开源的链接解析器前端Umlaut

Umlaut是一个开源软件,被称为“链接解析器前端”(link-resolver front end)或“中间层链接解析器”(middle-tier link resolver),而其本身其实就是一个链接解析器,接收OpenURL请求(通常代表学术作品的引用)、回答与引用相关的可用服务信息(最重要的是电子可用性)。与典型的链接解析器产品(如SFX)不同的是,它不管理自己的“知识库”(knowledge base)──有关一个机构拥有的某供应商所提供题名的信息及其链接。它通过SFX API获取这些信息。

Jonathan Rochkind花8个月时间为约翰·霍普金斯大学(JH)的SFX配置了Umlaut作为前端,于1月初上线。选用Umlaut的最初原因是为了方便处理用户界面,更重要的是有了一个增加功能与服务的平台。
目前的功能有:
1、直接链接:在有电子全文的情况下,点击"Find It"后直接链接到文章,而不需要经过菜单层。
2、物理馆藏:在没有电子全文的情况下,直接显示物理馆藏的位置与可得信息(通过ISSN或ISBN匹配,如无则显示OPAC关键词检索链接);同时处理MARC 856字段的链接。
3、相关链接:在侧栏显示相关链接,期刊是Ulrich、WorldCat,图书是Amazon、WorldCat、isbndb(在线购书最优价),只显示有命中结果的链接。[这点对链接服务而言是最重要的,否则足以令用户对其丧失信息]
4、检索开放存取库:以作者/题名关键词检索IndexData的OAISter及开放内容联盟(OCA)的免费访问文本。目前还不完善,因为没有受控的元数据匹配点。
5、集成到OPAC:除全文链接外,侧栏还有“参见”,显示Ulrich、WorldCat、Amazon、isbndb等。

希望增加的功能包括:
· 如Rochester的直接跳到全文
· 增加Google图书搜索
· 连接到OCLC身份(OCLC Identities)
· 使用xISBN/thingISBN
· 用Bowker的ISSN服务强化元数据
· 无全文时集成本地文献传递服务到可选菜单[SFX无此功能?]

Umlaut目前还是一个完善中的平台,Jonathan Rochkind希望有感兴趣者加入作为开发伙伴。对于相关产品的期许是:有人为其它链接解析器提供API,这样也可用Umlaut;未来可以有商品化的链接解析器知识库可以购买。有关技术细节见:http://findit.library.jhu.edu/resolve

Umlaut原是Ross Singer在佐治亚州理工大学(GT)时开发的。Ross Singer觉得JHUmlaut需要改进的是解析速度过慢。但他很高兴JH用上Umlant,也希望由此有更多的SFX及其它链接解析器用户加入此行列。因为GT刚在近四周前撤下此应用,其原因除了他本人的离去外,主要是EBSCO的bug──其OpenURL加了<<SomeIdentifier(具体原因:Since this is injected into the location header via JavaScript (EBSCO sends their OpenURLs via a JavaScript popup), Internet Explorer and Safari don’t escape the URL which causes Mongrel to explode (these are illegal characters in HTTP, after all),而GT有差不多一半的电子资源来自EBSCO。
如果对技术细节感兴趣,Ross Singer此文绝对值得一看(12/17/07 – Resurgens – 1/11/08)。

参见:
Bibliographic Wilderness:(Re-)Introducing the Umlaut (1/14/08)
用(Re-)?对JH来说是引入Umlaut,但对于Umlaut来说,是再一次被引入。

Dilettante’s Ball:12/17/07 – Resurgens – 1/11/08

你们馆参加Google学术搜索“图书馆链接计划”吗?

    今天看到Google馆员中心博客报道,始于2005年5月的Google学术搜索的“图书馆链接计划”,至今参加馆已经超过1200家(Google Scholar Library Links Hits 1,200 Participating Libraries)。
    加入图书馆链接计划后,图书馆读者在使用Google学术搜索时,如果查到的文献在本馆有馆藏,就会出现访问馆藏的链接(根据IP限定,或者通过“使用偏好”设定)。如果链接的是订购的电子资源,直接点击就可以看原文;如果是印刷文献,点击后就可以进入馆藏目录系统(看馆藏状态等)。

    大陆最早参加的应当是清华大学图书馆,2006年初查得的还有国家图书馆、北京师范大学和北京理工大学。国家科学图书馆于2006年4、5月间加入。香港已由2006年初的2家增至目前的4家。台湾现有5家,包括台湾地区联合目录NBINet。由于没有参加馆一览表,具体有哪些图书馆加入,难以全面了解。

    “图书馆链接计划”是免费的。根据使用说明,参与馆有两个条件,一是有链接服务器,二是须将电子馆藏告知Google。
    去年评论国家科学图书馆加入Google图书馆链接计划一事,有“国图人”留言,说是国家图书馆与国家科学图书馆都只是向Google开放链接,而并未提供馆藏,因为这“是一件需要非常慎重处理的事,一般图书馆恐怕都会三思”。或许说明二家图书馆提供的都是“脱机馆藏资料”,即图书馆目录,而非电子资源的具体订购信息。Google需要电子馆藏的目的是定向到具体的原文,把“脱机馆藏”给Google是没有意义的。

    就Google学术搜索而言,用户使用主要是检索学术论文,而不是图书。查图书一般会选择Google图书搜索。所以图书馆以订购电子资源(也包括电子图书)加入图书馆链接计划,比馆藏纸本书目更有意义。订购电子资源并非本馆独特资源,提供给Google大约相对而言也无需“三思”。更重要的是,读者点击后看到的是原文,而不是一个OPAC检索结果,用户体验会比较好,更有实际意义。而“脱机馆藏”或馆藏纸本书目,应当只是个副产品,因为一般链接服务器总会将本馆OPAC配置在内的。

    不知道已经参加的图书馆馆有没有统计数据,反映通过Google学术搜索链接到原文的情况,在原文浏览或下载中占多少比例。
    如果没有这些信息,而图书馆有参与意向,或许也可以先做个读者调查,看有多少读者通过Google学术搜索寻找资料,是否希望经此途径直接链接到电子全文,等等。
    虽然参与计划是免费的,但图书馆的相关部门还是有很多工作要做的,诸如配置链接解析器,提供校园网IP地址范围,校园网外访问处理,提供完整准确的电子馆藏等等。从这个角度,是否要加入这个计划,也是要慎重对待的。

附:
在Google学术搜索的“使用偏好”中“查找图书馆”,可以在命中的结果中选择需要显示访问链接的图书馆。现在缺省的选择是“图书馆搜索”──那是国家科学图书馆联合目录的链接标识(参见下文)。
发现一些查找结果是不可选的,如查“Shanghai”,结果处“灰色”状态,有7个不同的图书馆,但链接显示文字都是“Full Text@IngentaConnect”,显然并非这七所图书馆加入了该计划,而是IngentaConnect加入了该计划。
Google不会把这些图书馆都算入1200家中吧?那水份就太大了。

参见:
通过Google学术搜索下载图书馆订购电子资源 (2006-02-04)
国家科学图书馆的网络营销 (2006-05-03)
趋势:通过搜索引擎查找收费电子资源 (2005-06-18)

第二届OCLC软件竞赛结果

    9月28日,OCLC宣布第二届软件竞赛结果,来自佐治亚州理工学院的Ross Singer获奖,他的项目是一个名为Umlaut的OpenURL链接解析器。竞赛结果公告称,Umlaut将读者引向全文的能力令评委印象深刻,并且比赛所要求的使用OCLC服务也做得相当好。

    Umlaut的工作方式是:

    当用户开始一个查询,Umlaut取其IP地址,查询OCLC解析器登录处(OCLC Resolver Registry)。如果该IP还有其它链接解析器,就把那些服务一并加入用户collection。
    然后基于文档集中该用户的collection,包括增加相关的图书馆目录与链接解析器,目标是使所有可获取的信息能让用户触手可及,包括可访问的的公共图书馆、其它学校或其他图书馆。

分析书目信息(citation)
    如果查找项有标准的标识符(identifier)(目前基于用户群的需求用dois和pmids,但也偶用OCLC号、bibcodes和handles),就从来源中查找该标识(id authority)(crossref, pubmed等),并抓取书目中所有元数据。
    然后把元数据递交请求给SFX(也支持其它链接解析器)、本馆目录(输出至Zebra数据库)及本州联合目录(均由SRU检索)。
    如果有ISBN,使用xISBN获取所有版本并检索。
    在会议录的场合,Umlaut会做一系列的检索(因为取得的书目元数据常常质量不一,不总是明确表示是会议录,因此用一个关键词表[papers, transactions, spie, ieee 等]以确定是否会议录),然后用大致的书目OpenURL上下文集,在本馆OPAC中查找会议及卷册。

检索相关数据库
    如果查找项有ISSN或ISBN,会检索WorldCat.org,如果命中,会显示一个查看链接。
    然后检索亚马逊(如果有ISBN)、Google和雅虎(使用其API)。
    从亚马逊获取所有元数据(介绍、类似图书等)。
    对Google和雅虎,它会在结果中检查“相关网站”白名单(ROAR, arXiv, Citeseer等)或者黑名单(Amazon.*及其它联机书商),然后检查每个链接,看是否出现在我们的代理服务器(EZProxy)。
    一些URL有特别的handlers (arXiv, Citeseer, Citebase, CiteUlike等),Umlaut作不同处理。arXiv, Citeseer和Citebase进入“全文库”(Fulltext holdings bin),CiteUlike作为介绍、标签与目次。其它入“最接近的Web结果”(Closest Web Results)。

显示
    呈现页面时,一个AJAX call返回服务器,服务器处理一系列背后需求。
    如果在Google/雅虎结果中识别出OAI provider,Umlaut会让记录的OAI需求可见(当前仅对Citebase和Citeseer起作用,并根据元数据的质量合并结果)。
    它也获取全文链接(如果有的话),查询Connotea、雅虎的MyWeb及Unalog,看是否有人收藏这些链接。如果有链接,获取标签及共享这些标签的所有记录。它也对CiteULike作同样处理,但把它当作OAI提供者。
    它存储从各处收集来的主题(来自Pubmed的MeSH、SFX主题、来自OPAC的LCSH、标签、亚马逊),作为指示物帮助告知即将开通的推荐服务(当在今秋)。
    Umlaut也能用COinS,有unAPI界面(给出ContextObject及它在JSON或XML中发现的任何数据)。

看演示:
文章:http://umlaut.library.gatech.edu/go/523
图书:http://umlaut.library.gatech.edu/go/522
会议录:http://umlaut.library.gatech.edu/go/524
使用搜索引擎寻找预印本:http://umlaut.library.gatech.edu/go/521
   http://umlaut.library.gatech.edu/go/525

    结果显示页面多数情况有四部分,左上部是书目信息,左中部是全文链接(含电子版、印刷版)、左下部是“最接近的Web结果”,一般也是全文;右栏则是介绍、Web检索结果等相关结果。

    看完获奖作品介绍,感觉Umlaut用了太多的新潮技术与Web服务。很多都是只知其名,不知其义的,居然都集成在一个项目中了!(还有一些术语不知如何翻译)

    从介绍看,佐治亚州理工学院应该购买了SFX,但Ross还是做了大量的工作。这也说明现在买来链接解析器后,确实还要做很多后期开发。要不然,不管有没有合适的检索结果,一骨脑的列出链接。如果链接点击后没有合意的结果,几次一用,用户就没了兴趣,最终链接解析器就只能是摆设了。

相关链接:
第二届OCLC软件竞赛 /posts/2006/0707/855

竞赛结果公告:Ross Singer of Georgia Tech wins Second OCLC Research Software Contest
http://www.oclc.org/research/announcements/2006-09-28.htm

获奖作品介绍:About Ross Singer’s Umlaut
http://www.oclc.org/research/announcements/features/umlaut-about.htm

佐治亚州理工学院图书馆网站的Umlaut主页:
http://umlaut.library.gatech.edu/umlaut/

Umlaut的博客,追踪其进展:
http://umlaut.library.gatech.edu/blog/

同期举行的Talis软件竞赛:TALIS软件竞赛结果 & 竞赛在继续
/posts/2006/0913/860