淺論我國年鑒全文數(shù)據(jù)庫的現(xiàn)狀和改進(jìn)策略
論文關(guān)鍵詞：年鑒全文數(shù)據(jù)庫；數(shù)字化年鑒；中國年鑒資源全文數(shù)據(jù)庫；中國年鑒全文數(shù)據(jù)庫
論文摘要：年鑒全文數(shù)據(jù)庫是新興的數(shù)字資源，是教學(xué)、科研、生產(chǎn)、乃至決策中不可或缺的工具。本文了目前我國兩個大規(guī)模年鑒全文數(shù)據(jù)庫的收錄情況、銷售策略、檢索性能、結(jié)果處理能力等現(xiàn)狀，認(rèn)為年鑒全文庫尚存在的信息時滯較長、檢索性能不能很好體現(xiàn)年鑒特點(diǎn)、檢索結(jié)果后處理能力不強(qiáng)、個性化服務(wù)欠缺、信息整合層次單一等問題，并提出了改進(jìn)策略。
1 序言
年鑒作為覆蓋面廣、信息密集、事實(shí)性強(qiáng)、連續(xù)更新的資料性工具書，有著其他工具書無法比擬的優(yōu)勢，是重要的信息源之一。在我國，大規(guī)模的年鑒全文數(shù)據(jù)庫的開發(fā)走在了世界的前列，它多角度地揭示了年鑒內(nèi)容，大幅提升了信息的序化程度和檢索性能，實(shí)現(xiàn)了跨年鑒、跨年卷的整合檢索，為用戶查考年鑒信息帶來了很大的便利。
但是，從用戶的需求出發(fā)，年鑒全文庫在更新頻率、檢索性能、結(jié)果優(yōu)化等方面都有待進(jìn)一步提高。尤其在當(dāng)前數(shù)據(jù)庫、報紙全文庫產(chǎn)品已占有，“搜數(shù)”后來居上，第三代搜索引擎新功能疊出的形勢下，年鑒全文庫如果不做出自己的特色，將被湮沒在重圍之中。
2 我國年鑒全文數(shù)據(jù)庫的概況
2004年5月，北大方正(Apabi)公司與中國年鑒研究會合作，開發(fā)出我國首個大規(guī)模的年鑒全文數(shù)據(jù)庫產(chǎn)品——“中國年鑒資源全文數(shù)據(jù)庫”。隨后，金報興圖的《年鑒全文數(shù)據(jù)庫》和中國知網(wǎng)(CNKI)的《中國年鑒全文數(shù)據(jù)庫》都相繼推向市場。2007年金報興圖的年鑒全文數(shù)據(jù)庫被方正合并，因此，當(dāng)前我國的大規(guī)模年鑒全文數(shù)據(jù)庫僅Apabi和CNKI兩個。
Apabi的年鑒全文庫共收錄年鑒近600種，5300多卷(截至2007．10)m；CNKI的年鑒全文庫目前提供檢索的年鑒共1301種，約8000卷(截至2007．11．21)t副。它們收錄年鑒的類型分布如表1所示：
兩大數(shù)據(jù)庫的銷售方案也有所不同，Apabi可以按需選購年鑒品種，而CNKI則把所有年鑒打包銷售。
3 年鑒全文數(shù)據(jù)庫現(xiàn)有功能分析
目前兩大年鑒全文庫都打破了印刷本年鑒的固有結(jié)構(gòu)，突破了電子書傳統(tǒng)的瀏覽模式，實(shí)現(xiàn)了跨年鑒、跨年卷、以條目為單位的整合檢索，一定程度體現(xiàn)了年鑒資源的特點(diǎn)，檢索系統(tǒng)也更符合用戶利用年鑒的特征。
3．1年鑒整刊導(dǎo)航
年鑒整刊導(dǎo)航應(yīng)當(dāng)完整、有序地揭示數(shù)據(jù)庫收錄的年鑒品種，并提供收錄年鑒品種檢索、選定年鑒中條目檢索的功能。目前兩大數(shù)據(jù)庫的年鑒整刊導(dǎo)航功能如表2所示。Apabi特別列出了長三角、黃河流域等專題年鑒品種導(dǎo)航，并專列了“發(fā)展報告”類。在整刊全文瀏覽功能中，Apabi除提供網(wǎng)頁文本格式的原文外，還提供原書版式文件全文，以便讀者核對重要信息，避免文本誤錄人造成的影響。
3．2檢索性能
兩大年鑒庫都提供初級檢索與高級檢索途徑，CNKI還設(shè)置了專業(yè)檢索。它們具體提供的檢索字段、條目類型限定及可用檢索技術(shù)如表3至表5所示。
3．3結(jié)果處理功能
結(jié)果處理功能是系統(tǒng)檢索功能的延伸和補(bǔ)充，強(qiáng)大的結(jié)果處理功能可以使用戶快速篩選信息，便捷地擴(kuò)展相關(guān)信息，有事半功倍之效。目前這兩大數(shù)據(jù)庫的結(jié)果處理功能如表6所示。
3．4全文顯示格式
CNKI的年鑒文本、表格和圖片均為PDF格式，不便于用戶下載利用表格和圖片。Apabi的年鑒文本都為純文本格式，表格目前部分年鑒的表格為Excel格式，其他表格均為JPG格式，圖片是具原圖色彩的JPG格式。
4 年鑒全文數(shù)據(jù)庫存在的問題與改進(jìn)策略
針對年鑒信息的特點(diǎn)，結(jié)合信息襝索技術(shù)，當(dāng)前的年鑒全文庫還有不少問題有待改進(jìn)。
4．1信息及時性有待加強(qiáng)
信息的及時性是年鑒全文庫在內(nèi)容上保持吸引力的要素之一，包括年鑒新品種的及時收錄和年鑒信息的及時更新兩方面。但遺憾的是，目前年鑒全文庫通常信息時差總要在印刷版出版后半年以上。
增強(qiáng)信息的及時性，一方面要把新出版的、質(zhì)量較好的年鑒新品種及時增加到數(shù)據(jù)庫中，如《中國企業(yè)年鑒》等；另一方面，對已收錄的年鑒應(yīng)及時更新信息，縮短信息時滯。數(shù)據(jù)庫應(yīng)與年鑒社充分溝通，最好在年鑒編纂完成、付印之前，就直接把數(shù)字化的新信息倒人數(shù)據(jù)庫中。尤其是對一些數(shù)據(jù)、圖表、事件、動態(tài)等時效性較強(qiáng)的內(nèi)容，年鑒社可能每隔半年或一季度就會收集新的數(shù)據(jù)，數(shù)據(jù)庫應(yīng)隨時將這些新收集齊但未正式出版的信息轉(zhuǎn)人年鑒庫，并通過設(shè)置“最新更新”欄目、RSS訂閱等功能，及時告知用戶更新信息。這樣就可以在第一時間實(shí)現(xiàn)信息的動態(tài)更新，把年鑒信息的年度性提升到動態(tài)性。
4．2檢索性能應(yīng)更契合年鑒的特點(diǎn)
目前年鑒全文庫的檢索系統(tǒng)基本上是仿照期刊全文檢索系統(tǒng)開發(fā)的，只是增加了一些針對年鑒的字段和信息類型限制，這還不足以體現(xiàn)年鑒信息的特點(diǎn)，與讀者的檢索需求尚有一定的距離。近年來，包括自動摘要、自動分類、相似性檢索乃至視頻與圖像內(nèi)容檢索的內(nèi)容挖掘技術(shù)成為新的發(fā)展熱點(diǎn)，年鑒數(shù)據(jù)庫急待引人這些技術(shù)，而這些技術(shù)的基礎(chǔ)則是對數(shù)據(jù)特征的詳盡標(biāo)引。
因此，數(shù)據(jù)庫首當(dāng)其沖的是應(yīng)針對不同類型的信息作更為詳盡的標(biāo)引，設(shè)定不同的可檢索字段，以便為進(jìn)一步的內(nèi)容挖掘打下基礎(chǔ)。例如，對機(jī)構(gòu)名錄信息應(yīng)根據(jù)其屬性要素，對機(jī)構(gòu)名、法人、電話、傳真、地址、郵編、e—mail、所屬地域、機(jī)構(gòu)性質(zhì)、單位簡介等進(jìn)行標(biāo)引；對人名錄則主要包含人名、性別、生卒日、籍貫、工作單位、部門、職務(wù)、職稱、、人物類型(先進(jìn)、領(lǐng)導(dǎo)、專業(yè)獎項獲得者等)、從業(yè)類別等屬性的標(biāo)引；對大事記部分，現(xiàn)有的年鑒全文庫都是不加分割地作為完整的文獻(xiàn)單元處理，連最簡單的檢索某日各地發(fā)生的重大事件都不可能，因此應(yīng)以獨(dú)立的事件為單位，用數(shù)據(jù)庫的結(jié)構(gòu)提取時間、地點(diǎn)、所屬地域、事件內(nèi)容等相關(guān)信息提供檢索，并按單獨(dú)的事件為單位輸出檢索結(jié)果，而不是輸出整篇大事記的全文；對法規(guī)類信息應(yīng)提取其特有的法律法規(guī)的級別、頒布部門、頒布年、實(shí)施年、發(fā)文號等屬性供用戶檢索；對圖像應(yīng)建立基于圖像內(nèi)容的索引庫，提供圖片內(nèi)容特征的搜索；對表應(yīng)進(jìn)行統(tǒng)計指標(biāo)、表頭的標(biāo)引，甚至有能力的話，還可以加強(qiáng)對統(tǒng)計表的標(biāo)準(zhǔn)化處理，提供具體的數(shù)值檢索，充分體現(xiàn)數(shù)字信息檢索的優(yōu)勢，發(fā)揮年鑒統(tǒng)計數(shù)據(jù)的價值。同時，系統(tǒng)應(yīng)在詳盡標(biāo)引的基礎(chǔ)上，對以上信息類型設(shè)置專類信息檢索功能，提供針對各類信息的檢索字段，提高信息檢索的精準(zhǔn)度。
4．3檢索結(jié)果后處理能力不強(qiáng)
(1)年鑒全文庫現(xiàn)有的二次檢索沒有提供算符的選擇，只能進(jìn)行邏輯“與”的二次檢索，這不便于用戶進(jìn)一步調(diào)整檢索策略。
(2)對于年鑒全文庫而言，由于條目數(shù)量巨大，檢出記錄數(shù)往往較多，因此特別需要對檢索結(jié)果作進(jìn)一步的分面和聚類。但目前的年鑒全文庫都沒有提供檢索結(jié)果分面功能。所以，年鑒全文庫應(yīng)當(dāng)按結(jié)果的信息類型、所涉地域、條目年份、所屬年鑒、行業(yè)、學(xué)科等維度進(jìn)行分面，供用戶選擇合適類別的結(jié)果瀏覽，這樣既使大量檢索結(jié)果序化，又可減少讀者篩選結(jié)果的時問。
(3)現(xiàn)有年鑒全文庫的統(tǒng)計表基本都是格式或PDF格式，數(shù)據(jù)導(dǎo)出靈活性不夠，用戶對統(tǒng)計表數(shù)據(jù)的再處理非常不便。數(shù)據(jù)庫應(yīng)對所有統(tǒng)計表格以Excel形式錄入并提供導(dǎo)出接口，并可以進(jìn)一步利用ASP、JsP等動態(tài)網(wǎng)頁生成技術(shù)，根據(jù)用戶需求，以交互互動的方式輸出數(shù)據(jù)，實(shí)現(xiàn)統(tǒng)計表與統(tǒng)計圖動態(tài)轉(zhuǎn)換的數(shù)據(jù)可視化，為用戶提供深加工的統(tǒng)計數(shù)據(jù)，簡化用戶后續(xù)處理的過程(這些功能在國外的Knovel工具書數(shù)據(jù)庫中已經(jīng)實(shí)現(xiàn))。此外，在Excel表格顯示地同時應(yīng)提供原表格的圖片格式或PDF格式的鏈接，以供讀者核對數(shù)據(jù)，保證準(zhǔn)確性。
(4)檢索結(jié)果中條目所屬欄目標(biāo)注不夠完整，僅標(biāo)注了欄目，沒有標(biāo)注其上級類目，用戶很難找到該條目在年鑒目錄體系中的準(zhǔn)確位置。因此必須完整標(biāo)注出該條目在年鑒原有框架結(jié)構(gòu)中所屬的篇目>類目>分目>欄目(如：上海年鑒>>教育>高等藝術(shù)教育)，并分別對年鑒名稱、篇目、類目、分目、欄目制作超鏈接，指向與紙本年鑒框架結(jié)構(gòu)一致的年鑒目錄導(dǎo)引下的全文瀏覽，便于用戶利用年鑒目錄體系調(diào)出相關(guān)內(nèi)容瀏覽。
4．4個性化服務(wù)功能欠缺
在個性化功能上年鑒全文庫還很薄弱，CNK1只提供了檢索的瀏覽，Apabi則只提供條目的收藏，尚缺乏其他服務(wù)。由于年鑒資料連續(xù)性的特點(diǎn)，用戶往往需要對密切關(guān)注領(lǐng)域的特定資料作跟蹤收集。這就需要數(shù)據(jù)庫開發(fā)針對用戶個體需求的個性化服務(wù)，這些服務(wù)包括特定年鑒品種、年鑒的欄目、檢索策略的RSS訂閱，定題跟蹤，我的檢索集設(shè)定等功能，這樣用戶就可以在第一時間獲得由系統(tǒng)自動推送來的最新信息，而不必再每隔一段時間去查找相同主題的信息。
4．5信息整合層次單一
當(dāng)前的文獻(xiàn)數(shù)據(jù)庫領(lǐng)域正在發(fā)生著重要的轉(zhuǎn)型，許多數(shù)據(jù)庫正從單一的信息檢索工具，向廣泛整合外部資源的、綜合的信息資源與服務(wù)體系轉(zhuǎn)變，它是數(shù)字信息源發(fā)展到一定階段的必然選擇，封閉的“信息孤島”是難以充分滿足用戶需求的。然而，目前年鑒全文庫對信息的整合尚停留于以條目為單位的跨年鑒文獻(xiàn)層面，CNKI也僅與自己的各類全文庫做了相似文獻(xiàn)的整合。年鑒全文庫與其他全文數(shù)據(jù)庫、工具書乃至互聯(lián)網(wǎng)信息等外部資源的整合有待加強(qiáng)。
在年鑒各類信息中，一些文章類信息的參考文獻(xiàn)、二次文獻(xiàn)信息等，可以與電子期刊、電子圖書等其他全文數(shù)據(jù)庫建立原文鏈接；有關(guān)法律法規(guī)、標(biāo)準(zhǔn)的信息，如果沒有全文的，則可鏈向法律法規(guī)和標(biāo)準(zhǔn)全文庫；一些機(jī)構(gòu)名錄、重點(diǎn)單位介紹類信息，則可與該機(jī)構(gòu)、團(tuán)體在互聯(lián)網(wǎng)上的網(wǎng)站主頁建立鏈接；對于年鑒的統(tǒng)計指標(biāo)、劃分標(biāo)準(zhǔn)、計量單位等涉及的專業(yè)術(shù)語，可以引入百科全書、詞典類工具書，供讀者查詢參考。通過這些方式，可以發(fā)揮互聯(lián)網(wǎng)的優(yōu)勢，多層次地整合各種資源，為用戶提供全方位的信息保障。
【淺論我國年鑒全文數(shù)據(jù)庫的現(xiàn)狀和改進(jìn)策略】相關(guān)文章：
淺論鐵路客車整備庫排煙系統(tǒng)的現(xiàn)狀和改進(jìn)03-01
論我國目前交通工程的現(xiàn)狀與改進(jìn)措施03-06
我國網(wǎng)絡(luò)銀行的現(xiàn)狀及其競爭策略03-23
我國鋼鐵企業(yè)成本管理的現(xiàn)狀與改進(jìn)論文11-17
中學(xué)班干部管理現(xiàn)狀分析及改進(jìn)策略03-21