编目精灵II -- On the Fly

    早就听说Google大规模数字化图书馆图书用的是自动翻页的扫描仪，对图书的损害小，但不知道自动翻页如何实现。此次在ImageWare公司看到德国奥地利Treventus公司的图书扫描机器人(Bookscanner ScanRobot)视频，才算弄清其机理──将扫描头插入书页中，采用吸的方法，同时扫描相对的两页，完成后翻页。

    这是在YouTube上找到的当时的演示视频。书只需打开到60度，而对于软封面图书，需要加硬板特别固定。

    Ted曾经介绍过一款自助扫描器，即Digital Library Systems Group的KIC II，读者可以在扫描后，把文件存入U盘、发送电子邮件、打印或者通过FTP发送等。这款产品采用的扫描仪是德国ImageWare公司Bookeye。
    前些日子去ImageWare公司访问，得知KIC II是Image Access公司在美国销售Bookeye时包装推出的产品，而ImageWare公司自己推出的自助扫描站称为Bookeye 2 WalkUp Scan Station：

        设备：Bookeye 2扫描仪（A2幅面，面板上有USB接口）、触摸屏，可以另配读卡器（用于自助服务收费）
        输出功能：USB、电子邮件、Web服务器发布、网络传送、打印
        软件：WalkUp，是其原来的扫描软件BCS-2的触摸屏简化版
        输出文件格式：PDF、JPEG、TIFF
    扫描仪有灰度和彩色两种选项。实际上Bookeye扫描仪都有彩色扫描功能，由软件控制是否能够输出彩色图像。所以如果先买了灰度的，以后觉得需要彩色的，可以再花钱升级软件。

    从ImageWare公司提供的资料上看，自助扫描站在2006年已有实例。柏林Free University的语言学图书馆(Philological Library)在新馆4层共配备了8台扫描站(Bookeye Scanstation)，供读者使用，通过读卡器，可以直接打印，也可发送邮件。自助扫描站是灰度扫描仪，另有一台彩色扫描站在服务点（由馆员操作吧）（见：Information Wissenschaft und Praxis (ISSN 1434-4653) Juli/August 2006）。
    从资料照片看，当时用的软件就是BCS-2，可见一般配置的Bookeye也可以用于自助扫描。据说华南师大买了两台Bookeye 3彩色扫描仪（A1幅面），也就是让读者自助扫描用的。

    自助扫描站代替自助复印，大致优点有：扫描速度快、方便（不必将书正面向下）、节省纸墨（不一定需要打印）、可做后续图像处理（尤其对需要彩色图片的读者）。
    价格，就不好说了。尤其现在自助复印可以采用租用方式，而自助扫描尚无此种商业模式。

    记得N年前有个世界群星大合唱，名为We are the world，中文译为《天下一家》。不管是不是这个意思，“天下一家”之说无论从哪个角度都是无可挑剔的，除了字面上的温馨，兄弟阋墙、夫妻反目，那也都是一家子里的事。但本届奥运会的口号One World, One Dream就完全不同了，让人完全无法作它想，因而也无法让人认同──同床异梦的事儿太多，何况让世界做同一个梦？
    开幕式前，喀什袭击死了16名武警，据说是DT所为，联系之前的ZD，外媒评论说，One China也没有One dream──不得不承认，他们的政策水平还是很高的，想必外交部也会为他们坚持“一个中国”而击节叫好。

    2008-08-08 20:08已经过去，看了开幕式。但一直以来并不特别关心本届奥运，因为自己不是体育迷，更因为那是“北京”奥运会，2700亿绝大部分是砸在北京市，幸福与痛苦，主要事关北京市民及“外来务工人员”，与远离京城的其他老百姓没啥关系。
    最具全民参与的或许是火炬传递，到后来也变成小众娱乐了。当初在广州时万人空巷；传递到到沪时，偶正巧坐车路过体育馆，还看到满街举着小旗的人。后来到南宁，弄得跟旧金山似的，路线保密、禁止学生上街看了；再后来到长春，据说沿街居民都不让开窗了──可见ZF也没想真让大家跟奥运亲密接触。这就让“同一个世界、同一个梦想”之说颇为可疑，也很奇怪怎么会让它成为本届奥运会的口号。

    在中国各地旅行时，基本上只要看看沿路的标语，就知道当地官员最头痛的事情、最希望解决的问题是什么了。比如：“光缆无铜、偷也无用”、“少生孩子多养猪”、“严禁飞车抢夺”。对奥运口号，亦只能做如是观。

    外出一周，今天回家。看博文留言，重又看到了去年12月19日ZZ在“百万图书”项目(CADAL)相关信息下的留言：“整个UDL项目现在是又153万册左右数字图书，其中中国100多万，印度33万，还有埃及的几万。大部分英文图书还没有解决版权问题。中国古籍已经解决。CADAL, ULIB.cn等的关系是， CADAL位于浙大，主要负责中文图书数字化，是ULIB中国南方技术中心，www.cadal.edu.cn也是一个提供比较完整的检索和发布平台，是真的可以实用化的，从这一点讲，CMU的主站都做不到；但CADAL站点主要只有中文图书。而www.ulib.org.cn经过多次改版，已经提供了所有153册图书的镜像检索，涵盖了所有数据，并拥有北方中心15万册英文图书的全文检索系统、插图检索系统和知识网络系统，ulib.org.cn现在可提供所有版权允许的图书的访问。”
    去年11月本馆网站改版后向所有读者介绍CADAL的民国电子书，偶有访问不了的情况发生时，读者比较着急，并且在教育网外，CADAL访问速度极慢，所以想看看介绍中的百万册图书的UDL中国网站，或可与CADAL交替使用。

    全球数字图书馆中国站点(http://www.ulib.org.cn/zh-CN/)由中国科学院研究生院主办，看来知者不多。版权日期2003-2008，但至今日的网站访问统计数仅为：
首页访问: 1531
浏览次数: 5850
网站访问: 1101

    首页下有“百万册图书搜索：实验系统”，包括三种检索方式：
· IQuery 2.0 BETA：一种新颖的电子图书检索系统，支持多粒度电子图书检索与多侧面导航。
搜索范围可选择全文、章节、主题、题名或多粒度（all的专业术语?）。
搜索中栏为带图书封面的书目信息摘要；
左栏显示多层主题分面（含命中数）：
  Composite subject 主题
  General subfield 一般子类
  People 人物
  Time 时代
  Place 地点
  Form of reservation 体裁
  Source of topic words 主题词来源
  Other subject 其他主题
右栏显示可扩展检索词（按相关度？），且可按可视化方式显示（更改浏览器安全设置后仍没有安装成功）。
· Illustrator：拥有870万张插图超大数据集的语义插图检索系统。
查询速度很快，可惜访问结果都是HTTP Status 404，图像说明都是not available。
· Knowmap：一个基于主题词网络的电子图书可视化导航与检索系统。需要Java插件。

    以上都是研究成果展示（网页下有研发者姓名）。不过因为自己太菜，需要的插件都没有安装成功，所以可视化的部分看不到。不过这没关系，现阶段我只需要最基本的检索功能（ULIB检索），因为我最关心的是能不能看全文，可否以此作为CADAL网站的备用──可惜，好象也不行。
    在帮助页，提示要显示DjVu图像，需从lizardtech下载免费插件 exview_setup.exe（7.9MB）；在下载页给出的是其本地提供的DJVU浏览器（DjVuWebBrowserPlugin.exe）。后者与CADAL网站上的一样，本机原已安装，但看不到内容显示；安装前者后，仍看不到页面内容。我使用IE 7.0和Firefox 2.0。
    FAQ中说，如果需要整本下载，可以把书名告知help@ulib.org，然后会得到一个带下载说明的图书链接。这对很多读者来说是个不错的解决方案──不知道是不是真管用？现在假期中，开学后记得一试。

    7月28日，又出了一个新搜索引擎cuil，谐音Cool。网上照例一阵热闹，又是一个挑战Google的。
    据称开发者血统正宗，共同创办人Anna Patterson“之前建立的網頁資料庫「Recall」2004年被Google買下，因此進入Google服務。她在Google工作的兩年中繼續建立搜尋網頁的索引，是這方面的專家。”她“于2006年离开Google并创建Cuil。新的公司还有一些别的曾经在Google工作过的牛人，包括Russell Power，他曾和Patterson女士一起在Google庞大的索引系统工作，还有Louis Monier，AltaVista（搜索领域的开拓者）的前任首席技术员。”
    cuil在首页显示索引了121兆多页面。不知道是不是巧合，Google在2005年9月拿掉首页的索引页面数后，数天前（7月25日）在其官方博客中提到它们索引的独立网址数超过了1兆，然后说“我们可以很自豪地说我们在所有的搜索引擎中拥有最完整的检索”。当然“网络的大小其实看你怎么定义一个页面是否有用，而这个问题没有一个固定的答案”。换言之，搜索网页数量不能说明什么，搜索有用网页的数量才有意义。
    2004年新搜索引擎Accoona发布时请来克林顿，也曾引人注目于一时，过后accoona由综合性搜索引擎改为面向商务的了，自己也就不再关心。其实凡新搜索引擎问世，口气基本上都很大，但绝大多数之后就悄无声息了。不知道cuil的未来如何？

    试用了一下，查Library，结果还真与众不同。

    如上图，首先是检索结果图文并茂，比较吸引眼球。
    其次，检索结果上方有多个标签，用于提示相关的搜索词。
    再次，检索结果右上角有分类提示(Explore by Category)，类似于通常所见的分面限定，但其类（面）并非固定（如OPAC中固定为作者、主题、题名、年代等等），而是因检索结果而异（如本例有图书馆类型、学术图书馆、图书馆与情报学等）。可见cuil不仅仅是关键词检索，其对网页内容有较多的挖掘。

    检索结果每页11个，与分类提示合计共12个位置。有二栏、三栏显示切换。
以上图为例，二栏显示：
1A-Internet Public Library            1B-Explore by Category
2A-Library of Congress                2B-Libraryspot.com
3A-Boston Public Library Home Page    3B-New York Public Library
4A-UCLA Library                       4B-Lyndon Baines Johnson Library and Museum
5A-British Library                    5B-Canadian Library Association
6A-Online Computer Library Center     6B-Ontario Library Service
相对应的三栏显示：
11-1A   21-2A   31-Explore by Category
12-2B   22-3A   32-3B
13-4A   23-4B   33-5A
14-5B   24-6A   34-6B
    也就是说其结果排序先从左到右、再从上到下。由于每个结果显示较多摘要及Logo，占用页面较多，看各页后面的结果通常需要翻屏，如此显示保证相关内容被首先看到。
    目前选项(preferences)有两个开关：安全搜索（过滤色情或有问题网站）、输入提示。

    另外查了图书馆远程存储。由于library与remote storage碰巧在图书馆与计算机领域都有而具有歧义，因而查询结果与Google相比完全不能令人满意，同样的检索式，cuil首页基本上都是计算机方面的，侧栏的分类提示也是如此，基本没有适用的结果。
    如果说由于cuil注重保护用户隐私而无法探知查询者关注的领域，至少它的分类提示可以作出改进。     我想我会把它当作Google的补充，而非替代。在漫无目的的搜索时，或许用cuil会得到些有益的提示。

参见：
New York Times: Former Employees of Google Prepare Rival Search Engine / By MIGUEL HELFT (July 28, 2008)
（译言：前Google员工推出竞争搜索引擎 / by sandow (2008-7-29)）
Lib News 圖書館資訊網誌：Cuil搜尋引擎 挑戰Google (2008-7-29)

Offical Google Blog: We knew the web was big... (7/25/2008)
Searching Land: Google "Knows" About 1 Trillion Web Items (Jul. 25, 2008)
（译言：Google检索了1个兆的网页 / by sandow）