Створення системи індексування інтранет-середовища наукової бібліотеки

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Створення системи індексування інтранет-середовища наукової бібліотеки

Тетяна ШЕРЕПА

В умовах інтенсивного розвитку глобальних комп'ютерних мереж суспільна потреба забезпечення вільного доступу до джерел інформації та знань обумовила появу ініціатив «самоархівування наукових публікацій» та створення електронних журналів відкритого доступу. Бібліотеки є найбільш активними захисниками Open Access, оскільки відкритий доступ до інформації - це один із центральних принципів їхньої діяльності ¹. У провідних закордонних країнах розгорнута активна робота з реалізації проектів створення архівів мережевих науково-інформаційних ресурсів та організації їх збереження й використання в стінах бібліотек.

Стратегія самоархівування включає в себе розміщення авторами електронних версій власних наукових публікацій у загальнодоступних архівах електронних документів, у вільному доступі в інтернеті. Самоархівування дозволяє підвищити ефективність використання результатів наукових досліджень завдяки вільному доступу до наукових матеріалів. Публікації, які архівуються, повинні розташовуватися переважно в тематичних або інституційних репозитаріях (архівах). Під «архівом» розуміється сайт, який зберігає джерела наукової інформації у відкритому мережевому доступі ².

Другою стратегією є журнали відкритого доступу - нове покоління журналів, які беруть на себе зобов'язання про відкритий доступ, не обмежують доступ до матеріалів, які вони публікують, та не беруть плату за їх використання Будапештская инициатива «Открытый доступ» [Электронный ресурс]. - Режим доступа: openaccess/ru/read.shtml. - Загл. с экрана..

«Державною програмою розвитку діяльності Національної бібліотеки України імені В. І. Вернадського на 2005-2010 рр.» (затвердженою Постановою Кабінету Міністрів України від 25 серпня р. № 1085) передбачено завдання збору й архівації наукової суспільно значущої інформації та створення Українського науково-інформаційного порталу з розвинутою системою пошуку.

З метою розширення доступу до наукових матеріалів НБУВ формує архів, який містить колекції наукових інтернет-публікацій, книг та інших документів України та про Україну, який доступний локальним користувачам комп'ютерної мережі НБУВ. На сьогодні існує необхідність у створенні швидкої, гнучкої, інтелектуальної пошукової системи на базі індексування колекцій документів, веб-сторінок або файлів інших форматів для задоволення інформаційних потреб користувачів Копанєва В. О. Архівування науково-інформаційних ресурсів Інтернет: основні концептуальні положення // Бібліотечний вісник. - 2005. - № 2. - С. 14-19.. Програмні засоби системи мають відповідати концепції вільного поширення, забезпечувати інтелектуальний пошук інформації, надавати користувачу типовий веб-орієнтований інтерфейс.

Метою даної статті є визначення теоретичних засад технології індексування науково-інформаційних ресурсів інтранет-середовища та розробки методики побудови довідково-пошукового апарату інтранет-архіву.

Розміщення публікації на веб-сервері автора у вільному доступі не є бажаним для ідеї архівування наукових матеріалів, тому що звичайне веб-середовище не може забезпечити надійної ідентифікації метаданих та організації пошуку за ними, а також не є придатним для довготривалого збереження і гарантії незмінності публікацій. Суттєва перевага відкритих тематичних архівів електронних публікацій полягає в тому, що їх збір та впорядкування здійснюється спеціалістами. Наслідком є забезпечення фільтрації та пошуку даних із вищим рівнем точності, тому що процес індексування таких систем є глибшим за його інтернет-аналог.

З метою уніфікації представлення мережевих ресурсів розроблені єдині принципи їх опису, які базуються на використанні метаданих Дублінського ядра Dublin Core Metadata Initiative / [Electronic resource]. Way of access: URL:. - Title from the screen.. Основною вимогою до репозитарію є підтримка протоколу OAI PMH (Open Archives Initiative Protocol for Metadata Harvesting), який забезпечує можливість збору структурованих мета-даних про об'єкти, розміщених у репозитарії, об'єднання з іншими репозитаріями й організацію пошуку в розподілених репозитаріях відкритого доступу Open Archive Initiative Protocol for Metadata Harvesting (OAI-PMH) [Electronic resource]. - Way of.

Усі нові електронні документи, які підлягають архівуванню, мають пройти процес індексування. Мета процесу індексування в документальних системах аналогічна меті каталогізації у бібліотеках: надати кожній одиниці зберігання деяку множину ідентифікаторів, які б відображали зміст документа. В традиційних бібліотеках у ролі ідентифікаторів змісту виступають відповідні шифри, які визначають предметну класифікацію і місце зберігання документа. З розвитком автоматичної обробки документів звичайний процес каталогізації трансформується в процес індексування, котрий призначений для надання кожному елементу ідентифікаторів, які також називають індексаційними термінами, ключовими словами, дескрипторами. Усі ці терміни відображають зміст документа і керують пошуком, вибираючи ті документи, терміни яких є найбільш схожими з термінами пошукового запиту.

Зважаючи на великі обсяги інтранет-архівів, проведення ручної класифікації та індексації кожного електронного документа не є можливим, тому що як одиницю обліку фонду інтернет-документів (веб-ресурсів) зручно використовувати веб-сайт чи його фрагмент. Процес комплектування фонду полягає в створенні в бібліотеці копій («дзеркал») веб-сайтів. Оскільки інформація на веб-сайті змінюється з часом, бібліотека повинна створювати «дзеркала» того самого сайта періодично.

Автоматичне індексування базується на текстах вихідних документів, або, принаймні, на фрагментах текстів, таких, як заголовки або реферати. Більшість результатів автоматичного індексування не є досконалими, але мають певні переваги перед ручним індексуваннямaccess: URL:. - Title from the screen.: ефективність пошуку щодо видачі релевантних документів, одержаних автоматичними методами є несуттєво меншою, ніж при ручному індексуванні цих документів; однак вартість автоматичного індексування та витрачання часу висококваліфікованого персоналу значно скорочується.

Існує декілька безкоштовних інтранет пошукових систем, які забезпечують задоволення інформаційних запитів інтранет-користувачів. Ці системи розроблено для індексування внутрішніх веб- серверів і/або фрагментів цих серверів та створення потрібних пошукових індексів документів, які розміщені на серверах.

Такі пошукові системи можуть бути згруповані за такими категоріями:

1) технічна функціональність: платформа сервера, веб-сервер, відкритість коду, можливість подальшого розвитку системи та ін.;

2) особливості індексування: формати файлів (HTML, PDF тощо), рівень індексування (запис, файл, директорія), розпізнавання стандартних форматів (MARC та ін.), виділення термінів зі спільним коренем, наявність стоп-словника та ін.;

3) особливості пошуку: підтримка булевих операторів, нечіткий пошук, пошук фраз, використання тезаурусів синонімів та ін.;

4) відображення результатів: формати виводу, ран- жування результатів, підсвітлювання ключових слів у контексті та ін.;

5) ціна, вимоги ліцензії та реєстрації.

Вибір пошукової системи інтранет має також враховувати ознайомлення інформаційних спеціалістів із доступними продуктами і аспектами їх використання, знання технологій інформаційного пошуку, розуміння та досвід роботи зі стандартними практиками і параметрами індексування, що забезпечить точний і ефективний пошук даних на базі різноманітних індексів даних інтранету Indexing and Search Engines for the Web (WISE). Search Engines for Intranets: An overview/ [Electronic resource]. - Way of access: URL:. ernet.in/raja/netlis/wise/search/search.html. - Title from the screen..

З урахуванням вищеназваних вимог для апробації довідково-пошукового апарату інтранет-сере- довища наукової бібліотеки нами було обрано WWWISIS, яка є однією з безкоштовних пошукових систем для бібліографічних та текстових баз даних. WWWISIS підтримує всі функції пакету прикладних програм CDS/ISIS (Computer Documentation System / Integrated System Information Services), що є універсальним інструментарієм для створення автоматизованих систем бібліотек, архівів і музеїв, тобто для обробки структурованих не- числових баз даних UNESCO CDS-ISIS databases [Electronic resource]. -.

Всесвітньо відома програма CDS/ISIS, яка поширюється UNESCO, добре себе зарекомендувала в діяльності бібліотек, де має місце робота з великою кількістю текстової інформації. Порівняно з іншими програмними системами аналогічного призначення CDS/ISIS має такі переваги:

• порівняно невеликий обсяг системи;

• високу швидкодію системи;

• орієнтація на роботу зі стандартними форматами;

• підтримка системою записів змінної довжини;

• широкі можливості в здійсненні пошуку;

• безкоштовне поширення даної системи. CDS/ISIS із рядом спеціальних утиліт і доробок дозволяє отримати сучасне програмно-технологічне середовище для операційних систем UNIX, WINDOWS, що за функціональними можливостями і сервісу користувачів може бути порівняне з сучасними реляційними СУБД типу ORACLE і INFORMIX.

Пошукова система на базі CDS/ISIS підходить як для колекцій, які містять невелику кількість документів, так і для більших колекцій. Використовуючи програму послідовного перегляду документів колекції та застосовуючи відповідні фільтри, можна індексувати файли текстового формату, HTML чи будь якого іншого формату, що може бути кон - вертований у HTML-формат. Використання бази формату CDS/ISIS та CGI-модуля WWWISIS дозволяє здійснювати швидкий повнотекстовий пошук за допомогою веб-орієтованого інтерфейсу.

Головною особливістю CDS/ISIS є автоматичне створення й підтримка файлів швидкого доступу («індексних файлів») до кожної бази даних, що забезпечує максимальну швидкість пошуку навіть за великих обсягів даних. Ці файли називаються словником пошукових термінів і вміщують усі терміни, які можуть бути використані під час пошуку в базі даних Way of access: URL:. - Title from. Структура інвертованого файлу забезпечує його швидку модифікацію при долученні в колекцію нових документів. Можлива побудова словника стоп-слів з орієнтацією на вилучення другорядних частин мови та загальновживаних слів, вилучення яких не вплине на якість пошуку, більше того може його покращити.

Використання пакета прикладних програм CDS/ISIS як основи пошукової системи інтранет- архіву забезпечує її однорідність із пошуковою системою електронних колекцій бібліотек НБУВ, котра містить наступні інформаційно-ресурсні компоненти: електронний каталог НБУВ, загальнодержавну реферативну базу даних, фонд електронних документів із повними текстами. Головною засадою побудови системи архівування науково-інформаційних ресурсів НБУВ є технологія збору та підготовки тематичних складових інтранет-архіву.

В якості інформаційної бази для структури мета- даних архіву обрано стандарт Дублінського ядра метаданих (Dublin Core Metadata), запропонованого Онлайновим комп'ютерним бібліотечним центром OCLC для опису ресурсів інтернету ^и. Формат Dublin Core влючає 15 елементів для опису електронного ресурсу:

• назва (title);

• автор (creator);

• предметна рубрика (subject);

• анотація (description);

• видавець (publisher);

• співавтор (contributor);

• дата (date);

• формат (format);

• тип (type);

• ідентифікатор (identifier);

• джерело (source);

• мова (language);

• відношення (relation);

• покриття (coverage);

• авторські права (rights).

За правилами Dublin Core кожний із 15 елементів не є обов'язковим і може повторюватися. Опис із використанням Dublin Core інтернет-ресурсів можна, в першому наближенні, розглядати як бібліографічний опис книги чи аналітичний розпис журналу (газети).

Індексування архіву може бути повнотекстовим або лімітованим деяким фільтром, що обирається створювачем архіву. Зважаючи на великі розміри інтранет-архіву, доцільно зберігати в індексній бзі такі частини HTML сторінок: що містить тематичний опис сайта.

За допомогою ISIS_DLL, прикладного програмного інтерфейсу ISIS для операційних систем Windows та Linux, котрий розроблений та вільно поширюється UNESCO ISIS Application Program Interface ISIS_DLL User's Manual Preliminary Version BIREME, Sao Paulo, July 2001 [Electronic resource]. - Way of access: URL:. - Title from the screen., та мови програмування, яка припускає використання ISIS_DLL, можна отримати доступ до попередньо визначеної частини інтранет-архіву і створити записи відповідного формату в індексній базі.

Інформаційні ресурси інтранет-архіву також можливо долучити до системи електронних видань, програмні засоби якої також підтримують формат CDS/ISIS. Система електронних видань є комплексом галузевих серій колекцій документів. Галузеві серії формуються на основі структуризації наявних інформаційних ресурсів бібліотеки шляхом попереднього відбору документів із бібліографічних, реферативних, тематичних і повнотекстових баз даних, їх обробки та впорядкування. Кожна з галузевих серій має розвинений пошуковий апарат, що забезпечує виявлення потрібних документів за елементами їх бібліографічного опису (автор, назва, вихідні дані тощо), а також за текстами документів Шерепа Т. А. Система галузевих серій електронних видань: основні концептуальні положення // Бібліотечний вісник. - 2004. - № 1. - С. 26-29.

Чикаленко Є. Х. Спогади. Уривки з моїх споминів за 1917 р. Коментарі авторські // Зібр. творів: В 7 т. - К.: Рада, 2003. - Т. 1. - С. 239..

На сьогодні система електронних видань НБУВ містить 6 галузевих серій: природничі, технічні, суспільні та гуманітарні, медичні, аграрні науки, бібліотечна справа та науково-інформаційна діяльність. Галузева серія «Бібліотечна справа та науково-інформаційна діяльність» є колекцією документів формату HTML. На етапі створення серія не містила в собі пошукового апарату. Для доопрацювання колекції існувала необхідність у створенні індексної бази формату CDS/ISIS. Така база даних була створена програмно з використанням ISIS_DLL за розглянутою технологією індексування. Лімітування інформації, яка долучалася до індексної бази, виконано за такими дескрипторами: заголовки веб- сторінки (TITLE, H1, H2) та дані мета-тегів (META keywords, META description) відповідно до структури полів Dublin Core: назва (title), предметна рубрика (subject), анотація (description).

До сформованої індексної бази застосовано конфігурацію пошукової системи галузевих серій та веб-доступу на базі пакету прикладних програм CDS/ISIS та CGI-модуля WWWISIS. Таким чином, пошук у розглянутій колекції здійснюється як через веб-сервер, так і на компакт-дисках.

Подальший розвиток інтранет-пошукової системи НБУВ доцільно зорієнтувати в напрямах включення до його складу засобів класифікації й опису інформаційних колекцій документів та веб-сайтів як одиниць зберігання інтранет-архіву, досягнення максимальної ресурсоощадності зберігання електронних колекцій, інтелектуалізації пошукового апарату, семантичного аналізу текстів і творення нових знань.

Висновки

публікація журнал інтранет інформаційний

1. Інтенсивний розвиток глобальних комп'ютерних мереж зумовив появу ініціатив «самоархівування наукових публікацій» та створення електронних журналів відкритого доступу, найактивнішими захисниками яких є бібліотеки. Публікації, які архівуються, повинні розташовуватися переважно в тематичних або інституційних репо- зиторіях (архівах). Звичайне веб-середовище не може забезпечити надійної ідентифікації метаданих та організації пошуку за ними, не є придатним для довготривалого збереження і гарантії незмінності публікацій.

2. Основною вимогою до репозитарію є підтримка протоколу OAI PMH (Open Archives Initiative Protocol for Metadata Harvesting), який забезпечує можливість збору структурованих метаданих про об'єкти, які розміщені у репозитарії, об'єднання з іншими репозитаріями, а також організації пошуку в розподілених репозитаріях відкритого доступу.

3. Суттєвою перевагою інтранет-архівів мережевих публікацій, які створюються в наукових бібліотеках, є здійснення попереднього збору та впорядкування документів спеціалістами. Наслідком є забезпечення фільтрації та пошуку даних із більш високим рівнем точності. Зважаючи на великі обсяги інтранет-архівів, проведення ручної класифікації та індексації кожного електронного документа не є можливим, тому що як одиницю обліку фонду інтернет-документів (веб-ресурсів) зручно використовувати веб-сайт чи його фрагмент. У рамках веб-сайту є необхідність у проведенні автоматичного індексування, надаючи більше значення індексаційним термінам, які є мета- даними або заголовками електронних документів.

4. Головною засадою побудови системи архівування науково-інформаційних ресурсів НБУВ є технологія збору та підготовки тематичних складових інтранет-архіву. Конфігурація пошукової системи інтранет-архіву НБУВ на базі пакету прикладних програм CDS/ISIS із CGI-модулем WWWISIS забезпечує її функціонування, швидкодію, а також однорідність із системою електронних колекцій бібліотек НБУВ.

Обґрунтованість і достовірність викладеної технології підтверджено в процесі створення пошукової системи галузевої серії системи електронних видань «Бібліотечна справа та науково-інформаційна діяльність». Пошук у колекції може здійснюватись як через веб-сервер, так і на компакт-дисках.

Размещено на Allbest.ru