智慧圖書館環境下圖書館報紙專題庫建設探討

關鍵詞：智慧圖書館;報紙專題庫;國家圖書館;數字化項目

摘 要：報紙資源是圖書館館藏資源的重要組成部分，具有較高的史料價值和學術價值。文章以國家圖書館在建報紙數字化項目為例，對不同類型報紙的數據庫建設要點進行了對比分析，旨在為其他圖書館報紙專題庫建設提供參考。

中圖分類號：G250.7 文獻標識碼：A 文章編號：1003-1588（2022）05-0096-05

圖書館館藏資源數字化是圖書館信息資源建設的重要內容，可提高館藏資源利用率，滿足用戶多元化的信息需求。在智慧圖書館背景下，圖書館可通過數據資源挖掘實現知識增值和服務創新。報紙專題數據庫是圖書館按照某一主題（學科、領域、事件、時間等）進行內容遴選[1]，通過知識組織、數據挖掘、數據加工和數字化轉換、數據關聯等步驟，用計算機可識別和處理的文本、圖片或其他多媒體形式組建起來的可供用戶查詢和檢索使用的數據資源集成[2]。報紙資源是圖書館館藏資源的重要組成部分，是記錄各個時期中國政治、經濟、軍事、外交、生活等的重要文獻，具有很高的史料價值和學術價值。但其出版形式和載體形態具有特殊性：報紙數量龐大但保存情況不容樂觀，參考價值高但數字化揭示程度低。特別是承載著中國特殊變革時期的民國報紙，產生于機械化造紙初期：造紙材料混雜、制漿工藝落后，導致報紙酸性強、保存性差。筆者曾深入國家圖書館報紙典藏庫調研，發現民國報紙破損程度非常高，頁面發黃，紙質發脆;相當一部分年代久遠的報紙已經喪失閱覽功能，束之高閣無人問津。報紙資源較高的文獻價值和較低的利用率這對矛盾，使開展館藏報紙資源的保護和深度開發工作迫在眉睫，報紙專題數據庫建設應運而生。筆者在國家圖書館從事文獻數字化工作多年，參與了多個報紙專題庫建設，在此對不同類型報紙的數據庫建設要點進行對比分析，希望能為其他圖書館報紙資源專題庫建設提供參考。

1 報紙專題庫建設的意義

1.1 報紙專題庫建設是智慧圖書館資源建設和保護的重要途徑

一方面，開展報紙專題數據庫建設可以保護館藏紙質報紙資源，特別是民國時期破舊老報紙資源，延長報紙資源的使用壽命;另一方面，專題庫建設是實現報紙資源增值服務的重要途徑[3]。報紙資源的載體多為實體資源和縮微膠片，亟待保護的年代久遠的紙質報紙資源已經逐漸喪失了閱覽功能，而縮微膠片對讀者的閱讀設備、使用技巧要求較高，且不能提供一站式檢索服務，閱讀成本高而閱讀效率底，用戶體驗差。報紙專題庫的建設從根本上解決了老舊報紙的保護和利用問題。一方面，數字化后的實體報紙資源免去了復制、翻閱之難，紙質文獻可以被更好地保護;另一方面，報紙專題庫的建設實現了報紙資源生命周期的延續，使靜態無序的報紙資源“活過來”了。

1.2 報紙專題庫建設是智慧圖書館為讀者提供縱深服務的重要舉措

大數據時代，智慧圖書館是繼數字圖書館、移動圖書館后在“互聯網+”時代應運而生的新型圖書館模式。智慧圖書館要求圖書館能夠通過物聯網、云計算、大數據等新一代信息技術的運用，改變圖書館系統和用戶的交互方式，進而提高交互的精準度、靈活性和響應速度[4]。圖書館在建數字化項目都要以為用戶提供無時不在、無處不在的個性化定制服務為目標。報紙專題庫可以根據不同的主題呈現不同規模的集合體。例如，國家圖書館“中國歷史文獻總庫·近代報紙數據庫”（即民國報紙數據庫）就是將所有館藏民國報紙縮微膠片數字化并進行報紙標題內容OCR（Optical Character Recognition，光學字符識別）文字識別，數據庫設置了任意詞、區域、拼音等檢索入口，實現了館藏民國報紙一站式導航服務，讀者也擺脫了必須到館查閱資料的困難，人機交互隨時隨地[5]。

2 國家圖書館報紙專題庫建設現狀

截止到2021年12月，國家圖書館館藏中文報紙實體資源196，764（合訂）冊，外文報紙資源102，238冊;館藏數字化報紙資源3，430種。門戶網站中，已建成并免費對讀者開放的大型報紙專題數據庫有中國歷史文獻總庫·紅色文獻數據庫、近代報紙數據庫、申報、Newspaper Source（EBSCO）等18個。在眾多報紙專題數據庫中，筆者曾參與了民國報紙縮微膠片數字化項目和中華人民共和國大事記館藏報紙展項目。在數據庫建設形式方面，以上項目基本包括了現階段我國圖書館報紙資源數字化工作的兩個方向：基于全文ORC識別的小型專題數據庫以及基于標題識別、標引的大而全數據庫。筆者將從專題庫建設涉及的主題內容遴選、標準規范制定和其他相關特殊事項等方面分析不同類型專題庫的不同特點。

3 報紙專題庫建設要點對比分析

3.1 專題內容遴選

數據資源是數據庫的核心。不同類型數據庫的數據采集策略不同，無論是大型專題數據庫如民國報紙數據庫，還是小型展覽型特色主題數據庫，資源的采訪原則都應精而全，要選擇完整的、具有館藏特色的報紙資源。

3.1.1 綜合性數據庫。國家圖書館民國報紙縮微數字化項目是國家圖書館和出版社、外包公司合作完成的民國報紙專題數據庫，該項目以1919—1949年間的民國報紙為對象，盡可能收錄民國期間出版發行的所有報紙資源。館藏報紙縮微膠片資源是其加工對象，大而全是其特點，不僅有《新華日報》《大剛報》這樣的大報，還有讀者廣泛、內容休閑又具趣味性的小報，如《電影報》《北平小報》《新兒童報》《文藝新聞》等。由于報紙版面數量巨大，經費有限，且民國報紙破損嚴重，本著最大限度搶救報紙資源的原則，項目組最后將該項目的流程確定為：在每版掃描圖像的基礎上對版面篇目標題（包括引題、標題、副題）進行OCR文字識別，并對篇目的位置范圍進行置標，最終實現了基于篇目標題檢索的民國報紙庫閱覽服務[6]。

3.1.2 特色主題數據庫。國家圖書館另一報紙資源庫中華人民共和國大事記線上展覽項目是為慶祝中華人民共和國成立七十周年建設的，該數據庫通過對1949—2019年國內外發生的重大歷史事件及相關報道的揭示，客觀真實地反映了我國近70年來發生的巨大變化，獻禮共和國成立七十周年。與此同時，項目組將建成的專題數據庫對外開放，為專家學者提供知識服務[7]。該項目圍繞中華人民共和國成立七十周年這一主題，以1949—2019年《人民日報》為加工對象，以共和國70年來重大歷史事件報道為脈絡，遴選相關度較高的報道并輔以圖書、講座等其他館藏資源，形成關聯數據以豐富事件內容。較之覆蓋面較廣的綜合性民國報紙數據庫，大事記報紙資源展雖然信息源遴選單一、專指性強，但豐富的關聯數據資源使該報紙展覽資源庫更加立體。下頁表1對以上兩類自建庫的特點進行了對比分析，圖書館可根據需求和館藏資源特點決定建庫類型。

3.2 項目標準規范

3.2.1 元數據標準。民國報紙數字化加工項目是在圖像掃描的基礎上進行文章標題內容的文字識別，由專業的外包公司完成數字化加工，國家圖書館負責數據驗收。民國報紙元數據的內容由兩部分組成：館藏縮微膠片的元數據（MARC格式）以及加工過程中產生的新的元數據內容（使用ACCESS數據庫和XML文件保存）。元數據內容包括：版面信息元數據（題名、卷期、版次、出版日期等）、正文元數據（欄目、標題、副標題、作者等）、圖片元數據（圖片版次、欄目、標題、副題）、廣告元數據（卷期、版次等）等[8]。

中華人民共和國大事記線上展覽項目則是對報紙內容做了更深層次揭示的專題報紙數據庫。數據庫網站首頁提供年份導航，用戶可根據年份瀏覽共和國70年來的重大事件。例如，1967年6月17日，中國第一顆氫彈空爆試驗成功。點擊“查看報紙”按鈕，讀者可以瀏覽與此大事件所有相關的報道的圖片和文字以及與此事件相關的館藏圖書、展覽等資源。在該項目加工過程中，涉及的圖像文件信息以說明文件的形式存在，包括唯一標識號、出版日期、版面、事件年份、事件編號、備注以及事件描述等信息。

3.2.2 對象數據標準。經過項目組成員的大量測試和對比分析，最終確定民國報紙長期保存級數據為不壓縮TIFF格式，發布服務級為JPG格式和雙層PDF格式：上層為圖像，下層為文本;而大事記線上展覽項目的原始圖像文件也采用TIFF格式，發布服務級采用JPG格式和TXT文本數據，方便讀者閱讀和利用。

參考《國家圖書館圖像數據加工標準和操作指南》中普通文獻的掃描分辨率，民國報紙縮微膠片數字化項目和中華人民共和國大事記項目圖像掃描參數都選擇400dpi。不同的是，由于大多數民國報紙印刷都是黑色文字和圖片，幾乎沒有彩色字樣，該項目在啟動之初經過黑白二值掃描和灰度掃描對比測試，最后確定民國報紙數字化掃描采用灰度掃描;而大事記項目是縮微膠片數字化和實體報紙掃描相結合，涉及大量彩色圖像，故該項目原始TIFF圖像的掃描和格式存儲標準涉及灰度圖像和彩色圖像兩種，詳見表2、表3。

3.2.3 存儲結構。一般來講，一個數字對象就是一個具有唯一標識的數字資源，每個對象數據在加工過程中會被賦予不同的存儲結構和路徑。民國報紙的對象數據存儲路徑分為三層：第一層為報紙的唯一標識號，不同報紙被賦予不同的唯一標識號，號碼來自報紙縮微膠片元數據;第二層為8位數字組成的期號;第三層為三位數字組成的版數。例如，唯一標識號為00N000418，出版日期為1948年5月31號的《福建時報》第1版的圖像掃描文件的存儲路徑為＼＼00N000418＼＼19480531＼＼001。

194901002.jpg

194901003.jpg

194901事件描述.txt

中華人民共和國大事記線上展覽項目的加工對象是館藏《人民日報》縮微膠片數字化后的圖像文件以及館藏紙質報紙經掃描后的圖像文件。在此項目中，對象數據包括三種類型：原始TIFF文件、JPG文件及文本文件。TIFF文件進行糾偏、去黑邊、格式轉化、添加水印、目標篇目畫框等一系列數字化加工后，生成發布服務級JPG文件（用JPG_S表示）。TIFF文件和JPG文件命名規則一致，在此以JPG圖像舉例說明：圖像文件的唯一標識號設為9位數字，前四位為事件發生年份，中間兩位是該年份事件編號，而后三位則是以001起始的數字序號。例如，若1949年發生的編號為1的重要事件涉及兩張報紙圖像，則1949年事件1的第一張圖像命名為194901001，第二張圖像命名為194901002。與此同時，為照顧不同用戶的閱讀習慣，項目特增加事件描述的文本文件（以TXT格式呈現事件全文內容），文件存放于發布級成品數據JPG_S文件中該事件子目錄下。例如，1949年事件1的三張圖像和描述文件的命名和存儲路徑如下：

中華人民共和國大事記＼JPG_S＼1949＼01＼194901001.jpg

3.3 特殊事項

不同類型報紙庫的數據結構和平臺展示方式不同，在數字化過程中會采用不同的加工策略。鑒于民國報紙數據結構的復雜性以及未來平臺檢索服務的需求，項目采用XML定義報紙數據結構，每版報紙標記為一個XML文件，文件包含該版次所屬該期報紙的基本信息、各個篇目的標題識別文字、篇目范圍置標數據等具體內容，通過坐標定位實現標引，保證用戶通過大小標題和作者檢索能夠準確定位該篇范圍。XML具體實例和版面呈現見圖1、圖2。

與此不同，大事記線上展覽項目報紙庫的目標定位方式為基于年代的圖像數據瀏覽式，數據結構簡單，所以采用在JPG圖像上畫紅色框線的方式實現事件關聯度最高篇目的展示。詳見下頁圖3。

除了揭示方式不同，報紙庫的知識標引深度也不盡相同。已實現全文數字化的現當代報紙資源庫既提供全文檢索服務，又提供基于專題內容的瀏覽服務;而民國報紙資源實現全文OCR文字識別的范圍卻很有限，大部分都是PDF格式的全文數字化[9]。圖書館在報紙專題庫建設過程中，考慮的已經不是要不要數字化，而是如何更高效地數字化以提高成品利用率，這就要求報紙庫建設過程中要不斷挖掘知識單元，建立知識聯系，實現知識增值服務，使這塊資源寶庫源源不斷地創造價值。

4 結語

館藏報紙是圖書館資源不可或缺的重要組成部分。近現代報紙逐漸被灰塵布滿，被書蟲侵蝕，老舊報紙因不停翻閱而碎屑遍地，數量驟減，隨著歷史見證者、記錄者逐漸老去、消失，人類將會面臨巨大的損失。保護和開發報紙資源不僅是對歷史負責，也是當今智慧圖書館建設的要求。搶救老舊報紙、挖掘專題寶庫離不開多館合作和共建共享，重復建設易造成資源浪費，在建設類似民國報紙專題數據庫這樣的綜合數據庫的同時，各地圖書館更應深挖地方特色報紙資源，建設特色專題庫，避免資源的重復建設。與此同時，智慧圖書館環境下，新媒體的運用顯得格外重要，圖書館只有加強宣傳推廣工作，把數據庫做“活”做“大”，才能讓用戶看到，從而讓知識去找讀者，讓專題數據庫在專業領域發揮作用，為讀者提供更精準有效的服務。

參考文獻：

[1]孫建軍.人文社科專題數據庫建設關鍵技術與方法研究[J].信息資源管理學報，2020（5）：11.

[2]李麗環.高校檔案專題數據庫建設研究與實踐[J].蘭臺世界，2014（7）：38-39.

[3]陳桂香.淺議民國報紙的數字化建設：以重慶圖書館為例[J].科技情報開發與經濟，2013（4）：27-29.

[4]嚴棟.基于物聯網的智慧圖書館[J].圖書館學刊，2010（7）：65-68.

[5]中國歷史文獻總庫·近代報紙數據庫[EB/OL].[2022-01-05].http：//bz.nlcpress.com/library/publish/defa ult/Main.jsp.

[6]肖紅.民國報紙數字化實踐中的主要問題及處理策略[J].圖書館學研究，2017（4）：22-37.

[7]中華人民共和國大事記館藏報紙展[EB/OL].[2022-01-05].http：//www.nlc.cn/dsb_zt/xzzt/ghgdsj./.

[8]肖紅，吳茗，曾燕.民國報紙縮微膠片數字化及服務探析：以國家圖書館為例[J].圖書館學刊，2015（10）：89-92.

[9]任靜，林衛東，李洪梅.公共圖書館民國報刊數字化建設現狀研究[J].山東圖書館學刊，2021（3）：88-92.

（編校：周雪芹）

收稿日期：2022-04-24

作者簡介：姚昕（1987— ），國家圖書館館員。