Entwurf und Implementierung eines Publikationsarchives

4.2.2 OPUS Der erste Schritt zu einem landes- oder bundesweiten Publikationsverbund mit der Erfassung und Organisation elektronischer Volltexte wurde an der Universität Stuttgart 1998 gemacht. OPUS (Online Publikationsverbund der Universität Stuttgart) sowie alle zugrunde liegenden Softwarekomponenten sind für Hochschulen frei. Anfang 2003 wurde das System an 19 Universitäten, zwei Fachhochschulen und zwei Bibliotheks-Verbünden produktiv eingesetzt ([Scholze 2004], [Lehmann 1998]). Zurzeit können Publikationsbestände von 52 Universitäten, Fachhochschulen und anderen Institutionen gemeinsam recherchiert werden. Dokumente Dokumente werden im Format PDF angeliefert, archiviert und präsentiert. Zusätzlich wird aus dem PDF-Dokument eine ASCII-Datei erzeugt, um eine Volltextsuche zu ermöglichen. Der File-Upload wird mit einem PHP-Skript realisiert (Abb. 4.3). Metadaten Die Metadaten nach Dublin Core mit Zusatzfeldern (Abstract, Klassifikationen) werden in einer relationalen Datenbank (OPUS-Datenbank) gespeichert. [...]

4.2.1 MONARCH Das Multimedia Online Archiv Chemnitz (MONARCH) ist seit mehr als zehn Jahren an der TU Chemnitz im Einsatz ([Lehmann 1998], [Ziegler 2005]): Dokumente Folgende Anlieferungsformate sind zugelassen: HTML, PDF, Postscript, ASCII, MS Word, RTF, ZIP und DVI. In diesen Formaten wird das Dokument auch archiviert und den Anwendern präsentiert. Eine Konvertierung findet nicht statt. Das Hochladen der Dokumente wird mittels Perl implementiert (Abb. 4.2). Metadaten Die Metadaten wurden in MONARCH zuerst im Format SOIF (Summary Object Interchange Format), seit 1997 in Dublin Core und seit 2002 in Dublin Core qualified gehalten. 2004 wurden die Metadaten auf das Format Dublin Core XML umgestellt. Die Metadaten werden teilweise vom System selbst generiert. Zum Ziel des Exports der Metadaten werden auch Schnittstellen für die Konvertierung in andere Formate implementiert: für die Übermittlung an die NCSTRL (Networked Computer Science Technical Report Library), an die Deutsche Bibliothek (im Format XMetaDiss) und an den Südwestdeutschen Bibliotheksverbund. Für die Konvertierung der Metadaten wird XSLT verwendet. Archivieren und Erschließen Nachdem der Autor das Dokument in einem der vorgegebenen Formate erstellt hat, stellt er dieses gemeinsam mit beschreibenden Metadaten über ein mehrseitiges elektronisches Formular zur Archivierung bereit (Abb. 4.2). Generierbare Metadaten werden nicht abgefragt, die Eingabe nicht-generierbarer Metadaten wird online verifiziert (Syntaxprüfung, Konsistenzprüfung). Es werden differenzierte Archivierungs-Formularinhalte entsprechend Dokumenttyp angezeigt (variierende Feldsätze je nach Kategorie). Die Archivierungskomponente des Systems prüft asynchron die Existenz bereitgestellter Dokumente und übernimmt diese, dabei werden das Dokument und die Metadaten gespeichert, eine permanente URL des Dokuments festgelegt und die Recherchedatenbasis aktualisiert. Information Retrieval Man kann über den gesamten Index (Metadaten, Volltext) recherchieren (intern mit Hilfe der Suchmaschine Swish-E und extern mit Google). Bei Suchbegriffen sind Regulärausdrücke, Auswahl der Elemente des Metadatensets, logische Verknüpfungen (AND/OR) und Abweichungen vom Suchbegriff (approximate matching) möglich. Die Suchergebnisse können chronologisch, alphabetisch nach Autoren oder vorher nach Relevanz und dann nach einem dieser beiden Merkmale sortiert werden. [...]

3.2.4 Volltext-Suche in Publikationen Außer Suche in den Metadaten unterstützen einige Archive auch Suche in Publikationen selbst. Dabei ist natürlich nur die Volltext-Suche in textbasierten Formaten möglich, Videound andere Multimedia-Inhalte werden nicht berücksichtigt. Interne Suche Die Suche wird mit Hilfe einer internen Suchmaschine realisiert. Das ist ein SoftwareProgramm, das direkt auf dem Archivierungs-Server oder im lokalen Netzwerk installiert wird. Existierende Archivierungs-Systeme verwenden Lösungen sowohl aus dem OpenSource-Bereich (Jakarta Lucene, swish-E, Glimpse, htDig) als auch kommerzielle wie NSE (Network Search Engine) von IBM. Das Ausgabe-Layout der Suchergebnisse sowie verwendete Such- und VergleichAlgorithmen können an die eigenen Bedürfnisse angepasst werden; andererseits fallen zusätzliche Kosten für Administration und Wartung der installierten Software an. Externe Suche Man kann aber auch ohne eigene Suchmaschine auskommen, ohne dabei auf eine vollwertige Volltext-Suchfunktion verzichten zu müssen. So bietet z. B. Google (http://www.google.com/) einen Service namens SiteSearch, der es den Nutzern ermöglicht, innerhalb der Seiten einer Website zu suchen. SiteSearch nutzt den Suchindex von Google, um die relevantesten Ergebnisse innerhalb einer Domain zu finden, und unterstützt dabei verschiedenste Dateiformate, genau wie die Internet-Suche von Google: Außer HTML-Seiten werden PDF, Word (DOC), PostScript, Excel (XLS), PowerPoint (PPT), RTF sowie weitere Formate durchsucht. Dateien in den genannten Formaten erscheinen in den üblichen Suchergebnissen und werden dort entsprechend gekennzeichnet. Die spezialisierte Suchmaschine für wissenschaftliche Publikationen Google Scholar (http://scholar.google.com) bietet u. a. auch die Recherche nach Metadaten (Autor, Zeitschrift, Erscheinungsdatum), befindet sich aber noch im Beta-Stadium, eine Begrenzung der Suchergebnisse auf eine Domain wird bisher leider nicht angeboten ([Mayr and Walter, 2005]). Der Einbau einer Maske auf der eigenen Homepage ist einfach, leider bringt eine externe Lösung nicht nur Vorteile: - man kann nur Seiten durchsuchen, die von der Internet-Suchmaschine bereits indexiert sind; - auf die Aktualisierungsintervalle kann kein Einfluss genommen werden ([Scholze 2004]). So taucht eine neu archivierte Publikation in den Suchergebnissen erst Tage oder sogar Wochen später; - die Möglichkeiten, das Seitenlayout der Suchergebnisse dem Corporate Design eigener Homepage anzupassen, sind äußerst bescheiden; - die Suchmaschine kann auf der Seite außer gewünschten Suchergebnissen auch eigene Werbung platzieren, was auf Anwender einen unprofessionellen Eindruck macht. Die beiden letzten Punkte können ausgeglichen werden, indem man die Ergebnisse der externen Suche mit einem eigenen Script abfängt und in eine gewünschte Form (ohne Werbung und im eigenen Corporate Design) transformiert (s. Abb. 3.4). [...]