数字化工程方案

衢州市图书馆数字化加工技术方案一、工程概述6000册32K16K30〔具体页数依据实际状况确定OCR识别，并经过人工校对，依据元扫描图像在网络平台的公布、呈现和应用。二、工程目标衢州市图书馆文献资料数字加工工程的建设就是运用高速进展的计算机、网资料的可读性、可视性、可重复利用性、牢靠性。本工程的目标是：衢州市图书馆的地方文献纸本资源数字化，及存储应用。三、工程内容及要求地方文献数字化加工数字化加工要求*1、加工完成后对每册文献都要提交扫描图像〔TIFFJPG格式〕文件、OCR识别后的文本文档〔TXT格式、多页封装的PDF图像格式文件、为了数据装载入库，对每册文献生成的一个XML文件，以及为一个批次加工的全部中文元数据。2、依据原文献名目所示的最小组织构造进展著录标引〔假设书籍没知名目导航页，由招标方自行编制名目后再录入，建立书籍名目导航。3、依据标准要求加工中文元数据〔参考国家图书馆元数据有关标准。4、OCR后文本文档要求准确反映原文的段落信息，文字识别过失率要求不大于百分之五。5TIFF格式〔CCITT4压缩，原件大小，600DP扫描，JPG格式保存，原件彩色的即承受彩色扫描，JPG格式保存。PDF图像文件整理加工中需要实施的内容1、整理、扫描加工、OCR识别和人工校对、著录、元数据加工。2、数据装载入公布效劳软件平台，并实现相关检索、查询、公布等效劳。工期要求6个月内完成。加工资源的交付与验收1、本工程涉及的文献不得带离甲方场地，所以扫描工序的实施需在甲方场或缺损。2、加工单位要保证加工资源不丧失、不损坏、不受潮、不污损等。加工资源需经折装时必需获得甲方书面同意。3、加工资源假设有丧失、损坏，乙方要负责购置赔偿同版本的加工资源。4、元数据、OCR校对、著录、图像后期处理等工作，可在加工单位自己的场地进展。加工资源的版权其他第三方，违反者担当相应的法律责任。其他加工单位提交的加工数据，甲方在验收后，对未到达质量要求的，加工单位费返工修改。地方文献数据库效劳平台产品功能模块序号产品名称系统模块数量单位备注全文检索数据库效劳系统1套1特色数据库平台全文检索门户1套信息采编及关心标引系统1套信息采编审系统1套系统功能要求〔一〕体系构造分布式体系架构，支持跨效劳器、跨平台分布式内容治理，实现异构数据库联合检索；系统支持全部主流的操作系统、应用效劳器及Web效劳器。J2EE.NET64T〔二〕内容治理字词混合索引。、实现了自动分类、自动聚类、自动摘要、文本相像性比较等功能。系统支持多种数据类型〔日期、数值、文本〕的治理。系统实现对文本、各类电子文档和图像、音频、视频等多媒体供给强大的治理治理与检索的全文数据库系统。系统具有强大数据库治理及维护功能，如数据库定义、建立、备份、恢复、优化重组、规律删除、物理删除、增量备份、记录查重等功能。系统支持外部扫描的电子文挡、网页与网页自动提取内容等数据的治理。支持字段的唯一性特征，可以依据字段内容自动去重。〔三〕用户治理系统内置独立于操作系统的用户权限治理、用户操作审计、统计与分析等功统计与分析。系统供给多级用户治理体系，可以实现灵敏的用户－数据库授权机制，数据库治理、数据维护、系统治理、检索各种权限分开，可以按需安排。系统具备用户分组治理、数据库转让等共性化用户治理功能。〔四〕全文检索1、信息公布所见即所得地公布信息。2、智能检索系统支持中英文及其他语种的多语种混合检索，支持多种数据类型的数据检索。支持外部特征字段检索时的词、拼音、笔画等简便的输入帮助功能。系统允许使用任意字、词、片段、语句进展全匹配检索。系统供给多种检索手段：各种规律运算符〔规律或、与、非〕组合检索、二〔模糊检索系统支持相关性词表扩展检索功能，提高检索效率；系统内置同义与近义词表，词表可维护，便利用户修改。系统实现对文本、各类电子文档和图像、音频、视频等多媒体供给强大的关联检索功能。〔大1000个〕的检索效率。100%查全率。系统供给分类字段，支持分类扫瞄和检索。3、数据库关联检索联。4、关系数据库检索系统具有与RDBMS(Sybase、Oracle,SQLServerDB2)无缝连接，供给全文检索引擎功能，从而实现对关系数据库中记录高效的全文检索〔CGDataPipe协作实现。5、共性化效劳订阅检索：用户提交检索条件，系统依据用户的定制条件，自动定时发送检索结果到用户邮箱中〔CGPUSH供给。支持检索结果的多种定制手段，用户依据喜好，可以定制文献显示的字体大小、颜色、显示字段、文献排列等。用户可以在系统授权地状况下，在线修改文献内容、提交文献等操作。〔五〕信息采编及关心标引系统文献资料加到信息库之前要经过预处理。文献的预处理包括转码、整理和标因此，文献预处理常常成为信息库建设的瓶颈。1、关心文献整理①便利的字段分类帮助选取与选值功能，供给日期选值帮助。②供给多篇文献的字段置值功能，多篇文献查找与替换功能。③供给分篇与多篇合并功能。④供给界面格式调整功能。⑤供给多媒体信息文件的标引与扫瞄功能。⑥供给查错功能。⑦供给按字段内容排序与复原功能。2、版面大样文件转换与关心标引①版面转换后的文献直接进入编辑器界面。②供给在版面中直接用鼠标分篇与多段〔篇〕合并功能。③供给版面多篇转换、全部转换和选块转换功能。④供给版面直接鼠标拖动图片实现图片标引。3、查错信息系统向用户供给的产品是信息。信息的准确性是系统是否有生命力的关检查工程包括：文献有否遗漏内容〔如标题；文内是否有非法码〔如半个汉字等；时间是否有效；数据类型是否正确等。检查完毕将列出错误清单，光标自动定位到错误位置。〔六〕安全把握系统供给系统、数据库、记录及字段级安全把握手段；用户使用信息资源的授权机制、数据库中文献密级把握、用户文献存取数量把握；IP、打印等功能，有效地防止用户越权操作与防抵赖。系统供给数据库文件加密、索引加密、库构造文件加密等安全机制。〔七〕开发接口系统供给标准的二次开发接口，可以开发运行UINX、WindowsNT、和WEB环C++治理与检索接口〔WindowsUnix下的通用开发工具。Javabeans类库应用程序开发接口(J2EE环境下的开发工具)。C#类库应用程序开发接口〔支持.NET平台下的开发工具。系统性能要求体系构造体系构造支持各种主流操作系统和主流开发平台供给分布式检索多线程设计，充分发挥SMP机器的优势，支持大量并发用户访问*64T样的字段概念，支持文档的外部特征与正文内容的各种规律组合检索准确计算，准确报告检索记录数客户端支持以下三种字符集：GB2312/GBK/GB18030编。便利了多语言检索应用程序的开发100%及智能检索扩展检索：同义词和近义词自动扩展检索、全半角自动扩展检索、简繁体自动扩展检索智能检索支持同义词、近义词典的维护数据治理

系统自动建索引：数据增删改时快速同步更索引，无〔增删改后马上能够检索出来*支持Text、HTML、XML、RTFMSOFFICE文档〔Word/Execl/PowerpoitPDF文件自动建立索引制类型〕支持多媒体数据的存储治理高效的数据和索引压缩检索功能

支持中、英文混合检索户治理开放性

构化数据的统一检索，供给字段和全文的联合查询部特征与正文内容的各种规律组合检索、位置检索、二次检索〔渐进检索、历史检索等支持“缺省字段规律优先”的运算方式同时对多库检索结果可以进展混排且可以指定各参与字段的权重支持命中词的反显具有系统级、数据库级、记录级和字段级四级安全把握机制加密和压缩传输机备份率完善的日志治理数据库检索频度统计、检索词频统计和用户检索统计功能系统供给多种权限级别的用户治理支持按用户角色进展用户授权治理*支持主流开发平台，供给C++、CAPI、JavaAPI和.NETAPI二次开发接口Windows、Linux、Solaris、AIX、HP-UX数据加载和索 引速度用户组数/用 上用户组/用户户数

要求支持字符集□ 简体中文(GB2312/GBK/GB18030)繁体中文(BIG5)纯英文(ENGLISH)售后效劳 *1年软件免费升级效劳，并出具原厂商证明；数据存储平台简述：本次选购的效劳器和存储设备，专项用于本次馆藏古籍文献特色资源库的配置要求：2U2INTELXE0NE5506CPU2.134M8GB(4*2)内存，1333MHZsinglerankRIMMs；2146GSAS硬盘，RAID1配置；内置SATADVD；双冗余电源；配置通用机架