葉延春

在數(shù)字化轉(zhuǎn)型升級(jí)過(guò)程中，中國(guó)建筑工業(yè)出版社實(shí)現(xiàn)了全媒體形態(tài)的預(yù)期目標(biāo)。轉(zhuǎn)型升級(jí)內(nèi)容覆蓋了從選題策劃、內(nèi)容組織建設(shè)到產(chǎn)品研發(fā)、產(chǎn)品銷(xiāo)售的全業(yè)務(wù)、全流程，開(kāi)發(fā)了涵蓋電子書(shū)、網(wǎng)絡(luò)課程、數(shù)據(jù)庫(kù)和移動(dòng)閱讀App等產(chǎn)品。數(shù)字產(chǎn)品包括，已上線的“中國(guó)建筑出版在線”、工具書(shū)在線、“建筑文庫(kù)”移動(dòng)閱讀、數(shù)字期刊平臺(tái)等，另外還完成了英文圖書(shū)元數(shù)據(jù)的推送等工作。這些多形態(tài)的數(shù)字產(chǎn)品，是建立在本社海量的資源庫(kù)的數(shù)據(jù)基石之上的。利用資源庫(kù)現(xiàn)有的資源，可以對(duì)圖書(shū)內(nèi)容實(shí)現(xiàn)結(jié)構(gòu)化、碎片化、富媒體化;通過(guò)元數(shù)據(jù)標(biāo)引、數(shù)據(jù)挖掘、數(shù)據(jù)關(guān)聯(lián)，可以實(shí)現(xiàn)個(gè)性化、定制化服務(wù)，以便適應(yīng)不同終端用戶(hù)的個(gè)性需求。所以，資源庫(kù)的數(shù)據(jù)建設(shè)、維護(hù)和管理是數(shù)字出版的重中之重，否則，前端多形態(tài)數(shù)字產(chǎn)品就將成為無(wú)源之水、無(wú)本之木。資源庫(kù)工作龐雜繁復(fù)，如何讓資源庫(kù)的數(shù)據(jù)建設(shè)完善、規(guī)范有序，是數(shù)字出版中心相關(guān)人員必須不斷思考的問(wèn)題。

資源庫(kù)的數(shù)據(jù)建設(shè)：要有獨(dú)有的加工標(biāo)準(zhǔn)

資源庫(kù)的數(shù)據(jù)建設(shè)從前期規(guī)劃到具體實(shí)施是一個(gè)復(fù)雜的系統(tǒng)工程，也是一個(gè)從摸索中不斷走向完善的過(guò)程。在這個(gè)過(guò)程中，我們致力于數(shù)據(jù)建設(shè)逐步趨向規(guī)范化和標(biāo)準(zhǔn)化。

資源庫(kù)數(shù)據(jù)形式按內(nèi)容可分為原始數(shù)據(jù)和基于原始數(shù)據(jù)的再加工數(shù)據(jù);數(shù)據(jù)處理按加工手段可分為數(shù)據(jù)采集、審核、分類(lèi)加工、發(fā)布等。

原始數(shù)據(jù)主要分為，從ERP和在線編纂系統(tǒng)采集到的圖書(shū)信息，排版廠提交給出版社的排版文件和鏈接圖，在線編撰的過(guò)程文件及最終文件等。

再加工數(shù)據(jù)包括：可帶鏈接的、用于在線發(fā)布的PDF文件;結(jié)構(gòu)化的WORD文檔;EPUB文件;CEB文件等。

資源庫(kù)的數(shù)據(jù)建設(shè)，按流程順序，可分為圖書(shū)詳情信息采集、排版文件、圖片、PDF、EPUB的采集（該采集是用定制的采集工具在內(nèi)網(wǎng)批量上傳）、標(biāo)引、加工、審核、發(fā)布等。這些流程經(jīng)過(guò)兩年多的運(yùn)行和經(jīng)驗(yàn)積累，已形成建工社自身特色的加工標(biāo)準(zhǔn)：

⑴采集信息的唯一性。定期從在線平臺(tái)或ERP系統(tǒng)讀取已正式出版發(fā)行的紙質(zhì)圖書(shū)、電子圖書(shū)。該階段主要是讀取圖書(shū)詳情信息，諸如：社書(shū)號(hào)，叢書(shū)名，書(shū)名，裝幀，開(kāi)本，定價(jià)，ISBN，圖書(shū)銷(xiāo)售分類(lèi)，中圖分類(lèi)號(hào)等。讀取的全部信息在庫(kù)中留存，主要信息用于外網(wǎng)發(fā)布。采集時(shí)需要注意的是，出版資源庫(kù)要堅(jiān)持“一書(shū)一號(hào)”原則，即同一本書(shū)所有信息都能最直接地從一個(gè)入口找到相關(guān)的信息，同一個(gè)社書(shū)號(hào)，無(wú)論版次只能有一個(gè)建檔。本書(shū)所有信息操作都是基于這個(gè)唯一的建檔號(hào)。不僅如此，還要做到系列叢書(shū)能夠有效關(guān)聯(lián)，甚至后臺(tái)資源之間、前臺(tái)的不同站點(diǎn)之間也要能有效關(guān)聯(lián)。

⑵采集信息的準(zhǔn)確性。從ERP采集到的信息因各種原因，會(huì)存在信息不完整或有錯(cuò)漏的情況，需要人工標(biāo)引。

要素標(biāo)引完畢，還有“精編”項(xiàng)目：內(nèi)容提要和目錄內(nèi)容。該內(nèi)容可從ERP或排版文件讀取，如不能讀取則需人工錄入。為保證采集到的圖書(shū)信息準(zhǔn)確，標(biāo)引之后多人審核是必要的，審核無(wú)誤后才可發(fā)布到外網(wǎng)。

⑶排版文件、圖片、PDF、EPUB的采集。由排版廠提交到本社的排版文件和圖片一般滯后于信息發(fā)布1-3個(gè)月。數(shù)字出版部門(mén)收到排版文件后，要對(duì)文件做兩項(xiàng)必要的檢查。一是要保證內(nèi)容的正確性。二是檢查排版文件的完整性。

內(nèi)容檢查無(wú)誤后，可以用采集工具來(lái)按類(lèi)型分門(mén)別類(lèi)地批量采集。在采集工具中，不同數(shù)據(jù)類(lèi)型如同一個(gè)個(gè)“盒子”，啟動(dòng)批量采集時(shí)可自動(dòng)歸入到相應(yīng)的“盒子”中去。同一書(shū)號(hào)、不同版次的文件，不可采用批量方式，標(biāo)明版次后需人工逐個(gè)插入到相應(yīng)的資源文件夾中?？晒┎杉臄?shù)據(jù)有：封面及正文排版文件、PDF、EPUB、CEB、插圖、經(jīng)典資源包等。

PDF文件在采集之前，要嚴(yán)格區(qū)分高精度（用于內(nèi)網(wǎng)存檔或內(nèi)部職工因需調(diào)用）、低精度（用于外網(wǎng)售賣(mài)的電子書(shū)）、正文樣張（用于外網(wǎng)讀者的10%免費(fèi)翻閱），批量上傳。EPUB文件直接批量上傳即可。

⑷數(shù)據(jù)加工。分基本加工和深度加工兩種。

基本加工：是將排版文件加工成CEB，PDF，EPUB等格式。必須注意的是，PDF文件用于外網(wǎng)發(fā)布時(shí)，使用低精度，同時(shí)還要批量拆分10%的PDF文件用于PC端客戶(hù)的免費(fèi)瀏覽;用于資源庫(kù)留存的PDF文件則應(yīng)生成高精度。既有圖書(shū)中，如果沒(méi)有排版文件的電子版，可將紙質(zhì)圖書(shū)經(jīng)過(guò)掃描生成PDF文件，整合成一個(gè)文檔，通過(guò)OCR識(shí)別，掃描的PDF中的文字內(nèi)容可以識(shí)別，可視為“字符”形式，以便內(nèi)容檢索和查找。

深度加工：主要是指將PDF文件、EPUB文件、由自動(dòng)引擎版面回寫(xiě)的WORD文檔，在已有的結(jié)構(gòu)化基礎(chǔ)上，按需進(jìn)行深度碎片化、富媒體化。以建工社為例，經(jīng)過(guò)深度加工成功推出了數(shù)字期刊平臺(tái)，終端用戶(hù)可通過(guò)檢索期刊的欄目、標(biāo)題、作者、文獻(xiàn)，訂制自己需要購(gòu)買(mǎi)的文章。

⑸審核和發(fā)布。紙質(zhì)圖書(shū)的“編、校、印、發(fā)”有其完備的運(yùn)作方式和標(biāo)準(zhǔn)，數(shù)字出版則不然。雖然數(shù)字出版早已不是什么新生事物，但在“審、校、發(fā)”方面，業(yè)界并沒(méi)有形成統(tǒng)一的標(biāo)準(zhǔn)。出版社在轉(zhuǎn)型初期都會(huì)面臨審校過(guò)程操作性不強(qiáng)、嚴(yán)謹(jǐn)性欠缺、重視度不夠等情況。

經(jīng)過(guò)多年實(shí)踐和摸索，建工社的數(shù)字出版物在正式發(fā)布之前的審校，已初步形成保障質(zhì)量的運(yùn)作方式和標(biāo)準(zhǔn)：一是不同流程由不同人員定崗負(fù)責(zé)。二是堅(jiān)持全面檢查、兼顧重點(diǎn)的制度。三是在無(wú)紙化的條件下，人機(jī)界面交互的同時(shí)與紙質(zhì)樣書(shū)核對(duì)。

審核無(wú)誤的信息，定期由專(zhuān)人發(fā)布。資源庫(kù)的數(shù)據(jù)是動(dòng)態(tài)的，每天都會(huì)有變化。需要發(fā)布的信息，堅(jiān)持定期、分批發(fā)布的原則。不是零散處理而是以時(shí)間段來(lái)加以區(qū)分，易于批量處理，也方便前后臺(tái)的數(shù)據(jù)比對(duì)和查詢(xún)。另外，需要提前發(fā)布的紙質(zhì)圖書(shū)或電子書(shū)，也有應(yīng)急響應(yīng)措施。

資源庫(kù)數(shù)據(jù)的維護(hù)和更新：“看不見(jiàn)”的后續(xù)工作尤為重要

如果說(shuō)數(shù)據(jù)建設(shè)是資源庫(kù)的基礎(chǔ)性的工作，那么資源庫(kù)的數(shù)據(jù)維護(hù)和更新則是“看不見(jiàn)”的后續(xù)性工作。無(wú)論是內(nèi)部人員在后臺(tái)的數(shù)據(jù)調(diào)用還是終端用戶(hù)在前臺(tái)的數(shù)據(jù)訪問(wèn)，都要保證數(shù)據(jù)的時(shí)效性、準(zhǔn)確性。因此，資源庫(kù)數(shù)據(jù)的日常維護(hù)和更新就顯得尤為重要。

⑴定期采集、發(fā)布新書(shū)。新書(shū)是指已出版發(fā)行的新版、再版、重印的紙質(zhì)圖書(shū)。每周由發(fā)行部門(mén)提供新書(shū)列表，數(shù)字出版部門(mén)根據(jù)列表，利用ERP與資源平臺(tái)的接口讀取相應(yīng)字段，采集圖書(shū)詳情;掃描紙書(shū)封面并上傳封面圖片，標(biāo)引，審核，發(fā)布。發(fā)布新書(shū)之前，由專(zhuān)人查看是否有前版，如有前版則從后臺(tái)撤下，發(fā)布后“圖書(shū)在線”只保留最新版。

⑵不定期整理需要深度加工的現(xiàn)有資源。資源庫(kù)中數(shù)據(jù)龐大，為了避免過(guò)度加工、盲目加工，造成人力和物力的浪費(fèi)，須由專(zhuān)門(mén)人員將資源庫(kù)中需要再加工的、有市場(chǎng)前景的圖書(shū)資源，根據(jù)其性質(zhì)、特點(diǎn)，分別導(dǎo)出需要結(jié)構(gòu)化、碎片化的圖書(shū)列表，交由有關(guān)人員作相應(yīng)的拆分，并將內(nèi)容對(duì)象導(dǎo)入到相應(yīng)的資源庫(kù)，滿(mǎn)足新的數(shù)字產(chǎn)品和商業(yè)模式的需要，提高內(nèi)容的利用率。數(shù)字出版資源庫(kù)里的出版資源可能會(huì)有多種類(lèi)型，針對(duì)不同性質(zhì)的圖書(shū)資源采用不同的反解方式，并建立不同類(lèi)型的資源庫(kù)，如標(biāo)準(zhǔn)規(guī)范庫(kù)、按篇章節(jié)拆分的期刊庫(kù)、按條目拆分的匯編及專(zhuān)業(yè)詞典庫(kù)、職業(yè)資格考試的視頻庫(kù)、供終端用戶(hù)有償下載的圖片庫(kù)等。

⑶內(nèi)外網(wǎng)已發(fā)布資源數(shù)量的定期核對(duì)。建工社的數(shù)字出版資源管理系統(tǒng)與發(fā)布管理平臺(tái)處于同一個(gè)庫(kù)中，出版資源管理平臺(tái)的數(shù)據(jù)變動(dòng)直接反映到發(fā)布平臺(tái)，再由發(fā)布后臺(tái)正式發(fā)布到前臺(tái)的“圖書(shū)在線”。在“中國(guó)建筑出版在線”上線初期，因?yàn)榉N種原因發(fā)布新書(shū)時(shí)偶有前后臺(tái)數(shù)量不能完全對(duì)應(yīng)的情況，需要按圖書(shū)銷(xiāo)售分類(lèi)人工核對(duì)。為保證這些數(shù)據(jù)完全正確，分類(lèi)核對(duì)做法沿用至今。主要核對(duì)內(nèi)容：各分類(lèi)下已發(fā)布新書(shū)數(shù)量;電子書(shū)總數(shù);POD數(shù)量。三個(gè)平臺(tái)的圖書(shū)分類(lèi)方式完全對(duì)應(yīng)。

⑷“丟書(shū)”情況的查缺補(bǔ)漏。丟書(shū)情況分兩種：一種是有庫(kù)存的、從ERP里無(wú)法讀取的，另一種情況是營(yíng)銷(xiāo)中心因種種原因沒(méi)有提供樣書(shū)的。定期核查營(yíng)銷(xiāo)數(shù)據(jù)中有庫(kù)存的圖書(shū)，只要庫(kù)存非零，在“圖書(shū)在線”前臺(tái)必有在線銷(xiāo)售;紙質(zhì)書(shū)庫(kù)存為零則自動(dòng)納入POD。每月由營(yíng)銷(xiāo)中心提供銷(xiāo)售數(shù)據(jù)，正式出版發(fā)行的新書(shū)如因某種原因在前臺(tái)沒(méi)有在線銷(xiāo)售信息，兩個(gè)月內(nèi)必須由人工補(bǔ)錄。

⑸資源數(shù)據(jù)的導(dǎo)出和調(diào)用。資源庫(kù)內(nèi)的數(shù)據(jù)不僅是用來(lái)加工各種數(shù)字產(chǎn)品的，更重要的一個(gè)功能是本社圖書(shū)資源的“倉(cāng)儲(chǔ)”。庫(kù)內(nèi)可調(diào)用的文件類(lèi)型很多，導(dǎo)出時(shí)根據(jù)實(shí)際需要可按圖書(shū)狀態(tài)、入庫(kù)時(shí)間、銷(xiāo)售類(lèi)型下載。編輯出版部門(mén)因圖書(shū)的再版或重印需要調(diào)用原始文件時(shí)，可在資源庫(kù)平臺(tái)說(shuō)明用途并在線申請(qǐng)，由部門(mén)領(lǐng)導(dǎo)在線核準(zhǔn)、數(shù)字出版中心的相關(guān)人員授權(quán)后方可下載。授權(quán)時(shí)指定下載人員、可下載的內(nèi)容、下載的時(shí)間限制等。嚴(yán)格“申請(qǐng)、審批、核發(fā)、授權(quán)、下載”程序，以策庫(kù)內(nèi)資源的信息安全。

⑹未雨綢繆，著眼于將來(lái)未知形態(tài)數(shù)字產(chǎn)品的資源建設(shè)。為適應(yīng)市場(chǎng)變化和需要，數(shù)字出版資源庫(kù)的建設(shè)都是為后續(xù)數(shù)字運(yùn)營(yíng)平臺(tái)和自適應(yīng)的動(dòng)態(tài)出版系統(tǒng)服務(wù)的。為了保證將來(lái)的可擴(kuò)展性，必須要求元數(shù)據(jù)內(nèi)容的自定義和可擴(kuò)展，加工處理的方式，也應(yīng)向著智能化、自動(dòng)最大化、標(biāo)準(zhǔn)化的方向發(fā)展。

總之，無(wú)論是資源庫(kù)的數(shù)據(jù)建設(shè)還是數(shù)據(jù)維護(hù)更新，資源庫(kù)相關(guān)人員都是面向社內(nèi)外的用戶(hù)服務(wù);無(wú)論后端數(shù)字產(chǎn)品將來(lái)的形態(tài)如何變化，做好服務(wù)都是資源庫(kù)團(tuán)隊(duì)的本職。以“一個(gè)團(tuán)隊(duì)、一個(gè)標(biāo)準(zhǔn)”的不變，應(yīng)對(duì)數(shù)據(jù)服務(wù)內(nèi)容的不斷變化，是數(shù)字出版資源庫(kù)業(yè)者孜孜以求的目標(biāo)。

（作者單位系中國(guó)建筑工業(yè)出版社）