Разработка технологии создания ретроспективных
реферативных баз данных ВИНИТИ
по физико-математическим наукам

В.Г. Шамаев, А.В. Жаров, А.Б. Горшков, Е.К. Лось, А.Н. Седякина, О.Б. Старцева, М.Б. Щербина-Самойлова

Введение

Реферативные журналы ВИНИТИ всегда выходили весьма ограниченным тиражами. Например, РЖ Астрономия в 1955 г. имел тираж – 2100, в 1985 г. – 1321, в 1993 г. – 283, в 2006 г. – 33; Сводный том РЖ Математика в 1955 г. – 3500 экз., в 1985 г. – 1282, в 1993 г. – 667, в 2006 г. – 84; Сводный том РЖ Физика в 2006 г. – 48; Сводный том РЖ Химия – 55, Сводный том РЖ Механика – 58. РЖ далеко не всех лет (а уж о последних годах и говорить нечего) есть даже в крупнейших библиотеках научно-технической литературы. В свою очередь РЖ по физико-математическим наукам прежних лет не теряют своей актуальности до настоящего времени.

Параллельный выпуск по РЖ баз данных и электронных журналов и современный уровень развития информационных коммуникаций частично снимает проблему доступа к этой информации.

Одновременно электронные базы данных и Электронные РЖ обладают дополнительными сервисными возможностями в виде встроенного поискового аппарата. Доступ к ним через Интернет дает возможность пользоваться этой информацией в каждом подсоединенном к Интернету учреждении.

Базы данных как тематические, так и политематические появились в ВИНИТИ с 1981 г. По автоматике и радиоэлектронике, химии, машиностроению, электротехнике, а также биологии в – 1981 г., по физике с 1983 г., по механике с – 1985 г., по геофизике – с 1986 г., астрономии с – 1989 г., а по математике лишь в 1997 г., когда Производственно-издательский комбинат ВИНИТИ принял в качестве стандарта программный пакет LaTeX.

Эти БД нельзя назвать полностью соответствующими РЖ ВИНИТИ. Например, символьная информация в подавляющем количестве БД отражается с использованием так называемого алфавита ВИНИТИ: греческая буква α записывается как _a, β как _b, математический символ x² как x_2 и т. п., рисунки и схемы, а также даже несложные формулы отсутствуют. Представление же БД Математика, которая набирается в TeX’е, в этой кодировке и предстает перед пользователями. Для просмотра рефератов в такой БД на компьютере пользователя должны быть установлены соответствующие средства компиляции.

Поэтому проблема представления баз данных ВИНИТИ по физико-математическим наукам разделяется на следующие задачи:

1) Совершенствование средств визуализации уже существующего электронного массива данных, который, как правило, представлен в алфавите ВИНИТИ.

Эта задача связана с разработкой новых или применением уже существующих конверторов для приведения к какому-либо стандартному средству отображения (визуализации) информации. В качестве конечной формы может быть TeX или XML как средство представления физико-математической информации и PDF как средство отображения.

Здесь показателен следующий пример – при поиске в АБнД ВИНИТИ [1]в Демонстрационной версии БД Математика (Математический анализ), в поле реферат, с ключевым словом «интеграл» был найден один документ:

Его вид на экране:

Волосивец~С.~С.
Модифицированный $p$\|ичный интеграл и модифицированная $p$\|ичная производная для функций, определенных на полуоси
Кл. слова: $p$-ичный интеграл. $p$\|ичная производная
Рубрики:27.25.17; 271.25.17.15.17.25;

2006-01 MA02 ВИНИТИ

Очевидно, что для физико-математических наук такая форма представления неудобна, особенно для математики или областей теоретической и матфизики и как будет выглядеть вот такой документ (рис. 1):

Рис. 1. Пример реферата из раздела Обыкновенные дифференциальные уравнения.

2) Перевод в электронную форму бумажных РЖ, не имеющих сопутствующих БД. Сопутствующих потому, что технология подготовки информационных продуктов ВИНИТИ до последнего времени не ставила перед собой задачу полного соответствия между БД и РЖ. На определенном этапе технология их подготовки имела разветвление – отдельно для РЖ и отдельно для БД. Современная технология заключается в тщательной подготовке БД и снятия с нее как оригинал-макета РЖ для печатной версии, так и электронного журнала для подписчиков на электронную версию РЖ.

Перевод всего накопленного информационного массива печатных изданий ВИНИТИ по физико-математическим наукам в электронную форму не представляется бесспорным, если говорить о далеких от собственных интересов научных дисциплинах. Однако как только дело касается именно твоей области, то необходимость этого кажется очевидной. Уж очень заманчиво иметь под рукой в электронной форме всю доступную ретроспективу реферативных журналов. Каждый, кто пользовался Интернетом для поиска информации, знает, как трудно остановиться в поиске, т. к. появляются все новые и новые интересные сведения, порой уже далекие от того, что ищется, но сильно завлекающие. Нечто аналогичное происходит и при поиске по базе данных, и чем она больше, тем интереснее. Первые базы данных ВИНИТИ, как уже указывалось выше, появились в 1981 г. В то же время Реферативный журнал ВИНИТИ издается с 1953 г. Вот этот массив информации в бумажном виде, собранный для одних дисциплин за 30 лет, а для других и за 40, планируется перевести в электронный вид.

Задача перевода в электронную форму бумажных РЖ по физико-математическим наукам, т. е. подготовка Реферативной БД в технологическом плане не представляет непреодолимых трудностей, но очень трудоемка. Один из способов решения заключается во вводе всей информации в «сегодняшнюю» БД в TeX’овском наборе, как сделал Производственно-издательский комбинат ВИНИТИ в 1996 г. На наш взгляд реализация технологии наполнения БД по математике, предпринятая ПИК ВИНИТИ недооценена как в ВИНИТИ, так и всем математическим сообществом. Выполнена огромная работа и отсутствует только последний штрих, не зависящий от ПИК – визуализация на экране. Собственно об этом и говорится в первом пункте. Правда, существует мнение, что настоящие математики легко читают теховские символы как обычные буквы.

Таким образом, выполнение второго пункта упирается в проблему необходимых трудозатрат. Рассмотрим это на примере того же РЖ Математика. Ежемесячный сводный том РЖ Математика состоит из четырех выпусков: 13А. Общие вопросы математики. Математическая логика. Теория чисел. Алгебра. Топология. Геометрия. 13Б. Математический анализ. 13В. Теория вероятностей и математическая статистика. 13Г. Вычислительная математика. Математическая кибернетика. Суммарный их объем – 2500 рефератов, что при средней плотности 38 рефератов на 1 учетно-издательский лист составляет 65 уч.-изд. л. в месяц. При их структурированном наборе (а только такой набор позволит наполнить базу данных) это потребует трех профессиональных наборщиков в течение месяца. Следовательно, набор годичного выпуска РЖ Математика – это 3,25 чел./лет при отсутствии периодов нетрудоспособности, но с учетом отпусков. Всего для введения в БД информации с РЖ с 1953 по 1996 гг. потребуется 140 чел./лет. Коллектив из 20 высококвалифицированных наборщиков сможет выполнить эту работу за 7 лет. Нельзя сказать, что особых средств не потребуется. А если учесть, что на каждых трех наборщиков требуется два корректора с такой же, если не большей квалификацией и знанием TeX’овского набора, то проблема переходит в разряд несбыточных.

Применение технологии структурированного набора всей печатной продукции или ввода информации в БД, по технологии сплошного сканирования печатных источников с последующим применением средств распознавания текстовых изображений также потребует огромных трудозатрат, связанных не только с качеством исходного материала и необходимостью его распределения по многочисленным полям БД, но и со спецификой физико-математического текста (особенно математического) суть которого не в словах, а в формулах, спецсимволах и т. п.

На наш взгляд [2, 3] перспективнее ставить задачу решения проблемы электронного вида и, связанную с ней задачу поиска в этом электронном массиве информации, используя комбинированный путь. Он заключается в выборе необходимого набора полей для ввода библиографической информации и индексов, используемых для поиска данных (рубрикаторы, ключевые слова и пр.) и (!) полного сканирования страниц РЖ. В результате может быть реализован поиск по всем имеющимся полям библиографического описания и предоставление при необходимости реферативной информации в виде изображения страницы, на которой представлен текст запрашиваемого реферата. Затем для унификации средств поиска и хранения эта БД передается на хранение в АБнД ВИНИТИ, откуда и осуществляется обслуживание.

По трудозатратам расчет такой: библиографическое описание занимает примерно четверть от всего документа и, таким образом, на ввод всей необходимой информации потребуется 1,75 года теми же 20 наборщиками, что уже более реально. Сканирование же можно выполнить на планетарном сканере Minolta 7000, два экземпляра которого имеются в ВИНИТИ. По времени это займет не более 0,5 года.

Этапы подготовки Ретроспективной базы данных:

1. Анализ наполнения РЖ с 1953 г. и выбор полей, которые послужат наполнением БД.

2. Создание базы данных.

3. Разработка технологии наполнения базы данных (состав полей, кодировка спецсимволов, АРМы операторов набора, редакторов, администратора и т. д.).

4. Разработка технологии сканирования РЖ с последующей постатейной сборкой отдельных изображений страниц в отдельные pdf–файлы.

5. Разработка технологии съема электронного издания, включающая вид издания на экране компьютера (интерфейс пользователя), средства поиска и т. д. (для локальной БД).

6. Разработка технологии «склейки» созданного электронного документа с pdf–файлом страниц, на которых расположен реферат.

Основные характеристики: Ретроспективная БД по физико-математическим наукам обеспечивает следующие возможности:

1) Просмотр и редактирование библиографического описания статей РЖ, в соответствии с требованиями представления данных во внутрисистемном формате ВИНИТИ.

2) Просмотр и редактирование текстов рефератов.

3) Возможность постоянного пополнения базы данных до окончания проекта.

4) Формирование и просмотр указателей, в том числе отсутствующих в печатной версии архивных РЖ.

Библиографическое описание представлено в виде максимально приближенном к структуре БО, принятом в АБнД ВИНИТИ, что позволяет производить поиск документов по набору параметров, привычных и удобных пользователям АБнД ВИНИТИ. Набор полей, используемых для описания документов в Ретроспективной БД, ограничен по сравнению с сегодняшним составом в силу ограниченности набора данных, представленных в печатном издании РЖ.

Представление реферативной части в виде полнотекстовых изображений позволяет понизить трудоемкость работ по загрузке информации в БД при полной адекватности данных, включая математические формулы. Реферативная часть хранится в виде pdf -файлов. Для просмотра текста рефератов используется свободно распространяемая программа Acrobat Reader.

Обращение к БД и поиск данных: поиск документов и обращение к ним пользователей реализованы с помощью динамического WEB-интерфейса БД, что позволяет организовать доступ к Ретроспективной БД как через Интранет ВИНИТИ, так и через Интернет.

В настоящее время разработана технология перевода в электронную форму печатных изданий архивных РЖ Астрономия, Математика, Физика и технологии доступа пользователей к Ретроспективной БД по физико-математическим наукам, а также загрузки ретроспективной БД в АБнД ВИНИТИ.

Выполнены следующие работы по созданию Ретроспективной БД:

1. Проектирование базы данных под СУБД Microsoft SQL Server 2000. Разработка хранимых процедур и пользовательских хранимых функций.

2. Разработка и согласование схемы кодирования математических формул с использованием стандарта LaTex.

3. Создание программы ведения базы данных на языке программирования Borland Delphi.

Основные реализованные функции программы:

3.1. Рабочее место оператора ввода библиографии

Рабочее место ввода предназначено для выполнения следующих задач:

— Ввод библиографического описания документа (БО).

— Ввод рефератов.

— Ввод корректуры.

— Ввод классификационных индексов.

4. Разработка методики получения электронных образов рефератов. Подготовка аппаратного комплекса на основе сканера Минолта 7000.

5. Пилотный проект формирования Ретроспективной БД по Математике за 1994–1996 гг.

5.1. Ввод библиографических описаний и классификационных индексов документов.

5.2. Редактирование данных.

5.3. Формирование электронных образов рефератов.

5.4. Анализ результатов пилотного проекта. Формирование рекомендаций по оптимизации структуры БД. Формирование требований к аппаратному обеспечению сервера ретроспективной базы данных РЖ по математике.

Структура Ретроспективной БД.

Таблица ABD01.

ключ	поле	тип	длина	Примечание
key	RZHYear	char	4	Год выпуска РЖ
key	RZhIssue	char	10	Номер выпуска РЖ
	RZhPage	char	14	Номера страниц с рефератом
key	SID2	char	14	Номер реферата
	KindDoc	char	2	вид документа
	Doc_M	text	16	Монографическая часть документа в формате XML
	Doc_X	text	16	Библиографическая + реферативная часть документа в формате XML
	Doc_Extra	text	16	Поля документа, не вошедшие в Doc_X и Doc_M, в формате XML
	InputDate	datetime	8	Дата набора документа
	InputOperator	char	20	Оператор набора
	CorDate	datetime	8	Дата ввода корректуры
	Corrector	char	20	Идентификатор корректора
	ScanPath	text	16	Место расположения отсканированных страниц РЖ с данным рефератом
	NeedToCheck	bit	1	Признак наличия неясностей в документе

Состав элементов библиографического описания документов по НТП ВИНИТИ, используемых в Ретроспективной базе данных РЖ Математика.

Состав элементов в течение всего более чем 50-летнего периода выпуска Реферативного журнала ВИНИТИ неоднократно менялся, следуя за изменением подачи библиографической информации в реферируемых источниках оригинальной информации и определялся инструкциями и НТП. В таблице приводится список полей по РЖ 1955, 1996 и 2004 гг. Более углубленное исследование будет проводиться по мере перехода к вводу в Ретроспективную базу данных РЖ конкретных годов.

Метка	вид 1 (стат. в сер. изд.)			вид 3 (ст. в сбор. деп. р.)			вид 4 (ст. в книге, сборн.)			вид 6 (книга)			вид 9 (пат.)
	НТП 10-2004	1996	1955	НТП 10-2004	1996	1955	НТП 10-2004	1996	1955	НТП 10-2004	1996	1955	НТП 10-2004	1996	1955
инд. автор (001)	н	+	+	н	+	отсутствует в 1955 г.	н	+	+	н	+	+	н	+	+
перев. загл. сост. ч. изд. (002)	н	+	+	н	+		н	+	+
сокращ. загл. изд. (003)	о*	+	+				-	+	+
язык текста (004)	о	+	+	о	+		о	+	+
изд. № реф. (005)	о	+	+	о	+		о	+	+	о	+	+	о	+	+
дата изд./деп-я-год (007)	о	+	+	о	+		о	+	+	о	+	+
заяв. кол. (012)													о	+	+
редактор (013)										н	+	+
биб. ссылки (015)	н	+	+	н	+		н	+	+	н	+	+
№ деп. (017)				о	+
вид ПД (018)													о	+	+
автор реферата (019)	н	+	+	н	+		н	+	+	н	+	+	н	+	+
год вып. РЖ и БД (020)	о	+	+	о	+		о	+	+	о	+	+	о	+	+
осн. загл. статьи (021)	о	+	+	о	+		о	+	+
парал. сокр. загл изд. (031)	н	+	+
изд-во I (033)							н	+	+	н	+	+
вид д-та (035)	о	+	+	о	+		о	+	+	о	+	+	о	+	+
инд. УДК (037)	н	+	+	н	+		н	+	+	н	+	+	н	+	+
страна ПД (040)													о	±	±
яз. резюме (041)	о	+	+	о	+		о	+	+
код страны (042)													о
объем статьи (043)	о	+	+	о	+		о	+	+
свед., относ. к загл. стат. (047)	н	+	+	н	+		н	+	+
место изд.-город (048)							о	+	+	о	+	+
том сер. изд. (074)	н	+	+
№ вып. СИ (076)	н	+	+
дата заяв. (083)													о	+	±
место деп. (084)				о	+
дата приор. (086)													о	+	±
индекс МПК (090)													о	+	±
№ ПД (092)													о	+	+
№ заявки (094)													о	+	±
дата публ ПД (095)													о	+	±
место орг.-деп, фирмы (096)				о	+
страна приор. (097)													о	+	±
№ приор. заяв. (098)													о	+	±
инд. НПК (099)													о	+	±
реф. (100)
место раб. (219)													о	±	±
перев. загл. изд. (302)										н	+	+	н	+	+
яз. текста изд. (304)										о	+	+	о	+	±
Загл. ПД (321)													о	+	+
кол. авт. изд. сокр. (322)	н	+	+	о	+		н	+	+	н	+	+
объем изд. (343)										о	+	+

* Для документов с особой графикой письма элемент необязателен при наличии элемента данных «Параллельное сокращенное заглавие издания» (метка 031).

АРМ Ввод библиографии

Окно ввода библиографии (рис. 2) содержит следующие элементы:

Рис 2. Окно ввода библиографии.

В верхней части окна ввода (Панель 1) находится меню, содержащее пункты: Документ, Правка, Сервис, Дополнительно, Справка; кнопочная панель: Новый (документ), Открыть (Редактировать документ), Сохранить (документ), LaTex (просмотр документа в кодировке LaTex (рис. 3) до его сохранения в базу).

Рис. 3. Вид окна просмотра результатов набора.

Панель 2 содержит поля для идентификации документа (год и № выпуска журнала, страницы в журнале, на которых находится документ, рабочий № документа в журнале) поля вида документ, код отдела и код выпуска журнала; флажок документ содержит неясности.

Панель 3 состоит из вкладок (окон), представляющих собой страницы, расположенные одна над другой, с вкладками.

Панель 4 (рис. 4.) – в правой части панели отображаются регистрационное имя оператора и текущая дата, также на ней осуществляется подсказка с названием и номером метки элемента данных на котором стоит курсор.

Рис. 4. Вид панели 4.

Расширенная функциональность Ретроспективной реферативной базы данных

В 2005 г. функциональность Ретроспективной реферативной базы данных (см. 4, 5]) была расширена за счет добавления возможности просмотра на экране и вывода на печать диапазона документов, выбранных по коду тетради РЖ, году и месяцу РЖ, а также возможности экспорта выбранных записей в коммуникативном формате ISO 2709.

Выполнение этих операций осуществляется с помощью вкладки Выгрузка АРМ Администратора Ретроспективной БД (рис. 5).

Рис. 5. АРМ Администратора в режиме выгрузки «По дате набора».

Выгрузка записей в формате ISO 2709.

Выгрузка производится в двух режимах (секция Режим):

1) «Тетрадка» – документы в выбранной тетради РЖ (секция «Тетрадка»).

2) «По дате набора» – документы, введенные в базу в указанный диапазон времени (секция «Период»).

Кнопка Выгрузить служит для создания файла в формате ISO 2709. Результаты выгрузки отображаются в секции Результат.

Кнопка Рабочие номера служит для подготовки списка документов, соответствующих указанным критериям отбора. Список документов отображается в секции Результат.

Кнопка Очистить служит для очистки секции Результат.

Просмотр на экране и печать документов.

Для печати документов и просмотра документов на экране следует:

- В секции Режим выбрать режим Тетрадка

- В секции Тетрадка выбрать тетрадь РЖ для печати. Для этого необходимо указать год, месяц выпуска РЖ и выбрать код тетради РЖ.

Примечание: Если код тетради РЖ не будет указан, то для печати будут выгружены документы сводного тома РЖ за указанный год и месяц. Если не будет указан Выпуск РЖ, то для печати будут выгружены документы указанной тетради РЖ за указанный год.

- Включить флаг +LaTex

- Нажать кнопку Выгрузить.

При этом в секции Результат будут отображены результаты выбора документов и подготовки файла в формате LaTex для просмотра и печати.

Сформированный файл, содержащий все документы выбранной тетрадки в формате LaTex, будет автоматически обработан компилятором Tex. Результат компиляции будет отображен в окне утилиты просмотра Yap.

Полученные результаты можно просмотреть на экране (рис. 6) или отправить на печать.

Рис. 6. Результат компиляции, выведенный на экран.

Выбор схемы кодирования математических формул при создании Ретроспективной базы данных по математике.

Для кодирования спецсимволов и математических формул при создании Ретроспективной базы данных по математике на основе анализа имеющихся свободно распространяемых и коммерческих средств был выбран пакет MiKTeX – современный диалект языка TeX.

При выборе пакета MiKTeX учитывались его достоинства, приведенные ниже.

Пакет MiKTeX:

- является открытым свободно распространяемым ПО и широко используется мировым научным сообществом для подготовки научно-технической литературы;

- удовлетворяет все потребности кодировки сложных математических формул (включает на настоящий момент около 1100 пакетов описаний шрифтов и макрокоманд);

- обеспечивается технической поддержкой, имеет необходимые технические описания и руководства пользователя, средства автоматизации установки обновлений ПО;

- совместимость с диалектами ConTeXt, LaTeX;

- сравнительная простота установки и настройки;

- наличие стандартизованных средств генерации библиографических и других указателей, индексов и пр.

К приведенным «плюсам» следует также добавить, что программа просмотра Yap позволяет оптимизировать цикл «редактирование-компиляция-просмотр» и это является существенным преимуществом MiKTeX, поскольку технологии использования диалектов языка TeX не предусматривают реализации принципа WYSIWYG.

Заключение.

Приводим основные результаты выполненной работы:

1. Выполнено проектирование базы данных под СУБД Microsoft SQL Server 2000. Разработаны хранимые процедуры и пользовательские хранимые функции.

2. Разработаны и согласованы схемы кодирования математических формул с использованием стандарта LaTex.

3. Созданы программы ведения базы данных на языке программирования Borland Delphi.

4. Разработана методика получения электронных образов рефератов. Подготовлен аппаратный комплекс на основе сканера Minolta PS7000.

5. Выполнен пилотный проект формирования ретроспективной базы данных РЖ по Математике (1994–1996 гг.).

Литература:

1. Арский Ю.М. и др.Банк данных ВИНИТИ. Состояние и перспективы развития. –М. ВИНИТИ. 2006. – 242 с.

2. Шамаев В.Г., Жаров А.В. Проблемы создания ретроспективных реферативных баз данных ВИНИТИ по физико-математическим наукам. Деп. в ВИНИТИ 24.05.2005 № 737-В2005.

3. Шамаев В.Г., Жаров А.В. Батурина О.Н., Горшков А.Б., Максимов И.Н., Старцева О.Б. Описание технологии подготовки ретроспективных реферативных баз данных ВИНИТИ по физико-математическим наукам. Деп. в ВИНИТИ 24.05.2005 № 739-В2005.

4. Горшков А.Б., Жаров А.В., Лось Е.Л., Максимов И.Н., Старцева О.Б., Шамаев В.Г., Щербина-Самойлова М.Б. Расширение функциональности Автоматизированного рабочего места администратора Ретроспективной реферативной базы данных ВИНИТИ по физико-математическим наукам. Деп. в ВИНИТИ 07.11.2005 № 1431-В2005.

5. Горшков А.Б., Жаров А.В., Лось Е.Л., Максимов И.Н., Старцева О.Б., Шамаев В.Г., Щербина-Самойлова М.Б. Расширение функциональности Автоматизированного рабочего места оператора набора Ретроспективной реферативной базы данных ВИНИТИ по физико-математическим наукам. Деп. в ВИНИТИ 15.12.2005 № 1682-В2005.