Автоматизированная система аналитической росписи документов (АСАРД).

Создание библиографических записей для электронного каталога является весьма трудоемким делом. Поэтому для сокращения затрат на пополнение каталогов электронными записями документов, создаются всевозможные объединения и консорциумы корпоративной каталогизации. Однако это касается в основном записей, описывающих отдельное издание – книгу, сборник, отдельный номер журнала, т.е. библиографическая запись, описывающая документ на монографическом уровне.

Библиотек, занимающихся росписью каталогизируемых документов на аналитическом уровне (статьи из научных журналов и сборников) в достаточно большом объеме, совсем немного.

Еще в конце 80-х годов ЦНСХБ совместно с ВНИИТЭИсх (теперь уже не существующим) приступила к аналитической росписи основных сельскохозяйственных журналов. Первый этап данной работы был завершен в 1992 году, созданием автоматизированной системы, которая включала в себя электронный каталог (ЭК) описаний статей. При этом ЭК статей на порядок больше по объему ЭК книг. Таким образом, объем данных, вводимых только о статье из журналов или сборников, существенно больше, чем объем библиографического описания отдельных изданий.

Для сокращения ручного труда каталогизаторов и систематизаторов на этапе создания библиографических записей документов, было принято решение о разработке автоматизированной системы по аналитической росписи получаемых журналов и сборников в бумажном виде (твердая копия) и создание предпосылок для автоматизированной обработки различных электронных ресурсов (режим on-line), подписываемых библиотекой (электронная форма).

Предпосылки создания автоматизированной системы аналитической росписи документов:

1. В качестве основного материала для ввода данных о статье рассматриваются оглавления журналов или сборников. Полнотекстовые электронные ресурсы, особенно иностранные журналы, стали занимать значительное место в информационном обеспечении пользователей библиотеки. И они всегда имеют достаточно формализованное оглавление.

2. Оглавление в научно-технических журналах и сборниках обычно легко выделяется среди остального текста (что нельзя сказать про огромное количество журналов массовой культуры).

3. Заголовки статей, особенно в сборниках, несут, в большинстве случаев, информацию о содержании статьи. Кроме того, научные журналы и сборники зачастую помещают статьи в рубрики или разделы, которые также отражаются в оглавлении.

4. Структура строк оглавления, описывающих каждую статью для каждого журнала стабильна, как минимум, в течение года. Практически существует всего несколько видов структур: “Авторы, Название, Страницы” или “Название, Авторы, Страницы” и т.п.

5. ЦНСХБ имеет развитый тезаурус по сельскому хозяйству и продовольствию, что позволяет сопоставлять термины тезауруса со словами и словосочетания из названия и обеспечивать обогащение описания статьи.

6. Существующее оборудование сканирования (книжные сканеры, имеющиеся в ЦНСХБ) позволяет осуществлять сканирование с высокой скоростью. Сканированию подвергаются новые, поступающие в библиотеку журналы и сборники. При достаточно высоком полиграфическом качестве сканируемого материала результаты сканирования и распознавания образов довольно высокие, что сказывается на сокращении сроков на редактирование получаемого материала.

7. Возможность автоматического или полуавтоматического мониторинга подписанных зарубежных баз данных (например, Agricola или отдельных баз данных EBSCO) и создания копий соответствующих оглавлений на Web-сервере библиотеки.

8. Мы полагаем, что пользователь ресурсов библиотеки ищет информацию, в основном, либо по автору и/или названию статьи источника, либо по тематике. В последнем случае пользователя мало интересует (с некоторой точностью, несущественной в данном случае), в каких полях встречаются важные для него термины или рубрики.

   Все эти предпосылки побудили нас к созданию автоматизированной системы аналитической росписи документов.

   Данная система состоит из нескольких технологических блоков и отдельных подсистем:

   1. подсистема формирования оглавлений журналов и сборников;

   2. подсистема автоматического формирования записи для ЭК;

   3. подсистема дополнительной ручной обработки описания;

   4. подсистема учета выполнения исполнителями всех операций над данными в АСАРД

Подсистема формирования оглавлений журналов и сборников состоит из двух блоков, Первый из них – блок сканирования и распознавания печатных изданий. В подавляющем большинстве случаев распознанный и проверенный текст не требует дополнительной ручной доработки. В отдельных случаях используется специальный язык разметки. Текст сохраняется в HTML-формате, а образ документа, который также доступен пользователю, просматривающему оглавление, в PDF-формате.

Второй – блок обработки оглавлений on-line (т.е. внешних баз данных). В частности, для БД Agricola обеспечивается мониторинг оглавлений и загрузка оглавлений вновь появившихся номеров на сайт ЦНСХБ.

Подсистема автоматического формирования записи для ЭК обеспечивает создание записи электронного каталога статей на основе подготовленных автоматически или с добавлением данных ручного ввода документов.

Название статьи разбирается на слова. Не рассматриваются стоп-слова и цифро-буквенные слова. Все слова нормализуются. В настоящее время используется алгоритм усечения окончаний. Возможно также применение любого другого алгоритма нормализации.

Слова сравниваются с так же нормализованными терминами тезауруса. Результат совпадения заносится в поле “автогенерированные термины”. Поле “Рубрики ОРНТИ” заполняется рубриками из общего описания журнала и/или рубриками, связанными с терминами тезауруса.

Предполагается создание специального словаря на основе текстов постоянных или часто встречающихся рубрик или разделов оглавлений. Этот словарь может быть обогащен кодами рубрик ОРНТИ. В этом случае коды будут включены в соответствующие элементы данных.

Предполагается расширение тезауруса переводами терминов на английский язык (или на другие языки). В этом случае при обработке иностранных названий статей возможно включение русских дескрипторов в соответствующее поле в дополнение к англоязычным. Это обеспечит возможность поиска таких терминов по-русски.

Следует заметить, что как только появляется оглавление журнала или сборника в электронной форме, то вслед за этим появляется и запись электронного каталога. Ручное обогащение записи или изменение ее – асинхронный процесс, с неопределенным временем окончания. Пользователь электронного каталога будет видеть улучшающуюся во времени запись по мере того, как специалист будет приписывать (или, при необходимости, исправлять) соответствующую запись в АСАРДе, правда, с недельным опозданием (периодичность обновления данных в информационно-поисковой системе).

Подготовленные записи загружаются в информационно-поисковую систему АРТЕФАКТ (разработка информационного агентства “Интегрум-техно” - http://www.integrum.ru/).

Подсистема дополнительной ручной обработки описания позволяет специалисту разметить оглавление и передать отдельные статьи на обработку в режиме автоматизированного процесса (без участия специалистов технологической обработки документов) или конкретному исполнителю. Оглавление автоматически разбирается по полям - автор, название, страницы и т.д.

При ручной обработке документов все исполнители имеют различные права доступа к обрабатываемому материалу (администратор технологических направлений, координатор работ, каталогизатор, систематизатор, и т.п.). Разграничением по уровню доступа достигается возможность работы только со своей группой полей как заполненных автоматически, так и заполняемых вручную, с возможностью редактирования полей, заполняемых “автоматом”. Кроме того, можно проставить признак готовности документа, просмотреть историю работы с ним. Поскольку ЦНСХБ выпускает еще и реферативный журнал, то можно приписать реферат, направить документ в тот или иной выпуск реферативного журнала (Ветеринария, Пищевая промышленность и т.п.) и номер.

При вводе данных обеспечивается интерактивный контроль орфографии. Возможна также проверка правильности подготовки всей записи, используя лингвистические технологии системы ОРФО (http://www.informatic.ru), а также обогащение словаря терминов для последующего анализа и обогащения тезауруса или специальных словарей.

Подсистема учета выполнения исполнителями всех операций над данными в системе АСАРД обеспечивает учет всех операций с записью, которые осуществляет исполнитель. Он входит в систему со своим идентификатором. В отдельных случаях, например, при поручении работы конкретному исполнителю, идентификатор этого исполнителя вводится в систему дополнительно. По всем операциям запоминается дата, время, объем изменений, идентификатор исполнителя, а в ряде случаев и другая необходимая служебная информация. Это позволяет наладить полный компьютерный учет работы коллектива исполнителей.

Дополнительно следует заметить, что ЦНСХБ имеет электронный архив документов, в котором хранятся образы оглавлений (если они есть), а также все полные тексты статей, полученных как в результате работы службы ЭДД (заказ из ЭК ЦНСХБ), так и тексты всех статей, “скаченных” сотрудниками ЦНСХБ из внешних баз данных. Все полные тексты “привязаны” к соответствующим записям ЭК и оглавлениям журнала. Внутри библиотеки или с удаленных терминалов (в других организациях, технология VPN-соединений) они доступны для чтения, а для пользователей сети Интернет – для заказа.

Система полностью базируется на СУБД MS SQL. Для каталогизации сборников как отдельных изданий, так и журналов в целом, используется система Марк-SQL (“Информсистема” - http://www.informsystema.ru/), так как их библиографическое описание сложно и требует специализированного программного обеспечения.

Каждый документ, поступающий в ЦНСХБ, снабжается электронным номером (ЭН), напечатанным на наклеивающейся этикетке и отображаемым в виде штрих-кода. ЭН является полем связи для объединения различных видов описания документа и его частей.

Таким образом, система предусматривает различные режимы формирования описания статьей для ЭК, представляемых на Web-сайте ЦНСХБ для читателей библиотеки, включая и читателей, работающих на удаленных терминалах библиотеки (Интранет) и внешних пользователей (Интернет). Возможен режим работы “как прежде”, со стопроцентным клавиатурным вводом описания статей. Однако, с точки зрения разработчиков, основным режимом работы должен быть режим автоматического формирования библиографического описания и элементов систематизации на основе оглавлений журналов и сборников, с применением “ручного” ввода только для тех записей, которые направляются в реферативные журналы или являются особо значимыми.

Система позволяет развернуть работы по научному анализу полученных результатов (накопленные словари и методы обработки текста), что даст возможность усовершенствовать механизмы автоматического построения описаний.