法国数字图书馆关键技术研究进展

2.2.3　法国数字图书馆关键技术研究进展

1.法国国家图书馆的Gallica和Gallica 2^{［35，36，37］}

法国国家图书馆(BNF)已经数字化了100 000幅图像，这些图像是从法国国家图书馆之外的文件集和BNF各部门的世代收藏中选取的。已数字化的收藏通过BNF的内部网络传递，一旦网上通信牵扯到的技术和法律问题解决之后，所有数字化的文件将会上传到各种“信息高速公路”。BNF的第一版网站是在1996年上载到Internet上的，它描述了BNF的馆藏、实用信息、新闻、重大事件的进展和专业信息。最重要的是该网站提供免费接入BN-OPALE和BNOPALINE数据库，这两个数据库包括2 500 000多篇参考文献，可以用Telnet方式检索。新的集成信息系统完成之后，读者将可以检索图书馆的全部目录，包括从Gutenberg到现在的印刷资料，还有声音记录和音频资料，一共大约有800万条。

法国国家图书馆包括Gallica和Gallica 2两个版本，其中，Gallica包括从中世纪到20世纪早期的多媒体文件，是世界范围内电子网络上最大的免费数字收藏集之一。Gallica 2是BNF数字图书馆的最新版本。2008年，BNF数字图书馆将会正式采用Gallica 2取代Gallica作为新的信息检索接口。目前，Gallica 2检索接口的测试版已经在试运行^［29］，但是其资源量主要还是存储在Gallica中，后续将逐渐转入Gallica 2。

2007年10月开始试用时，Gallica 2包括约有30 000本专刊，绝大多数是图片模式，部分是文本模式，所谓“图片”模式是将带有图像、照片的文件扫描成图片，比如传真，其内容与原件结构完全相同。“文本”模式则用有限的方式来考虑文件的布局信息，其重点考虑图书的文本信息，其中，可以搜索文件的内容、版权信息，甚至可以将信息传递到移动终端。由于文本模式中的信息采用OCR技术扫描获取，而该技术对原始图像的质量比较敏感，比如图像中的斑点、字体大小等，容易出现识别错误，因此Gallica 2同时提供两种图片和文本模式^［38］。同时，根据技术实现的整体规划，Gallica 2可以逐步兼容Gallica现有的各种文件格式(到2007年10月21.50万件印刷文件和10万张文件影像)，三年以后，随着近30万新印刷材料的数字化和法文报纸扫描工作的不断完成，它的信息量将会得到丰富。此外，Gallica 2允许远程访问其他法语数字图书馆，比如使用OAI(Open Archive Initiative)。由于技术原因，在Gallica 2试用时只能访问模拟案例，后续版本将包括图像文件、期刊和大格式文件，比如地图以及声音文件。在语言方面，Gallica 2主要支持法语，但同时也部分支持英文、意大利语、德语、拉丁语和希腊语等。

在技术上，Gallica 2采用J2EE(Java 2 Enterprise Edition)技术框架进行开发，以整合各种开源和免费软件。具体而言，在搜索引擎方面，Gallica 2使用开源软件组织Apache提供的Lucene作为检索软件，该检索软件具有很多新的特征，比如全文检索等。同时，Gallica 2的后续版本将逐步实现各种高级检索，比如布尔操作、语义工具等。在扫描技术方面，法国国家图书馆的文档由与BNF有合作关系的公司专门进行，其中，在BNF所要求的文字扫描技术中，其提供的扫描格式包括:文本图像模式采用黑白TIFF格式进行压缩，以便于打印，插图采用灰色或彩色的TIFF或者JPEG格式，文本内容中的表格和OCR采用XML格式，然后由Gallica 2提供这些格式的查询服务，图片查询模式采用PNG格式，文本查询模式采用HTML格式，同时可以提供PDF格式的文本和图像下载或打印。在Gallica 2中，文件采用Dublin Core元数据格式进行描述，由BNF数字化的图书可以提供相应描述性数据，具体存储在BNF的“数据集合”中，并可以通过OAI-PHM(Open Archive Initiative-Protocol for Metadata Harvesting)以XML格式下载^［39］。

2.声频视频资料的检索技术

法国的Entreprise industrielle，OTH和SETEN三家公司已经联手开发出了一种新的高效系统，可检索BNF的声频视频和多媒体资料。检索涉及的所有功能都由这个系统管理与组织，如音频与视频控制板、数字与模拟文件的存储、传输和传递、工作站显示与交互功能、用户与音频/视频板的通信、与主要信息系统的链接和部分资料的数字化，还有访问统计与它自身的操作功能。

3.BNF的信息系统

BNF计算机化计划从数据上看在世界图书馆界是最大的。该计划的完成将需要400个人年。一旦全部完工，这个带有14个数据库主机、47个存储服务器和3 000个工作站的新系统将提供异常快速的处理能力和6万亿字节的存储容量。规模之大需要相当的项目管理能力(60个人)和国际性的工业伙伴。BNF曾在欧洲范围内发了一封邀请加盟信，CapGemini、IBM和Alcatel公司(100名员工)应邀而至。BNF与Bull签订了设备供应与集成的合同。Bull是包括Sequent、Experdata、Oracle、Microsoft和Foresystem在内的合作单位的领头人，这次合作成立了一个80人的小组。

4.IRCAM多媒体图书馆:数字音乐图书馆^{［40，41］}

IRCAM是法国指挥家、作曲家Pirre Boulez于20世纪70年代末建立的一个研究当时音乐的非营利协会。现在在Laurent Bayle的带领下，该协会正在建立一个数字音乐图书馆。

(1)总体结构

该馆的总体结构采用C/S。其中，Server存储目录和数字化的集合。在用户终端，HTML是系统的唯一界面。这种选择是为了让公众以现有的工具(如网络浏览器)远程访问在线图书馆。

(2)标准(www.xing528.com)

●总体界面:HTML(和Z39.50)

●目录记录:UNIMARC

●IRCAM录音:MPEG-lLayer2(384Kb/s)

●商业CD:44.1kHz的立体样本(1.4Mb/s)

●压缩视频:MPEG-1(1.8～2Mb/s)

●静态图像:JPEG(和GIF)

●网络协议(high):TCP/IP

●网络协议(low):转换以太网，快速以太网

●电缆:第5类双绞线

(3)硬件与网络

两种不同的服务器:一个负责传送非多媒体文件(目录、网页、静态图片)，连接到10Mb/s以太网;一个负责多媒体文件——经数字化且压缩存储在标准RAID盘、紧凑盘和经特殊选择的自动唱机的CD-ROM上的录音与视频。值得一提的是自动唱机，它们的CD机必须执行一个命令，允许主机通过SCSI总线将声频CD内容读到它的主存里。这个特征不是所有的CD播放器都具有的。用户终端连接到一个10Mb/s的转换以太网分支。

(4)软件

该馆用到的软件有:服务器软件、图书馆软件Loris(由Ever公司提供)、网络服务器Apache(由Apache集团提供)、多媒体服务器CDLine(由Archimed公司提供)、全文检索FreeWAIS-sf及Sfgate、客户机软件、网络浏览器IE(Archimed)、实用程序与语言、声频抽取disk-to-disk(由Microtest公司提供)、声频压缩LogicieldecodageMPEGI552(CCETT)和Perl语言。