1、第三章第三章 數字出版信息處理數字出版信息處理n3 31 1 文獻化處理文獻化處理n3 31 11 1 文獻類型文獻類型n一次文獻一次文獻n是指作者以本人的研究成果為基本素材而創是指作者以本人的研究成果為基本素材而創作或撰寫的文獻，不管創作時是否參考或引作或撰寫的文獻，不管創作時是否參考或引用了他人的著作，也不管該文獻以何種物質用了他人的著作，也不管該文獻以何種物質形式出現，均屬一次文獻。大部分期刊上發形式出現，均屬一次文獻。大部分期刊上發表的文章和在科技會議上發表的論文均屬一表的文章和在科技會議上發表的論文均屬一次文獻次文獻文獻類型文獻類型n二次文獻二次文獻n是指文獻工作者對一次文獻進行加工

2、、提煉和壓縮是指文獻工作者對一次文獻進行加工、提煉和壓縮之后所得到的產物，是為了便于管理和利用一次文之后所得到的產物，是為了便于管理和利用一次文獻而編輯、出版和累積起來的工具性文獻。檢索工獻而編輯、出版和累積起來的工具性文獻。檢索工具書和網上檢索引擎是典型的二次文獻具書和網上檢索引擎是典型的二次文獻n三次文獻三次文獻n指對有關的一次文獻和二次文獻進行廣泛深入的分指對有關的一次文獻和二次文獻進行廣泛深入的分析研究綜合概括而成的產物。如大百科全書、辭典析研究綜合概括而成的產物。如大百科全書、辭典等等3 31 12 2 文獻檢索文獻檢索n將文獻信息按一定的方式組織和儲存起將文獻信息按一定的方式組織和

3、儲存起來，并能根據用戶的需要取出所需特定來，并能根據用戶的需要取出所需特定信息的整個過程，文獻檢索分為信息的整個過程，文獻檢索分為n數據檢索：以文獻中的數據為對象的一種檢數據檢索：以文獻中的數據為對象的一種檢索。如某公式、某化學分子式等索。如某公式、某化學分子式等n事實檢索：以文獻中的事實為對象，檢索某事實檢索：以文獻中的事實為對象，檢索某一事物發生的時間、地點或過程一事物發生的時間、地點或過程n文獻檢索：以文獻為對象，查找某個課題的文獻檢索：以文獻為對象，查找某個課題的有關文獻的一種檢索有關文獻的一種檢索3 31 13 3 文獻檢索與數字出版文獻檢索與數字出版n數字出版的標準化數字出版的標準

4、化n增強功能增強功能n檢索檢索n資源重用資源重用n多種形式發布多種形式發布n資源管理資源管理n交換與共享交換與共享n出版內容文獻化加工出版內容文獻化加工3 31 14 4 全文數據的標引全文數據的標引 n概念概念n標引標引，就是標出著作中具有，就是標出著作中具有情報檢索價值和分析價情報檢索價值和分析價值的知識項值的知識項，并以此為基礎，建立各種，并以此為基礎，建立各種索引索引，從而，從而為讀者提供用以檢索的入口，即所謂檢索點為讀者提供用以檢索的入口，即所謂檢索點n標引方式標引方式n自動標引，西方拼音文字比較適合，漢字（分詞）自動標引，西方拼音文字比較適合，漢字（分詞）有一定困難有一定困難n人工

5、標引人工標引n半自動標引半自動標引 標引標引n其他相關概念其他相關概念n人名地名文獻名年代關鍵字等具有重要檢人名地名文獻名年代關鍵字等具有重要檢索價值的數據項可以加上相關屬性，如人名加屬性索價值的數據項可以加上相關屬性，如人名加屬性“N”N”，文獻名加屬性，文獻名加屬性“D”D”等，這叫做等，這叫做“屬性標引屬性標引”n很多代詞或類似詞匯是與上下文相關的，如：他很多代詞或類似詞匯是與上下文相關的，如：他同年次日其父等，標引時應明確標識出其所指，同年次日其父等，標引時應明確標識出其所指，這種標引叫這種標引叫“加注標引加注標引” ” n文章中可能出現大量同義詞，如孫中山孫文孫文章中可能出現大量同義

6、詞，如孫中山孫文孫逸仙等，著可用所謂逸仙等，著可用所謂“后控詞表后控詞表”來解決，即來解決，即“孫孫中山中山”后帶有孫文等，表示是同義詞后帶有孫文等，表示是同義詞 n單漢字處理模式單漢字處理模式，每一個漢字均做為檢索點，每一個漢字均做為檢索點n注意注意，標引不是正文中原有的內容，在，標引不是正文中原有的內容，在顯示正文時不應出現，所以標引應以區顯示正文時不應出現，所以標引應以區別于正文的形式加入，或者干脆另建一別于正文的形式加入，或者干脆另建一文件，表明與原文件相對位置的關系文件，表明與原文件相對位置的關系（索引）（索引） 3 32 2 例例高等教育出版社高等教育出版社n從出版物轉變到做數字化

7、的內容從出版物轉變到做數字化的內容n從內容生產轉變到資源集成從內容生產轉變到資源集成n從出版商變成服務商從出版商變成服務商n出版業要轉變為數字化內容的服務業出版業要轉變為數字化內容的服務業n數字出版基本信息系統分三類數字出版基本信息系統分三類n協作創造平臺協作創造平臺n生產內容管理平臺生產內容管理平臺n內容服務和運營平臺內容服務和運營平臺內容創作（圖書多媒體）內容創作（圖書多媒體）結構化結構化內容加工和標注內容加工和標注數學數學物理物理機械機械內容管理平臺邏輯架構圖內容管理平臺邏輯架構圖圖書圖書網動圖書網動圖書Online FirstX M L模板模板1 1模板模板2 2模板模板3 33 32

8、 21 1 內容結構化內容結構化目的：一個內容可以應用在多個相同或目的：一個內容可以應用在多個相同或不同載體的產品和服務中不同載體的產品和服務中 便于修改：只要修改內容源頭，而不需便于修改：只要修改內容源頭，而不需要修改每一個產品中的每一個地方，增要修改每一個產品中的每一個地方，增加了內容的精確性加了內容的精確性內容結構化內容結構化n傳統出版內容非結構化傳統出版內容非結構化n內容跟版式捆綁在一起內容跟版式捆綁在一起n做別的產品（如網絡、移動閱讀），必須重做做別的產品（如網絡、移動閱讀），必須重做n結構化內容與版式分離結構化內容與版式分離n內容可以通過不同的版式生成不同的產品和服務內容可以通過不

9、同的版式生成不同的產品和服務n如結構化的內容如結構化的內容SXMSXM格式套用模板會生成格式套用模板會生成PDFPDF格式文格式文件變成電子書，同樣件變成電子書，同樣SXMSXM的格式的內容用另外一個的格式的內容用另外一個模板就有可能生成網絡文件模板就有可能生成網絡文件n以以XMLXML語言為內容結構化，語言為內容結構化，XMLXML鼓勵各行業根據自己鼓勵各行業根據自己行業的特點來制定自己的內容結構化標準（行業的特點來制定自己的內容結構化標準（DTDDTD）結構化標準結構化標準HEPDTD 結構類結構類 內容類內容類 規范類規范類 重用類重用類 HEPDTD V1.0詞匯詞匯200多個，多個，

10、分為六個方面：分為六個方面： 公式：應用公式：應用Mathml 2.0標準標準 圖表：應用圖表：應用calstblx標準標準結構化流程結構化流程作者按照作者按照Word模版交稿模版交稿Word稿整理稿整理轉換轉換生產生產XML動態文件動態文件圖書結構化流程圖書結構化流程WORD模板是出版社根據模板是出版社根據自己的自己的DTD的標準進行設的標準進行設計的計的多媒體結構化流程多媒體結構化流程按結構及媒體按結構及媒體進行拆分進行拆分篩選篩選按資源庫建設規范按資源庫建設規范創作并標注創作并標注3 32 22 2 內容加工和標注內容加工和標注n內容加工和元數據標注內容加工和元數據標注n編輯在編輯在XM

11、LXML的編輯器上進行文檔加工，加工的編輯器上進行文檔加工，加工過程與處理過程與處理WORDWORD文檔一樣文檔一樣n標簽都可以隱去，編輯就可以繼續改動標簽都可以隱去，編輯就可以繼續改動n二審、三審人員都可以在線在二審、三審人員都可以在線在XMLXML編輯器上編輯器上進行審稿進行審稿基于基于XMLXML內容加工的優點內容加工的優點n協同加工協同加工n一本圖書尤其是大型的工具書由多個編輯進行加工一本圖書尤其是大型的工具書由多個編輯進行加工n每個編輯從已經存在內容管理系統中的書稿文檔中每個編輯從已經存在內容管理系統中的書稿文檔中剪出自己的章節，別的工作人員可以看到團隊每個剪出自己的章節，別的工作人

12、員可以看到團隊每個人所做改動的情況人所做改動的情況n不負責這一章節，不能對別人所復制的章節進行改不負責這一章節，不能對別人所復制的章節進行改動，但能看到別人的改動動，但能看到別人的改動n內容更改跟蹤、各版本記錄內容更改跟蹤、各版本記錄n每個編輯做的刪改在系統中都做記錄，誰在什么時每個編輯做的刪改在系統中都做記錄，誰在什么時間做了哪些改動間做了哪些改動 基于基于XML的內容加工的內容加工基于基于XMLXML內容加工的優點內容加工的優點n內容加工和重用單元標注同步進行內容加工和重用單元標注同步進行n加工過程中，對精彩的段落、片斷可以拆分出來，加工過程中，對精彩的段落、片斷可以拆分出來，對于他的屬性

13、通過元數據進行標注對于他的屬性通過元數據進行標注 n多種媒體的集成多種媒體的集成n做一本書的時候，可以插入多媒體的素材，但多媒做一本書的時候，可以插入多媒體的素材，但多媒體的素材對于它的元數據標注時可以標注為在生成體的素材對于它的元數據標注時可以標注為在生成一本圖書的時候不出現，但在網絡發布的時候又出一本圖書的時候不出現，但在網絡發布的時候又出現，一旦書本做完之后，在網站上就可以同步發布。現，一旦書本做完之后，在網站上就可以同步發布。發布出去的產品，在圖書上可能會插入很多多媒體發布出去的產品，在圖書上可能會插入很多多媒體的資源的資源基于基于XMLXML內容加工的優點內容加工的優點n靈活的工作流

14、設置靈活的工作流設置n考慮目前實際情況，內容管理系統設計了紙考慮目前實際情況，內容管理系統設計了紙面加工和內容標注分開進行的流程面加工和內容標注分開進行的流程內容元數據標注內容元數據標注n有重用價值的內容，如例題、習題、案例進行有重用價值的內容，如例題、習題、案例進行元數據標注，以便這些內容更方便準確的檢索，元數據標注，以便這些內容更方便準確的檢索，建立知識之間的關聯建立知識之間的關聯n通過元數據標注可以準確搜索通過元數據標注可以準確搜索n進行知識之間的關聯，也就是說一旦一本書中的內進行知識之間的關聯，也就是說一旦一本書中的內容進行標注之后，一個讀者在讀別的作品時，想要容進行標注之后，一個讀者

15、在讀別的作品時，想要瀏覽跟那本書中的知識點相關的內容資源，這本書瀏覽跟那本書中的知識點相關的內容資源，這本書的內容就可以跟他進行關聯。也就是說，一位讀者的內容就可以跟他進行關聯。也就是說，一位讀者在讀我這本書的時候，有一個內容是不能理解的，在讀我這本書的時候，有一個內容是不能理解的，這個內容恰恰不是這本書所要講的內容，只要別的這個內容恰恰不是這本書所要講的內容，只要別的書做了內容元數據的標注，那本可能講這一數據最書做了內容元數據的標注，那本可能講這一數據最權威的書就會關聯到這位讀者所讀的內容權威的書就會關聯到這位讀者所讀的內容內容元數據標注內容元數據標注n實現跨出版社內容之間的關聯實現跨出版社

16、內容之間的關聯n在不同出版物之間，按照內容結構化和元數在不同出版物之間，按照內容結構化和元數據的標準進行處理，不同出版社的內容放在據的標準進行處理，不同出版社的內容放在一個公共的服務平臺上，一位讀者在讀一個一個公共的服務平臺上，一位讀者在讀一個出版社內容的時候，就會關聯到別的出版社出版社內容的時候，就會關聯到別的出版社更精彩的內容上更精彩的內容上標注標注1.1.通用類（通用類（IDID、標題、作者、關鍵詞、描述、所屬部門）、標題、作者、關鍵詞、描述、所屬部門）2.2.教育類（知識單元類型、媒體素材類型、讀者層次、教育類（知識單元類型、媒體素材類型、讀者層次、 學科、學科、知識點詞匯知識點詞匯、

17、終端用戶類型、創作難度）、終端用戶類型、創作難度）3.3.技術類（文件類型、軟硬件運行環境、創作難度、持續技術類（文件類型、軟硬件運行環境、創作難度、持續 時間、安裝說明）時間、安裝說明）4.4.權利類（價格、版權限制、著作權代理人、描述）權利類（價格、版權限制、著作權代理人、描述）5.5.關系類（關系類型、標識符類型、值）關系類（關系類型、標識符類型、值） 標注的項目共標注的項目共 33 33 個，圖書中的重用單元將部分個，圖書中的重用單元將部分繼承繼承ERPERP中的信息中的信息3 32 23 3 內容管理系統內容管理系統媒體素材（文本、圖形、動畫媒體素材（文本、圖形、動畫）知識單元素材（

18、知識點講解、例題）知識單元素材（知識點講解、例題）產品（圖書、網絡課程產品（圖書、網絡課程）積累、沉淀積累、沉淀集成、再創造集成、再創造三層內容模型三層內容模型產品庫：存放產品生產過程中的各類文檔產品庫：存放產品生產過程中的各類文檔圖書主數據圖書7-04-017560媒體素材知識單元主數據光盤媒體素材知識單元案例庫習題庫圖片庫動畫庫資源庫：存放各類跨媒體可重用單元（知識單資源庫：存放各類跨媒體可重用單元（知識單 元素材、媒體素材）元素材、媒體素材）CMS管理的數字化內容管理的數字化內容1.原稿（以原稿（以PDF存放）存放） 2.Word稿稿 3.XML初稿（初稿（Word轉換轉換 ）4.XML

19、正式文檔（用于生產）正式文檔（用于生產）5.各類多媒體資源文檔（資源庫）各類多媒體資源文檔（資源庫）6.3B2排版文件排版文件7.PDF成品成品9.各類模版和樣式文件各類模版和樣式文件8.封面文檔封面文檔“產品庫產品庫”按部門設置按部門設置： “ “資源庫資源庫”按學科來設置按學科來設置：知識單元素材知識單元素材媒體素材媒體素材3 32 24 4 多渠道發布多渠道發布PDFHTML網動圖書網動圖書 頁面集頁面集 DTD詞匯的圖書樣式詞匯的圖書樣式 中文排版的特殊要求規則定義中文排版的特殊要求規則定義 特殊字符集特殊字符集基于基于XMLXML的中文圖書排版的中文圖書排版 特點：基于模版的自動化排

20、版系統，可以提高系特點：基于模版的自動化排版系統，可以提高系列圖書的排版的效率，可以對結構化內容的版式定義列圖書的排版的效率，可以對結構化內容的版式定義的非常詳細，版式設計靈活。模板的設計包括：的非常詳細，版式設計靈活。模板的設計包括：頁頁 面面 集集3 32 25 5 內容管理平臺的作用內容管理平臺的作用 將各類資源將各類資源, ,按照結構化的思想和統一的標準匯按照結構化的思想和統一的標準匯集起來集起來, ,為出版社內資源共享、集成服務提供強有力為出版社內資源共享、集成服務提供強有力的支持；的支持； 面對市場的變化，靈活衍生服務產品；面對市場的變化，靈活衍生服務產品； 提供一個集成的、綜合的

21、生產平臺，有利于生提供一個集成的、綜合的生產平臺，有利于生產效率的提高和生產成本的降低。產效率的提高和生產成本的降低。3 33 3 例：數字報刊與跨媒體出版系統例：數字報刊與跨媒體出版系統n可以和報紙印刷出版的正常生產流程無縫整合可以和報紙印刷出版的正常生產流程無縫整合n通過在全流程中引入版面的版本化描述和管控通過在全流程中引入版面的版本化描述和管控機制支持非正常流程情況的報紙版面生產，能機制支持非正常流程情況的報紙版面生產，能夠最大限度地保障在出現調版、撤版、轉版、夠最大限度地保障在出現調版、撤版、轉版、錯版、改版情況下流程中流轉的各種版面數據錯版、改版情況下流程中流轉的各種版面數據的一致性

22、、完整性和正確性，很好地適應目前的一致性、完整性和正確性，很好地適應目前各種報紙日常多變復雜的版面實際生產環境和各種報紙日常多變復雜的版面實際生產環境和不同工藝不同工藝數字報刊暨跨媒體出版系統數字報刊暨跨媒體出版系統 n平面媒體轉化為互聯網媒體平面媒體轉化為互聯網媒體n版面文件按照電子報的技術要求進行加工（反版面文件按照電子報的技術要求進行加工（反解），然后基于反解的輸出結果，生成可以通解），然后基于反解的輸出結果，生成可以通過互聯網閱讀的電子報網頁過互聯網閱讀的電子報網頁n整合北大方正的版面結構化描述技術、電子版整合北大方正的版面結構化描述技術、電子版面的生成技術、電子報紙的自動合成發布技術

23、；面的生成技術、電子報紙的自動合成發布技術；新創了基于飛騰軟插件實現的一系列版面內容新創了基于飛騰軟插件實現的一系列版面內容快速智能反解標引技術快速智能反解標引技術數據組織數據組織版面元素轉換版面元素轉換n版面包含的大樣信息，即：版面包含的大樣信息，即：報紙名稱、見報日報紙名稱、見報日期、見報版面、版次、簽發部門、簽發人、組期、見報版面、版次、簽發部門、簽發人、組版員版員等。電子報中需要的呈現的信息是：等。電子報中需要的呈現的信息是：報紙報紙名稱、見報日期、見報版面、版次名稱、見報日期、見報版面、版次等等n文字稿的小樣信息，包括：文字稿的小樣信息，包括：引題、標題、副題、引題、標題、副題、見報

24、作者、欄目、與轉版有關的下轉和上接、見報作者、欄目、與轉版有關的下轉和上接、來源、摘要、體裁、分類、發布方式、稿件類來源、摘要、體裁、分類、發布方式、稿件類別、小樣內容以及記者、編輯別、小樣內容以及記者、編輯等。與電子報有等。與電子報有關的信息有：關的信息有：引題、標題、副題、見報作者、引題、標題、副題、見報作者、欄目、轉版信息、發布方式、稿件類別、小樣欄目、轉版信息、發布方式、稿件類別、小樣內容內容等等版面元素版面元素n圖片稿件的小樣信息，包括：圖片稿件的小樣信息，包括：引題、標引題、標題、副題、圖片說明、見報作者、欄目、題、副題、圖片說明、見報作者、欄目、來源、摘要、體裁、分類、發布方式、

25、來源、摘要、體裁、分類、發布方式、稿件類別、圖片的文件名以及記者、編稿件類別、圖片的文件名以及記者、編輯輯等。與電子報有關的信息有：等。與電子報有關的信息有：引題、引題、標題、副題、圖片說明、見報作者、欄標題、副題、圖片說明、見報作者、欄目、發布方式、稿件類別、圖片的文件目、發布方式、稿件類別、圖片的文件名名等等反解反解n基于基于fitfit文件反解能夠獲取到電子報中需要的文件反解能夠獲取到電子報中需要的大部分信息，飛旋插件導入版面文件時還能自大部分信息，飛旋插件導入版面文件時還能自動提取稿件的引題、標題、副題、小樣內容以動提取稿件的引題、標題、副題、小樣內容以及圖片文件名等信息及圖片文件名等

26、信息n通過飛旋插件標引的輸出結果為以下三類文件通過飛旋插件標引的輸出結果為以下三類文件nXMLXML文件：描述了版面的大樣屬性和版面所含小樣文件：描述了版面的大樣屬性和版面所含小樣的結構、屬性、內容、位置關系；的結構、屬性、內容、位置關系；n版面圖：版面圖：JPGJPG格式，版面的格式，版面的pdfpdf文件：反映了版面的文件：反映了版面的內容，并可用于閱讀；內容，并可用于閱讀；n稿件圖：圖片稿件的圖（原圖、簡圖、圖標），按稿件圖：圖片稿件的圖（原圖、簡圖、圖標），按要求生成的稿件圖，均為要求生成的稿件圖，均為jpgjpg格式格式技術實現技術實現 n“ 數字報刊閱覽系統數字報刊閱覽系統”是是“

27、數字報刊系數字報刊系統統”的一個重要子系統，相關系統包括的一個重要子系統，相關系統包括n“數字報刊快速自動生成系統數字報刊快速自動生成系統”n“數字報刊多媒體加工系統數字報刊多媒體加工系統”n“報紙生產安全控制報紙生產安全控制 系統系統”n“網站電子報發布系統網站電子報發布系統”n“數字資產再加工系統數字資產再加工系統”n“歷史版面數據加工工程歷史版面數據加工工程”技術實現技術實現n銜接銜接“采編與照排系統采編與照排系統”，在源頭采集信息，在源頭采集信息 n嵌入嵌入“飛旋系統飛旋系統”，實現最簡化的標引，實現最簡化的標引 n通過通過“暢流系統暢流系統”，獲取準確的版面圖像，獲取準確的版面圖像

28、n借助借助“翔宇系統翔宇系統”，自動生成靜態網頁，自動生成靜態網頁n版面瀏覽版面瀏覽n轉版稿件的合成轉版稿件的合成n模板管理模板管理n報紙節點管理報紙節點管理 數字報刊暨跨媒體出版系統數字報刊暨跨媒體出版系統n數字報刊系統實現了基于印刷的傳統報數字報刊系統實現了基于印刷的傳統報紙、基于網絡的電子報紙、基于數據庫紙、基于網絡的電子報紙、基于數據庫的報紙光盤、基于的報紙光盤、基于CEBCEB標準和標準和PDFPDF標準的標準的數字圖書（報刊合訂本）以及面向廣播、數字圖書（報刊合訂本）以及面向廣播、電視選播的特殊要求文本和版面樣式文電視選播的特殊要求文本和版面樣式文件的提供，實現跨媒體的出版。在報紙

29、件的提供，實現跨媒體的出版。在報紙版面版面PDFPDF文件中嵌入電視節目的技術實現，文件中嵌入電視節目的技術實現，同時為未來實現媒體融合創造技術平臺同時為未來實現媒體融合創造技術平臺 3 34 4 數據的結構特征數據的結構特征 n結構性數據結構性數據n即行數據即行數據, ,存儲在數據庫里存儲在數據庫里, ,可以用二維可以用二維表結構來邏輯表達實現的數據表結構來邏輯表達實現的數據n數據模型：二維表（關系型）數據模型：二維表（關系型）n典型形式：數據庫數據典型形式：數據庫數據n特點：根據結構組織數據、存儲數據、處理特點：根據結構組織數據、存儲數據、處理數據數據n技術關鍵：數據與結構相互獨立技術關鍵

30、：數據與結構相互獨立n優勢：處理方便優勢：處理方便n非結構性數據非結構性數據n包括所有格式的辦公文檔、文本、圖片、包括所有格式的辦公文檔、文本、圖片、XMLXML、HTMLHTML、各類報表、圖像和音頻、各類報表、圖像和音頻/ /視頻信息等等視頻信息等等n數據模型：無數據模型：無n典型形式：全文數據典型形式：全文數據n特點：根據內容組織數據、存儲數據、處理數據特點：根據內容組織數據、存儲數據、處理數據n技術關鍵：大型數據組織、存儲、全文檢索技術關鍵：大型數據組織、存儲、全文檢索n優勢：適合各種形式的數據優勢：適合各種形式的數據n全文數據中的數據結構關系全文數據中的數據結構關系n文章的著錄項信息，如篇名作者名主題詞等具文章的著錄項信息，如篇名作者名主題詞等具有很強的