郭 敏

(太原師范學(xué)院 圖書館， 山西 晉中 030619)

?

大數(shù)據(jù)與圖書館服務(wù)趨向

郭 敏

(太原師范學(xué)院 圖書館， 山西 晉中 030619)

大數(shù)據(jù)時(shí)代，巨大的數(shù)據(jù)存儲、復(fù)雜的數(shù)據(jù)處理和智能化的服務(wù)將成為今后圖書館建設(shè)的主旋律。圖書館建設(shè)應(yīng)該結(jié)合實(shí)際，做好未來的建設(shè)與布局，加強(qiáng)館藏資源數(shù)據(jù)化和去邊界化，探索和利用數(shù)據(jù)分析技術(shù)與工具，逐步向服務(wù)智能化靠攏。

大數(shù)據(jù)；圖書館；數(shù)據(jù)處理；去邊界化；智能化；服務(wù)；建設(shè)

時(shí)至今日，人類社會正處于“第三次浪潮”，即互聯(lián)網(wǎng)時(shí)代。互聯(lián)網(wǎng)帶給我們最深刻的一個(gè)詞，就是“大數(shù)據(jù)”。所謂的大數(shù)據(jù)，是指一種大大超越常規(guī)的數(shù)據(jù)集合，其規(guī)模巨大的程度，已經(jīng)無法在可承受的時(shí)間范圍內(nèi)用常規(guī)工具進(jìn)行捕捉、管理和處理。簡言之，它已經(jīng)超越了傳統(tǒng)，人類必須借助大型計(jì)算機(jī)和網(wǎng)絡(luò)才能進(jìn)行運(yùn)用。大數(shù)據(jù)的增長是裂變式的，迅猛到超出人們的想象。據(jù)有關(guān)數(shù)據(jù)顯示，人類文明所獲得的全部數(shù)據(jù)，有90%以上是近兩年獲得的，而到2020年，全世界的數(shù)據(jù)規(guī)模將達(dá)到今天的44倍。

在大數(shù)據(jù)背景之下,圖書館將在數(shù)據(jù)存儲、挖掘、分析等方面面臨巨大挑戰(zhàn),復(fù)雜數(shù)據(jù)的處理也將成為圖書館工作的主旋律,通過大量的非結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)去尋找隱藏在數(shù)據(jù)背后的世界,進(jìn)而為圖書館服務(wù)的模式、對未來發(fā)展趨勢提供分析與預(yù)測將成為大數(shù)據(jù)時(shí)代圖書館的一大主要服務(wù)內(nèi)容。網(wǎng)絡(luò)君臨天下，讀者通過手機(jī)等移動終端可以訪問數(shù)字圖書館，查詢世界各國數(shù)字圖書館的資源。

一、大數(shù)據(jù)的特點(diǎn)

大數(shù)據(jù)的最大特點(diǎn)是“大”，維克多·麥爾·舍恩伯格和肯尼斯·庫克耶在《大數(shù)據(jù)時(shí)代》里提出了“五V”說法：Volume、Velocity、Variety、Value、Veracity，即大量、高速、多樣、價(jià)值和真實(shí)性。

數(shù)據(jù)一般被分為結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)和半結(jié)構(gòu)化數(shù)據(jù)。結(jié)構(gòu)化數(shù)據(jù)是指傳統(tǒng)的以文本為主的數(shù)據(jù)，有固定的數(shù)據(jù)庫存儲和相對應(yīng)的結(jié)構(gòu)關(guān)系。非結(jié)構(gòu)化數(shù)據(jù)是指我們無法直接知道其內(nèi)容，而數(shù)據(jù)庫也只能打包將之存儲到一個(gè)BLOB字段的數(shù)據(jù)，比如圖片、聲音、視頻和內(nèi)容管理器等等。而半結(jié)構(gòu)化數(shù)據(jù)則介于二者之間，它屬于結(jié)構(gòu)化數(shù)據(jù)，但結(jié)構(gòu)變化很大很多很快，是互聯(lián)網(wǎng)時(shí)代最有特點(diǎn)的數(shù)據(jù)結(jié)構(gòu)樣式，對傳統(tǒng)圖書管理而言，最生動也最有沖擊性，所以，可以研究的方向和領(lǐng)域也最廣泛。近些年來不斷出現(xiàn)的QQ、微博和微信等等使用互聯(lián)網(wǎng)設(shè)備進(jìn)行交流的數(shù)據(jù)種類和數(shù)據(jù)量，基本都屬于半結(jié)構(gòu)化數(shù)據(jù)類型。

但數(shù)據(jù)的價(jià)值密度卻存在一個(gè)悖論，就是和數(shù)據(jù)量的大小成反比。數(shù)據(jù)量越大，數(shù)據(jù)的價(jià)值就會越小，從而給檢索工作帶來困難。如何在浩如煙海的數(shù)據(jù)中進(jìn)行有效的提純，是未來的圖書管理亟待解決的難題。在大數(shù)據(jù)時(shí)代，瀏覽器可以說是汪洋大海中的一條船，它周圍都是水，卻并不能同時(shí)到達(dá)所有的海域。

二、大數(shù)據(jù)背景下圖書館建設(shè)與服務(wù)的發(fā)展方向

1.館藏資源數(shù)字化

大數(shù)據(jù)海量信息環(huán)境的形成，使圖書館行業(yè)與其他信息服務(wù)行業(yè)的界面日漸融合與模糊，它必須由待字閨中的“藏”，變?yōu)闊o處不在的“送”。而要適應(yīng)這一深刻巨變，就必須對已經(jīng)占有的資源進(jìn)行根本性的數(shù)字化，這是時(shí)代的要求。

圖書館藏包括實(shí)體印刷館藏和數(shù)字館藏。

實(shí)體印刷館藏因?yàn)閿?shù)據(jù)的穩(wěn)定與體量太小而日漸式微，似乎成了一個(gè)無法動搖的趨勢。盡管有人反復(fù)慨嘆電子圖書怎么也不會有紙質(zhì)圖書的舒適與感覺，甚至國外的很多學(xué)者也指責(zé)現(xiàn)代人尤其是現(xiàn)代中國人越來越懶惰，越來越不喜歡讀書，但可以肯定地說，這只是一個(gè)相當(dāng)片面的說法。

事實(shí)是，現(xiàn)代人的閱讀量不是減少了而是劇增了，只不過閱讀的對象和方式發(fā)生了改變而已。從紙質(zhì)到電子文本，從借閱到家里蹲式的網(wǎng)絡(luò)終端，從一天數(shù)小時(shí)到一天十?dāng)?shù)小時(shí)，所造成的信息傳輸成果與以前是不可同日而語的。所以印刷館藏的價(jià)值越來越向兩個(gè)方向靠攏：一個(gè)是考據(jù)收藏，一個(gè)是數(shù)據(jù)時(shí)代里的“元數(shù)據(jù)”。元數(shù)據(jù)是個(gè)借用的說法，但這是印刷館藏的必由之路。

數(shù)字館藏包括實(shí)體數(shù)字館藏和虛擬數(shù)字館藏。據(jù)調(diào)查，在以網(wǎng)絡(luò)形式進(jìn)入圖書館的用戶中，70%以上的用戶選擇的是數(shù)字館藏。而且，這個(gè)比例隨著時(shí)代的發(fā)展呈現(xiàn)越來越高的趨勢。

但數(shù)字館藏的制作是一件浩大而復(fù)雜的工程。在大數(shù)據(jù)和系統(tǒng)化時(shí)代，這并不是單獨(dú)一個(gè)圖書館所能擔(dān)負(fù)起來的任務(wù)，它必將通過互聯(lián)網(wǎng)面向社會。現(xiàn)代傳媒服務(wù)行業(yè)已經(jīng)做了很多有益的嘗試，并取得了令人驚喜的成果。比如翻譯一部外國影片，傳統(tǒng)方式需要至少半年的時(shí)間，而現(xiàn)在通過網(wǎng)絡(luò)組合分工形式，最多不過幾個(gè)小時(shí)甚至幾十分鐘、十幾分鐘就解決了。

數(shù)字館藏制作流程包括：元數(shù)據(jù)的標(biāo)準(zhǔn)和規(guī)范、知識資源(含聲、像、圖、文)的通用型加工系統(tǒng)、語法層次的大容量文獻(xiàn)自動采集、自動篇名生成、自動標(biāo)引、自動文摘生成的實(shí)用化技術(shù)、知識概念(語義)體系的建立、實(shí)現(xiàn)語義層次的自動標(biāo)引、自動文摘生成、分布式藏品元數(shù)據(jù)的聚集與元數(shù)據(jù)庫的構(gòu)建、超大規(guī)模多媒體數(shù)字資源的長久保存、歸檔和存儲管理技術(shù)，包括檔案系統(tǒng)等、數(shù)字內(nèi)容藏品的版權(quán)管理系統(tǒng)、數(shù)字對象和媒體的新型經(jīng)濟(jì)與商務(wù)模型研究、與創(chuàng)建和使用數(shù)字收藏有關(guān)的社會經(jīng)濟(jì)法律問題的技術(shù)、方法、過程等等。

2.圖書館服務(wù)去邊界化

大數(shù)據(jù)背景下，傳統(tǒng)圖書館概念變得越來越模糊，它們不再是一個(gè)個(gè)相對獨(dú)立的個(gè)體，而是越來越趨向于集合形態(tài)，用戶可以通過網(wǎng)絡(luò)徜徉于世界各個(gè)圖書館，去尋找他們想要得到的知識數(shù)據(jù)和信息，即所謂的“插拔人生”。全世界的圖書館整合成一個(gè)大服務(wù)器，而用戶則更像U盤，找個(gè)USB接口即可獲得或者傳輸各種知識和信息。這在過去是可望不可即的，現(xiàn)在來看也是路漫漫其修遠(yuǎn)，但因?yàn)榛ヂ?lián)網(wǎng)的存在，而變得一切皆有可能。

數(shù)字圖書館的建設(shè)應(yīng)該以不斷改善用戶服務(wù)為最終目標(biāo)，為用戶在知識發(fā)現(xiàn)與利用上提供高效方便的工具,并且使得用戶可方便地通過數(shù)字圖書館的多個(gè)資源庫無縫獲取所需的知識。服務(wù)的核心技術(shù)就是網(wǎng)絡(luò)化。網(wǎng)絡(luò)化包括先進(jìn)的高效導(dǎo)航系統(tǒng)、適用于TB級數(shù)據(jù)的高效搜索引擎；開發(fā)實(shí)用的多語言、多文字、多文化以及個(gè)性化用戶界面；個(gè)性化、智能的主動服務(wù)技術(shù)；保證藏品的安全和完整性技術(shù)：包括信息過濾系統(tǒng)、隱私權(quán)保護(hù)技術(shù)、實(shí)現(xiàn)數(shù)字圖書館群與科學(xué)數(shù)據(jù)庫群內(nèi)容的集成性服務(wù)、對新型媒體知識產(chǎn)權(quán)處理形成合乎法律框架的新的經(jīng)濟(jì)和商業(yè)模型、用戶工具軟件、基于互聯(lián)網(wǎng)的協(xié)同工作技術(shù)和工具、用戶與可使用性研究。

“去邊界化”的另一個(gè)概念是網(wǎng)格化。網(wǎng)格是把整個(gè)網(wǎng)絡(luò)整合成一臺虛擬的巨大超級計(jì)算機(jī)，實(shí)現(xiàn)計(jì)算資源、存儲資源、數(shù)據(jù)資源、信息資源、文獻(xiàn)資源、知識資源、專家資源等的全面共享?？傊W(wǎng)格可以實(shí)現(xiàn)分布在全球的硬件資源、軟件資源和各種信息知識資源全面的連通，達(dá)到資源的最大共享。由于網(wǎng)格的不同作用，它被劃分成不同的類型，如：計(jì)算網(wǎng)格、設(shè)備網(wǎng)格、數(shù)據(jù)網(wǎng)格、信息服務(wù)網(wǎng)格等。

與數(shù)字圖書館的建設(shè)目標(biāo)完全一致，網(wǎng)格致力于一次登錄，訪問全球分布式信息資源、全世界有用的信息資源可共享、基于自然語言的語義檢索并進(jìn)行資源整合、可提供學(xué)科的個(gè)性化服務(wù)、基于知識挖掘提供最小化的知識子集。基于網(wǎng)格的數(shù)字圖書館服務(wù)模式是指全球數(shù)字圖書館可以提供基于語義的檢索服務(wù)、虛擬參考咨詢服務(wù)、主動推送服務(wù)、定題信息服務(wù)、個(gè)性化信息服務(wù)、培訓(xùn)服務(wù)等。這些都要建立在多語言庫的基礎(chǔ)之上，需要全球的各個(gè)數(shù)字圖書館協(xié)同工作。

三、當(dāng)前形勢下的幾點(diǎn)對策

1.充分探索利用和發(fā)展數(shù)據(jù)分析技術(shù)與工具

在大數(shù)據(jù)時(shí)代，如何避免被邊緣化，是當(dāng)今圖書館建設(shè)管理與服務(wù)面臨的最大問題。大數(shù)據(jù)分析技術(shù)與服務(wù)是重中之重，也是難中之難。

首先是圖書館自身建設(shè)所必需的大數(shù)據(jù)分析。這類分析基本以圖書館現(xiàn)有資源進(jìn)行數(shù)據(jù)分析，需要考慮以下幾點(diǎn)：數(shù)據(jù)存放模式、信息組織方式、供讀訪問策略、可持續(xù)發(fā)展策略。

其次是用戶所需的大數(shù)據(jù)分析。這類數(shù)據(jù)分析技術(shù)類似于現(xiàn)在的信息技術(shù)導(dǎo)航，應(yīng)該給用戶提供準(zhǔn)確即時(shí)的信息來源與建議，以更方便用戶充分利用本館的所有數(shù)據(jù)，從而提供更加切實(shí)高效的服務(wù)。目前這一手段在很多網(wǎng)站比如百度、阿里巴巴、愛奇藝等等運(yùn)用得卓有成效，你訪問一點(diǎn)，網(wǎng)站會根據(jù)你搜索的信息推測你可能更感興趣的很多點(diǎn)，極大開拓了用戶的眼界與思路，也使自身的服務(wù)得到比較充分的效能化。

2.要特別重視圖書館基礎(chǔ)建設(shè)布局

應(yīng)該看到，大數(shù)據(jù)時(shí)代圖書館建設(shè)的中心工作已經(jīng)不再是文獻(xiàn)數(shù)據(jù)信息的收集，而應(yīng)逐漸成為對海量信息的采集、分析和挖掘。換句話說就是圖書館將不再是“待字閨中”的被動式服務(wù)，而是無處不在的“外賣式”的主動服務(wù)。這對所有傳統(tǒng)意義上的圖書館都是一場翻天覆地式的變革，也給今后的圖書館基礎(chǔ)建設(shè)布局提出了無法回避的課題。

首先，“數(shù)據(jù)即生命”。大數(shù)據(jù)時(shí)代對圖書館的信息存儲量要求極高，而數(shù)據(jù)的增長又是處于一種幾何裂變的方式，在此種狀態(tài)下，作為特殊信息服務(wù)行業(yè)的圖書館如果僅僅著眼于館藏圖書的冊數(shù)，一定會面臨被淘汰的境地。大數(shù)據(jù)統(tǒng)計(jì)表明，近兩年來人類社會所獲得的數(shù)據(jù)，已經(jīng)達(dá)到了有史以來的90%以上，加上知識更新的加速度，所有的所謂館藏已經(jīng)變得意義不大。因此，今后圖書館工作的性質(zhì)會發(fā)生質(zhì)的變化，幾乎所有的工作努力方向都會指向一個(gè)目標(biāo)——數(shù)據(jù)。

其次，由整體變局部。大數(shù)據(jù)帶來的最大的一個(gè)變化就是整合，數(shù)據(jù)越大，世界越小，圖書館建設(shè)也不例外。傳統(tǒng)圖書館都是相對獨(dú)立的、封閉的，因此相對資源也是浪費(fèi)的、效率低下的。大數(shù)據(jù)時(shí)代，圖書館的服務(wù)將更加開放和專業(yè)，存儲資源會越來越避免浪費(fèi)。如果全世界的圖書館能整合成一個(gè)大的服務(wù)器的話，那么作為個(gè)體的圖書館也必將走向?qū)I(yè)化、異他化，用戶將進(jìn)入移動硬盤式的“插拔人生”。它們和用戶之間只有量的不同，并無質(zhì)的區(qū)別。

3.進(jìn)一步提高圖書館服務(wù)的智能化程度

解決大數(shù)據(jù)時(shí)代帶來的空前壓力的途徑，最重要的一個(gè)就是智能化。圖書館建設(shè)與服務(wù)也必須認(rèn)清這個(gè)方向。

應(yīng)用智能化技術(shù)，可以在相當(dāng)大的程度上節(jié)省人力物力，更為重要的是可以較高效率地解決人工無法實(shí)現(xiàn)的工作需求，如對海量信息的智能分析、采集和抓取，關(guān)鍵詞語的抽取和關(guān)聯(lián)，從而提高數(shù)據(jù)庫存儲和管理使用效率。

從用戶角度來看，服務(wù)內(nèi)容和手段的智能化程度提高，可以使非結(jié)構(gòu)化數(shù)據(jù)或者半結(jié)構(gòu)化數(shù)據(jù)，比如聲音、圖片、視頻等等變得相當(dāng)容易檢索和抓取。另外，從智能化服務(wù)的網(wǎng)絡(luò)流通來看，這將是改變長期以來用戶和圖書館關(guān)系的一個(gè)契機(jī)，“秀才不出門，便知天下事”將變得觸手可及。

QQ和微信的出現(xiàn)，已經(jīng)開始顛覆人類的閱讀和交流習(xí)慣，并且勢不可擋。我們不知道智能化服務(wù)的平臺和技術(shù)終將以什么面目改變世界，但是我們知道這必將改變我們的世界，這是我們奮斗的方向和面臨的巨大課題。

【責(zé)任編輯 馮自變】

2016-06-13

郭 敏(1969-)，女，山西祁縣人，太原師范學(xué)院圖書館館員。

1672-2035(2016)06-0123-03

G250.74

A