徐航

（福建省標準化研究院，福州 350013）

標準數(shù)字化全文檢索系統(tǒng)構(gòu)建探討

徐航

（福建省標準化研究院，福州 350013）

標準數(shù)字化全文檢索系統(tǒng)是基于DIPS數(shù)字文獻系統(tǒng)，面向標準的應(yīng)用、管理和發(fā)布的系統(tǒng)。前端采用B/S網(wǎng)絡(luò)發(fā)布結(jié)構(gòu)，提供全文檢索服務(wù)，檢索命中到頁，可滿足用戶在查找標準信息資源時野快、準、全冶的要求，極大地提高標準信息資源的獲取效率。

標準特色數(shù)據(jù)庫；全文檢索；系統(tǒng)構(gòu)建

1 前言

隨著我國經(jīng)濟的飛速發(fā)展和社會的不斷進步，產(chǎn)品的質(zhì)量愈發(fā)受到社會各階層的關(guān)注。而提高產(chǎn)品質(zhì)量的關(guān)鍵在于按照標準進行規(guī)范生產(chǎn)，標準對于提高產(chǎn)品質(zhì)量具有巨大的推動作用。特別是在經(jīng)濟全球化的今天，標準擔當著產(chǎn)業(yè)主流技術(shù)載體的重要角色，成為市場競爭的制高點，可以說標準化工作對于國家、行業(yè)、企業(yè)的可持續(xù)的健康發(fā)展都具有戰(zhàn)略意義。福建省標準化研究院作為專業(yè)研究標準化的單位，在不斷提高標準化研究水平的同時，更積極探索標準化與信息化相結(jié)合的服務(wù)模式，于2009年底建成并上線運營福建省標準信息服務(wù)平臺，打造“一站式”標準服務(wù)，平臺運營至今已為眾多用戶提供了高效、優(yōu)質(zhì)、準確的服務(wù)，取得了顯著成效。平臺具有以下特點：①操作簡便，功能強大，平臺為用戶提供多個檢索條件以提高檢索效率，并實現(xiàn)標準電子文本的在線閱覽，打印，下載等功能，為用戶提供了一個暢通的標準獲取渠道；②更新及時，數(shù)據(jù)準確。平臺設(shè)有專人持續(xù)跟蹤，加工，上傳各標準組織的公告，確保標準更新的及時性和狀態(tài)的準確性；③品種齊全，數(shù)據(jù)豐富。以平臺為依托目前共收錄國內(nèi)外標準題錄127萬余條和國內(nèi)外標準電子文本23.5萬余件。

2 系統(tǒng)設(shè)計與實現(xiàn)

2.1 系統(tǒng)網(wǎng)絡(luò)架構(gòu)

系統(tǒng)由兩臺服務(wù)器，一個磁盤陣列，一臺高速掃描儀和多臺式機構(gòu)成。其中一臺服務(wù)器用于部署系統(tǒng)前端的程序，另一臺服務(wù)器用于安裝DIPS數(shù)字文獻系統(tǒng)；磁盤陣列主要用于存儲雙層PDF等資源；高速掃描儀主要用于將標準紙質(zhì)文本掃描成PDF格式的電子文本，臺式機用于數(shù)字化加工，將圖像PDF批量OCR識別后轉(zhuǎn)化成雙層PDF。整個系統(tǒng)的網(wǎng)絡(luò)架構(gòu)如圖1所示。

圖1 系統(tǒng)網(wǎng)絡(luò)架構(gòu)

2.2 系統(tǒng)數(shù)據(jù)庫設(shè)計與實現(xiàn)

該我院選擇DIPS數(shù)字文獻系統(tǒng)作為系統(tǒng)的數(shù)據(jù)庫，DIPS是一款面向圖書、文獻、檔案等領(lǐng)域數(shù)字化建設(shè)的信息管理軟件。DIPS以全文檢索技術(shù)為基礎(chǔ)、基于互聯(lián)網(wǎng)內(nèi)容管理為核心，具備創(chuàng)建并管理數(shù)據(jù)庫，采集挖掘、加工整理和發(fā)布信息資源等多項功能，能夠滿足大容量數(shù)據(jù)全文檢索及多用戶并發(fā)使用的要求，是新一代集數(shù)字化加工、數(shù)字內(nèi)容管理和全文檢索為一體的信息管理軟件。

2.2.1 系統(tǒng)數(shù)據(jù)庫設(shè)計

利用DIPS數(shù)據(jù)文獻系統(tǒng)中的管理模塊創(chuàng)建標準全文數(shù)據(jù)庫，確定數(shù)據(jù)庫結(jié)構(gòu)，定義了20個字段，包括：“標準號”，“標準序號”，“標準年代號”，“標準中文名稱”，“標準英文名稱”，“標準狀態(tài)”，“組織類別”，“發(fā)布日期”，“實施日期”，“作廢日期”，“代替標準”，“被代替標準”，“文本頁數(shù)”，“中標分類號”，“ICS分類號”，“引用標準”，“采用標準”，“修改單”，“備注”，“全文”。

2.2.2 數(shù)字化加工

通過程序?qū)F(xiàn)行標準PDF文本按標準組織類別批量導(dǎo)出，然后利用軟件Adobe Acrobat進行批量OCR識別，將圖像PDF轉(zhuǎn)化成雙層PDF，OCR識別完成后Adobe Acrobat將彈出錯誤提示框以顯示OCR識別有誤的PDF文本，錯誤原因主要是由于PDF頁面尺寸太大超過了Adobe Acrobat可OCR識別的最大范圍，加工人員將這些OCR識別有誤的標準號提取出來，利用虛擬打印機Adobe PDF將這些PDF文本轉(zhuǎn)化成規(guī)范的PDF文本，再進行OCR識別轉(zhuǎn)化成雙層PDF。

2.2.3 標準數(shù)據(jù)入庫

通過程序?qū)⒁褦?shù)字化加工的標準文本對應(yīng)的題錄信息從福建省標準信息服務(wù)平臺的數(shù)據(jù)庫中導(dǎo)出到成Excel文件，形成入庫文件。通過軟件SQL2DIPS4將標準雙層PDF文本和文本對應(yīng)的題錄信息批量導(dǎo)入到DIPS數(shù)字文獻系統(tǒng)中，完成標準數(shù)據(jù)入庫。

目前DIPS數(shù)字文獻系統(tǒng)的數(shù)據(jù)庫中包括國家標準（GB），行業(yè)標準（包括機械行業(yè)JB、化工行業(yè)HG、農(nóng)業(yè)行業(yè)NY、商品檢驗行業(yè)SN、紡織行業(yè)FZ、建筑行業(yè)JG、建材行業(yè)JC等30多個常用行業(yè)組織的標準），福建省地方標準（DB35），累計4萬余項標準數(shù)據(jù)。

2.2.4 數(shù)據(jù)庫維護

在使用過程中如果發(fā)現(xiàn)數(shù)據(jù)庫中有重復(fù)的標準數(shù)據(jù)，管理員可以通過DIPS提供的去重工具進行去重，在工具中選擇好根據(jù)“標準號”這個字段進行去重后，數(shù)據(jù)庫中將只保留ID值最大的標準數(shù)據(jù)（即新上傳的數(shù)據(jù)），其余重復(fù)數(shù)據(jù)將會被刪除。

2.3 系統(tǒng)前端實現(xiàn)

系統(tǒng)前端以Visual Studio 2013作為開發(fā)工具，以.NET Framework 4.5為框架，采用三層架構(gòu)模式，以IIS 7.0作為中間件，應(yīng)用Jquery，Ajax，Xml，Json多項技術(shù)，實現(xiàn)以下功能。

2.3.1 注冊賬號

用戶注冊時需填寫自己的郵箱地址，注冊完成后，系統(tǒng)會自動向用戶的郵箱發(fā)送激活郵件，郵件內(nèi)容是一個激活鏈接，用戶需要登錄自己的郵箱并點擊該鏈接才能激活之前在系統(tǒng)注冊的帳號。

2.3.2 登錄賬號

為了系統(tǒng)的安全性，系統(tǒng)設(shè)置登錄失敗處理功能，限制非法登錄次數(shù)。在用戶輸錯密碼3次后，該賬號將被鎖定1個小時，防止黑客對賬戶密碼進行暴力猜測。

2.3.3 找回密碼

用戶可在找回密碼頁面輸入注冊時使用的郵箱地址，系統(tǒng)會自動發(fā)送密碼重置郵件到該郵箱中，用戶登錄郵箱點擊重置郵件中的鏈接即可重置密碼。

2.3.4 檢索定位

用戶可根據(jù)關(guān)鍵字，標準號，標準年代號，中標分類號，ICS分類號，標準狀態(tài)，標準組織類別這七個條件進行組合檢索。如果在某個條件中需要檢索多個詞，檢索詞之間可以用邏輯與“*”、邏輯或“+”、邏輯非“！”運算符連接。邏輯與“*”表示標準文中必須含有所有檢索詞，邏輯或“+”表示標準文中只要含有某個檢索詞即可，邏輯非“！”表示標準文中不能含有該檢索詞。

2.3.5在線閱覽

用戶如需在線閱覽標準文本，要先從系統(tǒng)下載并安裝Adobe Reader軟件和DIPS專用閱覽插件，安裝成功后用戶在線閱覽時插件將會直接跳轉(zhuǎn)到關(guān)鍵詞所在的頁，并且關(guān)鍵詞標紅顯示，極大地提高了用戶的檢索效率。

2.3.6 跟蹤標準

用戶在檢索過程中可將自己關(guān)注的標準添加到用戶關(guān)注標準庫中，從而以后用戶可直接通過該庫使用這些標準，實現(xiàn)小范圍內(nèi)更加精確地全文檢索，用戶關(guān)注標準庫中標準作廢前系統(tǒng)會彈窗提醒以及向用戶注冊郵箱發(fā)送標準作廢前提醒郵件，從而避免用戶使用作廢標準造成損失。

2.3.7 后臺管理

管理員在后臺可以查看用戶的姓名，單位，聯(lián)系方式等資料以及最新登錄系統(tǒng)時間，總登錄次數(shù)等用戶使用系統(tǒng)的情況，并且可以設(shè)置用戶是否有權(quán)限在線閱覽標準電子文本

3 結(jié)語

隨著標準數(shù)量不斷增長以及用戶獲取標準信息的需求迅速膨脹，當前僅針對標準題錄的檢索方式已經(jīng)不能滿足用戶需求，而標準數(shù)字化全文檢索系統(tǒng)提供了快捷的數(shù)據(jù)管理工具和強大的全文檢索手段，為標準化資源高效利用建立了一個有效的共享平臺，使用戶能快速方便地查到需要的標準信息，滿足用戶高查準率和高查全率的要求，在標準化和信息化相結(jié)合方面開創(chuàng)了新的領(lǐng)域，對于標準化工作的開展和推廣具有積極的意義。

主要參考文獻

［1］陳曉.基于DIPS的高校圖書館特色數(shù)據(jù)庫建設(shè)［J］.情報探索，2008（7）：50-51.

10.3969/j.issn.1673-0194.2016.15.106

G252.7

A

1673-0194（2016）15-0168-03

2016-05-04