存工作中存在的挑战。欧盟所支持的SCAPE项 工作流程和过程管理。 目，正是在这背景之下的一个成功案例，能够 处理大数据量，有效解决大数据量的数据迁移、 数据规范等。 Sven SChlarb [4]在数字资源长期保 存的背景下引入“大数据”概念，介绍了欧洲 项目 SCAPE项目，并以奥地利国家图书馆为例， 详细描述“网络归档” （ “Web archiving”） 和 “大数据电子藏书 ” （ “Large digital book collections”）两种应用场景。目前，国内关于 SCAPE项目的研究较少，吴振新[5]等简要介绍 了 SCAPE项目的框架和部分工具集；郭红梅[6] 图1 SCAPE项目面临的挑战[8] -31 - SCAPE项目是由欧盟 FP7 (第七框架计 重复 [14]，例如确认一页或一本书是否被数字