Giới thiệu dự án

Bối cảnh và thực trạng ngành thông tin - thư viện

Trong kỷ nguyên bùng nổ dữ liệu số hóa, các trung tâm tri thức và thư viện quốc gia đóng vai trò là hạ tầng thông tin trọng yếu của một quốc gia. Theo các nghiên cứu ngành thông tin – thư viện, khối lượng dữ liệu xuất bản và tư liệu số hóa tăng trưởng trung bình 18–25% mỗi năm. Thư viện Quốc gia Việt Nam (TVQGVN) – cơ quan lưu trữ xuất bản phẩm và di sản văn hiến hàng đầu cả nước – hiện quản lý hơn 2,5 triệu đơn vị tư liệu in ấn truyền thống cùng hơn 8 triệu trang tài liệu số hóa quý hiếm.

Việc quản trị và tổ chức khai thác khối tài nguyên đồ sộ này đặt ra thách thức lớn đối với hạ tầng công nghệ thông tin (CNTT), yêu cầu hệ thống lưu trữ (HTLT) và hệ thống tra cứu thông tin (TCTT) phải đạt độ chuẩn hóa quốc tế cao, tốc độ xử lý nhanh và đáp ứng trải nghiệm đa dạng của người dùng tin (NDT).

   +-----------------------------------------------------------------------+
   |                      HẠ TẦNG THÔNG TIN TVQGVN                         |
   |                                                                       |
   |   +--------------------------+     +------------------------------+   |
   |   |   2.500.000+ TƯ LIỆU IN  |     | 8.000.000+ TRANG SỐ HOÁ      |   |
   |   | - Sách: 1.580.000 bản    |     | - Luận án TS: 25.500 bộ      |   |
   |   | - Tặng biếu: 500.000     |     | - Sách Đông Dương: 8.000     |   |
   |   | - Đông Dương: 68.500     |     | - Báo/Tạp chí ĐD: 72.000 số  |   |
   |   | - Luận án TS: 37.000     |     | - Sách Hán Nôm: 1.952 cuốn   |   |
   |   | - Hán Nôm: 5.280 bản     |     | - Sách TA về VN: 338 cuốn    |   |
   |   +--------------------------+     +------------------------------+   |
   |                                                                       |
   |           +-----------------------------------------------+           |
   |           |         >850.000 BIỂU GHI THƯ MỤC MARC21      |           |
   |           +-----------------------------------------------+           |
   +-----------------------------------------------------------------------+

Vấn đề nghiên cứu và các điểm nghẽn kỹ thuật (Pain Points)

Dù đã áp dụng hệ thống phần mềm quản trị thư viện tích hợp iLib và nhiều phân hệ chuyên dụng, hệ thống lưu trữ và tra cứu tại TVQGVN vẫn tồn tại những rào cản kỹ thuật:

  • Độ trễ truy vấn diện rộng: Khi thực hiện tìm kiếm với các từ khóa có độ phủ rộng (ví dụ: "Lịch sử" với 54.587 kết quả), thời gian đáp ứng lên tới 3 phút 10 giây (190 giây), gây tắc nghẽn tài nguyên máy chủ.
  • Hiện tượng suy giảm độ chính xác và độ bao quát: Cơ chế tìm kiếm nhanh (Quick Search) trên OPAC thiếu tính năng khớp chuỗi chính xác (exact phrase matching). Ở chế độ tìm kiếm nâng cao (Advanced Search), việc kết hợp toán tử Boolean và xử lý bảng mã Unicode TCVN 6909 đôi khi trả về tập kết quả rỗng hoặc không đầy đủ do lỗi đồng bộ chỉ mục (indexing mismatch).
  • Sự phân mảnh cơ sở dữ liệu (Data Silos): Cơ sở dữ liệu (CSDL) thư mục quản trị trên iLib (khổ mẫu MARC21) bị tách rời khỏi các CSDL toàn văn số hóa như Veridian (Báo chí Đông Dương), docWorks, và NLVNPF (Sách Hán Nôm dựa trên chuẩn Dublin Core/MySQL), thiếu một tầng tìm kiếm tập trung (Discovery Layer).

Mục tiêu dự án

  1. Khảo sát và đánh giá toàn diện: Phân tích thực trạng hệ thống lưu trữ và bộ máy tra cứu thông tin truyền thống (mục lục phiếu, ấn phẩm tra cứu) và hiện đại (OPAC iLib, CSDL toàn văn) tại TVQGVN.
  2. Đo lường hiệu năng kỹ thuật: Kiểm thử độ chính xác (Precision), độ bao quát (Recall), và thời gian đáp ứng (Response Time) trên các giao diện tìm kiếm OPAC (Tìm nhanh, Cơ bản, Nâng cao).
  3. Chuẩn hóa quy trình xử lý dữ liệu: Đánh giá việc áp dụng các chuẩn nghiệp vụ quốc tế (MARC21, DDC 23, AACR2, ISBD, Bộ Từ khóa TVQGVN có kiểm soát với ~35.000 thuật ngữ).
  4. Đề xuất giải pháp kiến trúc và tối ưu hóa: Xây dựng mô hình nâng cấp phần mềm, hoàn thiện cấu trúc chỉ mục, bảo đảm an toàn dữ liệu và tích hợp đa nền tảng số.

Phương pháp tiếp cận giải pháp

Nghiên cứu sử dụng phương pháp tiếp cận hệ thống kết hợp giữa lý thuyết khoa học thông tin hiện đại và kiểm thử thực nghiệm (Empirical Testing):

  • Khung phân loại: Chuyển đổi toàn diện từ BBK sang DDC ấn bản 14 (năm 2007) và DDC ấn bản 23 (từ năm 2013).
  • Chuẩn biên mục & Định chủ đề: Kết hợp khổ mẫu Machine-Readable Cataloging (MARC21) với Bộ Từ khóa có kiểm soát (ấn bản cập nhật 2012 gồm 6 phân hệ, tích hợp quan hệ tham chiếu Xem, Dùng cho [DC], Cùng xem [CX]).
  • Kiến trúc dữ liệu mở: Định hướng chuyển giao sang hệ cơ sở dữ liệu quan hệ kết hợp chỉ mục văn bản (Full-text Indexing Engine) nhằm tối ưu hóa truy xuất dữ liệu lớn.

Kết quả mong đợi và phạm vi dự án

  • Kết quả: Báo cáo đánh giá chi tiết định lượng hiệu năng tra cứu trên 850.000 biểu ghi; mô hình tối ưu hóa truy vấn Boolean (AND, OR, NOT, toán tử chặt cụt $); lộ trình tích hợp hệ thống thư viện điện tử – thư viện số.
  • Phạm vi: Tập trung tại Thư viện Quốc gia Việt Nam (31 Tràng Thi, Hà Nội); khảo sát hệ thống OPAC iLib, các CSDL chuyên đề toàn văn (Luận án Tiến sĩ, Sách/Báo chí Đông Dương, Sách Hán Nôm) trong giai đoạn 2020 – 2021.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

So sánh các thế hệ giải pháp lưu trữ và tra cứu

Hạ tầng quản trị thông tin tại TVQGVN đã trải qua nhiều giai đoạn chuyển giao công nghệ:

Tiêu chí kỹ thuật Hệ thống truyền thống (Trước 1986) Hệ thống CDS/ISIS (1993 - 2003) Hệ thống iLib & Thư viện số (2003 - Nay) Hệ thống Discovery đề xuất
Phương tiện lưu trữ Phiếu mục lục giấy, microfilm/fiche Tệp bản ghi đĩa từ, CD-ROM RDBMS (SQL Server/Oracle), NAS/SAN Distributed NoSQL, Cloud Storage
Khổ mẫu biên mục Quy tắc mô tả TVQGVN 1994, BBK ISO 2709, CCF MARC21, Dublin Core MARC21, BIBFRAME, Dublin Core
Khung phân loại BBK (Viện Hàn lâm LX) BBK DDC 14 / DDC 23 DDC 23 tích hợp Linked Data
Khả năng tra cứu Thủ công (Tác giả, Nhan đề, Phân loại) Dòng lệnh, Boolean cơ bản Web-OPAC, Boolean, Chặt cụt $, Exact Semantic Search, AI NLP, Auto-faceting
Tốc độ truy xuất (Tập dữ liệu lớn) Chậm (Vài phút - Vài giờ) Trung bình (Tập tin cục bộ nhỏ) 1–2s (cụ thể); >180s (từ khóa rộng) <0.5s trên hàng triệu biểu ghi
Khả năng mở rộng (Scalability) Kém, giới hạn vật lý Kém, phụ thuộc phần cứng DOS/Win Trung bình (Phụ thuộc cấu hình server iLib) Cao, khả năng scale ngang (Horizontal)

Phân tích yêu cầu người dùng (Mô hình MoSCoW)

  • Must-have (Bắt buộc phải có):
    • Tra cứu OPAC trực tuyến 24/7 qua Web với chuẩn Unicode tiếng Việt (TCVN 6909).
    • Tối ưu hóa thuật toán tìm kiếm Boolean (AND, OR, NOT) và tìm kiếm chính xác ("...").
    • Hỗ trợ xem biểu ghi theo nhiều chuẩn hiển thị: ISBD, MARC21 nhãn trường, Dublin Core.
  • Should-have (Nên có):
    • Tích hợp cổng tìm kiếm tập trung giữa CSDL thư mục (OPAC) và CSDL số hóa toàn văn (Veridian, docWorks, NLVNPF).
    • Cải thiện tốc độ lập chỉ mục dữ liệu lớn (Big Data indexing).
  • Could-have (Có thể có):
    • Trích xuất tự động siêu dữ liệu (Metadata) từ tài liệu PDF/TIFF bằng OCR tiếng Việt và chữ Hán Nôm.
    • Gợi ý từ khóa tìm kiếm liên quan (Revise search/Auto-suggest) dựa trên Bộ Từ khóa 2012.
  • Won't-have (Chưa thực hiện trong giai đoạn này):
    • Triển khai ứng dụng di động độc lập (Native Mobile App) chuyên biệt.

Thiết kế hệ thống

Kiến trúc hệ thống thông tin thư viện tích hợp

+------------------------------------------------------------------------------------+
|                         NGƯỜI DÙNG TIN (CLIENT ACCESS)                             |
|  - Trình duyệt Web (OPAC)  - Mạng LAN Nội bộ  - Mạng Internet/Wifi miễn phí        |
+-----------------------------------------+------------------------------------------+
                                          | HTTP / HTTPS / Z39.50 / SRU
+-----------------------------------------v------------------------------------------+
|                       TẦNG ỨNG DỤNG & TRA CỨU (APPLICATION LAYER)                  |
|  +---------------------------+  +-----------------------------------------------+  |
|  | Phân hệ OPAC iLib (CMC)   |  | Phân hệ Thư viện số: Veridian, docWorks,      |  |
|  | - Tìm nhanh / Cơ bản      |  | NLVNPF (PHP/Apache)                           |  |
|  | - Tìm nâng cao (Boolean)  |  |                                               |  |
|  +-------------+-------------+  +-----------------------+-----------------------+  |
+----------------|----------------------------------------|--------------------------+
                 | TCP/IP                                 | SQL Queries / APIs
+----------------v----------------------------------------v--------------------------+
|                       TẦNG LƯU TRỮ VÀ DỮ LIỆU (DATA STORAGE LAYER)                  |
|  +---------------------------+  +-----------------------------------------------+  |
|  | CSDL Thư mục (MARC21)     |  | CSDL Toàn văn số hóa:                         |  |
|  | >850.000 Biểu ghi         |  | - Luận án TS (6,2 tr trang)                   |  |
|  | (Sách, Báo, Tạp chí,      |  | - Sách Hán Nôm (147.955 trang)                |  |
|  | Luận án, Bản đồ...)       |  | - Sách & Báo chí Đông Dương (1,5 tr trang)    |  |
|  +---------------------------+  +-----------------------------------------------+  |
|  +------------------------------------------------------------------------------+  |
|  | BỘ TỪ KHÓA CÓ KIỂM SOÁT (2012): 35.000 Thuật ngữ (Chính, Nhân vật, Địa danh) |  |
|  +------------------------------------------------------------------------------+  |
+------------------------------------------------------------------------------------+

Ngăn xếp công nghệ (Technology Stack)

  • Hệ thống Quản trị Thư viện tích hợp (ILMS): iLib phiên bản Enterprise (CMC Technology Group phát triển).
  • Hệ điều hành máy chủ: Windows Server & Red Hat Enterprise Linux.
  • Hạ tầng máy chủ (Server Infrastructure): 18 máy chủ chuyên dụng (DNS, DHCP, Firewall ISA, Web Server IIS/Apache, Database Server, Data Storage Server).
  • Hệ quản trị CSDL: Microsoft SQL Server / MySQL (cho phần mềm NLVNPF).
  • Hệ thống lưu trữ số & OCR: docWorks (xử lý siêu dữ liệu số), Veridian (quản trị báo chí số), ResourceSpace (quản trị media CD/DVD), máy quét tự động DL3003 (4DigitalBooks), máy quét khổ lớn SupraScan Quartz A1 HD (i2S).
  • Chuẩn mạng và truyền thông: Đường truyền Leased-line tốc độ cao, LAN cáp quang Gigabit, giao thức Z39.50/SRU, TCP/IP, XML, TCVN 6909 (Unicode).

Thiết kế cấu trúc dữ liệu thư mục (MARC21 Mapping)

Dữ liệu thư mục được chuẩn hóa theo MARC21 Format for Bibliographic Data. Ví dụ một biểu ghi thư mục sách nghiên cứu:

<record xmlns="http://www.loc.gov/MARC21/slim">
  <leader>01245cam a2200325 a 4500</leader>
  <controlfield tag="001">TVQG2021008542</controlfield>
  <controlfield tag="008">210415s2021    vm ||||||||||||||||vie||</controlfield>
  <datafield tag="020" ind1=" " ind2=" ">
    <subfield code="a">978-604-0-12345-6</subfield>
  </datafield>
  <datafield tag="082" ind1="0" ind2="4">
    <subfield code="a">025.04</subfield>
    <subfield code="2">23</subfield>
  </datafield>
  <datafield tag="100" ind1="1" ind2=" ">
    <subfield code="a">Lê, Huệ Anh</subfield>
  </datafield>
  <datafield tag="245" ind1="1" ind2="0">
    <subfield code="a">Nghiên cứu hệ thống lưu trữ và tra cứu thông tin phục vụ người dùng tin tại Thư viện Quốc gia Việt Nam</subfield>
    <subfield code="c">Lê Huệ Anh ; ThS. Phạm Kim Thanh hướng dẫn</subfield>
  </datafield>
  <datafield tag="260" ind1=" " ind2=" ">
    <subfield code="a">Hà Nội :</subfield>
    <subfield code="b">Trường Đại học Nội vụ Hà Nội,</subfield>
    <subfield code="c">2021</subfield>
  </datafield>
  <datafield tag="300" ind1=" " ind2=" ">
    <subfield code="a">65 tr. ;</subfield>
    <subfield code="c">30 cm</subfield>
  </datafield>
  <datafield tag="650" ind1=" " ind2="4">
    <subfield code="a">Hệ thống lưu trữ</subfield>
  </datafield>
  <datafield tag="650" ind1=" " ind2="4">
    <subfield code="a">Tra cứu thông tin</subfield>
  </datafield>
  <datafield tag="651" ind1=" " ind2="4">
    <subfield code="a">Thư viện Quốc gia Việt Nam</subfield>
  </datafield>
  <datafield tag="856" ind1="4" ind2="1">
    <subfield code="u">http://opac.nlv.gov.vn/bib/TVQG2021008542</subfield>
  </datafield>
</record>

Phương pháp luận triển khai (Methodology)

Dự án áp dụng phương pháp luận kết hợp:

  • Tiêu chuẩn hóa nghiệp vụ: Triển khai tuần tự theo tiêu chuẩn của Liên đoàn Quốc tế các Hội và Cơ quan Thư viện (IFLA) và quy định tại Quyết định 4831/QĐ-BVHTTDL.
  • Tiến độ theo giai đoạn (Phased Milestones):
    • Mốc 1 (Tháng 12/2020): Khảo sát hạ tầng LAN, máy chủ, máy tính trạm (>200 máy) và kho tư liệu số (8 triệu trang).
    • Mốc 2 (Tháng 01–02/2021): Đo kiểm thực nghiệm hiệu năng tra cứu trên 3 chế độ tìm kiếm của OPAC iLib; khảo sát mẫu người dùng tin (4 nhóm đối tượng).
    • Mốc 3 (Tháng 03/2021): Đánh giá ma trận lỗi, phân tích nguyên nhân tắc nghẽn chỉ mục và bất cập trong xử lý thuật ngữ từ khóa.
    • Mốc 4 (Tháng 04/2021): Đề xuất khung kiến trúc giải pháp tối ưu hóa, nâng cấp hệ thống phần mềm và cấu trúc Bộ từ khóa.

Implementation và kết quả

Quá trình thực nghiệm và kỹ thuật tra cứu

Thuật toán và cơ chế xử lý logic tìm kiếm trên OPAC

Hệ thống OPAC của iLib vận hành dựa trên việc chuyển đổi câu truy vấn người dùng thành các biểu thức logic kết hợp với chỉ mục đảo (Inverted Index):

-- Ví dụ mô phỏng truy vấn logic kết hợp toán tử Boolean và phân loại môn loại DDC 23
SELECT 
    b.RecordID, b.Title, b.Author, b.PublicationYear, b.CallNumber
FROM 
    BibliographicRecords b
INNER JOIN 
    SubjectHeadings s ON b.RecordID = s.RecordID
WHERE 
    (b.Title LIKE N'%Văn hóa Việt Nam%' OR s.Keyword LIKE N'%Văn hóa dân gian%')
    AND b.ClassificationNumber LIKE '306%' -- Phân loại DDC về Văn hóa và Xã hội
    AND b.PublicationYear >= 2000
    AND NOT b.ItemType = 'Restricted'
ORDER BY 
    b.PublicationYear DESC;

Xử lý toán tử tra cứu chuyên sâu

  1. Toán tử Boolean:
    • AND (hoặc *): Giao hai tập hợp bản ghi $\text{Result} = A \cap B$.
    • OR: Hợp hai tập hợp bản ghi $\text{Result} = A \cup B$.
    • NOT (hoặc ^): Hiệu hai tập hợp bản ghi $\text{Result} = A \setminus B$.
  2. Toán tử Chặt cụt (Truncation $): Hỗ trợ tìm kiếm các từ có chung gốc từ ngữ. Ví dụ: $nông nghiệp trả về Kinh tế nông nghiệp, Hợp tác xã nông nghiệp, Khuyến nông...
  3. Toán tử Tìm kiếm chính xác (Exact Phrase Matching): Khớp chính xác cụm từ nguyên văn theo thứ tự chuỗi ký tự không bị phân tách token.

Kiểm thử và đo lường hiệu năng (Testing & Benchmarks)

Thực nghiệm đo lường hiệu năng tra cứu thực tế trên hệ thống OPAC của TVQGVN với các tập mẫu đại diện thu được kết quả định lượng:

Kịch bản kiểm thử (Query Scenario) Chế độ tìm kiếm Tập kết quả trả về Thời gian đáp ứng (Response Time) Độ chính xác (Precision) Hiện tượng ghi nhận
Nhan đề: "Cơ sở văn hóa Việt Nam" Tìm nhanh 73 biểu ghi 1.2 giây 68.5% Lẫn tài liệu không sát (do tách rời từ tố)
Nhan đề: "Cơ sở văn hóa Việt Nam" Cơ bản (Không tích chính xác) 73 biểu ghi 1.2 giây 68.5% Kết quả tương đương Tìm nhanh
Nhan đề: "Cơ sở văn hóa Việt Nam" Cơ bản (Tích chọn: Tìm chính xác) 01 biểu ghi 0.8 giây 100% (nhưng thiếu Recall) Bị sót các ấn bản tương tự do khác biệt dấu
Nhan đề: "Cơ sở văn hóa Việt Nam" Nâng cao (Exact match + AND) 01 biểu ghi 1.5 giây Sai lệch phân loại Trả về 01 biểu ghi bài trích không tối ưu
Từ khóa rộng: "Lịch sử" Tìm nhanh 54.587 biểu ghi 190.0 giây (3m10s) Khó đánh giá Tắc nghẽn tài nguyên do tập dữ liệu quá lớn 
BIỂU ĐỒ SO SÁNH THỜI GIAN TRUY VẤN GIỮA CÁC KỊCH BẢN (GIÂY)
----------------------------------------------------------------
Tìm nhanh ("Cơ sở VH VN")     | [1.2s]
Tìm chính xác ("Cơ sở VH VN") | [0.8s]
Tìm nâng cao ("Cơ sở VH VN")  | [1.5s]
Từ khóa rộng ("Lịch sử")      | [====================================== 190.0s]
----------------------------------------------------------------

Kết quả đạt được

  • Khối lượng dữ liệu quản trị thành công: Hệ thống duy trì ổn định hơn 850.000 biểu ghi thư mục chuẩn MARC21, liên kết hơn 112.000 tài liệu toàn văn số hóa (~8 triệu trang).
  • Phục vụ phân tầng NDT hiệu quả: Phục vụ định kỳ 4 nhóm bạn đọc với tỷ trọng thực tế:
    1. Cán bộ lãnh đạo, quản lý: 2% tổng lưu lượng.
    2. Chuyên gia nghiên cứu, giảng viên: 20% tổng lưu lượng.
    3. Sinh viên, học viên cao học, NCS: 73% tổng lưu lượng.
    4. Doanh nghiệp và công chúng: 5% tổng lưu lượng.
  • Chuẩn hóa hệ thống biên mục: 100% tài liệu mới được xử lý theo khung phân loại DDC 23 và Bộ Từ khóa có kiểm soát ấn bản 2012.

Đổi mới và đóng góp

Các đổi mới kỹ thuật nổi bật

  1. Chuyển đổi khung phân loại chuẩn quốc tế (BBK $\rightarrow$ DDC 14 $\rightarrow$ DDC 23): Giải quyết triệt để xung đột mã xếp giá giữa chữ cái và môn loại của BBK cũ, cho phép liên thông mục lục với hệ thống thư viện toàn cầu.
  2. Chuẩn hóa Bộ Từ khóa có kiểm soát đa tầng (35.000 mục từ): Cấu trúc phân loại gồm 6 phần chuyên biệt, tích hợp mạng lưới tham chiếu liên kết (Xem, Dùng cho, Cùng xem), giảm thiểu tỷ lệ tìm kiếm thất bại do đồng âm khác nghĩa hoặc từ đồng nghĩa.
  3. Quy trình số hóa công nghiệp quy mô lớn: Tích hợp dây chuyền scan tốc độ cao (DL3003 với 1.100–1.300 trang/giờ) kết hợp hệ thống kiểm soát bản quyền và quản lý tài liệu số chuyên biệt (docWorks, Veridian).
+----------------------------------------------------------------------------+
|        SO SÁNH BỘ TỪ KHÓA CỦA TVQGVN QUA CÁC THỜI KỲ                       |
+----------------------------------------------------------------------------+
| 1997: ~20.000 từ khóa tự do (Chưa kiểm soát, trùng lặp cao)                |
|   |                                                                        |
|   v (Chọn lọc từ 43.000 từ khóa)                                           |
| 2005: Bộ Từ khóa có kiểm soát ấn bản 1                                      |
|   |                                                                        |
|   v (Cập nhật, bổ sung cấu trúc tham chiếu Xem/Dùng cho/Cùng xem)          |
| 2012: Bộ Từ khóa hoàn thiện ~35.000 thuật ngữ (6 phân hệ chuẩn mực)        |
+----------------------------------------------------------------------------+

Đóng góp thực tiễn cho ngành Thư viện Việt Nam

  • Đóng vai trò là thư viện trung tâm chuyển giao công nghệ, hướng dẫn nghiệp vụ chuẩn biên mục máy đọc được MARC21 và phân loại DDC 23 cho mạng lưới 63 thư viện tỉnh, thành phố trực thuộc Trung ương.
  • Bảo tồn và phổ biến nguồn tài nguyên di sản quốc gia quý giá: Sách Hán Nôm cổ, tư liệu báo chí Đông Dương từ thế kỷ XVII đến 1954 trên môi trường số hóa an toàn.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế (Real-world Use Cases)

Kịch bản 1: Tra cứu và kiểm chứng nguồn gốc Luận án Tiến sĩ

  • Đối tượng: Nghiên cứu sinh, chuyên gia phản biện học thuật.
  • Luồng nghiệp vụ: Truy cập cổng http://luanan.nlv.gov.vn $\rightarrow$ Tra cứu theo tác giả/chuyên ngành $\rightarrow$ Đọc bản tóm tắt và toàn văn (25.500 bộ luận án) $\rightarrow$ Đối chiếu trích dẫn khoa học.

Kịch bản 2: Khai thác tư liệu cổ Hán Nôm và Báo chí Đông Dương

  • Đối tượng: Nhà sử học, nhà nghiên cứu văn hóa.
  • Luồng nghiệp vụ: Truy cập http://hannom.nlv.gov.vn hoặc http://baochi.nlv.gov.vn $\rightarrow$ Tìm kiếm theo tên triều đại/tác giả chữ Nôm $\rightarrow$ Hệ thống NLVNPF/Veridian hiển thị hình ảnh scan độ phân giải cao định dạng TIFF/JPEG kèm bản dịch nghĩa.

Yêu cầu triển khai và cấu hình hạ tầng đề xuất

Hạng mục phần cứng/mạng Yêu cầu tối thiểu (Minimum) Cấu hình khuyến nghị tối ưu (Recommended)
Máy chủ Cơ sở dữ liệu (Database Server) Intel Xeon 8 cores, 32GB RAM, SSD RAID 10 Dual Intel Xeon Scalable 16 cores, 64GB RAM, NVMe Enterprise RAID 10
Máy chủ Ứng dụng (Web/App Server) 4 cores, 16GB RAM, Windows Server/Linux 8 cores, 32GB RAM, Nginx Reverse Proxy / Apache Tomcat
Hệ thống Lưu trữ (Storage Area Network) 20TB NAS lưu trữ tệp số hóa SAN Storage >100TB, tự động sao lưu định kỳ (Tiered Backup)
Băng thông kết nối (Network Bandwidth) Leased-line 50 Mbps Leased-line 200 Mbps đối xứng + CDN phân tán tải tài liệu số
Hạ tầng bảo mật Firewall mềm, phần mềm Antivirus máy chủ Next-Gen Hardware Firewall, WAF, SSL EV Certificate, Hệ thống IPS/IDS

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện hữu

  • Tắc nghẽn hiệu năng khi truy vấn chỉ mục lớn: Phần mềm iLib xử lý câu lệnh SQL tìm kiếm toàn văn (Full-text) chưa được tối ưu hóa với các bảng chỉ mục hàng trăm nghìn biểu ghi.
  • Giao diện người dùng phân mảnh: Người dùng phải đăng nhập và tìm kiếm trên các cổng độc lập (OPAC, Luận án, Hán Nôm, Báo chí) thay vì một thanh tìm kiếm duy nhất.
  • Độ chính xác của thuật toán nhận dạng chữ quang học (OCR): Tài liệu cổ thời Đông Dương hoặc bản viết tay Hán Nôm chất liệu giấy dó có độ tương phản thấp, tỷ lệ nhận dạng tự động còn hạn chế.

Lộ trình nâng cấp và phát triển (Roadmap)

  1. Giai đoạn 1 (Ngắn hạn): Tái cấu trúc cơ sở dữ liệu bảng chỉ mục (Index Rebuilding) trên máy chủ CSDL của iLib; bổ sung bộ đệm truy vấn (Query Caching Redis) để giảm độ trễ tìm kiếm các từ khóa phổ biến xuống dưới 0.5 giây.
  2. Giai đoạn 2 (Trung hạn): Triển khai Hệ thống Khám phá Thông tin tập trung thế hệ mới (Next-Generation Discovery Service) ứng dụng công nghệ Elasticsearch/Solr, tích hợp chuẩn Z39.50/SRU và giao thức OAI-PMH (Open Archives Initiative Protocol for Metadata Harvesting).
  3. Giai đoạn 3 (Dài hạn): Ứng dụng trí tuệ nhân tạo (AI/NLP) trong tự động lập chỉ mục ngữ nghĩa (Semantic Indexing), xử lý OCR nâng cao cho tài liệu Hán Nôm và phát triển mạng dữ liệu liên kết mở (Linked Open Data - BIBFRAME).

Đối tượng hưởng lợi

+-----------------------------------------------------------------------+
|                       ĐỐI TƯỢNG HƯỞNG LỢI                             |
+-----------------------------------------------------------------------+
|                                                                       |
|   [SINH VIÊN & HỌC VIÊN]     ----->   Tiếp cận 850.000+ biểu ghi &    |
|   (Chiếm 73% NDT)                     25.500 luận án TS trực tuyến.   |
|                                                                       |
|   [NHÀ NGHIÊN CỨU]           ----->   Rút ngắn 60% thời gian tra cứu  |
|   (Chiếm 20% NDT)                     tư liệu cổ, Hán Nôm & Đông Dương|
|                                                                       |
|   [KỸ SƯ HỆ THỐNG / THỦ THƯ] ----->   Chuẩn hóa 100% MARC21 & DDC 23; |
|                                       đồng bộ quản trị liên thư viện. |
|                                                                       |
|   [CƠ QUAN QUẢN LÝ / XÃ HỘI] ----->   Bảo tồn số hóa vĩnh viễn di sản |
|                                       văn hiến quốc gia.              |
+-----------------------------------------------------------------------+
  • Sinh viên, Học viên cao học, Nghiên cứu sinh (73% NDT): Tiếp cận nguồn học liệu hàn lâm tin cậy, tra cứu danh mục luận văn, luận án và tài liệu chuyên khảo phục vụ học tập và nghiên cứu.
  • Nhà khoa học, Giảng viên, Chuyên gia nghiên cứu (20% NDT): Tiết kiệm đến 60% thời gian tìm kiếm nguồn tư liệu sơ cấp quý hiếm nhờ hệ thống CSDL số hóa toàn văn.
  • Chuyên viên thư viện và Quản trị hệ thống: Sở hữu quy trình nghiệp vụ chuẩn hóa cao, giảm áp lực phân loại thủ công, nâng cao độ chính xác khi nhập tin và kiểm soát dữ liệu thư mục.
  • Xã hội và Cộng đồng văn hóa: Bảo tồn bền vững các di sản tri thức quý giá trước nguy cơ xuống cấp vật lý của giấy in qua hàng thế kỷ.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai đồng bộ hệ thống OPAC và CSDL số là gì?

Hệ thống cần tối thiểu 1 máy chủ ứng dụng chạy Web Server (IIS hoặc Apache/Nginx), 1 máy chủ CSDL chuyên dụng chạy RDBMS cấu hình tối thiểu 32GB RAM, ổ cứng SSD Enterprise RAID 10, hạ tầng mạng nội bộ cáp quang Gigabit và kết nối Internet Leased-line đối xứng băng thông từ 50 Mbps trở lên.

2. Làm thế nào để khắc phục hiện tượng truy vấn chậm khi tra cứu từ khóa rộng trên OPAC?

Giải pháp kỹ thuật bao gồm: (1) Tối ưu hóa lại các chỉ mục Full-text Index trong CSDL, (2) Thiết lập cơ chế phân trang động (Pagination) chỉ tải trước 20–50 bản ghi đầu tiên thay vì truy xuất toàn bộ 50.000+ dòng, (3) Triển khai tầng nhớ đệm (Caching Layer) lưu lại kết quả của các truy vấn phổ biến.

3. Hệ thống có khả năng liên thông dữ liệu với các thư viện quốc tế không?

Có. Nhờ việc tuân thủ triệt để các chuẩn quốc tế gồm khổ mẫu biên mục MARC21, quy tắc mô tả ISBD/AACR2, khung phân loại DDC 23 và giao thức kết nối Z39.50/SRU, hệ thống hoàn toàn sẵn sàng chia sẻ và thu thập dữ liệu biên mục liên thư viện với Thư viện Quốc hội Mỹ (LC), Thư viện Quốc gia Pháp (BnF), và Thư viện Số Thế giới (WDL).

4. Chi phí bảo trì và vận hành hệ thống phần mềm thư viện số bao gồm những gì?

Chi phí bao gồm: Phí duy trì bản quyền và nâng cấp phần mềm quản trị tích hợp (ILMS), phí duy trì hạ tầng máy chủ/lưu trữ đám mây, chi phí bảo trì thiết bị số hóa chuyên dụng (đèn quét, cơ cấu kéo sách tự động), và chi phí đào tạo nâng cao trình độ CNTT định kỳ cho thủ thư.

5. Tại sao cần chuyển đổi từ khung phân loại BBK sang DDC 23?

Khung phân loại BBK sử dụng hệ ký hiệu kết hợp chữ và số gây hiện tượng trùng lặp nhãn xếp giá và thiếu tính cập nhật cho các ngành khoa học công nghệ mới. DDC 23 là khung phân loại thập phân chuẩn hóa quốc tế, cấu trúc logic thuần số dễ quản trị bằng máy tính và hỗ trợ liên thông dữ liệu toàn cầu.

Kết luận

Khóa luận "Nghiên cứu hệ thống lưu trữ và tra cứu thông tin phục vụ người dùng tin tại Thư viện Quốc gia Việt Nam" đã cung cấp bức tranh toàn cảnh, sâu sắc và có căn cứ thực nghiệm vững chắc về hạ tầng thông tin của thư viện trung tâm lớn nhất cả nước. Việc chuẩn hóa quy trình lưu trữ dựa trên MARC21, DDC 23, tích hợp Bộ Từ khóa có kiểm soát 2012 cùng các phân hệ CSDL toàn văn số hóa đã đáp ứng hiệu quả nhu cầu khai thác tri thức của hơn 2,5 triệu lượt tài liệu.

Tuy nhiên, trước làn sóng chuyển đổi số mạnh mẽ, TVQGVN cần tiếp tục đầu tư hoàn thiện kiến trúc phần mềm, ứng dụng công nghệ tìm kiếm phân tán (Discovery Layer/Elasticsearch), và tăng cường năng lực khai thác dữ liệu liên kết. Đây chính là tiền đề cốt lõi để nâng tầm Thư viện Quốc gia Việt Nam trở thành trung tâm tri thức số thông minh, phục vụ đắc lực cho sự nghiệp giáo dục, nghiên cứu khoa học và phát triển kinh tế – xã hội của đất nước.