对异构资源统一检索热冷思考.docVIP

对异构资源统一检索热冷思考 　　[摘要]从统一检索后台维护人员的角度出发，探讨统一检索系统在html代码、全文访问权限、检索字段、二次检索与结果集去重以及巡库维护等方面存在的固有问题，提出相应地对策，即为优化目前统一检索系统功能，呼吁Web开发人员提高专业素质、广大资源厂商能够开放各自的裸数据库。 　　[关键词]数字图书馆　统一检索　跨库检索 资源整合 　　[分类号]G250 　　 　　近年来，国内很多图书馆都在进行异构数据资源统一检索的研究，许多软件公司也在开发类似系统。据初步统计，国内投入使用或正在测试的统一检索平台已达十余种。在图书情报界，近几年关于统一检索平台、跨库检索系统的研究论文也有大幅增长。笔者在CNKI网站以“统一检索”为检索词进行篇名检索，得到68篇检索结果，其中2007～2010年发表的论文37篇，2004～2006年25篇，而2004年以前发表的论文则非常少。以上迹象表明，当前国内数字图书馆界逐渐掀起了一股“统一检索”热潮，统一检索技术得到了很多图情人的热情追捧，统一检索平台也透着耀眼的光环。 　　不可否认的是，在数字图书馆电子资源极大丰富的今天，统一检索系统在解决读者检索多个电子资源需要重复多遍登录、检索的问题上，起到了关键性作用。但透过这股统一检索热的背后，笔者发现统一检索在资源整合方面实际上存在瓶颈。由于数据库开发人员的研发习惯、数据库厂商拒绝开放接口等主观人为原因以及统一检索平台同样需要遵守版权协议等客观因素，直接导致了当前统一检索前台开发人员的力不从心、后台配置人员的无可奈何，给统一检索工作带来极大困难，也直接影响到统一检索的用户体验。因此，笔者认为面对当前异构资源统一检索的热潮，图情工作者需要冷静思考，以良好的心态、清醒的认识、有效的措施应对这一现象。 　　 　　1　统一检索资源整合问题分析 　　 　　统一检索平台旨在对高校图书馆的各类型电子资源进行有效整合，对分布在本地和异地的各种异构资源提供统一的检索界面和统一的检索语言，为用户提供一种更好的整合检索服务，从而提高资源利用率。笔者从事多年统一检索平台异构???源配置工作，累计已为CAMS统一检索平台配置了70多个数据库厂商的近500个数据库资源，配置库次达到数千次。在实际工作中，笔者发现统一检索平台并不像人们想象中的那么几近完美，在散发耀眼光环的背后，也存在着一些资源整合方面的疑难问题，而这些问题仅依靠有经验的前台开发人员和后台配置人员都是无法解决的。以下将对这些问题进行简要地说明分析。 　　 　　1.1　html代码混乱 　　一般情况下，对于各类型电子资源页面内容的抽取，统一检索平台是通过对html页面代码进行解析后由配置人员进行分析、定位并获取有用信息。可以说，网页分析与提取技术是实现统一检索资源整合的基础，在模拟用户与Web资源交互的过程中，有部分参数值及检索结果中的元数据都是通过网页分析与提取获得的。 　　如果所有的html源代码都严格的符合html标准，那么html解析就变得比较简单，但是实际上电子资源的html源代码情况很糟糕。由于各数据库厂商的开发人员水平、习惯不同导致很多电子资源的Web页面代码散乱，垃圾语句成堆；而Microsoft的IE浏览器又具有非常强大的容错性，很多不符合html标准的页面往往也能正确显示，这也纵容了网页设计者制造出大量的不完全符合html标准的网页；同时，计算机技术的飞速发展，硬件性能及网络速度的快速提升让垃圾语句成堆的页面也能流畅显示，而一般用户却根本感觉不到页面代码的赘余。上述原因导致并助长了电子资源html代码的严重混乱，使得html解析变得困难。在这种情况下，开发统一检索平台需要增加额外的工作，平台运行的性能也会降低，即便这样资源配置人员仍然无法将一部分html代码混乱的电子资源整合到系统中来。 　　 　　1.2　全文访问权限问题 　　当前越来越多的Web电子资源都能提供全文电子资料，加之网络速度的大幅提高，让读者下载或者在线查阅全文文档变得十分便捷。但是对于电子资源整合来讲，全文库的配置则会涉及到版权问题。 　　正常情况下，数据库厂商在出售电子全文数据库时，都会与图书馆签订相应的全文访问权限协议。相应地，统一检索资源整合也需要遵守该协议。因此，统一检索平台厂商一般都不会代替用户去资源平台获取全文，而是将访问全文的超链接地址直接发送给用户。在提取原检索平台的结果集元数据时，如果是全文库资源，页面显示有链接到全文的URL地址，一般做法是将此URL作为一个元数据信息提取出来，再放到Web页面显示为超链接。此链接对于用户来说是静态的，用户是否能得到全文，完全取决于用户本身的权限以及原资源平台的session控制程度。大多数提供全文的原资源平台都需要通过身份认证