Khóa luận: Tìm kiếm thông tin văn bản trong thư viện số - Nguyễn Thị Thanh Hải

Khám phá các phương pháp tìm kiếm thông tin văn bản hiệu quả trong thư viện số. Tổng quan mô hình tìm kiếm IR, truy vấn Boolean và đánh giá hiệu suất.

• Tác giả: Nguyễn Thị Thanh Hải
• Người hướng dẫn: TS. Đỗ Quang Vinh
• Trường học: Trường Đại học Văn hóa Hà Nội
• Chuyên ngành: Thư viện - Thông tin
• Đề tài: Tìm kiếm thông tin văn bản trong thư viện số
• Loại tài liệu: Khóa luận tốt nghiệp
• Năm xuất bản: 2013
• Địa điểm: Hà Nội

Tóm tắt

I. Hướng dẫn tìm kiếm văn bản hiệu quả trong thư viện số

Trong kỷ nguyên số, thư viện số (Digital Library) đã trở thành một kho tri thức khổng lồ, cung cấp quyền truy cập vào vô số tài nguyên điện tử. Các thư viện này lưu trữ một lượng lớn thông tin, từ bài báo khoa học, luận văn, luận án đến các tài liệu đa phương tiện. Sự phát triển mạnh mẽ của Internet đã làm gia tăng thông tin theo cấp số nhân, khiến việc tìm kiếm chính xác và nhanh chóng trở thành một thách thức. Do đó, việc nắm vững các phương pháp tìm kiếm văn bản hiệu quả không còn là một kỹ năng bổ trợ mà đã trở thành một yêu cầu thiết yếu đối với các nhà nghiên cứu, sinh viên và học giả. Một chiến lược tìm kiếm tốt giúp tiết kiệm thời gian, nâng cao chất lượng nghiên cứu và đảm bảo người dùng có thể khai thác tối đa giá trị từ các cơ sở dữ liệu học thuật. Bài viết này sẽ phân tích các phương pháp truy xuất thông tin văn bản từ cơ bản đến nâng cao, giúp người dùng điều hướng và khai thác hiệu quả nguồn tài nguyên tri thức vô tận trong các thư viện số hiện đại.

1.1. Vai trò của thư viện số trong kỷ nguyên thông tin

Thư viện số là một tổ chức cung cấp tài nguyên và nhân lực chuyên môn để lựa chọn, cấu trúc, cung cấp quyền truy cập, diễn giải, phân phối và bảo quản các bộ sưu tập kỹ thuật số. Không giống như thư viện truyền thống bị giới hạn bởi không gian vật lý, thư viện số cho phép truy cập thông tin mọi lúc, mọi nơi. Đặc trưng cơ bản của nó là khả năng lưu trữ khối lượng lớn thông tin số hóa và tích hợp nhiều định dạng khác nhau như văn bản, hình ảnh, âm thanh. Sức mạnh của máy tính được tận dụng để tối ưu hóa tìm kiếm, cho phép người dùng chuyển đổi dễ dàng giữa các nguồn thông tin. Clifford Lynch, một nhà nghiên cứu hàng đầu, đã phân biệt rõ ràng: “Internet và những tài nguyên đa phương tiện của nó... không được thiết kế để hỗ trợ xuất bản và thu thập thông tin có tổ chức. Nó chỉ là một kho hỗn độn của các thông tin vô tổ chức... Internet không phải là một thư viện số”. Điều này nhấn mạnh vai trò của thư viện số trong việc tổ chức và cung cấp các tài nguyên điện tử một cách có hệ thống và đáng tin cậy.

1.2. Tầm quan trọng của truy xuất thông tin chính xác

Truy xuất thông tin (Information Retrieval - IR) là khoa học về việc tìm kiếm thông tin trong tài liệu, tìm chính tài liệu đó, hoặc tìm kiếm siêu dữ liệu mô tả tài liệu. Chức năng chính của một hệ thống IR là quản lý một khối lượng lớn văn bản và cho phép truy vấn dễ dàng các thông tin người dùng quan tâm. Mục tiêu của người dùng là độ chính xác và tốc độ. Họ cần tìm đúng thông tin mong muốn và quá trình này phải diễn ra nhanh chóng. Trong bối cảnh một thư viện số chứa hàng triệu tài liệu, việc thiếu một phương pháp tìm kiếm văn bản hiệu quả sẽ dẫn đến kết quả không liên quan, gây lãng phí thời gian và công sức. Do đó, việc áp dụng các kỹ thuật tìm kiếm nâng cao và hiểu rõ cách hệ thống hoạt động là yếu tố quyết định hiệu suất khai thác thông tin, đặc biệt trong môi trường học thuật, nơi tính chính xác và đầy đủ của tài liệu là tối quan trọng.

II. Thách thức khi khai thác dữ liệu văn bản trong thư viện

Việc khai thác dữ liệu văn bản trong các thư viện số phải đối mặt với nhiều thách thức đáng kể. Trở ngại lớn nhất là tình trạng quá tải thông tin. Với hàng triệu bài báo khoa học và tài liệu được bổ sung liên tục, người dùng dễ bị "nhấn chìm" trong một biển dữ liệu không liên quan. Việc sàng lọc để tìm ra những tài liệu thực sự giá trị đòi hỏi một chiến lược tìm kiếm tinh vi. Thêm vào đó, hầu hết người dùng phổ thông không có kiến thức chuyên sâu về cấu trúc truy vấn hay ngôn ngữ tìm kiếm phức tạp. Họ thường chỉ sử dụng các từ khóa đơn giản, dẫn đến kết quả tìm kiếm quá rộng hoặc không chính xác. Các hệ thống thư viện, mặc dù mạnh mẽ, vẫn có những hạn chế trong việc hiểu ý định thực sự của người dùng. Sự đa dạng về ngôn ngữ, từ đồng nghĩa, và các thuật ngữ chuyên ngành cũng là một rào cản lớn. Một phương pháp tìm kiếm văn bản hiệu quả phải giải quyết được những vấn đề này, cung cấp các công cụ mạnh mẽ nhưng dễ sử dụng để hỗ trợ người dùng trong quá trình truy xuất thông tin.

2.1. Hạn chế của các chiến lược tìm kiếm thông thường

Các chiến lược tìm kiếm thông thường thường dựa trên việc so khớp từ khóa chính xác. Phương pháp này bộc lộ nhiều điểm yếu khi xử lý sự phức tạp của ngôn ngữ tự nhiên. Ví dụ, một truy vấn đơn giản có thể bỏ sót các tài liệu quan trọng chỉ vì chúng sử dụng từ đồng nghĩa hoặc các thuật ngữ liên quan thay vì từ khóa chính xác. Hơn nữa, các hệ thống tìm kiếm cơ bản không có khả năng xếp hạng kết quả theo mức độ liên quan. Tất cả các tài liệu chứa từ khóa đều được coi là ngang hàng, khiến người dùng phải tự mình đánh giá nguồn tin và sàng lọc thủ công. Điều này đặc biệt khó khăn khi tìm kiếm các luận văn, luận án, nơi các khái niệm phức tạp được diễn giải theo nhiều cách khác nhau. Việc thiếu các bộ lọc tìm kiếm linh hoạt và các tùy chọn tìm kiếm nâng cao dễ tiếp cận làm giảm đáng kể hiệu quả của quá trình nghiên cứu.

2.2. Vấn đề xử lý ngôn ngữ và ngữ nghĩa trong tìm kiếm

Thách thức cốt lõi trong truy xuất thông tin văn bản nằm ở việc hiểu được ngữ nghĩa đằng sau các từ khóa. Các hệ thống truyền thống thường bỏ qua mối quan hệ ngữ nghĩa giữa các thuật ngữ. Ví dụ, hệ thống có thể không nhận ra rằng "kinh tế học vĩ mô" và "chính sách tiền tệ" là hai chủ đề có liên quan chặt chẽ. Đây là lúc vai trò của xử lý ngôn ngữ tự nhiên (NLP) trở nên quan trọng. Các kỹ thuật NLP giúp máy tính hiểu cấu trúc và ý nghĩa của ngôn ngữ con người, từ đó cho phép tìm kiếm ngữ nghĩa thay vì chỉ so khớp từ khóa. Tuy nhiên, việc triển khai các mô hình NLP phức tạp trong các hệ thống thư viện tích hợp đòi hỏi tài nguyên tính toán lớn và các bộ dữ liệu được chỉ mục hóa một cách tinh vi. Việc vượt qua rào cản kỹ thuật này là chìa khóa để xây dựng một phương pháp tìm kiếm văn bản hiệu quả thực sự thông minh và đáp ứng được nhu cầu của người dùng hiện đại.

III. Bí quyết dùng toán tử Boolean để tối ưu hóa tìm kiếm

Truy vấn Boolean là một trong những phương pháp tìm kiếm văn bản hiệu quả và phổ biến nhất, được áp dụng rộng rãi trong các hệ thống tra cứu thông tin thương mại và học thuật. Nền tảng của phương pháp này là đại số Boolean, sử dụng các toán tử Boolean để kết hợp các từ khóa, cho phép người dùng xây dựng những truy vấn phức tạp và chính xác. Đây là một công cụ mạnh mẽ để thu hẹp hoặc mở rộng phạm vi tìm kiếm, giúp lọc ra những kết quả phù hợp nhất từ một cơ sở dữ liệu học thuật khổng lồ. Ba toán tử cơ bản là AND, OR, và NOT. Mỗi toán tử có một chức năng riêng biệt: AND dùng để tìm các tài liệu chứa tất cả các từ khóa, OR dùng để tìm các tài liệu chứa ít nhất một trong các từ khóa, và NOT dùng để loại trừ các tài liệu chứa một từ khóa cụ thể. Việc sử dụng thành thạo các toán tử này là bước đầu tiên để tối ưu hóa tìm kiếm và xây dựng một chiến lược tìm kiếm hiệu quả, giúp kiểm soát tốt hơn kết quả trả về và nâng cao độ chính xác của quá trình truy xuất thông tin.

3.1. Tìm kiếm chính xác với toán tử AND OR và NOT

Các toán tử Boolean cho phép thể hiện ba loại quan hệ logic cơ bản. Toán tử AND tạo ra quan hệ giao, yêu cầu tất cả các thuật ngữ phải cùng xuất hiện. Ví dụ, truy vấn "Lịch sử" AND "Hà Nội" sẽ chỉ trả về những tài liệu nói về lịch sử của Hà Nội, giúp thu hẹp và làm chính xác kết quả. Ngược lại, toán tử OR tạo ra quan hệ hợp, dùng để mở rộng tìm kiếm. Truy vấn "Toán học" OR "Hóa học" sẽ tìm tất cả tài liệu chứa "Toán học", "Hóa học", hoặc cả hai, rất hữu ích khi tìm kiếm các chủ đề liên quan hoặc sử dụng từ đồng nghĩa. Cuối cùng, toán tử NOT tạo ra quan hệ loại trừ. Truy vấn "Lịch sử" NOT "Nhật Bản" sẽ tìm tài liệu về lịch sử nhưng loại bỏ những tài liệu có đề cập đến Nhật Bản. Việc kết hợp các toán tử này trong một chiến lược tìm kiếm duy nhất cho phép người dùng thực hiện các truy vấn tìm kiếm nâng cao một cách linh hoạt.

3.2. Hạn chế của mô hình tìm kiếm Boolean truyền thống

Mặc dù mạnh mẽ, mô hình Boolean có những hạn chế cố hữu. Nó hoạt động dựa trên logic nhị phân: một tài liệu hoặc hoàn toàn khớp với truy vấn, hoặc không. Mô hình này không có khả năng xếp hạng kết quả theo mức độ liên quan. Một tài liệu chỉ đề cập thoáng qua đến từ khóa sẽ được xem là tương đương với một tài liệu chuyên sâu về chủ đề đó. Như trong tài liệu gốc đã nêu, mô hình này không có cách nào để tìm các văn bản chỉ liên quan một phần (Partially relevant). Đối với các truy vấn phức tạp kết hợp nhiều toán tử, việc xây dựng có thể trở nên khó khăn cho người dùng không chuyên. Khi một truy vấn BQ trở nên quá phức tạp, tài liệu nghiên cứu đề xuất rằng "đây là thời điểm xem xét thay đổi toàn bộ chiến thuật và sử dụng mô hình IR khác – truy vấn xếp hạng". Đây chính là tiền đề cho sự phát triển của các phương pháp tìm kiếm văn bản hiệu quả hơn như mô hình không gian vector.

IV. Cách tìm kiếm xếp hạng và mô hình không gian vector

Để khắc phục những hạn chế của mô hình Boolean, phương pháp tìm kiếm văn bản hiệu quả dựa trên truy vấn xếp hạng (Ranked Retrieval) đã ra đời, với đại diện tiêu biểu là mô hình không gian vector. Ý tưởng cốt lõi là thay vì chỉ trả về kết quả khớp chính xác, hệ thống sẽ đánh giá mức độ tương tự giữa câu truy vấn và mỗi tài liệu, sau đó xếp hạng chúng theo thứ tự liên quan giảm dần. Điều này mang lại trải nghiệm truy xuất thông tin linh hoạt và hiệu quả hơn nhiều. Trong mô hình này, mỗi tài liệu và câu truy vấn được biểu diễn dưới dạng một vector trong một không gian đa chiều, nơi mỗi chiều tương ứng với một thuật ngữ đã được chỉ mục hóa. Mức độ liên quan được tính toán dựa trên khoảng cách hoặc góc giữa các vector này. Phương pháp này không chỉ cho phép tìm kiếm các tài liệu liên quan một phần mà còn giúp ưu tiên những kết quả phù hợp nhất lên hàng đầu, một tính năng quan trọng khi làm việc với các cơ sở dữ liệu học thuật lớn.

4.1. Nguyên lý hoạt động của mô hình không gian vector

Mô hình không gian vector biểu diễn mỗi tài liệu như một tập hợp các thuật ngữ có trọng số. Các thuật ngữ này hình thành nên các chiều của không gian. Trọng số của một thuật ngữ trong một tài liệu phản ánh tầm quan trọng của nó. Một thuật ngữ xuất hiện nhiều lần trong một tài liệu nhưng hiếm khi xuất hiện trong toàn bộ kho dữ liệu sẽ có trọng số cao, cho thấy nó là một từ khóa đặc trưng cho nội dung của tài liệu đó. Câu truy vấn của người dùng cũng được chuyển đổi thành một vector trong cùng không gian. Sau đó, hệ thống sử dụng các phép toán hình học, chẳng hạn như tính độ tương tự Cosine, để đo lường góc giữa vector truy vấn và các vector tài liệu. Tài liệu có góc nhỏ nhất (giá trị Cosine cao nhất) với truy vấn được coi là liên quan nhất. Đây là nền tảng của kỹ thuật tìm kiếm ngữ nghĩa, vượt qua giới hạn so khớp từ khóa đơn thuần.

4.2. Kỹ thuật tính trọng số TF IDF và độ đo Cosine

Để mô hình không gian vector hoạt động hiệu quả, việc gán trọng số cho thuật ngữ là cực kỳ quan trọng. Phương pháp phổ biến nhất là TF-IDF (Term Frequency – Inverse Document Frequency). TF (Tần suất thuật ngữ) đo lường số lần một thuật ngữ xuất hiện trong một tài liệu, phản ánh tầm quan trọng của nó trong tài liệu đó. IDF (Tần suất tài liệu nghịch đảo) đo lường mức độ hiếm của thuật ngữ trong toàn bộ bộ sưu tập. Trọng số TF-IDF của một thuật ngữ sẽ cao nếu nó xuất hiện thường xuyên trong một tài liệu cụ thể (TF cao) nhưng lại hiếm trong các tài liệu khác (IDF cao). Sau khi các vector tài liệu và truy vấn được xây dựng với trọng số TF-IDF, độ tương tự Cosine được sử dụng để tính toán mức độ liên quan. Độ đo Cosine tập trung vào hướng của các vector thay vì độ lớn, giúp chuẩn hóa và so sánh hiệu quả các tài liệu có độ dài khác nhau.

V. So sánh hiệu quả các phương pháp tìm kiếm văn bản thực tế

Việc đánh giá nguồn tin và hiệu suất của các phương pháp tìm kiếm văn bản hiệu quả là một bước quan trọng để xác định tính ứng dụng thực tiễn. Tài liệu nghiên cứu gốc đã tiến hành thử nghiệm trên nhiều thư viện số uy tín trong và ngoài nước, bao gồm IEEE Xplore, Thư viện Tạ Quang Bửu, và Thư viện Quốc gia Việt Nam. Các thử nghiệm này cho thấy rõ sự khác biệt giữa truy vấn Boolean và các phương pháp tìm kiếm nâng cao. Truy vấn Boolean, khi được xây dựng chính xác, cho kết quả rất cụ thể và phù hợp cho các nhu cầu tìm kiếm đã xác định rõ ràng. Tuy nhiên, đối với các yêu cầu thông tin phức tạp hoặc chưa rõ ràng, các hệ thống hỗ trợ tìm kiếm xếp hạng như tại thư viện IEEE cho thấy ưu thế vượt trội. Chúng không chỉ trả về nhiều kết quả liên quan hơn mà còn sắp xếp chúng theo một thứ tự hợp lý, giúp người dùng nhanh chóng xác định được các bài báo khoa học hoặc luận văn, luận án quan trọng nhất, từ đó tối ưu hóa tìm kiếm và nâng cao hiệu quả nghiên cứu.

5.1. Thử nghiệm tìm kiếm trên các cơ sở dữ liệu học thuật

Các thử nghiệm thực tế được mô tả trong tài liệu gốc đã sử dụng các truy vấn với toán tử Boolean trên nhiều hệ thống thư viện tích hợp. Ví dụ, tại Thư viện số IEEE, các truy vấn phức tạp sử dụng AND và OR đều cho ra kết quả chính xác, thể hiện khả năng xử lý mạnh mẽ của hệ thống. Trong khi đó, các thử nghiệm tại một số thư viện ở Việt Nam cho thấy sự phụ thuộc lớn vào chất lượng chỉ mục hóa và metadata của tài liệu. Kết quả cho thấy, một chiến lược tìm kiếm tốt cần được kết hợp với một hệ thống được xây dựng và tổ chức tốt. Các nền tảng như Google Scholar cũng thường tích hợp các thuật toán xếp hạng phức tạp, ẩn sau một giao diện đơn giản, mang lại trải nghiệm truy xuất thông tin liền mạch cho người dùng cuối. Những thử nghiệm này cung cấp bằng chứng thực tế về tầm quan trọng của việc lựa chọn phương pháp tìm kiếm phù hợp với từng loại cơ sở dữ liệu học thuật.

5.2. Các tiêu chí đánh giá hiệu suất và nguồn tin

Hiệu suất của một hệ thống truy xuất thông tin thường được đánh giá qua hai chỉ số chính: Độ chính xác (Precision) và Độ phủ (Recall). Độ chính xác đo lường tỷ lệ các tài liệu liên quan trong số các tài liệu được trả về, trong khi Độ phủ đo lường tỷ lệ các tài liệu liên quan đã được tìm thấy so với tổng số tài liệu liên quan có trong cơ sở dữ liệu. Một phương pháp tìm kiếm văn bản hiệu quả lý tưởng cần cân bằng được cả hai yếu tố này. Ngoài ra, việc đánh giá nguồn tin trả về cũng rất quan trọng. Người dùng cần xem xét uy tín của tác giả, nhà xuất bản, và năm xuất bản để đảm bảo tính cập nhật và độ tin cậy của thông tin. Các công cụ quản lý trích dẫn và các bộ lọc tìm kiếm (lọc theo ngày, theo loại tài liệu, theo tác giả) là những trợ thủ đắc lực trong quá trình này, giúp người dùng sàng lọc và lựa chọn những tài liệu chất lượng nhất.

VI. Tương lai của truy xuất thông tin và xử lý ngôn ngữ tự nhiên

Tương lai của các phương pháp tìm kiếm văn bản hiệu quả trong thư viện số gắn liền với những tiến bộ trong lĩnh vực trí tuệ nhân tạo, đặc biệt là xử lý ngôn ngữ tự nhiên (NLP). Các hệ thống tìm kiếm đang dần chuyển từ việc so khớp từ khóa đơn thuần sang hiểu ý định và ngữ cảnh của người dùng. Xu hướng tìm kiếm ngữ nghĩa ngày càng trở nên phổ biến, nơi máy tính có thể hiểu được các mối quan hệ phức tạp giữa các khái niệm. Thay vì yêu cầu người dùng phải xây dựng các truy vấn phức tạp với toán tử Boolean, các hệ thống tương lai sẽ cho phép đặt câu hỏi bằng ngôn ngữ tự nhiên, giống như trò chuyện với một chuyên gia. Các công nghệ này sẽ giúp tối ưu hóa tìm kiếm đến một cấp độ mới, làm cho việc truy xuất thông tin trở nên trực quan, chính xác và cá nhân hóa hơn, mở ra tiềm năng to lớn cho việc khai thác dữ liệu văn bản trong nghiên cứu và học tập.

6.1. Xu hướng tích hợp NLP và tìm kiếm ngữ nghĩa

Việc tích hợp NLP vào các hệ thống tìm kiếm cho phép thực hiện nhiều tác vụ nâng cao. Các mô hình ngôn ngữ lớn có thể phân tích một câu truy vấn, xác định các thực thể chính, hiểu mối quan hệ giữa chúng và mở rộng tìm kiếm với các từ đồng nghĩa và khái niệm liên quan. Điều này giúp giải quyết vấn đề từ vựng không khớp, một trong những thách thức lớn nhất của các hệ thống tìm kiếm truyền thống. Tìm kiếm ngữ nghĩa còn có khả năng trả về câu trả lời trực tiếp thay vì chỉ là một danh sách các tài liệu. Ví dụ, khi người dùng hỏi "Ai là tác giả của mô hình không gian vector?", hệ thống có thể trích xuất và hiển thị câu trả lời "Gerard Salton" ngay lập tức. Xu hướng này đang biến các cơ sở dữ liệu học thuật thành những công cụ tri thức tương tác, thay vì chỉ là kho lưu trữ tĩnh.

6.2. Hướng tới hệ thống thư viện tích hợp thông minh

Mục tiêu cuối cùng là xây dựng các hệ thống thư viện tích hợp thông minh. Các hệ thống này không chỉ cung cấp khả năng tìm kiếm mạnh mẽ mà còn hỗ trợ người dùng trong toàn bộ quy trình nghiên cứu. Chúng có thể gợi ý các bài báo khoa học liên quan dựa trên lịch sử đọc, tự động tạo tóm tắt tài liệu, và tích hợp liền mạch với các công cụ quản lý trích dẫn. Metadata sẽ được tạo và làm giàu một cách tự động bằng AI, cải thiện khả năng khám phá tài liệu. Các bộ lọc tìm kiếm sẽ trở nên thông minh hơn, có khả năng hiểu các yêu cầu trừu tượng. Sự kết hợp giữa kho tài nguyên điện tử phong phú và công nghệ truy xuất thông tin tiên tiến sẽ biến thư viện số thành một trợ lý nghiên cứu cá nhân, hỗ trợ đắc lực cho sự phát triển của tri thức nhân loại.

Trích đoạn nội dung tài liệu

Chương 1 KHÁI QUÁT VỀ THƯ VIỆN SỐ VÀ THÔNG TIN VĂN BẢN TRONG THƯ VIỆN SỐ 1.1 Khái niệm, đặc trưng và kiến trúc thư viện số 1.1 Khái niệm thư viện số Cùng với sự phát triển và ứng dụng rộng rãi của mạng lưới truyền thông và công nghệ thông tin, nhiều thư viện số đang có sự phát triển mạnh mẽ trên thế giới hiện nay. Sự xuất hiện của thư viện số không chỉ tạo ra một cơ hội mới cho sự phát triển thư viện, mà còn đặt ra những yêu cầu cao hơn trong việc cải tổ những thư viện truyền thống, nhằm đáp ứng tốt nhu cầu ngày càng cao của người sử dụng. Hiện nay, có rất nhiều định nghĩa khác nhau về thư viện số, nhiều định nghĩa đã được công bố trong giới học giả toàn cầu về thư viện, nhằm định nghĩa rõ ràng một DL. Dưới đây là một số định nghĩa tiêu biểu về thư viện số.) [16]: Thư viện số là một kho thông tin có tổ chức với các dịch vụ liên kết, trong đó thông tin được lưu trữ ở dạng số và có thể truy cập qua một mạng.

Ý chính của định nghĩa là thông tin có tổ chức. DL chứa các loại kho thông tin khác nhau dùng bởi nhiều người sử dụng khác nhau. DL có quy mô từ nhỏ đến rất lớn. DL có thể sử dụng bất kỳ loại thiết bị tính toán nào và loại phần mềm nào phù hợp.

Chủ đề thống nhất là thông tin được tổ chức trên máy tính và có sẵn trên mạng với các thủ tục lựa chọn tài liệu trong các kho để tổ chức, làm cho sẵn có với người sử dụng và lưu trữ.) [20]: Thư viện số là một thực thể liên quan tới sự tạo ra các nguồn tin và sự hoạt động thông tin qua các mạng toàn cầu. DL là một kho thông tin có tổ chức. Một DL được biểu thị là một tập hợp các máy chủ tự phân tán làm việc đồng thời nhằm trao cho người 11 sử dụng diện mạo của một CSDL tài liệu liên kết. Thực tế, mỗi máy chủ lưu trữ một lượng lớn thông tin đa dạng trên nhiều loại vật tải lưu trữ.

Đặc điểm của DL là trợ giúp cộng tác, bảo quản tài liệu số, quản trị CSDL phân tán, siêu văn bản, trích lọc thông tin, tìm kiếm thông tin, các đơn thể hướng dẫn, các quyền sở hữu trí tuệ, các dịch vụ thông tin đa phương tiện và các dịch vụ tra cứu, khám phá tài nguyên và phổ biến thông tin có chọn lọc. Chúng cho phép thông tin được truy cập toàn cầu, sao chép không lỗi, lưu trữ cô đặc và tìm kiếm nhanh.) [23]: Thư viện số là các kho dữ liệu mạng về tài liệu văn bản số, hình ảnh, âm thanh, dữ liệu khoa học và phần mềm là lõi của Internet hiện nay và các kho dữ liệu số có thể truy cập phổ biến về tất cả tri thức của loài người trong tương lai.4 (Sun Microsystems) [27]: Thư viện số là sự mở rộng điện tử về các chức năng điển hình người sử dụng thực hiện và các tài nguyên người sử dụng truy cập trong thư viện truyền thống. Các tài nguyên thông tin được chuyển thành dạng số lưu trữ trong các kho multimedia và làm cho sẵn có thông qua các dịch vụ Web. Thư viện số là các kho đối tượng số, bao gồm văn bản, video và audio cùng với các phương pháp truy cập và tìm kiếm, lựa chọn tổ chức và bảo trì.

Ian Witten, chuyên gia thư viện số Đại học Waikato, New Zealand: Thư viện số là tập hợp những bộ sưu tập thông tin các đối tượng số hoặc đã được số hóa có tổ chức và tập trung. Tập trung theo đề tài hay chủ đề và có tổ chức để thông tin dễ truy cập và lưu trữ theo những tiêu chuẩn chuyên biệt cung cấp hai khả năng chính: - Phương thức truy cập, chọn lọc, hiển thị tài nguyên số (dành cho người sử dụng); - Phương thức xây dựng, tổ chức và lưu hành (dành cho cán bộ thư viện)”.6 (Liên đoàn thư viện Hoa Kỳ): Thư viện số là cơ quan, tổ chức có các nguồn nhân lực chuyên hóa, để lựa chọn cấu trúc việc truy cập đến diễn giải, phổ biến, bảo quản sự toàn vẹn, đảm bảo sự ổn định trong thời gian dài của sưu tập các công trình số hóa mà chúng ở dạng sẵn sàng để sự dụng một cách kinh tế cho một hoặc một số cộng đồng nhất định.7 (Liên đoàn thư viện số - The Digital Library Federation): Thư viện số là một tổ chức cung cấp tài nguyên, để chọn lọc, cấu trúc, cung ứng truy cập, biên dịch, phân phối, bảo quản nguyên vẹn, và đảm bảo bền vững theo thời gian những bộ sưu tập kỹ thuật số để sẵn sàng phục vụ cộng đồng một cách tinh tế. Ngoài ra, còn có một số định nghĩa khác về thư viện số: Thư viện số là thuật ngữ được chấp nhận rộng rãi như sự mô tả việc sử dụng công nghệ số của thư viện để thu thập, lưu trữ, bảo tồn và cung cấp sự truy cập đến thông tin - Trung tâm Nghiên cứu và đổi mới thư viện Anh. Thư viện số là nơi trình bày những bộ sưu tập thông tin có tổ chức.

Đối tượng của những bộ sưu tập đó là nguồn tài nguyên thông tin số hóa cùng với các phương thức: Truy hồi, chọn lọc, truy cập, tổ chức và bảo trì bộ sưu tập đó. Người sử dụng: Truy cập, chọn lọc, hiển thị tài liệu số. Cán bộ thư viện: xây dựng, tổ chức, lưu hành. Tóm lại, thư viện số là một kho thông tin số khổng lồ có tổ chức với các dịch vụ liên kết qua mạng.

Một câu hỏi đặt ra là: World Wide Web có phải là một thư viện số hay không? World Wide Web cũng là một kho dữ liệu khổng lồ chuyên thu thập hàng ngàn, hàng triệu trang tài liệu, cho phép mọi người tìm kiếm thông tin trên đó. Tuy nhiên, có nhiều ý kiến lại cho rằng: World Wide Web không phải là thư viện số, đặc biệt là Clifford Lyunch – một trong những nhà nghiên cứu hàng đầu trong lĩnh vực thư viện nói chung và thư viện số nói riêng. Ông cho rằng: “Internet và những tài nguyên đa phương tiện của nó, còn gọi là World Wide 13 Web, không được thiết kế để hỗ trợ xuất bản và thu thập thông tin có tổ chức. Nó chỉ là một kho hỗn độn của các thông tin vô tổ chức trên thế giới số…Internet không phải là một thư viện số”.

Khi so sánh những thông tin trên Internet với những thông tin được cung cấp từ thư viện số, Nguyễn Minh Hiệp, Đại học Khoa học tự nhiên Thành phố Hồ Chí Minh đã nói: “Có thể ví các thông tin từ các chương trình tìm kiếm trên Internet như bột mì, nếu muốn dùng phải nhào nặn rồi nướng lên còn ở đây với hệ thống Greenstone bạn đọc được cung cấp trực tiếp bánh mì, tiết kiệm được thời gian và công sức tìm kiếm”.2 Đặc trưng thư viện số Thư viện số được xây dựng và phát triển dựa trên nền tảng của thư viện truyền thống. Dó đó, nó cũng mang những đặc trưng của thư viện truyền thống. Tuy nhiên, thư viện số có những ưu thế nổi bật hơn hẳn so với thư viện truyền thống nhờ có sự ứng dụng của công nghệ thông tin cũng như hệ thống các phần mềm sử dụng trong thư viện. Thư viện số có các đặc trưng cơ bản sau.

Thư viện số có khả năng lưu trữ khối lượng lớn các thông tin số hóa. Tất cả các loại tài liệu của thư viện truyền thống như sách, báo, phim, ảnh, bản nhạc, bản đồ, video…đều có thể số hóa và được lưu trữ trong kho chứa của DL. Thư viện số có khả năng tích hợp thông tin số hóa, các dạng thông tin mới như: thông tin điện tử, thông tin đa phương tiện trở nên hữu dụng. Như vậy, thông tin được lưu trữ trong thư viện số là các thông tin đã được số hóa.

Nguồn thông tin số hóa chính là hạt nhân của thư viện số. Việc phát triển kho tài liệu số hóa là công việc quan trọng hàng đầu trong xây dựng thư viện số. Với thư viện số, sức mạnh của máy tính được dùng để tìm kiếm thông tin. Trong hầu hết các trường hợp tìm tin bằng máy tính bao giờ cũng nhanh hơn và tiện lợi hơn phương pháp thủ công và đặc biệt có thể chuyển dễ dàng từ nguồn thông tin này sang nguồn thông tin khác.

14 Thông tin luôn sẵn sàng phục vụ người dùng bởi cửa thư viện số không bao giờ đóng. Người sử dụng có thể truy cập, sử dụng bất kỳ khi nào họ muốn mà không bị giới hạn về không gian, thời gian hay số lượng người truy cập. Các nguồn thông tin trong thư viện số có thể được chia sẻ, người sử dụng không chỉ truy cập, sao chép các nguồn thông tin nội tại của thư viện mà còn có thể với tới nhiều nguồn thông tin từ bên ngoài nhờ các dịch vụ thông tin liên kết. Đây là một đặc điểm quan trọng bởi vì trong xã hội thông tin hiện đại không có một thư viện nào có thể phục vụ tốt cho người đọc và người dùng tin nếu chỉ đơn thuần sử dụng nguồn tin của riêng mình.

Thông tin trong thư viện số dễ dàng bổ sung, cập nhật nên thư viện số luôn đảm bảo có những thông tin mới nhất. Người dùng có thể xây dựng bộ sưu tập riêng của cá nhân họ bởi các cơ sở được cung cấp bởi thư viện số. Khả năng tìm xử lý nội dung đa ngôn ngữ. Có thể nói, thư viện số đã mang thư viện đến với người sử dụng.

Thư viện số có khả năng phục vụ rộng rãi. Đối tượng khai thác, sử dụng thư viện số được mở rộng ra ngoài phạm vi thư viện. Muốn tiếp cận thông tin số đòi hỏi phải sử dụng một hệ thống các máy đọc đa phương tiện. Thông tin có thể được tiếp cận từ xa qua modem hoặc mạng truyền thông tự động.

Điểm mạnh nhất của thư viện số là có thể tiếp cận thông tin dễ dàng và nhanh chóng với giá rẻ và có khả năng cung cấp một số lượng không hạn chế các bản sao. Thư viện số cung cấp các bản dự phòng và bản lưu trữ số hóa của kho tài liệu số. Các tập tin số hoá gốc được lưu trữ ở dạng thức không nén và có thể truy cập qua trang web. Các chương trình bảo quản kỹ thuật số trong thư viện số tạo nên chu trình bảo quản dài hạn cho kho tài liệu số hóa.