SOUBORNÁ DATABÁZE KOOPERAČNÍHO SYSTÉMU ČLÁNKOVÉ BIBLIOGRAFIE - OPTIMALIZACE
INTEGRACE A SPRÁVY HETEROGENNÍCH DAT
Souhrnná zpráva za rok 2003 |
Zpracovala: PhDr. Ivana Anděrová, hlavní řešitelka
Praha, listopad 2003
B Analytická část
B.0 Automatická či poloautomatická indexace a topiky v bázi ANL FULL - analýza a praktický dopad na další vývoj projektu
Tento bod projektu je též součástí projektu Propojení analytických záznamů s plnými texty a optimalizace zpřístupnění plných textů. Pokládám ho za velmi důležitý vzhledem k řešené problematice. Ponechávám informace předložené již ve zprávě z r. 2002, na které navazuje informace o řešení problematiky v roce 2003.
B.0.1 Analýza problematiky automatické či poloautomatické indexace a selekční úplnosti topiků v bázi ANL FULL (J. Schwarz, 2002) - teoretická analýza s praktickým doporučením
Automatická indexace úzce souvisí s vyhledáváním informací (information retrieval). Na jedné straně kvalita automatické indexace výrazně ovlivňuje kvalitu vyhledávání, na druhé straně jsou metody automatické indexace a vyhledávání informací z hlediska požadovaného výsledku - vyhledání relevantních dokumentů - zástupné; někteří autoři např. považují vyhledávání v plném textu dokumentu za nejjednodušší formu automatické indexace. Podstatnější je však trend směřující k vývoji takových vyhledávacích metod, které budou za pomoci technologií umělé inteligence pracovat přímo s plným textem a k automatické indexaci v původním slova smyslu nebude vůbec docházet; dojde k posunu od systémů založených na externí bázi pojmů či znalostí ( knowledge-based systems ) k systémům založených přímo na zpracování plného textu dokumentů ( text-based systems).
Automatická indexace má těsnou vazbu na automatickou klasifikaci, automatické shlukování (clustering) a automatické abstrahování (abstracting) dokumentů - o těchto tématech se často hovoří společně a někdy se také zaměňují - v případě indexace obecnými třídami se mluví spíše o automatické klasifikaci než automatické indexaci. Prolínají se také problematiky automatického shlukování a klasifikace, protože obě mají stejný účel - rozčlenit dokumenty do základních tříd; každá z metod však používá odlišných postupů. Automatická indexace také souvisí s automatickou tvorbou tezauru, příp. vytvářením sémantických sítí nebo znalostních bází, které jsou nezbytným předpokladem pro odpovídající funkčnost metod založených na automatickém přiřazování.
Typy a techniky automatické indexace
Automatická indexace se podle standardních koncepcí běžně rozděluje na dva základní typy:
- automatická extrakce je automatická inde xace založená na extrakci indexačních termínů přímo z plného textu dokumentu (využívá se tak pouze přirozeného jazyka) ( automatic extraction indexing, selection of natural language index terms)
- automatické přiřazování je automatická indexace založená na ur čování indexačních termínů z řízeného slovníku nebo znalostní báze na základě jejich srovnání s výrazy z plného textu dokumentu ( automatic assignment indexing, assignment of controlled language index terms).
Automatická extrakce je jednodušší a snáze prog ramovatelnou metodou, v současnosti na jejím základě pracuje většina funkčních systémů automatické indexace .
Automatické přiřazování je z hlediska praktické aplikace podstatně náročnější, funkční systémy rovněž existují, ale nejsou zcela běžné a často nepřinášejí žádoucí výsledky. V rámci automatického přiřazování jsou aplikovány i metody automatické extrakce, které však slouží pouze jako dílčí podklady pro další zpracování.
Jako systémy automatické indexace jsou také někdy nesprávně označovány systémy, kte ré slouží jako automatizovaná podpora indexátora při indexačním procesu. Tyto systémy umožňují dnes již standardně automatizované procedury, jako je kontrola chyb indexátora (např. zda nezvolil nesprávnou kombinaci termínů), automatický návrh preferovaného termínu místo termínu nepreferovaného, poskytnutí informace, jak byl indexační termín použit, popř. jak vypadá předchozí indexace vybraných dokumentů apod. V takových případech nelze mluvit o automatické indexaci, ale pouze o automatizované indexaci.
Automatická extrakce
Postup
- 1. lexikální analýza (lexical analysis - identifikace jednotlivých slov a sousloví v textu dokumentu; někdy se identifikace sousloví uvádí vzhledem ke své složitosti jako samostatná procedura
- 2. odstranění nevýznamových a nespecifických slov - provádí se pomocí negativního slovníku (slovníku stopslov); někdy se tato procedura považuje za součást lexikální analýzy
- 3. lematizace (stemming ) - redukce slov na jejich základní tvary, resp. kmen; opakem tohoto procesu (např. při vyhledávání) je derivace, kdy se k základnímu tvaru slova generují jeho inflexní tvary
- 4. srovnání slov, resp. jejich kmenů s termíny řízeného slovníku - jedná se o jednoduché srovnání termínu vybraného z textu s termínem řízeného slovníku bez ohledu na strukturu řízeného slovníku; ta bývá zohledňována pouze při automatickém přiřazování
- 5. vážení neboli stanovení vah termínů (weighting) - provádí se na základě různých, nejčastěji frekvenčních metod
Pokud je při extrakci termínů zohledněna jejich pozice ve specifické části textu (např. nadpis, abstrakt, první a poslední odstavec apod.), promítá se tato skutečnost i do výpočtu váhy, nejčastěji tím způsobem, že váha termínu, který se vyskytuje v obsahově nejdůležitější části textu (např. název) je násobena koeficientem o zvolené velikosti, a váhy termínu nacházejících se v obsahově méně signifikantních částech dokumentu jsou násobeny koeficienty o nižších hodnotách. Tak se dosáhne toho, že termín z obsahově důležité části dokumentu získá relativně nejvyšší váhu.
Hodnocení automatické extrakce
Ve srovnání s intelektuální indexací, je automatická extrakce absolutně konzistentní.
Jako podstatné omezení automatická extrakce lze chápat skutečnost, že použité metody neodpovídají postupu, jakým probíhá intelektuální indexace, která není většinou realizována jako extrakce, nýbrž jako přiřazování. Z toho důvodu automatická extrakce obecně přináší horší výsledky než intelektuální indexace a přestože na základě automatické extrakce funguje většina současných systémů, řada z nich slouží z tohoto dů vodu pouze jako automatizovaná podpora intelektuální indexace.
Automatické přiřazování
Předpokladem funkčnosti automatického přiřazování je existence strukturovaného řízeného slovníku, který může být implementován ve formě tezauru, sémantické sítě nebo znalostní báze. Klasické tezaury se svými jednoduchými vztahy hierarchie, asociace a ekvivalence jsou sice pro automatické přiřazování použitelné, ale často bývají pro větší efektivitu celé procedury obohaceny o další dílčí typy vztahů a forem lexikálních jednotek nebo jsou užívány společně s dalšími externími slovníky či znalostními bázemi.
Postup
1. identifikace termínů v plném textu
2. srovnání termínů s relevantními profily pojmů z řízeného slovníku
3. určení indexačních termínů na základě profilu pojmů reprezentovaných termíny vybranými z textu
Hodnocení automatického přiřazování prokázala, že účinnost automatického přiřazování je na 60-67% úrovni ve srovnání s intelektuálním zpracování.
Stále ještě není reálné zcela automatické přiřazování termínů bez intelektuální zásahu. Tato skutečnost se týká zejména systémů používajících velkých řízených slovníků (tisíce až desetitisíce termínů) a obsahujících dlouhé texty pojednávající o komplexních, obecných nebo heterogenních tématech .
Obecně tak metoda automatického přiřazování selhává, pokud je hodnocena z hlediska kvality výsledků intelektuální indexace. Nicméně i v těchto případech mohou být, podobně jako u automatické extrakce, výsledky automatizovaných procedur podkladem pro další intelektuální zpracování indexátorem.
Dlouhodobě neuspokojivé (resp. ne zcela uspokojivé) praktické výsledky metod automatického přiřazování vedly v posledních dvou dekádách k určitému odklonu zájmu od této problematiky; řada autorů se věnuje spíše teoretickým aspektům problematiky (např. pojmovému modelování) než praktickým implementacím ověřených metod, mj. také z toho důvodu, že všeobecná dostupnost plných textů v elektronické podobě a účinných moderních vyhledávacích technik (např. vektorové vyhledávání, pravděpodobnostní modely vyhledávání, latentní sémantické indexování, fuzzy modely vyhledávání, neuronové sítě, bayesovské sítě apod.) význam indexace coby základního předpokladu pro efektivní vyhledávání dokumentů podstatně snižuje . To ovšem nic nemění na skutečnosti, že řada funkčních systémů založených na automatickém přiřazování ve specifických disciplínách existuje a je úspěšně používána.
Intelektuální indexace přináší ve srovnání s řadou automatických procedur (vč. např. latentního sémantického indexování) ještě stále lepší výsledky. Systémy automatické indexace jsou také účinné pouze částečně proto, že doposud nebyly dostatečně prozkoumány a podrobně popsány všechny intelektuální procesy, které probíhají při indexaci.
Na druhé straně řada technologií, jejichž účinnost byla v předchozích letech potvrzena výzkumem a řadou studií, je v současnosti implementována ve formě expertních systémů nebo systémů pracujících na základě umělé inteligence .
Praktické aspekty implementace automatické indexace
Obecně lze konstatovat, že systémy automatické indexace vyvíjejí oborově zaměřené instituce, které zpracovávají velké objemy dokumentů, které je nezbytné kvalitně a konzistentně indexovat. V řadě případů se však jedná o dokumenty, u kterých je dostupný pouze komprimovaný text (např. abstrakt), a které je tudíž žádoucí indexovat . Zároveň lze u nich s úspěchem použít některou z metod automatické indexace, které jsou v případě nasazení na komprimovaný text relativně velice úspěšné. Při dostupnosti plných textů dokumentů se dnes již spíše používá některé z pokročilých vyhledávacích metod, jejichž vývoj a implementace je obdobně technicky i finančně náročný jako u automatické indexace, ale v řadě případů přináší adekvátnější výsledky.
B.0.2 Selekční úplnost topiků v bázi ANL FULL
(J. Schwarz, 2002)
Zá kladním cílem analýzy je zjistit selekční účinnost topiků, tj. předdefinovaných komplexních dotazů, zejména z hlediska úplnosti výsledků vyhledávání, a předložit případná doporučení pro jejich úpravu, popř. pro úpravu jiných selekčních prvků databáze.
Pro účely analýzy byly stanoveny dvě množiny, které se porovnávaly:
množina záznamů vyhledaných pomocí předmětových hesel (RMD) a množina záznamů vyhledaných pomocí hesel a omezená pomocí topiku (TMD).
Výsledky komparací lze vztáhnout nejen na topiky, ale i na předmětová hesla, resp. popis dokumentů předmětovými hesly.
Dokumenty z RMD (DR) byly srovnány s dokumenty z TMD (DT) pomocí koeficientu úplnosti vyjádřeném v procentech:
R=100% v případech shodnosti obou množin (RMD a TMD).
R<100% v případech, že TMD ne obsahuje všechny dokumenty obsažené v TMD.
Výsledkem komparace není jen číselné vyjádření úplnosti výsledků, ale především rozvaha, proč některé dokumenty nebyly nalezeny a jak by bylo možné vylepšit vyhledávání pomocí pokročilé aplikace topiků.
Z porovnání výsledků vyhledávání vyplynulo, že 100% úplnosti dosahuje pouze polovina TMD (26 z 50, tedy 52%). Zbylá, menší polovina TMD (24 z 50) dosahuje menší než 100% úplnosti. Lze konstatovat, že úplnost vyhledávání na základě topiků je přes 80 % (84 %).
Hodnocení
výsledků komparace Nedostatky na straně topiků Přestože téměř polovina TMD nebyla zcela úplná, není to třeba
interpretovat jako selhání příslušných topiků. V zásadě lze neúplnost při vyhledávání vysvětlit těmito důvody: RRD a topik nemusí zcela koresp ondovat ve svém tematickém
zaměření, resp. topik může vyjadřovat pouze jeden aspekt příslušného RRD, což je dobře patrné u duplicitních položek.
Otázkou u jednotlivých topiků zůstává, nakolik správně vyjadřují příslušný aspekt problematiky, Potenciálně
problematická jsou také témata z hraničních oborů. Pouze na základě výsledků komparace nelze
stanovit, který z topiků filtruje dokumenty „správně“ a který by vyžadoval rozšíření o nová klíčová slova. Tento závěr vyžaduje další podrobnou obsahovou analýzu jednotlivých dokumentů a zejména topiků, která není možná bez znalosti jejich konkrétní struktury a složení . Nedostatky na straně předmětových hesel
Jako příčinu nenalezení dokumentu topikem nelze vyloučit ani chybné
nebo nesprávné přiřazení daného předmětového hesla k dokumentu, který byl zařazen do RMD a srovnáván s výsledky TRD. V tomto případě mohou sloužit výsledky analýzy k případné korekci selekčního obrazu dokumentu, kterou je třeba provést se znalostí příslušný pravidel pro věcné zpracování dokumentů.
Další možnosti rozvoje a využití topiků V případě topiků je třeba si klást zásadní otázku, jakým způsobem je uživatel může nejefektivnějším způsobem využít. Z hlediska uživatele se mohou jevit jako limitující především tyto aspekty:
Využití topiků: uživatel nebude zřejmě topiky používat samostatně, protože většina z nich představuje pro vyhledávání příliš
široká témata. S vysokou mírou pravděpodobnosti lze předpokládat, že topik nebude využit ani v případě, kdy by bylo
žádoucí omezit dotaz na specifickou oblast či obor, a to z důvodu, že procedura je prostě pro řadu laických uživatelů
příliš složitá.
Z tohoto hlediska lze spatřovat jako optimální řešení v současnosti neexistující možnost
interaktivního využití topiků, kterou lze stručně popsat takto: Po vyhledání dokumentů podle libovolného selekčního prvku dostane uživatel možnost zúžit nebo rozšířit
dotaz pomocí topiků, které mu systém automaticky nabídne - vygenerované na základě aktuální množiny vyhledaných dokumentů. V případě zúžení dotazu by byly
topiky s původním dotazem spojeny s operátorem AND, v případě jeho rozšíření pomocí operátoru OR. Kromě interaktivního využití topiků při vyhledávání
připadá do úvahy možnost oboustranné automatické zpětné vazby mezi topikem a např. předmětovým heslem:
při věcném zpracování a přiřazení určitého předmětového hesla by systém
kontroloval, zda zpracovávaný dokument náleží do stejného topiku jako dokumenty označené stejným předmětovým heslem.
Opačně, při zpracování dokumentu může systém na základě podobnosti dokumentu s dalšími, dříve zpracovanými dokumenty
informovat o použitých předmětových heslech.
B.0.3 Vliv topiků na úplnost vyhledávání v bázi ANL FULL (J.
Schwarz, 2003) Hlavním cílem analýzy bylo zjistit, jak topiky,
tj. předdefinované komplexní dotazy založené na strukturovaných a vážených klíčových slovech, ovlivňují úplnost
vyhledávání v plnotextové článkové databázi ANL FULL, a navrhnout případné úpravy topiků, popř. jiných selekčních prvků
databáze, které povedou ke zvýšení úplnosti vyhledávání. Analýza rozšiřuje studii z r. 2002 co do hloubky i obsahu a navazuje na analýzu
provedenou v r. 2002. Z výsledků vyplynulo, že 100 % úplnosti dosahují cca
2/3 TMD. Necelá třetina dosahuje menší než 100 % úplnosti (z toho 1/3 vyšší než 80 %, necelá třetina menší než 60 %). Ve
srovnání s předchozím průzkumem (Schwarz, 2002) mají všechny hladiny úplnosti v podstatě stejný podíl, TMD v hladině od
60% se pouze přeskupily ve prospěch úplnějších TMD (od 80% úplnosti). Průměrná úplnost všech neúplných TMD je cca
68%, medián (střední hodnota) je cca 73% (obě hodnoty jsou v podstatě totožné s výsledky z r. 2002). Průměrná úplnost
všech TMD je 90% (v r. 2002 84%). Oproti výsledkům průzkumu z r. 2002 se o 16 procentních bodů zlepšil i celkový podíl
úplných TMD (68,4% úplných záznamů vůči 52% v r. 2002). Podařilo se však identi fikovat
hlavní důvody , které mohou vést k nevyhledání dokumentu
(přičemž k nevyhledání konkrétního dokumentu může vést každý z důvodů samostatně
stejně jako jejich kombinace). Byly identifikovány topiky při vyhledávání přinášejí
z větší části zcela irelevantní záznamy (bude v souhrnné zprávě Propojení analytických záznamů s plnými texty za léta
1999-2003). Cestou ke zlepšení tohoto stavu nemůže
být pouze rozšiřování topiků o nová klíčová slova, ale i redefinice funkce a významu topiků pro koncového uživatele,
která zajistí skutečně efektivní využití topiků při vyhledávání v databázi ANL FULL. Určitým
řešením, jak přiblížit topiky skutečným informačním potřebám uživatelů, je dlouhodobě sledovat (např. na základě
logů) uživatelské dotazy do databáze a na jejich základě vytvářet topiky, které budou odpovídat nejčastějším dotazům
kladených do databáze uživateli. Zamýšlená implementace jazykového
analyzátoru v projektu pro program 1N by vyhledávání v systému zlepšila.
B.0.4 Analýza automatické indexace a selekční úplnosti topiků v ANL FULL a její možný dopad na další praktický vývoj projektu V projektu jsou dosud užívány metody související spíše s
automatickou extrakcí.
Analytické práce týkající se topiků vyústily v řadu
doporučení, které budou posuzovány popř. realizovány v následujích letech. V r. 2003 byl podán projekt v rámci 1N programu MŠMT „Informační zdroje pro vědu a výzkum. V
tomto projektu je akcentován přechod TOPICu na platformu K2 s možností automatizované kategorizace s využitím technologie LCR (Logistic Regression Classification), která
umožňuje vytvořit taxonomii založenou na analýze obsahu textu (Thematic Mapping), vyhledávání za podpory jazykového
analyzátoru a zavedení konceptu tzv. sociálních sítí s využitím technologie TSA (Tensor Space Analysis). Technologie umožňuje analyzovat jak uživatelé vytvářejí,
modifikují, vyhledávají a přijímají informace. Na základě toho pak provádí doporučování dokumentů a autorit, které mají
vztah k dotazu, resp. profilu, uživatele (adaptivní řazení dokumentů - založené na obsahu i na tom , jak často byly dokumenty vyhledány a prohlédnuty v minulosti, doporučování dokumentů vzhledem k uživatelovu kontextu, objevování/nacházení expertů , tj. experti jsou rozpoznáni na základě informací, které vytvořili, modifikovali a/nebo ke kterým přistupovali; na základě společných znaků
vznikají komunity uživatelů). V projektu je dále
akcentována tvorba a ladění topiků pro příslušné odborné zdroje v bázi ANL FULL s ohledem na oborové tezaury, využití systému K2 pro sledování citačních vazeb.
B.1 Vlastní řešení - praktická realizace
Pro zachování kontinuity řešení uvádím výsledky i z předešlých let. Stručný popis stávajících produktů TamTam a prací v r. 2002 a 2003:
1) Hlavní linka pro zpracování dokumentů
2) Jednorázové aplikace/moduly
Popis řešení
Opět pro zachování kontinuity informací jsou obsaženy i
výsledky předešlého roku.
Pro optimalizaci integrace a správy heterogenních dat souborné databáze kooperačního vyvinula česká
firma Anopress na podkladě analýzy a funkčního zadání návrh speciální technologie - linky automatického získávání plných
textů, zpracování bibliografických záznamů z plných textů (linka automatické či poloautomatické indexace), indexace
bibliografických záznamů a plných textů, propojování záznamů na plné texty a jejich zpřístupnění. Řešení je progresivní
a odpovídá nejnovějším trendům v této oblasti , je podpořeno kvalitním technickým a programovým vybavením. Jednotlivé
moduly lze použít i samostatně. Vývoj a údržba
systému je financován v rámci předkládávaného projektu a podílí se na něm ing. Mattern, dr. Kučera jako soukromé osoby,
ing. Mattern a dr. Kučera jako zaměstnanci firmy a společnost Anopress jako firma. Vývoj technologie (linka, export, administrace, topiky)
je též financován v rámci projektu Propojení analytických záznamů s plnými texty (vývojové práce ing. Materna, dr.
Kučera, J. Schwarz).
Linka zpracování bibliografických záznamů z plných textů má v současné době dvě podoby - linka TTDE
pro práci ve formuláři na lokálních pracovních stanicích (pouze stahování textů přes Internet) a WWW TTDE - kompletní
překlopení TTDE na Internet, které je realizováno v r. 2003.
V rámci poloprovozu v r. 2002 byla laděna linka TTDE a
ověřována v poloprovozu . V současné době má pracovní formulář, do
kterého se extrahují data a ta dále doplňují věcným popisem , 3 strany. V r. 2002 je dále laděn výstup v UNIMARCu .
Automaticky je generována URL adresa, SICI, "provizorní" URN, které sleduje filozofii a strukturu stanovenou pro tvorbu URN.Z uložených a editovaných dat se generuje DC, UNIMARC pro ALEPH a klasický UNIMARC, hlavička zobrazovací a indexovací.
Automaticky lze generovat klíčová slova a extrahovat do formuláře. Na výstupu procesu zpracování zabudovaná funkce kódování výsledného souboru záznamů v Ansel, UNICODu a UTF-8 v r. 2001
je ověřena při rutinním ukládání v r. 2002 ( velmi důležitá konverze do UTF-8 vzhledem k nové verzi Alephu). Po
odeslání souboru do příslušného adresáře na server full.nkp .cz je tento aplikací vyvinutou v NK naimportován do báze ANL (ALEPH), zaindexován a zpřístupněn v systému TOPIC na serveru full.nkp.cz v podobě
plného textu vybaveného metadaty s generovaným UNIMARCem, DC v podobě HTML, XHTML, XML v kvalifikované a nekvalifikované formě.
Vyhledání je možno z plného textu, z metadat v něm uložených - tj. ze strukturovaných údajů
(vyhledávání pomocí polí, formulářů,topiků a rejstříků). Zobrazení je možno pomocí tří uživatelských formátů. Je možno tisknou vyhledaný jak seznam článků , tak
jednotlivé plné texty
. Zároveň je importován do bibliografické báze ANL UNIMARC pro Aleph.
Záznamy ANL jsou propojeny s plným textem automaticky generovanou adresou v lince
zpracování, která je uložena jako statický link v ANL záznamech. V roce 2002 byly implementovány
další topiky (literatura, archeologie, historie, umění, geografie), implementována sekce Země světa a geografie, aktualizovány stávající topiky. Je vypracován návrh na propojení jednotlivých úrovní některých topiků (zatím rozhodnuto nerealizovat). Rovněž se plánuje vývoj obecné šablony topiku pro Země světa a šablony pro
generování věcných topiků online z kategorií a předmětových hesel.
Nově byla implementována aplikace pro stahování a export záznamů, dále pak aplikace pro administraci. Probíhaly přípravné práce a návrh internetové verze linky zpracování TTDE. V roce 2003 byla uzpůsobena linka zpracování bibliogafických záznamů z plných textů TTDE (TamTam Data Extractor) pro práci
na Internetu - WWW TTDE a rozšířeny její funkce: možnost zpracovávat plné texty na Internetu s uploadem metadat i bez stažení plného textu, vstupní formáty zip, txt, html, propojení linky na rejstříky báze ANL FULL
a na autority (zatím ve formě komponenty O LE ), zabudování funkce Opravy přímo do linky. Formulář pro editování dat byl rozšířen o další pole/podpole UNIMARCU zejména s ohledem na propojení se soubory autorit.
Byly implementovány další topiky, např. země Evropy a ostatní země (49 nových topiků).
V rámci tohoto projektu bude linka v r. 2004 testována.
Společnost Anopress IT provozuje bázi TAMTAM na základě spolupráce s vydavateli novin a časopisů. Ze
zdrojů této databáze jsou plné texty získávány a prostřednictvím výše popsané programové aplikace dále zpracovávány v
Národní knihovně (věcně indexovány) v rámci linky a zpřístupňovány v systému TOPIC v bázi ANL FULL s ohledem na nejnovější trendy v této oblasti (plnotextové pojmové
vyhledávání) pomocí tzv. topiků.
Plné texty báze
ANL FULL jsou zatím přístupné interním uživatelům NKČR. Externím
uživatelům je běžně k dispozici pouze bibliografický popis (metadata), na dobu 7 dnů bylo možno získat v r. 2002 i přístup k plným textům na základě zkušební registrace. V r . 2003 byl omezen vstup pro externí uživatele pouze na 1 den z ohledem na možné komplikace s autorskými právy. Vybraní uživatelé mohou po registraci zkoušet stahování a export metadat a plných textů v různých formátech . Zpřístupnění plných textů externím uživatelům závisí na
vývoji a řešení legislativně právních i finančních otázek souvisejících se zpřístupňováním plných textů, na dohodě s
vlastníky autorských práv. V roce 2002 proběhla na půdě NK mailová diskuse ohledne
začlenění databáze ANL FULL do konzorcia v rámci VISK 8
(multilicenční zpřístupnění báze TamTam a ČTK). Jednání budou pokračovat. V rámci konsorcia by měla být používána i linka zpracování bibliografických záznamů z plných textů. Možnost zpřístupnění ANL FULL externím uživatelům a v rámci konzorcia se bude řešit v r. 2004.
Inspirací a do jisté míry vzorem pro koncipování báze ANL FULL je databáze ProQuest 5000 a PQ NEXT rozšíření o služby pomocí OpenURL. B.1.1.1 Architektura systému získávání, zpracování
a zpřístupnění plných textů textů v systému TOPIC (báze ANL FULL) a ALEPH (báze ANL) (viz Příloha F2; F3; F6).
On-line získávání dokumentů z databáze TamTam přes
vstupní filtr pro linku zpracování - aplikace TT Special NK (TTSNK), textové dokumenty vstupují do linky se strukturovanou hlavičkou, kde jsou
dohodnutými znaky a návěštími označeny příslušné údaje . V r. 2003 byla aplikace doplněna o vstup
HTML dokumentů z obecné URL (v budoucnu možná další
úprava vstupních filtrů podle charakteru získávaných dokumentů z jiných zdrojů a v dalších formátech - pdf, word). Zpracov ání plných textů
(extrakce dat z hlavičky dokumentu, doplnění a generování DC, UNIMARC,URL,
SICI, HTML, výstup v ANSEL, UNICODE, UNICODE-UTF 8) - aplikace TTDE (TamTam Data
Extractor) zatím na lokálních pracovních stanicích. V roce 2003
vytvořena vari anta pro použití na WWW - WWW TTDE. Konverze, generování dat v
XHTML+-, XML+-, indexace, uložení a vyhledání informací (vyhledávání
pomocí textu dotazu, formulářů, topiků, rejstříků) - aplikační a datový server: Portal One SE - fulltextový vyhledávací systém, server Dell PoweEdge 6300 (1 GB RAM, 68 GB, Pentium III). MKINDEX
- indexace, generování XML- a XML+, jednorázové aplikace/moduly (TTEXPORT-TamTamExport, TTXMLGen -TamTam XML
generator, TTDT-TamTam Data Tester, TTDF-TamTam Data filter, TTDC- TamTam Data Convertor, MKDOC.ASP - propojení
bibliografického záznamu s plným textem). Strukturované údaje jsou ukládány v Accessu, v budoucnu nutná SQL databáze
pro metadata DC a XML, migrace TOPICu na platformu K2. Zobrazení a zpřístupnění informací - Interne t Information Server
Win 2000 - komunikace v síti, zobrazování dat a
metadat v uživatelských formátech (citace bez/s odkazy, výsledky jednoduché, se souhrnem, seskupené) a pracovních
formátech (klíčová slova, DC v HTML, XHTML+ -, XML+ -), tisk. Obecné základní informace, nápovědy, autorizace,
statistika zobrazených informací přes Internet aj. Stažení a export záznamů (nové v r. 2002) -
formáty a tvary: HTML, RTF, text, XML, UNICODE Administrace (nové v r. 2002) - úpravy a opravy
textů (metadat), statistiky, údržba rejstříků, údržba portálu. V r. 2003 zabudována aplikace pro opravy a údržb u rejstříků/plných textů přímo do linky.
B.1.1.2 Linka TTDE (TamTam Data Extractor) a WWW TTDE (TamTam Data Extractor pro WWW) ( získávání a zpracování
bibliografických záznamů z plných textů )
Linka zpracování bibliografických záznamů z plných textů (viz Příloha F2; F6) Plné texty
jsou získávány na základě speciální aplikace TTSNK (TamTam Special NK) z
databáze TamTam (Anopress). Údaje o článku jsou pomocí speciálních maker vkládány v Anopressu do
hlavičky textu dokumentu a takto vybavené textové dokumenty jsou ukládány a indexovány a zpřístupňovány v databázi
TamTam (TOPIC). Plné texty jsou získávány na základě speciální aplikace TTSNK z databáze TamTam. Pro vlastní
automatickou indexaci článků a plných textů - pro vytváření bibliografických záznamů v
UNIMARCU a metadat Dublin Core v různých jeho aplikacích v HTML, XHTML,
XML na základě údajů uložených v plných textech - je určena technologie TamTam Data Extractor
(TTDE) pro lokální stanice, WWW Tam Tam Data Extractor (WWW TTDE) pro práci na Internetu. TTDE
Údaje jsou extrahovány z plného textu a na jejich základě je
generováno 5 hlaviček (headers). Data jsou zpracovávána pomocí pomocí rozšířeného formuláře pro editaci (detailně popsány ve zpr ávě z r. 2001).
Rozšířený formulář
je nástroj vyvinutý pro editaci a doplnění extrahovaných dat. Data je možno upravovat také v hlavičce UNIMARC-A, UNIMARC. Automaticky se generují údaje
v rozsahu minimálního záznamu stanove ného pro popis článků (kromě notace
MDT), tj. údaje zejména jmenného popisu a kódované údaje. Automaticky se generuje souhrn článku (první věty textu).
Pokud je zvolena příslušná funkce, je možno automaticky generovat klíčová slova. Další údaje věcného popisu - předmětové kategorie doplněné MDT, hesla se doplňují.
Automaticky se generuje URL, SICI. Formulář má tři strany. První obsahuje jmenné a věcné údaje, druhá pouze věcné, třetí jmenné
a věcné údaje. Je možno stahovat více článků
najednou na základě tématu, názvu článku, názvu zdrojového dokumentu aj. údajů (pro stahování je možné využít i verzi
TamTam Standard - TTS). Pracovník oddělení analytického zpracování NK nejprve vybere a vyhledá
příslušné články ke zpracování v této databázi. Poté proběhne stažení vybraných článků na počítač příslušného pracovníka
v podobě komprimovaného souboru. Po jeho dekompresi je text článku naimportován do příslušného adresáře. Po otevření formuláře ke zpracování se objeví v levém části formuláře seznam názvů článků. Po kliknutí na článku se automaticky objeví údaje o článku, které jsou obsaženy v jeho ve formuláři a příslušných hlavičkách. Po kontrole takto extrahovaných údajů z plného textu se doplňují další bibliografická metadata zejména věcné povahy. Poté je soubor zpracovaných článků odeslán. Tímto způsobem jsou ypracovávány všechny celostátní deníky a některé odborné časopisy.
Po
doplnění formuláře je po odrážce různé je možno nastavit tvar výstupní hlavičky pro UNIMARC-A
nebo UNIMARC a spustit ruční vstup dat, nastavit kód
výstupních dat (Ansel, UNICODE, UTF-8). Standardně nastaven výstup UNIMARC-A v kódu UTF-8.
Následuje odeslání záznamů pomocí volby odeslat na dolní liště, import
do A LEPHu (program vyvinutý v NK), import na server full.nkp.cz. TTDE WWW Li nka pro zpracování na WWW se liší designem,
možností více typů vstupů co do formátů, většími možnostmi editace, její formulář pro editaci obsahuje 4 hlavičky detailně strukturované zejména s ohledem na strukturu autoritních údajů (z formuláře vyřazeno SICI, SICI se generuje a automaticky vkládá do příslušných metadat, aniž by ho katalogizátor musel vidět ve formuláři). Lze stahovat a doplňovat metadata s para le lním uložením těchto metadat do plného textu a jeho stažením na server. Lze natahovat a editovat metadata určitého pln ého textu bez stažení tohoto textu do báze. Z
jednotlivých údajů je možno se napojit na rejstříky báze ANL FULL, v současné době se testuje varanta napojení linky na soubory autorit. Je implemenován modul pro opravy v podobě další
hlavičky. Původní základní funkce TTDE byly zachovány. LINKA WWW TTDE -
popis:
Vstupní strana - hlavní funkce: načíst soubory, načíst URL, spustit Linku Načíst URL: Spustit TTDE (otevřít formulář pro
zpracování). Spustit Linku Hlavička Opravy: umožňuje opravy rejstříků ANL
FULL a metadat v plných textech - komplet nová funkce (nahrazuje opravy původně připravené v Administraci) Hlavička … (tj. různé) - zachovává stejné funkce jako ve TTDE, navíc možnost stahovat z URL. Možnost stahování údajů do formuláře a přepisování údajů zanesených do formuláře ze souborů autorit v rámci příslušných položek formuláře pro editaci. LINKA WWW TTDE - přehled funkcí a podporovaných formátů:
Funkce TTDE WWW pro spuštění aplikace: Podporované vstupní formáty a extenze, interní a externí URL, extrakce metadat :
1) vstup článků získaných v rámci přístupu do báze TamTam (Anopress)
pomocí TTSNK
Soubory mohou mít extenzi htm, html nebo txt. Používají se dva typy adres URL v poli 856:
interní (URL v rámci báze ANL FULL) a externí (jinde na WWW).
Možnost extrakce metadat s paralelním stažením plného textu nebo bez, s příslušnou URL.
Při načteni URL je možné v hlavičce Text zrušit text a ponechat jen externí URL, nebo
ponechat text, intern í i externí URL, je možno
přenášet údaje ze zdrojového kódu stránky do údajů ve formuláři. Je možno nakonec vytvořit metadatový záznam pouze s
propojením na plný text jinde než v bázi ANL FULL.
Je možné pracovat s obecnou URL
adresou buď z menu různé nebo při startu možnost použít formuláře pro zadání až 10ti různých URL. Možné použití TTDE a WWW TTDE
Linka (obě varianty) je použitelná po úpravě vstupním filtrem i na data existující v jiné databázi, event. v komunikaci mezi autorem, nakladatelstvím, bibliografickou agenturou a naopak.
V případě vhodné situace je možno WWW TTDE po otestování použít v rámci
kooperačního systému.
Pro data z www se předpokládá však do jisté úrovně strukturovaný vstupní
text, ze kterého data mohou být extrahována.
V této struktuře mohou být zachyceny údaje nejen jmenné
povahy (autor apod.), ale i povahy věcné (klíčová slova, abstrakt).Ty je potom možno převést pomocí vstupního filtru do linky automatické indexace k dalšímu zpracování. V neposlední řadě je možnost automatického zpracování závislá na způsobu organizace práce s těmito texty a jejich umístění v eventuelní databázi.
V případě neexistence těchto dat, data musí být komplet doplněna. Linka zpracování zabudovaná do
předpokládaného možného vývoje (viz Příloha 2).
B.1.1.3 Konverze do XML, XHTML, indexace, propojení, uložení,
vyhledávání a zpřístupnění informací v systému TOPIC, topiky (viz Příloha F 3) Pro propojení plných textů s bibliografickými záznamy v systému ALEPH (doplnění URL adres do záznamů ) byl vytvořen skript MKDOC.ASP. Propojení probíhá ne základě dynamicky generovaného odkazu na dokument. Program vyhledá požadovaný dokument dle identifikace (identifikační číslo), provede statistiku a kontrolu autorizace a na jejím základě zobrazuje plný text, abstrakt (souhrn) a citaci dokumentu v rámci databáze ANL FULL.
Pro indexaci dat do fulltextové
databáze (ANL FULL) v NK byl vyvinut program MKINDEX
Věcná indexace Automatická indexace věcná je závislá na vytvoření
tezaurů řízených heslářů s vazbou na klasifikační notaci v podobě MDT (UDC) oproti kterým je porovnáván plný text a na
základě tohoto porovnání přidělovány příslušné věcné termíny. V rámci projektu Propojení analytických záznamů s
plnými texty je prováděna v roce 2002 analýza problematiky automatické či poloautomatické indexace (viz výše). Z výše
uvedené analýzy vyplývá, že zřejmě nebude
řešena indexace automatických přiřazováním věcných termínů. V současné době jsou funkční některé formy automatické extrakce, do budoucna lze uvažovat a podpoře intelektuální věcné
indexace a možnosti generování věcných topiků on line, o zabudování výrazů odborných tezaurů do topiků, o využití interaktivních vlastností TOPICu. Migrace TOPICu na platformu K2 uvažovaná v předkládaném projetu v rámci 1N programu MŠMT by umožnila o automatizovanou tvorbu kategorií.
Pro vyhledávání v datech ve fulltextové
databázi jsou vyvinuty formuláře pro vyhledávání jednoduché, pokročilé, pokročilé s tématy (topiky). Vyhledávat lze
též podle rejstříků. Vyhledávání probíhá v systému TOPIC
a definice formulářů vychází z jeho filozofie.
V rámci projektu Pro pojení analytických záznamů s plnými texty a v projektu
Souborná databáze jsou v r. 2002 vytvořeny a implementovány připraveny další topiky, a to literatura, archeologie,historie, umění, geografie. V r. 2003 bylo vytvořeno např. 49 nových deta ilních topiků pro tematickou oblast Geografie ( v rá mci ní pro skupinu témat Evropa a Ostatní země světa, celkový počet 49 topiků ).
Stávající topiky jsou průběžně aktualizovány.
Výhledově je existuje hypotetická možnost propojení jednotlivých úrovní topiků. Je možno uvažovat o postupném zabudování materiálu získaného věcnou indexací v rámci linky do tematických topiků, které by byly složeny z údajů uvedených v kategoriích a z údajů, uložených ve vstupních prvcích předmětových hesel.
V rámci projektu Propojení analytických záznamů probíhají v roce 2003 též
další práce na řízeném slovníku pro periodikum Národní knihovna. V uvažovaném novém projektu je plánovaná spolupráce s odbornými knihovnami v rámci kooperačního systému a o rozšíření báze ANL FULL o některá odborná periodika. Na jejich základě by bylo možné dále rozvíjet topiky pro příslušná periodika. Plné texty a metadata jsou zpřístupňována pomocí
uživatelských formátů a údaje DC jsou aplikována ve formátu HTML, XHTML a XML. B.1.2 TOPIC (charakteristika) ( Příloha F 3, F4) TOPIC je produkt americké firmy Verity,v současné verzi Portal One.V ČR TOPIC a další produkty založené na stejné technologii dodává firma TOVEK, s.r.o.
Základní charakteristika systému Konstrukce topiku
Nabízí se zde jistá formální analogie k hierarchickému selekčnímu jazyku systémové notace MDT. Je však třeba zdůraznit,
že topiky jsou tvořeny podle skutečnosti, MDT je víceméně taxativní systém jednotlivých oborů, nikoli témat. Proto je třeba k definici topiků přistupovat svébytně.
Operátory listové operátory: WORD, STEM, SOUNDEX, WILDCARD, THESAURUS, SUGGEST a TYPO proximitní operátory: PHRASE, SENTENCE a PARAGRAPH koncepční
operátory: AND, OR a ACCRUE
logické operátory: ANY a ALL a relační operátory: rovnost `=', větší než
`>', větší nebo rovno `>=', menší ne ž `<', menší nebo rovno `<=', MATCHES, SUBSTRING, C CONTAINS, STARTS, ENDS
ACCRUE sbližuje operátor AND a OR: “čím více
různých klíčových slov nalezeno, tím je dokument důležitější“, řeší dilema mezi přesností a úplností.
Váhy
lze použít pouze u uzlů připojených pomocí koncepčních operátorů (AND, OR a ACCRUE); pokud váhu u připojovaného uzlu neuvedeme, použije se standardní váha - pro AND a OR 1.00, pro ACCRUE 0.50.
Přiřazením váhy k určitému uzlu určujeme, jak (od 0.01 do 1.00) se určitý uzel podílí na celkovém skóre daného dokumentu při výběru; změnou vah je možno změnit pořadí dokumentů v seznamu dokumentů dle skóre relevance.
B.1.3 Charakteristika serveru full.nkp.cz a báze ANL FULL, Periodika na WWW - portál (viz Příloha F3, F4)
Server full.nkp.cz je určen primárně ke zpřístupňování plnotextových dokumentů, zejména těch, které jsou obsaženy v periodicky vydávaných dokumentech české provenience. B.1.3.1 Základní členění stránek - základní a dílčí nabídky
Stránky jsou tvořeny horním pruhem a základní částí (hlavním prostorem). Horní pruh (frame) je přístupný stále, obsahuje v horní části dynamické rozbalovací menu s jednotlivými nabídkami základních a dílčích funkcí. V základní části se zobrazují požadované funkce.
Obecné (základní) informace Vstup do db (ANL FULL) Vyhledání (ANL FULL) B.1.3.2 Charakteristika databáze ANL FULL (obsah, zdroje) (viz Příloha F4a)
Databáze ANL FULL -
fulltextové vyhledávání ve vybraných článcích z novin a časopisů zatím
s retrospektivou od r. 1997 (periodikum Národní knihovna od r. 1990). Data báze je provozována na
serveru full.nkp.cz v systému TOPIC.
Plné
texty jsou vybaveny citací (bibliografický popis, resp.metadata), automaticky tvořeným souhrnem (začátek článku).
Vyhledávání je možné z každého slova z textu, pomocí slov i frází, pomocí bibliografických údajů, dále pak tzv. topiků (definovaných dotazů, resp. témat v rámci
jednotlivých oborů). Topiky v r. 2002 jsou rozděleny
do tří úrovní: tematické oblasti (8), skupiny témat (25), detailní témata (zatím 113). Topiky v r. 2003: tematické oblasti (8), skupiny témat (28), detailní témata (zatím cca 197).
Báze
obsahuje následující tematické oblasti (8):
- Ekonomika, obchod, finance
- Hospodářství, výroba
- Kultura a umění
- Země světa a geografie
- Humanitní a společenské vědy
- Matema tika a přírodní vědy
- Lékařství, zdravotnictví, technika
- Sport volný čas
Výběr plných textů a tematický záběr koresponduje s výběrem
článků ke zpracování pro bázi ANL (kategorie titulů, úplnost excerpce a typy článků, tituly viz dříve). Výběr titulů - v
současné době celostátní deníky ( celkem 6) a některé časopisy (Bankovnictví, Ekonom, Euro , Kapitál, Magazín Práva, Pátek Magazín LD, Profit, Respekt, Reflex, Týden, Květy - celkem 17).
B.1.3.3 Další databáze (ANL) (viz též A.2,
B.1 dále, Příloha F1)
Souborná databáze báze ANL obsahuje
bibliografické záznamy vybraných článků novin, časopisů a sborníků zpracovávaných v rámci Kooperačního systému článkové bibliografie (KOSABI). Databáze vychází jako řada České národní bibliografie (kategorie titulů, úplnost excerpce a typy článků, tituly viz dříve). Vyhledávání je možné z
údajů bibliografického popisu. Záznamy zpracovávané v lince TTDE jsou propojeny na plné texty umístěné v bázi ANL FULL.
Báze ANL obsahuje navíc linky na plné texty některých periodik a plná znění některých zákonů volně dostupných na na WWW (odborná knihovnická periodika - Ikaros, U nás, Bulletin SKIP, Knihovní obzor, Národní knihovna - celkem 5), další odborová periodika (Veřejná
správa, Vesmír, Lesnická práce, Literární noviny, Psychologie Dnes, Harmonie, Psychiatrie, Jezuité, Collection of Czechoslovak Chemical Communications, Kriminalistika, Bulletin advokacie, Souvislosti, Moderní řízení, Československý časopis pro fyziku, Chemické listy, HOST, Odpady, Tvar, Země Světa, Revue cír kevního práva, Obec a finance, Právní rádce - u tohoto časopisu připojené plné texty některých zákonů, Národní knihovna, U nás, Ikaros, Bulletin SKIP - celkem
počet 22).
Výběr titulů a článků ke zpracování.
Obsah: V analytické bibliografii jsou
obsaženy tyto obory : filozofie, psychologie, knihovnictví, náboženství, politika, ekonomika, ekonomie, sociologie, právo, pedagogika matematika, přírodní vědy, lékařství (okrajově), technika a průmysl, hudba, film, výtvarné umění, sport (omezeně), jazykověda a liter atura, historie, geografie a všeobecnosti.
B.1.3.4 Periodika na WWW - portál (viz Příloha F3)
Nabídka volně přístupných periodik na Internetu se dále bude doplňovat, event.
jejich uspořádání měnit. Nejsou zde zahrnuta periodika firemní, inzertní, bulvární, propagující hnutí potlačující lidská
práva, sportovní, zpravodajská (zprávy z tiskových agentur bez dalšího kontextu) aj. periodika efemérní povahy.
U každého periodika je uveden oficiální název, www adresa, popis obsahu, vydavatel, tel., fax, e-mail, adresa. V budoucnu bude možno podle těchto údajů vyhledávat. Nabídka není ještě
zdaleka proporcionální, postupně se ladí. V roce 2003 je v portálu zahrnuto
98 regionálních periodik (toho 15 momentálně nepřístupných), 76 oborových periodik.
Další zdroje periodik dostupných na WWW (některé informační agentury, zpravodajské servery, nakladatelství, vyhledávače, brány a portály). B.1.3.5 Jak se zaregistrovat
(komentář k registraci v databázi ANL FULL) (viz Příloha F3) Bibliografické údaje o článcích,
resp. metadata a plné texty jsou k d i spozici čtenářům
Národní knihovny. Pro externí uživatele jsou běžně k dispozici pouze bibliografické údaje o článcích. Tito uživatelé se
musí pro získání plného textu zaregistrovat pomocí formuláře v nabídce Registrace. Po vyplnění povinných údajů bude
těmto uživatelům zasláno e-mailem potvrzení registrace s aktivačním odkazem a heslem - po odeslání tohoto odkazu je
registrace aktivována a prostřednictvím přiděleného hesla zajištěn bezplatný zkušební přístup na dobu sedmi dnů v roce
2002. V roce 2003 bylo toto zpřístupnění omezeno na 1 den z důvodu možné reakce některých
společností s ohledem na copyright elektronických
forem periodik. Řešení je třeba hledat. Rutinní zpřístupňování plných textů bude možné po vyřešení
autorskoprávních, popř. ekonomických otázek souvisejících se
zpřístupňováním plných textů. Po registraci a přihlášení mohou také vybraní uživatelé stahovat a exportovat plné texty a metadata.
Nabídka Přihlášení slouží k autentifikaci registrovaného uživatele. Ve formuláři pro přihlášení je třeba vyplnit jméno a přidělené heslo.
B.1.3.6 Jak vyhledávat a způsoby zobrazení (stručný přehled) (viz Příloha F3) Báze ANL FULL obsahuje jak
bibliografické popis v různé míře podrobnosti podle vývoje systému, tak plný text, přičemž obě tyto části jsou indexovány a lze z nich paralelně vyhledávat a docílit tím větší míru relevance výsledku vyhledávání k položenému dotazu.Vyhledávat lze též pomocí rejstříků. Systém TOPIC navíc umožňuje pojmové vyhledávání podle témat, resp. topiků (viz dříve i dále).TOPIC umožňuje velmi sofistikované kladení dotazů vyžadující určitou zkušenost. Na druhé straně je možné položit dotaz velmi jednoduchým způ sobem. Formuláře - tři základní
formuláře podle pokročilosti vyhledávání - základní, rozšířený, rozšířený s tématy, resp. s topiky (viz dále).
Rejstříky -
nadefinováno 17 rejstříků, podoba rejstříků se
bude dále optimalizovat (viz dále).
Dotazy - druhy dotazů se liší náročností formulace a možností ovlivnit výsledek vyhledávání (viz
dále) . Prostý dotaz
Obsahuje slova nebo fráze oddělené čárkami nebo logickými spojkami, formulace mohou obsahovat různé konvence. Při vyhledávání se všechna slova skloňují a mají stejnou váhu. Formulářový dotaz
Obsahuje kromě možnosti pro zadání
hledaného slova nebo fráze jako u prostého dotazu i pole pro zadání podmínek pro jednotlivé položky strukturované části
textové databáze. Jde o rozšíření prostého dotazu.
Tematický dotaz, resp. topik - definuje
jednotlivá témata.
Topik je typ dotazu, na jehož základě se
vyhledají dokumenty, které se týkají určitého tématu, oboru nebo problému.
Topiky jsou rozděleny v
bázi do tří úrovní. Lze vyhledávat podle některých nadefinovaných topiků (označeny šipkou vlevo). Úrovně topiků je možno p ostupně propojovat a jednotlivé topiky ladit.
Perspektivy topiků v ANL FULL viz výše B 0.
Tematický dotaz je vytvořen v podobě nadefinovaného
pojmového stromu v bázi. Skládá se z pojmů - slov, charakteristických pro danou oblast. Ty pak tvoří listy stromu. Témata lze samostatně zároveň používat v prostých i formulářových dotazech. Napojení listů/témat na další úroveň je zajištěno operátorem a přidělením váhy tomuto listu/tématu. Váhy ovlivňují skóre dotazu.TOPIC postupuje od listů až k vrcholu stromu a postupně vypočítává skóre. Topiky viz dále. Pole Pole dotaz, resp. text dotazu - obsaženo ve všech formulářích.
Implicitní pole - obsažena v rozšířeném formuláři a v rozšířeném formuláři s tématy . Vazby mezi polem dotaz, dalšími poli a tématy
Způsoby zobrazení seznamu výsledků (názvů vyhledaných článků) - viz dále.
V záhlaví seznamu výsledků uveden počet vyhledaných článků,
možnost listovat v seznamu výsledků. Seznam výsledků (názvů vyhledaných článků):
Třídění seznamu výsledků (názvů vyhledaných článků) - viz dále.
Názvy článků je možno zobrazit od určité hranice skóre relevance, v určitém počtu
na stránku a třídit dle skóre, názvu, zdroje, data, strany, a to vzestupně či sestupně.
Zobrazení údajů o článku - viz dále.
B.1.3.7 Vyhledávání - metodika
Vyhledání
probíhá fulltextovou formou, tj. z plného znění jednotlivých dokumentů a z jejich citace, resp. metadat, resp. bibliografického popisu. Systém rozeznává pádové koncovky podstatných a přídavných jmen. Lze vyhledávat podle jednoduchého slova nebo fráze. U rozšířeného formuláře a u rozšířeného formuláře s tématy lze nastavit (ve spodní části formuláře) pro implicitní pole formuláře vyhledávání podle výskytu řetězce kdekoli v poli pomocí operátoru <contains>. Pokud je vyžadováno přesné zadání i porovnání celého řetězce použijeme =. Tyto operátory lze zapsat také přímo do pole dotaz, resp. hledat v textu. Operator <contains> lze v tomto případě zapsat jednoduše jako #. V tomto případě nastavení operátorů nemá vliv při hledání z polí pomocí návěští a při použití různých konvencí (savored, *, atd.). Doporučujeme však v případě nejistoty nasatvení <contains>.
B.1.3.8 Formuláře (viz příloha F3)
Jsou k dispozici tři typy formulářů vzhledem k pokročilosti způsobu vyhledávání a možnostem kombinací při vyhledávání. Jednotlivé funkce formulářů a metodika zápisu údajů pro vyhledávání viz dále. Základní formulář
Dotaz - hledat v textu (formulace dotazu) Rozšířený formulář Obsahuje stejné nabídky jako základní formulář, navíc pak vyhledávání podle implicitních polích ve struktuře formuláře . Je možno zvolit, zda vyhledávat v těchto implicitních polích způsobem <contains> nebo způsobem =. Pro seznam výsledků je možno navíc navolit oproti základnímu formuláři skóre relevance, od které zobrazovat články, zobrazit určitý počet článků na stránku, dále třídit dle skóre relevance, názvu, zdroje,data vydání, stran, a to sestupně či vzestupně.
Hledat v textu - odpovídá poli Dotaz v základní formuláři (formulace dotazu)
Implicitní pole:
Typ seznamu výsledků (článků):
Rozšířený formulář s tématy
Tento formulář má stejné nabídky pro vyhledávání jako rozšířený formulář, umožňuje vyhledávat navíc podle témat, resp. topiků, resp. dotazů. Pro bázi ANL FULL jsou nadefinovány některé topiky, rozdělené do tří úrovní.Topik slouží k tomu, že hledaný výraz vyplněný do textu dotazu a různě zpřesňovaný je navíc upřesněn topikem, tj. tématem. Např. hledáme-li v bázi výraz hvězdy, výsledek obsahuje několik tisíc dokumentů. Specifikujeme-li tento výraz pro vyhledávání v rámci stronomie, najdeme pouze několik set dokumentů. Uživatel zvolí typ vyhledávacího formuláře popř. změní jeho implicitní parametry. Vlastní dotaz potom je možné zadat několika způsoby.
Pole dotaz, resp. text dotazu
Nejjednodušší dotaz tvoří jediné slovo, fráze.Pro zadávání složitějších nebo
víceslovných dotazů je možno použít logické operátory (and, or, not a další), případně další konvence,např. zástupné znaky (wildcards) - viz dále bod Př.1-9. Uvedením návěští se vyhledávání omezuje na příslušné pole - Př. 10-12 . Základní operátory:
Př. 1
Př. 2 Př.: 3
Př. 4 Př.: 5 Př. : 6 Př.: 7
Př. : 8
Př.: 9
Návěští pro všechny formuláře (vyhledávání v polích) -
Návěští zapisovaná v poli dotaz, resp. text
Př.:11 Vyhledávání podle obsahu polí: vyhledá dokumenty názvu zdroje (Respekt) s přesným názvem článku (Rafinovaný odraz skutečnosti). Návěští jsou v češtině nebo v konvenci Dublin Core nebo v angličtině. Text dotazu lze rozšířit o vyhledávání podle dalších polí (návěští viz Tabulka návěští dále). Na tento typ dotazu nemá vliv nastavení <contains> či = ve spodní části formuláře. Pro začátečníky je tento typ dotazu komplikovaný, doporučujeme vyhledávat přímo z rozšířeného formuláře, kde jsou implicitně pole nastavena. V tomto případě je třeba označit volbu <contains> či = v nabídce formuláře v spodní části rozšířeného formuláře.
Je-li případě tečkové konvence s dc (Dublin Core) použita ještě tečková konvence s anl, používá se konvence s anl (Anl Core). Rovněž nepoužívejte návěští phnk, ale jeho alternativu.
Pozn.: při kombinaci návěští nemá na vyhledávání vliv
nastavení <contains> a =. Př: zdr=Lidové noviny
Zvýraznění
vyhledaných údajů pomocí dotazového pole
Údaje, které nejsou vyhledávány pomocí polí jsou zvýrazněny červeně v citaci článku i v textu článku.
Údaje, které jsou vyhledávány pomocí návěští (polí) nejsou zvýrazněny červeně, jsou obsaženy v citaci článku.
Spíše než návěští doporučujeme používat formulář s implicitně nastavenými poli.
Formulářová pole s implicitními údaji v rozšířených formulářích. Přehledná tabulka
metodiky pro vyhledávání (viz Příloha F 4c)
Jednotlivé údaje lze kombinovat pomocí operátorů and, or, not. Ve spodní části obrazovky je možno nastavit vyhledávání <contains> - pro vyhledání daných řetězců kdekoli v poli, tj. po slovech, nebo = vyžadujeme-li přesné znění řetězce. Pro přesná znění je lépe využívat rejstříky. Všeobecně je lépe nastavit operátor <contains>.
Údaje, které jsou vyhledávány pomocí implicitních polí, nejsou zvýrazněny v plném textu červeně.
Vyhledávání pomocí topiků - Rozšířený formulář s tématy (viz Příloha F3,
F4d)
Tématem se rozumí předem připravený složitý dotaz. Jedno nebo více témat je možno vybrat označením v seznamu v pravém pruhu formuláře (maximálně 3 témata pomocí klávesy Ctrl). Témata lze kombinovat vzájemně mezi sebou i s dotazem v poli dotazu, resp. textu dotazu. Relace mezi tématy a poli je možné zaškrtnutím voleb příslušných voleb v pravé dolní části formuláře (volba and, or)
Tematický dotaz může obsahovat stovky slov. Je vytvářen speciálním editorem, který
umožňuje vložit logické a další operátory dotazovacího jazyka, provádí kontrolu syntaxe a umožňuje proto plně využít výhod pokročilého vyhledávacího systému TOPIC. Pro databázi ANL FULL jsou témata strukturována do tří úrovní: první obsahuje základní tematické oblasti (8), druhá skupiny témat v těchto oblastech (28), třetí obsahuje detailní témata ve skupinách témat (zatím 197). Z první úrovně nelze zatím vyhledávat, z druhé a třetí ano - tam, kde je topik nadefinován (označeno šipkou vlevo). Tematická nabídka je postupně rozšiřována a témata upřesňována a propojována.
Topik slouží k tomu, že hledaný výraz vyplněný do textu dotazu a různě zpřesňovaný je navíc upřesněn topikem - tématem.
Přehled dosud nadefinovaných/navržených
topiků strukturovaných do tří úrovní (viz Příloha F 4 d) Přehled dosud nadefinovaných/navržených topiků strukturovaných do tří úrovní
>
označuje možnost vyhledávání z této úrovně topiku v současné době
Rejstříky (viz Příloha F3)
V rejstřících je možno listovat a vybrat výraz, podle kterého chceme vyhledávat. Tyto výrazy jsou hypertextově propojeny
v citacích s metadaty, resp. údaji bibliografického popisu. Podle rejstříků doporučujeme vyhledávat údaje zejména týkající se předmětu dokumentu (předmětové kategorie, hesla - věcná a geografická, osoby, korporace, akce, klíčová slova, dokument/dílo ). Vyhledané výrazy jsou v bibliografickém popisu, resp. metadatech, resp. citaci vyznačeny červeně.
Obsah rejstříku se zobrazuje v pravém okně, v levém okně se zobrazují vyhledané články.
Bylo nadefinováno 17 rejstříků
: autoři, název zdroje, zdroj ročník číslo, datum vydání, předmětové kategorie, předmět, místo, hesla (věcná a geografická), osoby, korporace, akce, klíčová slova, dokument/dílo, typ článku, MDT, geografické vymezení, časové vymezení.
Některá doporučení, jak nejlépe vyhledávat
B.1.3.10 Výsledky vyhledávání, zobrazení, tisk (všechny formuláře)
(viz Příloha F3) B.1.3.10.1 Seznam výsledků (seznam článků) Seznam vyhledaných dokumentů uvádí v záhlaví nadpis a údaje o výsledku hledání. Počet vyhledaných
dokumentů na stránku je dán volbou v poli Výsl./str. V závislosti na této volbě se potom zobrazuje počet stran s
možností listování.
Druhy seznamu výsledků (seznam článků):
U jednotlivých článků zobrazeno vždy, resp. standardně (zleva) : tři formáty pro zobrazení údajů o článku, skóre relevance, datum vydání, název článku,
velikost plného textu.
Seznam výsledků (názvů vyhledaných článků):
Třídění seznamu výsledků (názvů vyhledaných článků)
Skóre (relevance, od které z obrazovat názvy článků)
Formáty zobrazení Uživatelské formáty Každý dokument je možné zobrazit
ve třech uživatelských formátech/variantách :
Název článku hypertextově aktivní - zobrazení citace a plného textu bez odkazů
Hledané výrazy
se zvýrazní červeně pouze vyhledávám-li z dotazového pole, podle topiků a rejstříků, nikoli podle nadefinovaných, resp.
implicitních polí.
Pracovní formáty
V záhlaví plného textu jsou navíc různé pracovní formáty -
klíčová slova, UNIMARC (komunikativní formát), Dublin Core
- formát pro zpřístupňování elektronických dokumentů a jeho
aplikace, která obsahují metadata (DC/HTML/META, DC/XHTML kvalifikovaný a nekvalifikovaný, DC/XML kvalifikovaný a
nekvalifikovaný, které nejsou určené pro běžného uživatele, ale pro
budoucí vývoj systému a zpřístupnění plných textů.
B.1.4 Metadata (viz Příloha F4 b,e)
Ve všech variantách zobrazení je obsažena citace, resp. biliografické údaje, resp.
metadata.
Příklady uložených metadat v plném textu
Př.1
Př. 2 B.1.5 Tisk, stahování a export plných textů a metadat - přístup Tisk seznamu výsledků - z nabídky Tisk seznamu, tisk plného textu - z nabídky Tisk
detailu.
V r. 2002 byla
vyvinuta aplikace pro stahování a export metadat a plných textů, která
vychází z již vyvinuté technologie v Anopressu. Aplikace umožňuje stáhnutí a export příslušných plných textů a metadat na lokální počítač v zip souboru v několika formách: HTML, RTF formát, textový tvar, UNICODE - vše se zvýrazněním klíčových slov a bez, XML formát, HTML formát se souhrnem. Je možno zobrazit detailní průběh zpracování . Exportovat plné texty a metadata mohou zatím jen registrovaní vybraní uživatelé. V r. 2003 byly ověřena její funkčnost. V roce 2002 byla ověřena
plná funkčnost aplikace pro registraci, autentifikaci a přihlášení externích uživatelů prozatím na dobu 7 dnů. V roce 2003 omezen
přístup pro externí uživatele na 1 den (důvod viz výše).
Otázky zpřístupnění externím uživatelům závisí na vyřešení
legislativně právních otázek event. ekonomických (viz výše). Externím uživatelů jsou běžně zpřístupňována metadata.
Plné texty a metadata jsou zpřístupňována interním uživatelům NK
Stahování a export metadat a plných textů je také plně funkční v
rozsahu testování několika uživateli.
V roce 2002 byla vyvinuta aplikace pro administraci databáze ANL FULL a portálu.
Úpravy textů článků
- aplikace umožňuje opravovat zdrojové kódy článků (tj. i metadata) na základě vyhledání podle identifikačních čísel.
Umožňuje opravy rejstřík bez přímé vazby na záznamy.
Opravené záznamy jsou uložené do souboru a dále naimportovány do báze a zaindexovány.
Aplikace umožňuje provádět opravy a sledovat statistiky - zahrnuje tyto úkony: úpravy textu článku (metadat aj.), údržba rejstříků, údržba portálu Periodika na WWW,
údržba informačních zdrojů. Aplikace umožňuje podobně udržovat
seznamy uživatelů, hesel, mailů a sledovat statistiku přístupů .
V r. 2003 byla částečně implementována zcela
nová aplikace pro opravy hesel a metadat v plných textech, která je zabudovaná přímo do
linky WWW TTDE (viz též výše). Opravy dat jsou tak mnohem pružnější než v administraci. Aplikace umožňuje vyhledání plných textů z rejstříků, jejich zobrazení a zatím částečné načtení do pracovního listu k opravě. Po korekci metadat je plný text odeslán do báze, plný text je přepsán a zrušen. Aplikace se dále ladí.
Struktura bibliografických dat respektuje formát UNIMARC
a knihovnická pravidla AACR2 v oblasti jmenného popisu. V r. 2002, 2003 probíhají práce na konverzi UNIMARC - MARC 21. Byl nadefinován návrh minimálního záznamu pro M21.
Jmenný popis bude muset do budoucna reflektovat pohyb v oblasti standardizace (
metodika popisu článků ve formátu UNIMARC - vychází z AACR2R, ISBD /CP; v budoucnu větší harmonizace AACR2R a ISBD, ISBD (ER), ISBD(S) - ISBD (CR)).
Jak se dotkne popisu článků koncept FRBR - Funkční požadavky na bibliografické záznamy (Functional Requirements for
Bibliographic Records) - 4 úrovňový model manifestace díla - dílo, exprese, manifestace, jednotka) ukáže budoucnost.
V oblasti věcného popisu
se používá aktualizovaná verze MDT-MRF . Verbální věcný
popis obsahuje předmětové kategorie, které zasazují dokument do širších souvislostí v rámci databáze z hlediska
obecných témat, jež by se měla sbližovat s tématy systému TOPIC eventuelně s automatizovanou tvorbou kategorií.
Předmětové kategorie do jisté míry konvenují
metodě konspektu aplikované pro popis a mapování fondů. Od konspektu budou odlišeny identifikátorem v rámci stejného
pole 615. Dále se používají klíčová slova, která jsou dále částečně řízená a předmětová hesla. V rámci linky je zajištěno také propojení na soubory autorit (ne
zatím zcela pro katalogizátora pohodlné, pracuje se na propojení on-line - viz dříve) Automaticky je generován souhrn
článku, automaticky lze také generovat klíčová slova, která však mají v současném stádiu "počítačovou formu".
O automatické indexaci a perspektivách viz výše B.0 .V
budoucnu se předpokládá intenzivnější využívaní vznikajících souborů autorit jmenných i věcných .
V záznamech určených k propojení s plným textem se v lince
automaticky generuje dynamická URL adresa, SICI
. Do zpracovávaných článků v ALEPHu jsou doplňované statické adresy volně dostupných dokumentů a WWW. Dále se automaticky generuje
URN (do kterého je zabudováno identifikační číslo plného textu
přidělené v Anopressu) a z velké části pole LKR určené k propojení se zdrojovým dokumentem. Dublin Core
obsahuje 14 z 15 definovaných údajů viz Příloha F 4 b. Je generován
pro formát HTML, XHTML a XML ve kvalifikované i nekvalifikované formě. Do HTML je zabudován
LINK tag pro potřeby odkazu na webovský zdroj, v němž se nachází
specifikace daného použitého soboru metadat. Bylo nadefinováno 14 údajů Anl Core vzhledem k detailnosti popisu a vzhledem k možnostem vyhledávání v současné verzi
systému TOPIC a prvky ANL Core užívané pro vyhledá vání. Formáty zobrazení jsou popsány dříve. Skutečný stav propojení
bibliografických záznamů s plnými texty Plné texty jsou zpracovávány v lince a zároveň jsou ukládána
metadata do těchto textů za současného generování url. Takto vzniklá metadata resp. bibliografické záznamy se importují do ALEPHu, jsou propojeny na plný text v systému TOPIC. Zároveň
jsou matadata a plné texty indexovány v systému TOPIC. Navíc se propojují záznamy báze ANL s volně dostupnými texty na
internetu. Souhrn za r. 2000-2003
Linka bibliografického zpracování z plných textů (TTDE ) Souhrn za r. 2000-2003 : na serveru full.nkp.cz jsou přístupné plné texty článků vydané v letech 1990-2003 a získané v rámci
tohoto grantu a grantu Propojení analytických záznamů v letech 1999-2003, 11. listopad v počtu cca
115 000. Se záznamy v ANL je propojeno cca
stejný počet. Možný rozdíl je dán tím, že v počátcích projektu byly do báze importovány zpětně plné texty a následně
programově nebo ručně propojovány s bibliografickými záznamy. Ne vše chna metadata uložená v
záznamech ANL byla totožná s metadaty uloženými v plných textech z Anopressu a nešla tudíž programově propojit. (v lince
bylo zpracováno v letech 2001-2002, 15. listopad celkem cca 24000 plných textů
s metadaty , v r. 2003, listopad 13 000
plných textů) . Průměrně měsíčně
v lince uloženo: 1000 záznamů. Statické linky v báze
ANL (přibližná a pohyblivá čísla, protože některé adresy jsou
nestálé - např. Psychologie Dnes a Učitelské noviny) V r. r. 2000-2002, říjen propojeno
cca 3000 záznamů s volně dostupnými texty na Internetu. Některá propojení spadla. Do
21.10. 2003 bylo propojeno cca 2181 záznamů Jsou propojené také některé záznamy s plnými texty zákonů. V Odboru knihovnictví jsou ještě propojována knihovnická periodika.
V současné době je staticky propojeno cca 6 000 URL. Podle posledního URL testu cca 300 neplatných.
B.1.8 Souborná
databáze ANL Kooperačního systému článkové bibliografie (KOSABI), metodika a organizace, ČNB (viz Příloha F 1, F5) B.1.8.1 Kooperace, excerpční základna
V roce 2003 pokračovalo
oddělení ve zpracování záznamů pro bázi ANL(ALEPH). Kooperující instituce - 8, resp. 7
krajských knihoven, MZK a 3 odborné knihovny - přispívají do souborné
databáze (do báze nepřispívá krajská knihovna v Plzni, přechází ze systému KIMS na ALEPH, knihovně byla poskytnuta definice báze ALEPH pro ANL). V budoucnosti se mají součástí KOSABI stát i 4 další krajské knihovny, se kterými byl navázán kontakt (Pardubice, Zlín - systém KP-sys, Karlovy Vary a Havlíčkův Brod systém Lanius, resp. Clavius). Do báze ANL přispěla dávkově v rámci experimentu i ČGS. V roce 2003 byly pravidelně dodávány záznamy z těchto knihoven: Kladno (RAPID), Ostrava (T-Series), SPKK (ISIS), STK (ISIS), ÚZPI (ISIS), Liberec, (RAPID), České Budějovice (T -Series). Ukládání online do Alephu - Moravská zemská knihovna v Brně.
V r. 2003 se dále ladí metodika ukládání v různých systémech a řeší se otázky převoditelnosti do báze ANL a UNIMARCu. Tato činnost je poměrně náročná v
detailech a je založena na úzké spolupráci s příslušnými knihovnami. ( V r. 2002 v tomto směru intenzivně spolupracovalo oddělení článkové bibliografie s krajskou knihovnou v Ostravě a Českých Budějovicích. Byla navrhnuta některá možná řešení a doporučení týkající se věcného popisu a konverze do UNIMARCu. Plnohodnotné předávání záznamů do národní článkové bibliografie závisí na dotažení konverzního programu Tinlib - UNIMARC.) Krajská knihovna v Ústí nad Labem na zkušenosti tinlibovských knihoven navazuje. Knihovny pracující v ALEHu spolupracují dobře. U knihoven pracujících v KP-sysu bylo třeba dopracovat převod do UNIMARCu (téměř dotažen je UNIMARc pro krajskou knihovnu ve Zlíně, kterou následuje krajská knihovna v Pardubicích; v listopadu 2003 ale krajská knihovně ve Zlíně
zaslala vzorek záznamů v KP- Winu, které se patrně a od téměř dotaženého KP-sysu budou lišit ). Knihovny pracující v Rapidu spolupracují též bez problémů. Téměř dotažen je UNIMARc pro Lanius
(Karlovy Vary). U systému Clavius je třeba UNIMARC ještě dopracovat.
S nově jmenovanými a konstituovanými krajskými knihovnami v Pardubicích, Havlíčkově Brodě, Zlíně a Karlových Varech byla navázána
dobrá spolupráce . Byla dohodnuta budoucí excerpční
základna. Kromě KOSABI
existuje v ČR fungující systém na úrovni městských (okresn ích) knihoven -
LANius a jeho produkt SKAT - Souborný katalog článků. Jeho vyšší verzí je
systém Clavius. Systém umožňuje sdílenou katalogizaci. Mezi LANiem a NK proběhla jednání o možnostech delimitace duplicit ve zpracování o možné kooperaci týkající se
excerpce titulů a omezení duplicit při zpracování zejména s NKČR. Zatím jsou určeny tituly, které by přicházely v úvahu.
Systém používá ve věcnému popisu klíčová slova, bylo zajištěno propojení na soubory autorit.
Součástí širšího kooperačního systému článkové bibliografie po linii oborové je zpracování článků lékařské a zdravotnické literatury Národní lékařskou knihovnou, které nejsou součástí ANL. V navrhovaném pokračujícím projektu v rámci programu 1N MŠMT je zapracován přechod odborných knihoven z ISIS na UNIMARC a úzká spolupráce s Národní lékařskou knihovnou.
Tyto knihovny poskytly pro projekt 1 N některé plné texty, na kterých je možno dále vyvíjet pojmové vyhledávání v systému TOPIC, resp. K2. V projektu je také zapracován vývoj a realizace linky zpracování bibliografických záznamů z plných textů v Národní lékařské knihovně a nový způsob produkce Bibliografia Medica Čechoslovaka a báze citační rejs t řík CR-CZ. Podobně ÚZPI má realizovat zpracování bibliografických záznamů článků některých titulů v návaznosti na již existující redakční systém. ČGS má v tomto projektu postupně přejít na pravidelné přispívání do báze ANL ze systému WIN
ISIS.
V bázi
ANL bylo je v r. 2002, k 15.11. cca 742 379 záznamů, za rok 2002 přibylo do báze cca 54 196 záznamů, z toho cca 30 118 zpracovaných NKČR, ve spolupracujících institucích cca 24 078 zpracovaných záznamů. Počty jsou přibližné.
V bázi ANL bylo je v r.
2003, k 15.11. cca 807 000 záznamů, za rok 2003 přibylo do báze cca 60 000 záznamů, z toho cca 35 000 zpracovaných NKČR, ve spolupracujících institucích cca 25 000 zpracovaných záznamů. Počty jsou přibližné. V roce 2003 je
pravidelně aktualizována excerpční základna. Počet zpracovávaných titulů: ANL - cca 212 v NKČR, 263 v regionech (všechny krajské knihovny, reálně kooperující -208), 122 v odborných knihovnách, celkem cca 597 titulů (zatím r eálně 542); ANL FULL 30 titulů, běžně zpracovávaných
zatím 17 v NKČR. Došlo k přesunu některých titulů na nově konstituované krajské knihovny, které začnou pravděpodobně přispívat do báze v r. 2004. Excerpční základny jednotlivých kooperujících institucí pro bázi ANL
Excerpční základna byla tento rok v pohybu vzhledem k novému státoprávnímu uspořádání. Řada titulů přešla na krajskou knihovnu v Havlíčkově Brodě (z Brna, Budějovic, Hradce Králové).
Krajská knihovna Karlovy Vary se zavázala excerpovat bývalé plzeňské tituly. Nově konstitované knihovny budou excerpovat regionální přílohy deníků Mladá Fronta Dnes a Právo. Postupně přesouvané tituly se přestávají postupně zpracovávat v původních knihovnách a přecházejí na nově
konstituované knihovny. Národní knihovna České republiky (ALEPH) - Oddělení analytického zpracování: celkem 195 seriálů z toho 6 deníků, cca 11 týdeníků, 6 čtrnáctideníků, 31
dvouměsíčníků, 4 čtvrtletníky, ostatní periodika s menší periodicitou ; dále nepravá periodika - ročenky, nepravidelně vycházející periodika, sborníky - počet pohyblivý (5 titulů převzala STK). NKČR - Odbor knihovnictví: 17 titulů.
Moravská zemská knihovna v Brně (ALEPH): celkem
cca 49 titulů, 1 deník, vlastivědné časopisy, zpravodaje, sborníky a nepravá periodika, část excerpce převzala Krajská
knihovna Vysočiny (cca 4 tituly postupně přebere krajská knihovna Vysočiny, Brno přestalo excerpovat).
Nově konstituované krajské knihovny - příprava kooperace
Krajská knihovna Františka Josefa Bartoše ve Zlíně (KP-sys): pro ANL cca 15 titulů, jinak cca 67
periodik, duplicita s celostátními deníky a časopisy, do její báze přispívají městské knihovny okresu Zlín, nutná delimitace s titulů s MZK, VKOL, MVKOS . Stanovena excerpční základna s ohledem na nové státoprávní uspořádání: cca 2 deníky, 1 týdeník, 2 měsíčníky, 2 ročenky, 7 dalších seriálů.
Kooperující specializované knihovny Ústav zemědělských a potravinářských informací (ISIS) :
celkem 25 odborných titulů
V rámci regionálních funkcí mají krajské knihovny koordinovat bibliografickou činnost v rámci krajů. V r. 2002 byla provedena anketa týkající se podchycování regionálních materiálů z ústředního tisku. V odpovědích bylo zaznamenáno, že regionální bibliografové považují ČNB - Články v českých novinách, časopisech a sbornících za důležitý zdroj regionálních informací. Zdůrazňuje se důsledné používání regionálních kódů (viz Nádvorníková, M. Nové formy a metody práce při poskytování regionálních bibliografických informací).
B.1.8.2 Popis, standardizace (viz Příloha F1, F3, F4)
V roce 2002 se poměrně hodně
času věnovalo projektu krajské knihovny v Ostravě týkající se popisu článků v systému T-Series a jejich
zpřístupnění. Byly specifikovány požadavky na konverzní program z T-Series do UNIMARcu, zejména v intencích minimálního
záznam a požadavky na věcný popis. Řešitelka vypracovala připomínky začátkem roku 2002 a zaslala Mgr. Kybalovi (UK),
který pracuje na konverzi do UNIMARCu. Byly řešena také problematika řízeného slovníku pro věcný
popis. V kooperačním systému článkové bíbliografie se používal ještě za dob ISISu tzv. částečně řízený slovník klíčových
slov, tj. byly řízeny nadřazené pojmy a většinou první podřazené slovo k nim. Kromě toho se klíčová slova vyvinula z
předmětových hesel a zachovávala částečně i jejich strukturu, tj. byl obsaženo téma, chronologický a geografický
údaj.Pro osoby a akce, forma dokumentu byla zvláštní pole. Řízená klíčová slova, tj. nadřazený a jemu
podřazený pojem byly konvertovány do UNIMARCu a tvoří v UNIMARcu tzv. předmětové kategorie v poli 615.
Tento slovník je ve většině knihoven v r. 2003 KOSABI používán a do jisté míry modifikován s ohledem
na praktické potřeby. Slovník se musí v samotné bázi ANL zredigovat. V budoucnu budou tyto kategorie převedeny do pole
615, k odlišení od Konspektu s 2. indikátorem 9. Poměrně problematická
situace vznikla v krajské knihovně v Českých Budějovicích, V roce 1998 jsme s paní Strakovou (JVK
České Budějovice) minulosti navrhovaly v zásadě dva způsoby, jak diferencovat zápis údajů věcném popisu tak, aby byly
lépe převoditelné do UNIMARCu. Zápis příslušných údajů duplicitně do polí pro konverze nebo zápis čísel polí UNIMARCu
přímo k údajům v pracovním listu. Takto by byly údaje připravené pro konverze do příslušných polí v UNIMARCu. Žádný z
těchto způsobů zápisu však nebyl u článků v praxi realizován.
Mezitím se věcný popis článků vyvíjel v Českých Budějovicích
tak, aby byl vstřícný pro uživatele i katalogizátory. K věcnému popisu byla používána pole pracovního listu - předmětové
skupiny a výrazy tezaurů, v posledním období pouze pole předmětové kategorie v terminologii Tinlibu, resp.T-Series (něco jiného jsou předmětové kategorie UNIMARCu, pole 615). V roce 2002 se přistupuje k popisu do jemněji strukturovaného formuláře, podobně jako v Ostravě. V roce 2002 šlo o rozhodnutí, jak pokračovat v zápisu článků v Českých Budějovicích. Řešitelka projektu Souborná databáze navrhla několik variant věcného popisu v Českých Budějovicích. Pracovnice krajské knihovny se překlonily k následujícímu řešení: používat výrazy tezauru, který je aplikován v českobudějovické bázi pro knihy plus příslušná pole pro osoby, korporace, geografickou entitu. Pro své účely dál používat dosavadní systém s vazbami.
V Ostravě je situace jednodušší - do léta 2001 byly články zpracovávané v ISISu,
koncem roku 2001 přechod na jemněji strukturovaný formulář T-Series.
V roce 2002 na T-Series přešla i krajská knihovna v Ústí nad Labem, kde bude používána stejná
metodika jako v Ostravě. V
červnu 2002 přešlo oddělení analytického zpracování v NKČR na verzi ALEPH 14.2.4,
která umožňuje vetší komfort pro opravy uložených dat. Na toto verzi přešly též v r. 2002 (před NK) i knihovny v Brně a
Olomouci. Pracovníci MZK ukládají záznamy přímo do báze ANL. V
červnu 2002 přešlo oddělení analytického zpracování v NKČR na verzi ALEPH 14.2.4,
která umožňuje vetší komfort pro opravy uložených dat. Na toto verzi přešly též v r. 2002 (před NK) i knihovny v Brně a
Olomouci. Pracovníci MZK ukládají záznamy přímo do báze ANL.
V r. 2003 se ladila struktura záznamů vzhledem k
formátu UNIMAR ve spolupráci s krajskými knihovnami v Pardubicích a Zlíně (KP-sys), v K arlových Varech a Havlíčkově Brodě (Lanius, resp. Clavius). Zároveň by la delimitována excerpční základna vzhledem k novému
státoprávnímu uspořádání a vstupu těchto knihoven do reálné kooperace (viz výše). V r. 2003 záznamy ANL respektují metodický materiál Záznam pro soubornou databázi : UNIMARC a Záznam pro soubornou dat abázi : Výměnný formát. Dle možností je aktualizována pracovní verze příručky pro zpracování článků v UNIMARCu - Metodika popisu článků ve formátu UNIMARC a vystavena na Internetu s názornými příklady. Většina knihoven vybavuje záznamy předmětovými kategoriemi, které jsou jednotícím prvkem souborné databáze. Oddělení analytického zpracování přistupuje k intenzivnějšímu využívání souborů autorit v NK , korekturám báze ANL a připravuje data pro soubory jmenných a věcných autorit. Také kooperující instituce postupně používají národní soubory autorit.
V rámci ANL i ANL FULL jsou formulovány základní principy věcného popisu, aplikovaného při zpracování článků V NKČR.
Pořadí kategorií, předmětových hesel odpovídá pořadí MDT. MDT vztahující se k osobám a formě článku se uvádí na konec věcného popisu (osoby, forma). Kategorie :
obecné zařazení tématiky dokumentu pod obecné hlavní téma (615a) a zpřesnění (615x). Předmětové heslo: vystihuje hlavní téma dokumentu. Klíčová slova variantní selekční termíny k předmětovým heslům uvádíme zatím z důvodů postupného propojování báze ANL na soubory autorit, v současné době se eliminují - s postupným provázání věcného popisu na autority i s ohledem ke zpřístupnění plných textů v bázi ANL prostřednictvím báze ANL FULL.
Ve většině kooperujících institucí se používá kombinace těchto tří prvků věcného popisu v různé míře. Předmětová hesla se aplikují pro osoby,
korporace, typ dokumentu, geografické téma. Předmětová hesla tematická (pole 606 UNIMARC) se užívají zejména v NK, ve
většině knihoven se praktikují klíčová slova (pole 610 UNIMARC). Vazba na autority se objevuje ve větší míře v NK a v
krajské knihovně v Kladně, Olomouci, Brně, Liberci. Je třeba důsledněji používat pole 660 Geografický kód.
V současné době se řeší NKČR
problematika standardizace věcných selekčních údajů a jejich harmonizace pomocí souboru věcných autorit. Aplikuje se metoda konspektu - metoda popisu fondu a všech informačních zdrojů pomocí předmětových kategorií konspektu. Domníváme se, že po důkladné redakci předmětových
kategorií v rámci báze ANL, které jsou někde detailnější a vyplývají ze specifiky článkových informací je možno je užívat paralelně s konspektem.
Údaje jmenného a věcného popisu jsou podle možností v bázi ANL revidovány a opravovány pomocí globálních a hromadných
oprav, dále pak s využitím jmenných a věcných autorit.
Propojení na zdrojový dokument U 5 seriálů (Týden,
Ekonom, Reflex, Respekt, Právo) zpracovávaných v lince je generována v azba LKR (nahoru) k
propojení se zdrojovým dokumentem v bázi NKC. Tato vazba je funkční. Do budoucna lze uvažovat o propojení na zdrojový dokument přes ISSN pomocí OpenUrl. Názvy zdrojových dokumentů v bázi ANL je třeba sjednotit (někdy je problém určit
jednoznačně název, protože pod určitým názvem je seriál uložen v regionální knihovně, pod určitým v NKC apod.). Řešením je vazba na ISSN. Existuje báze ISSN budovaná v STK, hypoteticky se mohou lišit i ISSN v NKC, SK ČR a ISSN. Někdy problematický je zápis zdrojových dokumentů tzv. nepravých periodik a jejich sjednocení v bázi ANL. V bázi ANL probíhají v současné době korektury. B.1.8.3 Akce
Kromě průběžných a pravidelných konzultací proběhly v r. 2002 tyto akce:
prezentace báze ANL FULL a KOSABI na Inforu 2002, prezentace KOSABI na konferenci Knihovny současnosti 2002.
Kromě průběžných a pravidelných konzultací proběhly v
r. 2003 tyto akce: prezentace báze ANL, ANL FULL a KOSABI na Infos 2003,
prezentace KOSABI na zasedání SDRUK, sekce pro bibliografii v Hradci Králové. Řešitelka se zúčastnila zasedání IFLY v Berlíně. Sekci pro noviny byly poskytnuty informace o KOSABI, ANL, ANL FULL (viz dříve). B.1.8.4 Česká národní bibliografie - řada Články v českých novinách,
časopisech a sbornících na CD-ROM (viz Příloha F1) V roce 2003 byla pravidelně poskytována data KOSABI pro měsíční
aktualizace a CD-ROM ČNB - řada Články v
českých novinách , časopisech a sbornících.
B.1.9 Perspektivy Kooperačního systému článkové
bibliografie a jeho další možný vývoj, některé předpoklady a cíle Organizace
spolupráce
Metody zpracování, standardizace
Organizace zpracování článků vzhledem k excerpovaným titulům z hlediska systémového
I. Zpracování sborníků a nepravých periodik aj. odborných seriálových informačních zdrojů (v rámci integrovaných knihovnických systémů), které zatím nejsou dostupné na Internetu.
II. Zpracování odborných
seriálových informačních zdrojů, které jsou dostupné na Internetu v lince aut omatické
extrakce/indexace. II. Zpracování
článků z deníků a časopisů na základě akvizice z databanky TamTam (Anopress) v lince automatické extrakce/indexace.
III. Zpracování článků ze
seriálů na základě spolupráce z vydavateli, nakladateli. IV.
Zpracování plných textů volně přístupných na www na základě automatického sběru dat event. metod vyvíjených v rámci projektu Webarchiv?
Organizace zpracování článků z hlediska typů institucí:
Současné výstupy z KOSABI a jejich možné
zpřístupnění v budoucnu Legislativně právní otázky zpřístupnění plných textů Diferencované zpřístupnění plných textů Personální a finanční zajištění KOSABI
B.1.10 Management Kooperačního systému článkové
bibliografie, aplikace MNG KOSABI (viz Příloha F5) B.1.10.1 Management KOSABI - systémový pohled Vznik, správa a údržba ANL FULL byla popsána částečně výše, lze říci, že je stádiu rutinního provozu v
NKČR. Aplikace pro správu a údržbu báze ANL je ve stádiu poloprovozu v NKČR.
B 1.10.2 Báze ANL Na základě zadání pro řízení a správu kooperačního systému a za využití již vyvinutých
řešení v rámci Souborného katalogu CASLIN pro bíhají dále práce na vývoji aplikace pro KOSABI na
serveru ANL( systém LINUX a ORACLE). Ve stádiu poloprovozu pouze
v NKČR (zatím) vzhledem k nutnosti průběžného náročného ladění je aplikace pro příjem, automatizované zpracování a
export dat (příjímání analytických záznamů, integrace stávajících programů pro konverzi analytických záznamů, globální
úpravy analytických záznamů, vývoj programů na formálně logické kontroly kooperujících knihoven - test na UNIMARC pro
analytické záznamy, test na kritické chyby, test na duplicitu klíčů). Dále probíhají práce na
aplikaci pro bázi titulů z hlediska možného dialogového zpracování této
báze. Upload záznamů je zatím testován v NKČR, v r. 2004 proběhne test s kooperujícími
institucemi. Zbývá vyřešit přebírání dat získaných od kooperujících institucí z příslušného
adresáře do ALEPHu. Rovněž tak je třeba, v případě potřeby, ještě doladit importy pro KOSABI u 4 nově vzniklých krajských knihoven. Seznam prací v roce 2002
1) Testování uploadu souborů získávaných od
institucí spolupracujících v KOSABI.
2) Specifikace úprav dat na výstupu z aplikace (export pro
ALEPH)
3) Vypracování podkladu pro import dat (Excel) pro aplikaci
Báze titulů (evidence excerpční základny)
4) Návrh a implementace jednotného www rozhraní pro management KOSABI pro přístup do dílčích aplikací.
Management KOSABI (stručná charakteristika - html stránky):
Vstup do aplikace
Báze titulů
Upload předávání dat do KOSABI
Import - statistiky (včetně exportu do Alephu)
Klíče
(kontrola na duplicitu záznamů)
5) Upgrade
serveru ANL: operační systém Linux SuSE 7.3
Nová verze: Oracle 9.2
Java j2sdk1.4.0-01
Servlety jakarta-tomcat 4.0.4
Seznam prací v r. 2003 B.1.10.3 MNG KOSABI - aplikace pro správu a údržbu
KOSABI - přehled dílčích funkcí
K výše uvedeným funkcím slouží mj. tyto moduly : conva - překódování testuni -
test na UNIMARC logpst - statistiky locvoc - modul pro práci se slovníkem un2aleph - modul pro konverzi UNIMARCu do ALEPHu crerr - test na kritické chyby
B.1.10.4 Aplikace pro evidenci zpracovávaných titulů (doplnění báze základními daty
excerpční základny do nadefinovaných polí, které odpovídají SK CASLIN)
V bázi excerpční základny jsou obsaženy tituly všech institucí,
které kooperují v systému článkové bibliografie. Tituly lze třídit podle zpracovávající instituce, podle abecedy, podle toho, zda jsou vybrané články titulů zpřístupňovány plnotextově. Pro jednotlivé tituly je definován krátký záznam dle polí UNIMARCu. Formát pro bázi titulů (modifikovaný formát SHORT SK CASLIN).
Názvové údaje: 200a. 200i [200b] : 200e K této bázi budou nadefinovány přístupové soubory pro možnost hledání a báze bude doplňována
a aktualizována. Jsou uvedeny zatím základní údaje o titulech. B.1.10.5 Test na duplicitu klíčů
Klíče, podle nichž je prováděna kontrola na duplicitu přijímaných dat. B.1.11 HW a SW podpora pro správu KOSABI a pro bázi ANL FULL
V r. 2000 byl management kooperačního systému zakoupen PC
Pentium III, 700 MhZ, ORACLE 8i server. Release 8.1.5 (5 licencí). Pro správu a
údržbu plnotextové databáze ANL FULL byl v r. 2000 zakoupen server DELL - PowerEDge 6300 - Pentium III Xeon 500Mhz/512, Search Verity Information Server (TOPIC) v. 3.6 pro jednoprocesorový server Windows NT zatím pro ultranet (30 licencí), Windows NT v. 4.0. (server full.nkp.cz). V tomto roce byly analyzovány možnosti nové verze TOPICu - Portal ONE.
V r . 2002 byl proveden upgrade a update serveru
ANL FULL. Instalace Windows 2000, instalace nové verze TOPICu v. 3.7 - Portal One. Byla zvýšena operační paměť a kapacita disku ( na 1 GB RAM, 68 GB disk). V r. 2002 byl
proveden u pgrade serveru ANL: operační systém Linux
SuSE 7.3, verze Oracle 9.2. V r. 2003 nedošlo k žádné inovaci SW ani HW.
Došlo k havárii serveru, Předcházela porucha služby publikování - příčina dosud
neobjasněna, nebyly shledány problémy ze strany instalace serveru.
V návrhu projektu v rámci 1 N je uvedena migrace TOPICu na platformu K2, implementace Z39.50 a OpenUrl pro zpřístupnění v JIB. V návrhu projektu pro 1N je požadavek na na disk pro zrcadlení báze ANL full, upgrade procesoru, desky, paměti. DVD jednotka pro jištění báze, neomezená licence JDeveloperu - tyto nástroje jsou také předmětem návrhu projektu v rámci 1N.
B.1.12 Smluvní ošetření
projektu
Pro automatickou indexaci, správu (údržbu) plnotextové databáze a dodávku plných textů byly uzavřeny dvě smlouvy: s ing. I. Matternem a Anopressem dne 15.6.2000. Smlouva na vývoj aplikace pro management kooperačního systému s ing. Koktanem byla uzavřena dne 26.9.2000. Všechny smlouvy zůstávají v platnosti. Dále zůstává v platnosti v r. 2001 Dodatek č. 3 ke Smlouvě o sdružení pro Českou národní bibliografii, který zabezpečuje fungování Kooperačního systému článkové bibliografie v situaci reformy státní správy.
Anopress, v současné době Anopress IT, a.s., plní
všechny své dosavadní závazky vůči projektům (zpráva pro MKČR z května 2002). Přínos projektu v r. 2003 spočívá v realizaci metod navržených v r.
2000, 2001, 2002 ve stádiu rutinního provozu v případě budování báze ANL FULL v NKČR. Aplikace pro příjem a zpracování dat pro bázi ANL je v poloprovozním stádiu pouze v NKČR vzhledem k nutnosti průběžného ladění v závislosti na různých systémech spolupracujících institucí a zařazování nových knihoven do systému.
Přínos projektu v r. 2003 spočívá v praktické integraci elektronických zdrojů do služeb knihovny pomocí technologicky nejvyspělejších nástrojů pro zpřístupnění těchto zdrojů při zachování tradičně zpřístupňovaných sekundární informací formou bibliografických záznamů.
Přínos projektu spočívá v postupném budování plnotextové databáze s možností kvalitního vyhledávání založeného na principu pojmovém vyhledávání (concept based retrieval) v kombinaci s metadaty, s možností dalšího doplňování, její správy a údržby.
Přínos v spočívá v revidování tradičních postupů při zpracování české národní bibliografie v oblasti jmenného i věcného popisu a ve funkční realizaci linky automatické indexace bibliografických záznamů. Pro popis elektronických informačních zdrojů je aplikován formát Dublin Core v jeho dosud možných
aplikacích v jazyku HTML, XHTML a XML.
Zdá se, že předmětové kategorie používané v kooperačním systému budou možno po důkladné redakci a
revizi dop l nit metodu konspektu. Pro pojmové
vyhledávání byly aktualizovány topiky vypracované v roce 2000, 2002 doplněny o nové definice topiků.
Velká pozornost
byla věnována definici báze ANL.FULL, zejména pak systému vyhledávání . Koncem roku mají ještě probíhat práce na
konverzi UNIMARC M21. Zatím je navržen minimální záznam pro soubornou databázi. Další přínos projektu spočívá v rychlém
zpřístupnění analytických záznamů provázaných s plnými texty zdrojových dokumentů v rámci Kooperačního systému článkové bibliografie. Báze ANL je jedním ze zdrojů Metalib, ve kterém jsou plné texty také zpřístupňovány. Báze ANL FULL je do Metalibu připojena jako odkaz.
Byla navržena a částečně re alizována internetová podoba linky pro zpracování bibliografických záznamů z plných textů s propojením této linky na rejstříky báze ANL FULL. V současné době probíhají
práce n a zprovoznění komponenty pro propojení linky
na autority v rámci Z39.50.
V r. 2003 byl navázán poměrně intenzivní kontakt s nově konstituovanými krajskými knihovnami, ladil
se UNIMARC a excerpční základna těchto institucí.
Aplikace pro MNG KOSABI byla rozšířena o významný test URL
adres, probíhaly práce na zkvalitnění www stránek aplikace, dále se ladily programy pro příjem, zpracování a export dat
do ALEPHu. Byl vytvořen dialog program pro editaci báze titulů kooperačního systému a bibliografických záznamů
přispívajících institucí v JDeveloperu. V r. 2003 je
udržován portál pro zpřístupnění volně dostupných elektronických periodik na Internetu, která jsou členěna na principu regionů a oborů.
Stále realističtější je
možnost vývoje systému v budoucnu v rámci několika zpracovatelských subsystémů podle typu dokumentů a přístupnosti
plných textů. Agentuře Anopress byl navržen seznam titulů, které by eventuelně mohla plnotextově zpřístupňovat. Možnost vzniku duplicit
či multiplicit při zpracování je minimalizováno delimitací periodik mezi spolupracující instituce. Tím má projekt i
ekonomický význam.
Další přínos spočívá ve zvýšení uživatelského komfortu - v nalezení příslušného článku z novin či časopisu (v budoucnu snad i statě ze sborníku) v elektronické formě Navigace k primárním dokumentům patří k základním trendům. Byla otestována aplikace k zajištění registrovaného přístupu externích uživatelů k plným textům. Tito uživatele se mohou zkušebně zaregistrovat na dobu 1 dne a vyhledávat v plných textech. Pro uživatele NK jsou plné texty přístupné. Uživatelé je mohou prohlížet, tisknout, nikoli však zatím kopírovat na disketu.
V případě vhodných podmínek
přichází v úvahu možnost aplikace linky na zpracování článků v rámci některých kooperujících institucí, dále pak, po
jisté úpravě, aplikace linky zpracování bibliografických záznamů z plných textů v komunikaci mezi autorem, nakladatelem,
informační institucí, bibliografickou agenturou .
Pro projekt jsou důležité analýzy,
které se týkají automatické indexace a které byly provedeny v rámci projektu Propojení analytických záznamů s plnými
texty. Vyplývá z nich, že metody řešené v projektu souvisí spíše s automatickou extrakcí dat. Metoda automatického
přiřazování údajů věcného popisu nebude patrně aplikována. V úvahu přichází automatizovaná kategorizace dokumentů. Projekt se dále zaměří na využití možnosti inteligentního vyhledávání systému TOPIC a interakci mezi systémem a uživatelem a systémem a indexátorem. Z analýzy zahraničních materiálů
vyplývá, že články se zpracovávají jednak soukromými společnostmi, jednak národními knihovnami a jsou zpřístupňovány
online, ve formě digitálních knihoven a někde jsou součástí národní bibliografie. Zpracování odpovídá současným světovým
trendům, v kooperaci i metodice je do jisté míry předchází. Dále bylo zjištěno, že podobný model zpracování a podobné
technologie jsou vyvíjeny např. Ve Švédsku, Spojených státech a jsou do jisté míry s nimi oprávněně srovnatelné. Podobný
model (metodicky) reorganizace zpracování národní bibliografie se vyvíjí např. v Austrálii.
Aplikace pro management KOSABI se dále ladí, byl navržen test na URL adres. Výsledky projektu byly prezentovány na konferenci Infos 2003 a zasedání sekce pro bibliografii SDRUK, Informace byly poskytnuty sekci IFLA, zabývající se problematikou novin. Aktuální tematikou je zpřístupňování informací, obsažených v novinách. K
významnému posunu znalostí došlo především v těchto oblastech:
TamTam Special NK
- stažení vybraných článků z TamTamu v Anopressu do NK přes Internet
- (skripty na serveru v Anopressu)
TTDE - TamTam Data Extractor (linka poloautomatické indexace) - verze pro lokální stanice
- vstup - data Anopress (txt)
- úprava hlavi čkových údajů ve stažených článcích (3 strany formuláře pro editaci - hlavičky )
- výstup pro Aleph a Full
- hlavičky Uni, Uni-A, DC, H1 (zobrazovací), H2 (indexovací)
- odeslání zpracovaných dat do importní schránky ALEPH a k fulltextovému indexování (Topic)
- (program TTDE.EXE na každé stanici uživatele)
přípravné práce pro vývoj internetové verze TTDE( nové 2002)
WWW TTDE - WWW TamTam Data Extractor (linka poloautomatické indexace) - verze pro Internet (nové v r. 2003)
- vstupy: formáty txt, html z libovolné URL
- rozšíření formuláře pro
editaci (4 strany - hlavičky)
- aplikace pro opravy rejstříků a metadat v lince (hlavička opravy)
MKINDEX - indexování, generování XML
- slouží k on-line indexování upravených článků do fulltextové db Topic)
- zároveň se on-line generují XML- a XML+ (nové od 9/2001)
- generování rejstříků
- (program MKINDEX.EXE běží na serveru FULL.NKP.CZ)
- generuje XML- i XML+ z celé DB (nové od 9/2001)
- (program TTXMLGEN.EXE na serveru FULL.NKP.CZ)
- slouží k testování obsahu DB (nové od 8/2001)
- vyhledá dokumenty, které obsahují nebo naopak neobsahují zadaný řetězec (program TTDT.EXE na severu FULL.NKP.CZ)
- slouží k filtrování a úpravě hlavičkových polí v DB
- na základě indexovací hlavičky se vygeneruje Dublin
- s Unimarcem nepracuje
- poslední verze k 2.6.2001
- pro použití se současnými hlavičkami je nutná jeho podstatná úprava
- (program TTDF.EXE na severu FULL.NKP.CZ)
- konverze článků, stažených metodou Standard do fulltextové DB
- pro použití se současnými hlavičkami je nutná jeho podstatná úprava
- stahování metodou Standard by se nemělo už používat (program TTDC.EXE na severu FULL.NKP.CZ)
- export dat z DB Anopress pro NK
- (program KNIHOVNA.EXE v Anopressu)
3) Internet http://full.nkp.cz/ (kompletní přepracování v asp skriptu v r. 2002)
- dynamická horní nabídka, counter
- úvodní homepage
- charakteristika DB
- další informace (báze ANL)
- jak se registrovat
- jak vyhledávat
- registrační formulář a mechanismus (mail + aktivace)
- autorizační panel (login)
- 3 formuláře: základní, rozšířený bez a s tématy
- vyhledávání dle hlavičkových údajů z metadat prostřednictvím pomocných hlavičkových údajů
- výsledky jednoduché, se souhrnem, (seskupené v nové verzi do konce r. 2002)
- Zobrazení výsledků hledání - článku
- zobrazení textu, hlaviček (bez/s odkazy pro další hledání) - MKTXT.ASP
- generování a zobrazení UNImarcu MKUNI.ASP
- generování a zobrazení DC, XHTML- +, XML- + - MKXML.ASP.
- zobrazení klíčových slov-- MKKEY.ASP
- zobrazení XML- + - vygenerování při indexování dokumentu - MOFXML.ASP
- modul MKDOC.ASP
- http://full.nkp.cz/nkdb/mkdoc.asp?p1=s120001019000064
- modul dnlouad1.asp, dnload2.asp, dnload3.asp
- tvar výstupního souboru (formáty): HTML, RTF formát , textový tvar, UNICODE - vše se zvýrazněním klíčových slov a bez , XML formát, HTML formát se souhrnem
- zobrazení detailního průběhu zpracování
- úpravy textu článků
- statistika přístupů
- Údržba rejstříků podle data zápisu a počátečních písmen
- údržba regionálních periodik - portál
- údržba oborových periodik - portál
- údržba
informačních zdrojů
- údržba skupin témat
- uživatelé (aktualizace)
- změny hesel uživatelů
- maily (komu se posílá
registrace)
- rozdělení dle krajů
- zobrazení seznamu dle krajů
- zobrazení detailu periodika
- odkaz na www stránku a email periodika
- rozdělení dle oborů
- zobrazení seznamu dle oborů
- zobrazení detailu periodika
- odkaz na www stránku a email periodika
- rejstříky dle požadavku zadavatele
ROK 2002 - seznam prací s plánem do budoucna (kurzívou)
- změna vyhledávání v rejstřících
- období od-do v rejstřících
- úprava designu full.nkp.cz
- stránka Co je nového
- změna struktury databáze rejstříků (číslo, propojení)
- úprava programu MkIndex (úprava modulu pro generování rejstříků)
- přeindexování dat z důvodu zavedení nových polí v roce 2001
- program pro výpis všech souborů z archívních databází
- znovuindexování databází
- modul pro konverzi
- úprava zobrazování XML přes www - úprava indexovacího modulu MkIndex
- instalace Win 2000 server
- záloha serveru, obnova dat i programů do nového prostředí
- instalace MS IIS 5 (internet information server)
- instalace Portal One SE (Topic verze 3.7)
- konfigurace a nastavení serveru
- zprovoznění www stránek v novém prostředí
- optimalizace stávajících stránek (změna technologie pro nové prostředí, zrychlení zobrazování - článků, nahrazení PHP skriptů metodou XMLHTTP a ASP skriptingem)
- úprava propojení do Aleph
- úprava modulu MkIndex
- hromadné stahován í článků a export do různých tvarů
- interface pro opravy metadat v plných textech
- vytvoření www rozhraní pro údržbu rejstříku kategorií
- provázání nadřízených a podřízených položek (plán)
- generování topiků za běhu (plán)
- vytvoření www rozhraní pro údržbu všech ostatních
rejstříků
- vytvoření www
rozhraní pro údržbu regionálních a oborových periodik
- kompletní překlopení linky TTDE
do www prostředí (plán)
- stahování jiných zdrojů než Anopress
- obecná úprava programu pro vstup z více vstupních kanálů
- přidání filtrů pro každý vstupní kanál
- úprava programu TTDE (modul pro konverzi dat do MARC 21)
- úprava www rozhraní (zobrazování MARC 21)
- doplnění MARC 21 do starých dat (konverze)
ROK 2003 - seznam prací s plánem do budoucna (kurzívou)
LINKA pro zpracování bibliografických záznamů z plných textů a její převedení na www - WWWTTDE
- vstupní strana: načíst soubory (uložené na disk), načíst
URL, spustit Linku
- dohromady 13 hlaviček formuláře pro editaci (oproti TTDE 4 strany formuláře pro editaci,
hlavička Opravy)
- začlenění funkce Opravy (původně v aplikaci Administrace)
- úpravy nabidky … Různé pro
stahovani www dokumentů obecně s možností extrakce metadat z - plných textů , jejich doplně ní a
generování ( analogie lokální linky pro texty Anopress i s možností
vytvoření pouze hlavičky s url na plný text bez stažení plného textu)
- doplnění údajů do formuláře, úpravy v hlavičkách
- stahování údajů z rejstříků ANL FULL podle úprav ve formuláři
- stahování
údajů z báze autorit
- doplnění nových údajů do tabulek (formulářů) k příslušným položkám, např. údržba www periodik
- plan na konec r. 2003 a r. 2004
Další vstupní formáty pro
linku (pdf, Word aj.)
- plán do budoucna v pokračujícím
projektu
-
plán do budoucna v pokračujícím proje ktu
- plán do budoucna v navrhovaném
pokračujícím projektu 1N
B.1.1 Architektura systému
zpřístupňování plných textů, funkce systému a procesy. Linka TTDE, resp. WWW TTDE. Systém TOPIC a topiky (viz Příloha
F2; F 3; F4; F6)
Načíst soubory pro zpracování: pouze zip, txt, html a to: z databáze TamTam, z databáze ANL FULL, z jakéhokoli URL - až 10 souborů.
Poslat soubory na full.nkp.cz a spustit TTDE (otevřít formulář pro zpracování).
Stáhnout zadaná URL (přímo z WWW) - až 10 souborů.
Extrakce metadat, editace pomocí 4 hlaviček formuláře, hlavička pro zobrazení textu, hlavička UNIMARC - generovaný UNIMARC, hlavička UNIMARC A - generovaný UNIMARC pro ALEPH, v budoucnu MARC 21, zobrazovací a indexovací hlavička, hlavička Opravy, hlavička … (tj. různé)
Po vyhledání údaje v příslušném rejstříku lze
údaj zrušit, opravit nebo vypsat všechny články databáze, které tento údaj obsahují, tj. lze opravit záznamy a následně znovu přenést do databáze ANL FULL nebo nalezené články úplně zrušit. Funkce se ještě bude ladit.
Možnost stahování údajů do formuláře a přepisování údajů zanesených do
formuláře z rejstříků ANL FULL v rámci příslušných položek formuláře pro editaci.
Údaje se mohou přenášet najednou do jednoho podpole příslušného pole UNIMARC
nebo se mohou po označení příslušné funkce, natahovat do příslušných podpolí.
Tato část aplikace je v řešení. Bude na podobném principu jako popsané stahování z rejstříků ANL FULL. V současné době probíhá zprovoznění komponety OLE v rámci Z.39 50 klienta pro propojení linky na autority. Pokud se osvědčí (a pokud bude schválen navrhovaný projekt), bude aplikováno plné propojeni linky na autority v rámci Z39.50 klienta .
a) zobrazit panel pro zadání
až 10ti vstupních souborů v daném formátu
b) zobrazit panel pro zadání až 10ti různých url adres (http://
c) spustit linku
2) vstup článků z mediální databáze Anopress
3) vstup z báze ANL FULL
4) vstup článku na základě obecné URL (soubor na disku nebo adresa na webu)
Charakteristika db (projekty, charakteristika serveru, charakteristika báze ANL FULL)
Další databáze (databáze NK - charakteristika báze ANL)
Periodika na WWW (volně dostupná periodika na www)
Další informace (seriály-periodika a analytický popis články v České republice)
Registrace (formulář)
Přihlášení (formulář)
Formuláře (i stahování e export plných textů)
Rejstříky (i stahování a export plných textů)
Dílčí nabídky :
(uspořádaná podle krajů)
Oborová periodika jsou členěna do skupin a v rámci nich do jednotlivých oborů a oblastí:
- film, televize
- -hudba
- divadlo
- literatura
- architektura
- astronomie
- přírodní vědy
- filozofie
- psychologie
- ekonomika
- historie
- knihovnictví
- lékařství
- stavebnictví
- technika, IT
- právo
- náboženství (církev, religionistika)
- životní styl
- politika (politická scéna, zprávy, komentáře a glosy událostí)
Další zdroje
Nabídky:
Období pro vyhledání od do
Typ seznamu výsledků (článků):
jednoduchý (pouze název s nabídkou zobrazovacích formátů)
se souhrnem (plus souhrn, který tvořený počátečními větami článku)
seskupený (skupiny článků uspořádané podle shody v klíčových slovech) viz též výše.
Nabídky:
Období pro vyhledání od do
název, autor (s nabídkami pro jednotlivé údaje)
číselné údaje (s nabídkami pro jednotlivé údaje)
předmět (s nabídkami pro jednotlivé údaje)
další nabídky:
typ článku (s nabídkami pro jednotlivé typy článků)
zdrojový dokument (s nabídkami zdrojových dokumentů)
Způsob vyhledání řetězců (v implicitních polích):
<contains> (postačí výskyt
řetězce v poli)
= je požadováno přesné zadání i porovnání řetězce
jednoduchý (pouze název s nabídkou zobrazovacích formátů)
se souhrnem (plus souhrn resp., který tvořený počátečními větami článku)
seskupený (skupiny článků uspořádané podle shody v klíčových slovech) viz též výše
Skóre (relevance, od které zobrazovat články)
Výsl./str. (počet článků na stránku)
Třídění: dle skóre (relevance)
dle názvu
zdroje
data (vydání)
stran
a to sestupně nebo vzestupně.
Nabídky:
B.1.3.9 Metodika vyhledávání
pomocí běžných konvencí nebo návěští pro pole (pole dotaz v základním formuláři, text dotazu v rozšířeném formuláři či text dotazu v rozšířeném formuláři s tématy). Jsou nadefinována návěští pro vyhledávání v jednotlivých polích bibliografických údajů, resp. metadat, resp. citace
- Základní formulář - kombinace pole dotaz, období pro vyhledávání
- Rozšířený formulář - kombinace dotazového pole, období pro vyhledávání, implicitní pole ve formuláři, nastavení <contains> (hledání po slovech) či = (hledání podle přesného řetězce - podle přesného řetězce je lépe hledat pomocí rejstříků)
- Rozšířený formulář s tématy - kombinace dotazového pole, období pro vyhledávání, implicitní pole ve formuláři, nastavení <contains> či =, témata
and - v poli jsou obsaženy všechny hledané výrazy
or - pole obsahuje alespoň jeden hledaný výraz
not- hledaný výraz nesmí být v poli přítomen
Konvence pro všechny formuláře - pole dotaz, resp. text dotazu
hvězdy
Vyhledají se dokumenty, které obsahují různé gramatické tvary zadaného slova (hvězdy, hvězdám...).
hvězdy, asteroidy, planetky
Vyhledá dokumenty, které obsahují různé gramatické tvary slov „hvězdy“ nebo "asteroidy" nebo "komety" (čárky lze nahradit operátorem or nebo
<accrue>, který je přesnější).
(hvězdy, asteroidy) and komety
Vyhledá dokumenty, které obsahují různé gramatické tvary slov "hvězdy" nebo "asteroidy" a zároveň s nimi nebo některými z nich i slovo "komety:.
(hvězdy and asteroidy) not komety
Vyhledá dokumenty, které obsahují různé gramatické tvary slov "hvězdy" i "asteroidy" a zároveň neobsahují slovo "komety".
komety <near>
kolize
Vyhledá dokumenty, které zároveň obsahují různé gramatické tvary
slov "komety" i "kolize", a seřadí je podle textové vzdálenosti mezi těmito slovy.
"meteorický roj" or "padající hvězdy".
Vyhledá dokumenty, které obsahují
různé gramatické tvary frází "meteorický roj"
nebo "padající hvězdy".
meteo*
Hvězdičková konvence: Vyhledá dokumenty, které obsahují slova začínající na "meteo" (meteor, meteorický, apod.).
*stvo
Hvězdičková konvence: Vyhledá dokumenty, které obsahují slova končící na "stvo" (družstvo, mužstvo, apod.) .
??běr
Otazníková konvence: Vyhledá dokumenty, které obsahují slova končící na "běr" a sestávající z pěti znaků (výběr, záběr, ap
Př.: 10
Data
dat <contains> 8.10.2001
dat# 8.10.2001
dat=8.10.2001
Vyhledá všechny dokumenty vydané v tomto dni.
Pozn.: Datum vydání lze jednodušej i navolit v nabídce období od do
ve všech formulářích. Zde je možno označit den či interval.
Vyhledá všechny dokumenty zpracované v tomto dni
zdr=Respekt and naz=Rafinovaný odraz skutečnosti
src=Respekt and ti=Rafinovaný odraz skutečnosti
dc.source=Respekt and dc.title=Rafinovaný odraz skutečnosti
Př. 12
zdr
<contains>Respekt and naz <contains>odraz
src<contains>Respekt and ti<contains>odraz
dc.source<contains>Respekt and
dc.title <contains>odraz
Operátor <contains> lze nahradit #:
zdr#Respekt and naz#odraz
src#Respekt and ti#odraz
dc.source#Respekt and dc.title#odraz
Vyhledá dokumenty z názvu obsahující slovo "Respekt"
a z názvu článku obsahující slovo "odraz"
Tabulka návěští pro pole dotaz a Prvky Dublin Core a Anl Core aplikované v bázi ANL
FULL (viz Příloha F4b)
Využito 14 prvků DC, navíc přidán DC.Subtitle (vzhledem k minimálnímu záznamu pro ANL), 14 prvků AC (ANL CORE) definovaných pro vyhledávání a užívaných v popisu článku . Vzhledem k WWW TTDE a rozšíření formuláře pro editaci o některé prvky bude zřejmě potřeba rozšířit v budoucnu ANL Core.
návrh propojení jednotlivých úrovní
Výsl./str . (počet článků na stranu) Třídění: dle skóre (relevance)
dle názvu
zdroje
data (vydání)
strana to sestupně nebo vzestupně.
B.1.3.10.2 Zobrazení údajů o článku (viz Příloha F3) 
Citace článku, souhrn - bibliografické údaje o článku, resp. metadata s
odkazy pro další hledání
Citace článku, plný text - bibliografické údaje o článků, resp. metadata s
odkazy pro další hledání a plný text článku 
DC/HTML - Dubline Core Metadata
Název: Cesta mezi hlavou a rukou
Podnázev: Když některé věci nenapíšu, nikdy se je nedozvím,
říká publicista a spisovatel Pavel Kosatík
Hlavní autor: Pavel Kosatík
Další autor:
Karel Hvízdala
Zdroj: Mladá fronta Dnes
Zdroj-příl.: Ekonomika
ISSN: 1210-1168
Roč. 12, č. 204 (1.9.2001), s. C/5
Rubrika: Kultura - Pohledy
Předmět. ktg.: politika: politici
literatura: česká literatura
hromadné sdělovací prostředky: novináři
MDT:
323-051, 070-051, 821.162.3-051
Osoba jako předmět: Masaryk, Jan, 1886-1948
Peroutka, Ferdinand, 1895-1978
Kohout, Pavel, 1928-
Téma jako předmět:
politici-Československo-stol. 20.
novináři-Československo-stol. 20.
spisovatelé-Československo-stol. 20.
Typ dokumentu:
rozhovory
Název: Rafinovaný odraz skutečnosti
Podnázev: Na pultech se objevil další titul singerovské řady
Hlavní autor: Hana Ulmanová
Zdroj: Respekt
ISSN: 0862-6545
Roč. 12, č. 41 (8.10.2001), s. 23
Rubrika: KULTURA
Předmět. ktg.: literatura: americká
literatura
MDT:
821.111(73)-31, (070.447)
Osoba jako předmět: Singer, Isaac Bashevis, 1904-1991
Dílo jako předmět: Stíny nad Hudsonem (kniha)
Téma jako předmět: anglicky psaná literatura
americká próza
spisovatelé-Spojené státy-stol. 20.
Typ dokumentu:
recenze
B.1.6 Administrace (viz Příloha F 3)
B.1.7 Standardizace - UNIMARC, DUBLIN CORE, HTML, XHTML, XML, propojení záznamů s plnými texty (viz Př íloha F3, F4b,e)
Jihočeská
vědecká knihovna v Českých Budějovicích (Tinlib): celkem 23 titulů, 3 deníky z toho 2 přílohy regionální deníků, periodika s menší periodicitou a nepravá periodika.
Studijní a vědecká knihovna v Hradci Králové (ISIS) :
celkem cca 17 titulů, z toho 7 deníků, postupně delimitace titulů po dohodě s Krajskou knihovnou v Pardubicích, Krajskou
knihovnou Vysočiny, Krajskou knihovnou v Liberci (4 tituly přešly na Krajskou knihovnu Vysočiny).
Středočeská
vědecká knihovna v Kladně (Rapid): celkem 37 titulů, z toho 12 deníků.
Krajská vědecká knihovna v Liberci (Rapid, resp. Arev): celkem
11 titulů, z toho 2 deníky.
Vědecká knihovna v Olomouc (ALEPH):
celkem 17 seriálů: 2 deníky - pouze regionální přílohy, 6 týdeníků, nepravá periodika. Delimitace titulů s MVKOS.
Moravskoslezská vědecká knihovna v Ostravě (Tinlib, resp. T-Series): celkem
16 titulů, z toho 1 deník, 1 týdeník, 4 čtvrtletníky, ostatní nepravá periodika a
sborníky.
Studijní a vědecká knihovna v Plzni (ALEPH)): celkem 22 titulů, z toho 5 deníků, 5 týdeníků, 6 měsíčníků a další periodika (zatím neposílá).
Severočeská vědecká knihovna v Ústí nad Labem (Tinlib): celkem16 titulů, z toho 7 deníků.
Krajská knihovna Karlovy Vary
(LANius): celkem cca 16 titulů,
5 deníků, 3 týdeníky, další seriály, zpracovává články pro LANius.
Krajská knihovna v Pardubicích (KP-sys): celkem cca 9 ti tulů,
výběrově vlastivědné a místní zpravodaje.
Krajská knihovna Vysočiny (Havlíčkův v Brod, Clavius): celkem cca 15 titulů, 4 deníky, doporučeno
nejdříve zpracovávat tituly týkající se Havlíčkobrodska, postupně přibrat další, nutná delimitace s MZK, krajskou knihovnou v Budějovicích a Hradci Králové, nedostatečné personální obsazení.
Státní
technická knihovna (ISIS): celkem 47 odborných titulů (některé tituly
převzala od NKČR, která po redukcích nemůže zpracovávat)
Ústav pro informace ve vzdělávání - Státní vědecká knihovna Komenského (ISIS) :
celkem cca 50 titulů
Česká geologická služba (ISIS): odborná periodika v rámci
experimentu
Do budoucna je možné uvažovat o několika subsystémech zpracování z hlediska typů titulů:
Vzájemná kooperace mezi násle dujícími sítěmi knihoven:
Vyřešení autorsko právních aspektů zpřístupnění plných textů s příslušnými nakladateli/vydavateli a distributory a dohody s těmito subjekty za situace, kdy neexistuje v ČR právo povinného výtisku elektronických dokumentů. Koncem roku 2002 se zdálo, že zpřístupnění ANL FULL v rámci konzorcia knihoven zdarma nebude problematické. Anopress souhlasil. Později se však ukázalo, že by mohly nastat některé problémy. Jasné je zpřístupnění ANL FULL interním uživatelům knihovny. Národní knihovny je koncový uživatel pro Anopress.
Otázky zpřístupnění ANL FULL zdarma v rámci konzorcia bude předmětem jednání v roce 2004, podobně jako zpřístupnění báze externím uživatelům.
V r. 2004, v posledním roce projektu by měla být uzavřena smlouva mezi NKČR a Anopress o zpřístupňování
báze ANL FULL interním a pokud to půjde, i externím uživatelům. Ke stávající smouvě týkající se Konzorcia Anopress by měl být učiněn dodatek.
Jasné vymezení a ošetření přístupu k plným textům, které jsou
zpřístupňovány volně, přes konzorcia , interním a externím uživavelům institucí a způsob plateb (paušál, kredity,
apod.).
báze titulů - volně přístupná
upload dat od kooperujících institucí - registrace
export/import záznamů pro bázi ANL v ALEPHu - registrace
TTSNK licence (TamTam Special NK)
linka zpracování TTDE (TamTam Data Extractor) zatím lokálně v NKČR
(zpracování bibliografických záznamů z plných textů, zpřístupnění ve formátech
UNIMARC, HTML, XHTML, XML), v budoucnu WWW TTDE
báze ANL FULL (i mport metadat a plných textů z TTDE) - sytém TOPIC
báze ANL (import metadat z TTDE) - systém ALEPH
externí uživatelé - metadata volně
xterní uživatelé - plné texty na 1 den - registrace a přihlášení
vybraní uživatelé - export dat a sthování dat - registrace a přihlášení
WWW periodika (portál) - volně
administrace báze ANL FULL a portálu - registrace
Byla vypracována nová aplikace pro testování platnosti
URL adres.
Provádí se automaticky, momentálně 1x týdně.
Při spuštění možno definovat množinu testovaných adres:
pouze chybné adresy
pouze ok adresy
adresy vyjma full
pouze adresy full
Přehled aktualizace báze adres, ( tj. přebírání dat z Alephu )
Výsledky provedených testů, včetně historie.
Pro každý záznam v bázi SKA je vytvořen klíč.
Vznikne přehled o klíčích, které se opakovaně vyskytují v různých záznamech.
Vzhledem k tomu, že jištění serveru pouze na pásky je nedostatečné, je zajištěno zrcadlení báze
na serveru ANL. Na serveru anl byly vytvořeny scripty pro automatické jištění vybraných adresářů na serveru full.
Program pro import upraven:
- do baze SKA (KOSABI ANL) ukládány všechny záznamy, nezávisle na výsledku vstupních testů
- test na UNIMARC doplněn o test na kritické chyby (u každého záznamu je rozlišeno:
test UNIMARC OK nebo ERROR
test na kritické chyby OK nebo ERROR
- úpravy řešící chyby ve vstupních datech
Např. doplňování pole 005
Program pro export doplněn o různé úpravy dat vzhledem k následnému importu do Alephu.
Např. Pole FMT, LDR, 100, 660, 461/463, 7xx, 600, 801c
Vytvořen dialog program pro úpravy záznamů v bázi titulů aplikace v JDeveloperu)
Vytvořen dialog program pro úpravy záznamů (aplikace v JDeveloperu)
V roce 2004 se budou programy testovat. V možném návazném projektu v rámci 1N je uvažován vývoj aplikace založený na JDeveloperu pro opravu dat před importem do Alephu.
1. Příjem dat pro systém
2. Zpracování přijímaných dat
test UNIMARC
3. Export dat z baze SKA do adresáře určeného k
opravám nebo do adresáře určeného pro ALEPH
Export: kritické chyby
chyby na UNIMARC
Aplikace pro správu a
údržbu KOSABI - přehled základních funkcí z hlediska správce KOSABI
Zdroj katalogizace: [801b].[801c]
Sigla vlastníka: [910a].[910a]
Region: [952a].[952a]
Údaje o excerpci: [980a].[980b].[980c].[980k].[980p].[980r]
Kontrola na duplicitní záznamy již uložené v ALEPHu není mimo ALEPH možná.
Mezi základní klíče patří název článku, autor, název zdrojového dokumentu, datum vydání.
B.2 Přínos řešitele
Jde o integraci heterogenních dat do Kooperačního systému článkové bibliografie, v němž dochází k propojení tradičních knihovnických postupů a fondů s určitými prvky digitální knihovny.
B.3 Posun znalostí
Údržba báze titulů
C Navrhovaná část
Zpět na Granty
.
10.9. 2004 Ivana Anděrová
