现代文献检索与利用2

3. 影响OCR识别正确率的几个重要参数
（1）分辨率参数 分辨率参数决定扫描图像的清晰度，即决定扫描图像的图像细 节。分辨率一般以dpi作为单位。dpi是dot per inch(点/每英寸) 的缩写。文字OCR识别一般要 300dpi。 扫描仪能支持的dpi越大，其图像清晰度就越高。 （2）亮度参数： 亮度参数是扫描仪的重要参数之一，也是影响OCR系统文字识别 效果的极为重要的因素。 （3）扫描速度 扫描速度是扫描仪的又一个重要指标，它决定扫描仪的工作效 率，在文字识别应用中尤其如此，单位是英寸/每秒（IPS），
●第一层信息是图像，用来保留原文原貌，即反映连续色彩图像 和纸张的背景，用较低的分辨率，通常为100dpi足够。 ●第二层信息是用来进行OCR文字识别的，要确保文字和线条的 清晰度需要较高的分辨率，提高清晰度是 OCR文字识别率要求的， 通常为300dpi。 ●第三层是确定文本在原稿图像中所处的坐标位置。
●DL是虚拟的、没有围墙的图书馆，是基于网络环境下共建 共享的知识网络系统，是超大规模的、分布式的、便于使用的、 没有时空限制的、可以实现跨库无缝链接与智能检索的知识中 心。 ●是分布式、面向对象的信息查询系统。 ●分布式是指跨图书馆（跨地域）和跨物理形态的查询； ●面向对象是指不仅要查到线索，还要获得原文（对象）
2.1.5
ＤＬ的主要优点
1. 信息存储空间小且不易损坏； 2. 信息查阅、检索方便； 3. 远程、迅速传递信息； 4. 同一数字文献可多人同时使用，Ｎ次复制；
2.1.6 中国数字图书馆的发展概况
1. 起步阶段 在中国，正式提出数字图书馆概念，是1996年在北京召开 的第62届国际图联(IFLA)大会，数字图书馆成为该会议的一 个讨论专题。IBM公司和清华大学图书馆联手展示“IBM数 字图书馆方案”。 2. 试验阶段 1997年1月～1999年12月：由国家图书馆、中山图书馆、上 海图书馆、深圳图书馆、辽宁图书馆、南京图书馆、文化 部文化科技开发中心共同承担实施了“中国试验型数字图 书馆项目”，标志我国数字图书馆事业进入到了试验阶段。
数字图书馆的内容
3. 数字图书馆的建设内容和目标 ● DL建设的主要内容：将纸质文献→转化为数字形式→在全 球范围内传输。 ●建设目标：用户通过互联网，登录数字图书馆网站，可在 任何时间、任何地点，十分方便快捷地使用世界上任何一个 图书馆的数字文献资源。 4. 数字图书馆的拓展服务 ●用户在查找到所需图书之后可以直接阅读数字图书和期刊； 查找到电影、音乐等多媒体资料之后可以即时播放； ●个人数字图书馆——为用户收集、整理所需的各种类型的 资源。 收藏和订制个性化信息资源； （如CNKI） 系统自动推送新文献到你的邮箱、或者个人数字图书馆。
2.2.2 文献数字化技术
1. 文献数字化概述 文献数字化是： 印刷型资料→数字化加工→数字格式的文献资源。 是数字图书馆建设过程中工作量非常大的基础工作。 2. 纸质文献数字化技术 用数字化图书→建设数字图书馆，有两个重要的内容： ●纸质图书转化为→电子版的数字图书； ●电子版图书的存储，检索、交换，流通。
2. 图书数字化加工厂
（1）图书数字化加工生产线（Doc Scan） • 1998年，超星公司第一条大规模数字化扫描生产线，加工能 力达到每天20万页。（按每册300页计算，有660册图书） • 五个数字化加工中心：在北京、成都、福州、长沙、郑州等 生产流水线作业，三班倒的方式，进行图书数字化——扫描；
2.1.3
数字图书馆的产生背景
数字图书馆 ——是传统图书馆在信息时代的发展的需要。 ——将成为未来社会公共信息中心和枢纽。
2.1.4 ＤＬ的技术与人才
●数字图书馆是高技术的产物。涉及数字化技术、超大规模数据 库技术、网络技术、多媒体信息处理技术、信息压缩与传送技术、 分布式处理技术、安全保密技术、可靠性技术、数据仓库与联机 分析处理技术、信息抽取技术、数据挖掘技术、基于内容的检索 技术、自然语言理解技术等。 ● DL需要计算机专家和图书馆专家，没有一个天才可以独自成 功； ●图书馆员必须成为计算机学者，才能理解计算机技术与图书馆 专业的关系，建成好用的数字图书馆。
比较:图书目录→MARC（机读目录 数字文献→都柏林核心（Dublin Core）元数据标引， 第一次会议上提出的DC元数据核心集为13个， 后来经过不断修改和补充，现在DC元数据为15个：
Dublin Core的15个元数据（描述项目）
（1） 名称（Title）， （2） 作者、制作者（Creator） （3） 主题及关键词（Subject and Keywords） （4） 说明（Description） （5） 出版者（Publisher） （6） 发行者（Contributor） （7） 时间（Date） （8） 类型（Type） （9） 格式（Format） （10）标识（Identifier） （11）来源（Source） （12）语言（Language） （13）相关资源（Relation） （14）范围（Coverage） （15）版权（Rights）
数字图书馆的内容
1.数字图书馆是海量的知识中心 ●人们需要的知识都可以在这里找到、得到。 DL是以数字资 源建设为核心，便于读者使用和检索的知识中心。 2.数字图书馆是优质资源门户网站
●如同一个人自由使用数字图书馆的所有资源，而面对分布 式的海量索取，就如同在一个网站中自由查询。
●是互联网上，用资源共建共享机制建立的超大规模的、高 质量的中文数字资源库群（集中与分布）。
现代文献检索与利用
第二章 数字图书馆
第二章
数字图书馆
本章内容框架
学习目的
◇ 了解数字图书馆的概念，图书数字化过程 ◇ 了解数字资源类型 ◇ 知道数字图书、数字期刊、数字特种文献在 哪里查找？
2.1 数字图书馆概述
2.1.1 数字图书馆概念
数字图书馆 (Digital Library －－DL )： 凡是应用计算机技术和网络技术，解决数字资源的采集、存储、 管理、发布和服务的图书馆，都可以称为数字图书馆。 它涉及数字文献资源的加工、存储、检索、传输和利用的全过 程。
2.1.2
数字图书馆的特征
1. 数字化资源： 文献资源数字化：图书、期刊、特种文献、视频、 声频资料等； 2. 网络化存取： 网络是ＤＬ的传输工具； ＤＬ依附于网络而存在，ＤＬ的各种服务是在网络 环境下进行的，得益于网络，也受制于网络。
3. 分布式管理： 全球ＤＬ遵循统一的访问协议，实现“联合检索” 。
2.2
2.2.1
数字图书馆建设
中国数字图书馆方案
• 本节以中国数字图书馆有限责任公司推出 的数字图书馆解决方案为例来介绍，下图 是其技术架构。
2.2
2.2.1
数字图书馆建设
中国数字图书馆方案
（1）数字图书馆解决方案 三层技术说明
1）资源加工层： 资源加工层将各种类型的资料转化为有序的数字资源。 将各种 印刷型资料、音频资料、视频资料进行数字化加工，转化为数 字格式的资源； 2）资源管理层： 数字资源管理系统依据OAIS、Z39.84（DOI）、ISO10646等国 际标准构造。对网络资源进行分类、整合及发布； 对异构数字资源进行整合，以便统一检索和使用； 将经过加工和标引的数字资源进行发布； 进行元数据管理、数字版权管理、数字对象管理。 3）应用服务层： 直接面向用户和读者的是应用服务层。作为图书馆的门户，为 用户提供方便快捷的、主动的、个性化的、安全可靠的服务。
2.1.7 中国数字图书馆研发概况
3. 操作阶段 1999年9月～2001年11月，文化部与国家图书馆启动了中 国国家数字图书馆工程（国家图书馆二期工程暨国家数字 图书馆工程），由“中国数字图书馆有限责任公司”作为 业主单位全面负责工程的建设、运营及服务，数字化图书 扫描年产量3000万页以上。标志着中国数字图书馆进入操 作阶段。 4. 实用阶段 2001年5月23日后，国家重点科技项目“中国试验型数字 式图书馆”通过专家技术鉴，标志 DL在中国进入实用阶段。 同时产生的几家做数字图书的公司：超星、书生、阿帕比
超星的PDG格式
2000年11月，超星与清华大学图书馆技术部联合开发的PDG图 像全文检索技术。
Leabharlann Baidu星的PDG格式
采用分层压缩，体积是其它的几分之一，浏览速度很快。 ★ PDG图像全文检索技术原理：（巧妙构思） 当纸质原稿→通过扫描仪输入到终端→存储为图像格式； 负责集中运算的服务器→ 自动对该图像进行OCR识别→并完成相 关运算→实时生成三层信息：
4. 数字文献著录标准（ Dublin Core ，简称DC）
●纸质文献→机读目录体系MARC； ●数字文献也有一套都柏林核心（Dublin Core）元数据来描述网 上电子文献以方便检索，（关于数据的数据） 都柏林核心集(Dublin Core Elements Set, DC) 产生于1995年3月在美 国俄亥俄州的都柏林召开的第一届元数据研讨会上，是52位来自 图书馆、计算机、网络等方面的专家和学者共同研讨下的产物， 是以图书馆界为主建立起来的元数据系统， 用元数据代替MARC，来描述网络环境中的数字化信息的基本特 征——元数据标引，以方便检索。
数字图书馆的内容
5. 数字图书馆是学习中心 数字图书馆有丰富文献资源，给学习者提供一个完善的 学习中心。 ●数字图书馆将不再是传统意义上的图书馆，人们可以 使用任何与因特网连接的数字设备搜寻到人类知识。 6.图书馆发展趋势：文献中心 → 转变成→学习中心。 ●终身教育反映了对高质量学习机会的需求，数字图书 提供最新的技术和支持。 ● （高校用ipad教学）
入口：图书送进去，通过工人拆开、扫描，整个流水线采用 C/S结构，客户端完成扫描加工处理，服务器完成数据管理和各 工序任务的分配。 出口：数字图书——建设数字图书馆的基础资源。 到2012年，已经扫描图书260万种。
2. 图书数字化加工厂
（2）从数字图书到数字图书馆 • 加工数字图书的目的是为了建设数字图书馆，可以想象， 当数字图书的数量达到260万种时 • 260万种是一个超大的数字图书馆，什么样的中文图书都可 以在这里找到，满足率可达到95%，这个数字图书馆对读者 是多么的诱惑。建设数字图书馆是一个非常好的解决思路。 （3）超星数字图书馆的社会效益 •超星数字图书馆是世界上最大的中文在线数字图书馆。 • 它为偏僻山区、中国的西部的市民都可以和大城市享有同 样的阅读条件和教育机会，而且是24小时、没有等候的服务。 • 它是缩小东西部数字鸿沟差距、解决网上资源匮乏的重要 举措。
2.2.3工业化的图书数字化进程
国内进行图书数字化加工的有： ①中国数字图书馆有限责任公司； ②北京书生公司； ③北京超星数图信息技术有限公司（简称超星公司） ●超星公司的技术最成熟，技术最先进，规模也最大， 目前已经数字化中文图书260万种， 成为行业的领跑者， 为中国数字图书馆建设做出了突出的贡献！
1. 超星公司数字化图书发展历程
超星公司1993年成立，是一家高科技民营企业，超星公司注 册资金1500万元，目前拥有员工1400余人，平均年龄25岁。 （1）从档案资料数字化起家 超星公司从1993年起从事档案资料数字化软件的开发， 国内最早提出档案资料数字化的概念，以光盘存储代替缩微 胶片进行档案保存，发展了国内第一家以光盘形式存储档案 的档案馆用户。 ●用户数量达2000多家，中央档案馆、外经贸部、林业部、 中国人民银行总行、招商银行总行、北京市公安局和全国印 钞造币系统等都是超星的用户。 （2）把资料数字化技术应用于电子出版物； （3）把资料数字化技术应用于网络； （4）与国家图书馆合作创建“网上读书”取得实用经验；
（1）纸质文献数字化
●将没有版权争议的印刷型文献数字化，建成数字化资源库。 （2）纸质文献数字化的原则 纸质文献数字化有“保真原则”、“整理原则”和二者兼顾原则。
（3）纸质文献数字化的方法和设备 按其发展过程分为： 人工键盘录入法、语音识别法、扫描法。 目前应用最多、效率最高的是→扫描法（扫描仪→ ●纸质文献数字化过程： ① 纸质文献放在扫描仪平板上， ② 通过扫描→纸质文献转换为→数字图形→输入计算机， ③ 经软件OCR识别、校对后，转换为可进行编辑的数字化文献。 实现计算机网络环境下快速转递、检索和资源共享等功能。