Bối cảnh và vấn đề nghiên cứu
Bước vào thế kỷ XXI, công nghệ thông tin và truyền thông trở thành động lực then chốt cho sự phát triển kinh tế - xã hội. Trong bối cảnh bùng nổ thông tin, hệ thống thông tin - thư viện truyền thống dần chuyển mình sang mô hình thư viện điện tử và thư viện số nhằm tự động hóa quy trình nghiệp vụ, nâng cao chất lượng phục vụ và tối ưu hóa chi phí vận hành. Các phần mềm chuyên ngành như hệ quản trị thư viện tích hợp (LIS: ILIB, Libol, COSLIB, CDS/ISIS) và hệ thống quản trị nội dung số (CMS: Greenstone, DSpace, Zope) đã được ứng dụng rộng rãi để xử lý và quản lý tài nguyên thông tin.
Tuy nhiên, việc xây dựng thư viện số đòi hỏi công tác số hóa nguồn tài liệu in truyền thống phải chuyển từ việc lưu trữ ảnh quét đơn thuần ("file hóa") sang dạng văn bản điện tử có khả năng tìm kiếm toàn văn, trích dẫn và biên tập lại. Điều này đặt công nghệ nhận dạng ký tự quang học (OCR) vào vị trí trung tâm của dây chuyền số hóa. Tại Việt Nam, việc nhận dạng chữ tiếng Việt gặp nhiều rào cản kỹ thuật do tính chất phức tạp của hệ thống dấu thanh và ký tự đặc thù.
Tại Đại học Quốc gia Hà Nội (ĐHQGHN), công tác số hóa tài nguyên thông tin đối mặt với các yêu cầu thực tiễn cấp bách:
- Nguồn tài liệu in và tài liệu nội sinh gia tăng liên tục trong khi không gian kho lưu trữ vật lý có hạn.
- Tài liệu giấy có nguy cơ xuống cấp theo thời gian dưới tác động của khí hậu, độ ẩm và tần suất sử dụng.
- ĐHQGHN chuyển đổi phương thức đào tạo từ niên chế sang học chế tín chỉ, lấy người học làm trung tâm, đòi hỏi việc tự học và tiếp cận tài liệu nhanh chóng từ xa.
- Các đơn vị thành viên của ĐHQGHN phân tán tại nhiều địa điểm địa lý trên địa bàn Hà Nội.
- Phục vụ Đề án 16+23 của ĐHQGHN nhằm xây dựng 16 ngành đào tạo đại học và 23 chuyên ngành sau đại học đạt chuẩn quốc tế vào năm 2012.
Trước bối cảnh đó, Trung tâm Thông tin - Thư viện ĐHQGHN (VNU-LIC) đã đầu tư dây chuyền số hóa hiện đại và ứng dụng phần mềm nhận dạng ABBYY Recognition Server nhằm chuyển đổi kho tài liệu in sang định dạng số.
Mục tiêu nghiên cứu của khóa luận được xác định cụ thể gồm 3 nhiệm vụ:
- Nghiên cứu tổng quan về lý thuyết và tính năng kỹ thuật của phần mềm nhận dạng ký tự quang học ABBYY.
- Tìm hiểu, phân tích các tính năng và tiện ích của phần mềm ABBYY trong việc nhận dạng văn bản chữ in tiếng Việt.
- Đánh giá thực trạng triển khai phần mềm ABBYY trong dây chuyền số hóa tài liệu tại Trung tâm Thông tin - Thư viện ĐHQGHN, từ đó đề xuất các giải pháp kỹ thuật, tổ chức và đúc kết kinh nghiệm cho các thư viện đại học khác.
Đối tượng và phạm vi nghiên cứu:
- Đối tượng nghiên cứu: Các tính năng, tiện ích kỹ thuật của phần mềm ABBYY và quá trình ứng dụng phần mềm này trong hoạt động số hóa tài liệu.
- Phạm vi không gian: Phòng Phát triển Tài nguyên số thuộc Trung tâm Thông tin - Thư viện Đại học Quốc gia Hà Nội.
- Phạm vi thời gian: Quá trình triển khai và số liệu thống kê trong giai đoạn từ năm 2010 đến năm 2012 (dựa trên nền tảng thử nghiệm từ năm 2005 và vận hành chính thức từ cuối năm 2009).
Cơ sở lý thuyết và phương pháp
Khóa luận xây dựng nội dung dựa trên các khái niệm và nền tảng kỹ thuật chuyên ngành thông tin - thư viện:
- Tài liệu (Document): Được hiểu là vật mang tin (Information medium), trên đó ghi nhận cố định thông tin và là đối tượng xử lý trong dây truyền nghiệp vụ.
- Số hóa tài liệu: Quá trình chuyển đổi tài liệu từ các vật mang tin truyền thống (bản in, bản thảo giấy, ảnh, phim) sang chuẩn dữ liệu số (bit thông tin) có thể lưu trữ, xử lý, truyền tải trên mạng máy tính và tích hợp vào cơ sở dữ liệu.
- Nhận dạng ký tự quang học (OCR - Optical Character Recognition): Công nghệ chuyển đổi dữ liệu ký tự từ định dạng tệp ảnh sang định dạng văn bản (text file) có thể biên tập và lập chỉ mục tìm kiếm.
- Định dạng PDF/A hai lớp: Cấu trúc tài liệu gồm lớp ảnh quét trung thực ở trên và lớp văn bản nhận dạng (searchable text) ẩn bên dưới, hỗ trợ bảo toàn hình thức gốc đồng thời cho phép tìm kiếm toàn văn và tích hợp chữ ký số.
- Chuẩn siêu dữ liệu Dublin Core: Bộ chuẩn mô tả tài nguyên số gồm 15 yếu tố thông tin (Title, Creator, Subject, Description, Publisher, Contributor, Date, Type, Format, Identifier, Source, Language, Relation, Coverage, Rights).
Phương pháp luận và phương pháp nghiên cứu:
- Phương pháp luận chung: Dựa trên cơ sở thế giới quan của chủ nghĩa duy vật biện chứng, hệ thống quan điểm của chủ nghĩa Mác - Lênin và tư tưởng Hồ Chí Minh.
- Các phương pháp nghiên cứu cụ thể:
- Phương pháp quan sát, khảo sát thực tế: Trực tiếp khảo sát điều kiện cơ sở hạ tầng, trang thiết bị và quy trình thao tác của cán bộ tại Phòng Phát triển Tài nguyên số.
- Phương pháp phỏng vấn chuyên gia và cán bộ thư viện: Thu thập thông tin chuyên sâu từ cán bộ trực tiếp vận hành dây chuyền số hóa và ý kiến quản lý từ lãnh đạo Trung tâm.
- Phương pháp phân tích, tổng hợp tài liệu: Nghiên cứu các văn bản quy định, tài liệu kỹ thuật của phần mềm ABBYY, máy quét Kirtas APT 1600 và các tài liệu chuyên ngành về thư viện số.
- Phương pháp thống kê số liệu: Tập hợp và xử lý các số liệu định lượng về sản lượng tài liệu số hóa, số trang quét, số biểu ghi và tốc độ xử lý trong giai đoạn 2010–2012.
Nguồn dữ liệu: Dữ liệu hoạt động thực tế, nhật ký số hóa, tệp quản lý "Project data.xls" và các báo cáo định kỳ của Trung tâm Thông tin - Thư viện ĐHQGHN.
Nội dung chính theo từng chương
Chương 1: Số hóa tài liệu trong hoạt động thông tin - thư viện tại Trung tâm Thông tin - Thư viện Đại học Quốc gia Hà Nội
Chương này trình bày lịch sử hình thành, cơ cấu tổ chức, nguồn lực và thực trạng hoạt động của Trung tâm Thông tin - Thư viện ĐHQGHN làm cơ sở bối cảnh cho việc ứng dụng công nghệ.
Trung tâm được thành lập theo Quyết định số 66/TCCP ngày 14/2/1997 của Giám đốc ĐHQGHN trên cơ sở sáp nhập thư viện của 3 trường đại học thành viên (Đại học Tổng hợp Hà Nội, Đại học Sư phạm Hà Nội I, Đại học Sư phạm Ngoại ngữ Hà Nội), sau đó tách bộ phận Thư viện Đại học Sư phạm vào ngày 11/11/1999. Cơ cấu tổ chức của Trung tâm (theo Quyết định số 947/TCCB ngày 21/04/1998) bao gồm Ban Giám đốc, các phòng chức năng, phòng nghiệp vụ và hệ thống phòng phục vụ bạn đọc phân bố tại các cơ sở: 144 Xuân Thủy, Thượng Đình (gồm Mễ Trì và 19 Lê Thánh Tông), và Đại học Ngoại ngữ.
Về nhân lực, Trung tâm có đội ngũ 130 cán bộ, được phân bổ theo trình độ và khối công tác:
| Tiêu chí phân loại |
Số lượng |
Tỷ lệ / Ghi chú |
| Trình độ chuyên môn |
|
|
| - Tiến sĩ |
01 |
Cán bộ quản lý |
| - Thạc sĩ |
09 |
Cán bộ nghiên cứu, quản lý |
| - Cử nhân |
83 |
Cán bộ nghiệp vụ |
| - Cao đẳng và Trung cấp |
37 |
Nhân viên hỗ trợ |
| Phân bố vị trí công tác |
|
|
| - Khối phòng chức năng |
24 |
Hành chính, Tài vụ |
| - Khối phòng chuyên môn, nghiệp vụ |
28 |
Bổ sung, Biên mục, Xử lý số |
| - Khối phòng phục vụ bạn đọc |
78 |
Phục vụ tại các điểm thư viện |
Người dùng tin của Trung tâm được phân thành 3 nhóm: Cán bộ quản lý lãnh đạo; Giảng viên, cán bộ nghiên cứu; Học viên cao học, nghiên cứu sinh, sinh viên và học sinh.
Về quy mô vốn tài liệu, Trung tâm sở hữu:
- Tài liệu truyền thống: 1.160 tên giáo trình (180.500 bản), 100.768 tên sách tham khảo (250.345 bản), 415 tên báo/tạp chí, 7.020 luận án/luận văn, và 2.000 thác bản văn bia.
- Tài liệu điện tử: Cơ sở dữ liệu trên CD-ROM, băng từ, 5 cơ sở dữ liệu chuyên ngành trực tuyến và nguồn tài nguyên nội sinh đã số hóa.
Hạ tầng cơ sở vật chất gồm tòa nhà trung tâm 7 tầng tại 144 Xuân Thủy (2.400 m²) và các chi nhánh Thượng Đình (1.300 m²), Tầng 7 Nhà T5 Mễ Trì (200 m²), Ngoại ngữ (530 m²), Mễ Trì (460 m²), Khoa Hóa 19 Lê Thánh Tông (60 m²). Hệ thống kỹ thuật được trang bị 10 máy chủ, 5 mạng LAN kết nối Intranet ĐHQGHN và Internet, 300 máy trạm (100 máy tra cứu bạn đọc, 150 máy nhân viên), 20 máy in và thư viện quang gồm 76 giá đĩa dung lượng 9,1 GB/đĩa.
Tác giả cũng tiến hành khảo sát và so sánh các phần mềm OCR đang lưu hành:
| Phần mềm OCR |
Xuất xứ / Nền tảng |
Đặc tính kỹ thuật |
| VnDOCR 4.0 |
Viện Công nghệ Thông tin (Việt Nam) |
Quét và nhận dạng trực tiếp không qua tệp ảnh trung gian; xuất dữ liệu sang Word, Excel. |
| VietOCR |
Mã nguồn mở (dựa trên Tesseract-OCR) |
Hỗ trợ các định dạng TIFF, JPEG, GIF, PNG, BMP; mã nguồn mở do Google tài trợ. |
| TopOCR |
Quốc tế |
Tối ưu hóa xử lý ảnh chụp từ máy ảnh kỹ thuật số và điện thoại; có bản cho Windows Mobile. |
| SimpleOCR |
Quốc tế |
Chuyên dùng cho máy quét; hỗ trợ nhận dạng chữ viết tay và học từ mới; chất lượng ở mức cơ bản. |
| ABBYY Recognition Server |
ABBYY (Quốc tế) |
Hỗ trợ nhận dạng tiếng Việt từ tháng 4/2009; độ chính xác chữ in trên 99%; giữ nguyên cấu trúc dàn trang. |
Chương 2: Phần mềm nhận dạng ABBYY trong công tác số hóa tại Trung tâm Thông tin - Thư viện Đại học Quốc gia Hà Nội
Chương này đi sâu vào kiến trúc phần mềm ABBYY, hạ tầng triển khai tại đơn vị và quy trình số hóa 11 bước đang áp dụng.
Công ty ABBYY do David Yang thành lập, ban đầu phát triển từ điển điện tử Lingvo và phát hành ABBYY Recognition Server năm 1993. Đến nay phần mềm đã nhận dạng được 198 ngôn ngữ. Phiên bản ABBYY Recognition Server được thiết kế vận hành tập trung trên môi trường mạng máy tính client-server với các thành phần:
- Server Manager (Máy chủ quản trị): Dịch vụ trung tâm điều phối hàng đợi và phân phối tác vụ.
- Processing Station (Trạm xử lý): Thực hiện tính toán và nhận dạng ký tự quang học.
- Scanner Station (Trạm quét): Thực thi thao tác quét và thu nhận ảnh số.
- Indexing Station (Trạm chỉ mục): Phân loại và gán chỉ mục tài liệu.
- Giao diện điều khiển từ xa (Remote Console): Cấu hình và giám sát hoạt động hệ thống.
- Đầu nối tích hợp: Kết nối Microsoft Search (IFilter) và Google Search Appliance (GSA).
Hạ tầng tại Phòng Phát triển Tài nguyên số gồm 8 cán bộ có chuyên môn Thư viện và CNTT, quản lý các thiết bị:
- Máy quét tự động Kirtas APT 1600 (tốc độ tối đa 1.600 trang/giờ, lật trang bằng cánh tay hút chân không robot, sử dụng phần mềm BookScan Editor - BSE).
- 01 máy vi tính Dell điều khiển máy quét.
- 08 máy tính cấu hình cao phục vụ tiền xử lý, hiệu đính và nhận dạng.
- 01 hệ thống lưu trữ SAN/Storage dung lượng 4 TB.
- Phần mềm quản trị nguồn tin số DSpace và hệ thống thư viện tích hợp mã nguồn mở Koha.
[1. Lựa chọn tài liệu số hóa]
[2. Phân loại, vệ sinh, tiền xử lý]
[3. Quét tài liệu (Kirtas APT 1600)]
[4. Xử lý ảnh (Batch, Deskew, Crop)]
[5. Kiểm tra chất lượng ảnh quét]
[6. Nhận dạng ký tự (ABBYY Server)]
[7. Soát lỗi và hiệu đính văn bản]
[8. Kết xuất file (PDF/A 2 lớp, Word)]
[9. Biên mục Metadata (Dublin Core)]
[10. Kiểm tra chất lượng tổng thể]
[11. Lưu trữ và đưa lên mạng (DSpace/Koha)]
Quy trình 11 bước số hóa được mô tả chi tiết:
- Lựa chọn tài liệu số hóa: Ưu tiên tài liệu nội sinh in trên giấy chưa có bản mềm (luận án tiến sĩ, luận văn thạc sĩ, giáo trình, đề tài nghiên cứu, kỷ yếu hội thảo, tài liệu quý hiếm).
- Phân loại, vệ sinh, tiền xử lý: Phân loại theo độ ưu tiên, tình trạng vật lý (cũ, mới, chất lượng giấy), kích thước; làm sạch bìa, gáy và tách rời các trang bị dính, gấp mép.
- Quét tài liệu: Thiết lập profile mẫu trên máy quét Kirtas APT 1600, đặt độ phân giải chuẩn 300 dpi, định dạng ảnh TIFF hoặc JPEG, điều chỉnh tiêu cự camera và giám sát cánh tay giở trang tự động.
- Xử lý ảnh (Image Processing): Chia ảnh thành các batch (khoảng 300 trang/batch), xử lý cắt xén (cropping), dựng thẳng góc nghiêng (deskewing), chỉnh nền trắng đồng nhất với mức chất lượng quality 85, độ phân giải 300 dpi. Kết hợp phần mềm Photoshop để tách nền và Snagit để Batch Resize.
- Kiểm tra chất lượng hình ảnh: Cán bộ độc lập kiểm tra đối chiếu bản gốc, loại bỏ vệt đen viền, kiểm tra độ sắc nét và bảo đảm không sót trang.
- Nhận dạng ký tự bằng ABBYY: Đưa tệp ảnh vào thư mục đầu vào ("Input folder"), ABBYY Recognition Server tự động nhận dạng đa luồng và xuất dữ liệu sang thư mục đầu ra ("Output folder") với tốc độ trung bình 2 giây/trang A4.
- Soát lỗi nhận dạng: Sử dụng giao diện kiểm tra lỗi chính tả của ABBYY kết hợp cán bộ soát lỗi thủ công đối với các từ có độ tin cậy thấp hoặc các công thức, ký hiệu đặc biệt.
- Kết xuất file: Xuất tệp ở các định dạng PDF/A 2 lớp (lớp ảnh gốc hiển thị và lớp text tìm kiếm), MS Word, HTML hoặc TXT tùy theo yêu cầu khai thác.
- Tạo siêu dữ liệu (Metadata): Biên mục tài liệu số theo chuẩn Dublin Core với 15 trường thông tin trên giao diện phần mềm quản trị.
- Kiểm tra chất lượng tổng thể: Cán bộ đối chiếu số trang thực tế trong tệp "Project data.xls" (so sánh trường "Actualpages" với "No of pages" của tài liệu gốc), kiểm tra checklist nghiệm thu kỹ thuật.
- Lưu trữ file và đưa lên mạng phục vụ: Đặt tên tệp theo quy chuẩn thống nhất:
- Sách và bản thảo (10 ký tự): 4 chữ cái viết tắt tên tài liệu + 2 chữ số tập + 4 chữ số trang (Ví dụ:
ancl000001 cho trang 1 sách "An Nam Chí Lược"; qtcb010001.tif cho trang 1 tập 1 "Quốc Triều Chính Biên").
- Hình ảnh (6 ký tự): 2 chữ cái viết tắt bộ sưu tập + 4 chữ số thứ tự (Ví dụ:
tn0001 cho ảnh số 1 bộ sưu tập triều Nguyễn).
- Tải tệp lên hệ thống Koha và DSpace để cung cấp quyền truy cập cho bạn đọc.
Chương 3: Giải pháp nhằm nâng cao hiệu quả ứng dụng phần mềm nhận dạng ABBYY tại Trung tâm Thông tin - Thư viện Đại học Quốc gia Hà Nội
Từ thực tiễn khảo sát, tác giả hệ thống hóa các hạn chế và đề xuất nhóm giải pháp nhằm hoàn thiện hoạt động số hóa:
- Cải thiện không gian và môi trường làm việc: Diện tích Phòng Phát triển Tài nguyên số còn chật hẹp; hệ thống máy móc phát sinh nhiệt lượng lớn và đèn quét cường độ cao gây ảnh hưởng thị lực cán bộ. Cần trang bị hệ thống tản nhiệt, điều hòa không khí và kính chắn bảo hộ chuyên dụng.
- Đảm bảo nguồn ngân sách vận hành: Chi phí mua bản quyền phần mềm nước ngoài, gia hạn license và bảo trì hệ thống Kirtas - ABBYY rất lớn. Cần phân bổ ngân sách định kỳ để duy trì hỗ trợ kỹ thuật từ hãng.
- Xử lý vấn đề bản quyền số: Xây dựng quy chế bản quyền rõ ràng giữa ĐHQGHN, tác giả công trình nghiên cứu và trung tâm thư viện nhằm giải quyết rào cản pháp lý khi công bố tài nguyên số toàn văn.
- Tối ưu hóa quy trình xử lý tài liệu cũ: Đối với các tài liệu xuất bản lâu năm, giấy ố vàng hoặc mực in mờ nhòe dẫn đến suy giảm độ chính xác OCR, cần bổ sung khâu làm sạch ảnh số nâng cao trước khi đưa vào module nhận dạng của ABBYY.
Kết quả và đóng góp
Khóa luận đã tổng hợp các kết quả định lượng cụ thể đạt được tại Trung tâm Thông tin - Thư viện ĐHQGHN tính đến tháng 1/2012:
| Hạng mục tài nguyên số hóa |
Số lượng tài liệu |
Khối lượng trang / Tệp tin |
| Tổng số trang tài liệu giấy đã xử lý |
- |
> 200.000 trang |
| Tổng số tệp tin số hóa (PDF và DOC) |
- |
28.258 tệp |
| Luận án tiến sĩ, Luận văn thạc sĩ |
798 cuốn |
95.760 trang |
| Sách tham khảo chuyên ngành |
28 cuốn |
5.629 trang |
| Kỷ yếu hội nghị khoa học ĐHQGHN |
60 cuốn |
17.581 trang (2.514 file fulltext) |
| Tài liệu thuộc Đề án 16+23 |
144 cuốn |
79.000 trang |
| Tài liệu tham khảo dạng Richfile |
- |
10.486 tệp |
| Dự án Ebook đại học (kế hoạch 2012–2014) |
50.000 tên sách |
Đang chuẩn bị triển khai |
Về mặt hiệu năng kỹ thuật, phần mềm ABBYY Recognition Server xử lý trung bình 2 giây/trang A4 với độ chính xác đạt trên 98% đối với chữ in tiếng Việt trên tài liệu đạt chuẩn chất lượng quét 300 dpi.
Sự gia tăng nhanh chóng của kho tài nguyên số đã đóng góp trực tiếp vào kết quả nâng cao chỉ số ảnh hưởng học thuật của ĐHQGHN trên bảng xếp hạng đại học thế giới Webometrics: vị trí của ĐHQGHN tăng từ thứ hạng 1.125 (trên 12.000 trường vào tháng 7/2011) lên thứ 743 (trên 20.300 trường vào tháng 1/2012), lọt vào nhóm 200 trường đại học hàng đầu Châu Á.
Đóng góp của khóa luận:
- Hệ thống hóa toàn diện cơ sở lý luận về công nghệ OCR và tiêu chuẩn số hóa tài liệu trong ngành thông tin - thư viện.
- Mô tả chi tiết quy trình số hóa 11 bước chuẩn hóa kết hợp giữa thiết bị quét tự động Kirtas BookScan APT 1600 và phần mềm ABBYY Recognition Server.
- Cung cấp mô hình thực tiễn và bài học kinh nghiệm ứng dụng công nghệ nhận dạng ký tự cho hệ thống các thư viện đại học và cơ quan lưu trữ tại Việt Nam.
Hạn chế và hướng nghiên cứu tiếp
- Hạn chế:
- Khóa luận mới khảo sát trên tập dữ liệu chữ in tiếng Việt hiện đại và tài liệu nội sinh tại một đơn vị duy nhất (Trung tâm Thông tin - Thư viện ĐHQGHN) trong mốc thời gian 2010–2012.
- Chưa đi sâu giải quyết bài toán nhận dạng tài liệu chữ viết tay, tài liệu cổ chữ Hán Nôm hoặc các bản in có chất lượng vật lý quá kém.
- Hướng nghiên cứu tiếp:
- Nghiên cứu mở rộng việc áp dụng OCR cho các bộ sưu tập tài liệu đặc thù và tài liệu đa ngữ.
- Nghiên cứu cơ chế tự động hóa tích hợp sâu giữa phần mềm OCR với các hệ thống quản trị kho số DSpace nhằm rút ngắn khâu xuất nhập dữ liệu trung gian.
Giá trị tham khảo
Tài liệu là nguồn tham khảo chuyên môn hữu ích cho:
- Sinh viên và học viên chuyên ngành Thông tin - Thư viện, Quản trị Thông tin: Nắm vững cấu trúc dây chuyền số hóa tài liệu thực tế, các tiêu chuẩn siêu dữ liệu (Dublin Core, MARC 21) và phương pháp kiểm soát chất lượng dữ liệu số.
- Cán bộ kỹ thuật và quản lý thư viện: Tham khảo mô hình phân công nhân sự, định dạng chuẩn (PDF/A 2 lớp), quy tắc đặt tên tệp và giải pháp khắc phục lỗi nhận dạng chữ in tiếng Việt khi triển khai các dự án số hóa tài nguyên học liệu.
Câu hỏi thường gặp
1. Tốc độ và độ chính xác nhận dạng của phần mềm ABBYY đối với văn bản tiếng Việt đạt mức nào trong điều kiện thực tế?
Tốc độ nhận dạng của ABBYY Recognition Server đạt trung bình 2 giây cho một trang tài liệu khổ A4. Độ chính xác nhận dạng ký tự chữ in tiếng Việt đạt trên 98% đến 99% đối với tài liệu quét có độ phân giải từ 200 dpi đến 300 dpi và chất lượng giấy in rõ nét.
2. Định dạng PDF/A 2 lớp được kết xuất trong quy trình số hóa có đặc điểm cấu trúc gì?
Định dạng PDF/A 2 lớp gồm hai lớp dữ liệu lồng nhau: lớp trên là hình ảnh quét trung thực của tài liệu gốc giúp người đọc theo dõi đúng văn bản in, lớp dưới là chuỗi văn bản (text) đã được nhận dạng, cho phép người dùng tìm kiếm toàn văn, sao chép trích dẫn và hỗ trợ tích hợp chữ ký số bảo đảm tính pháp lý.
3. Quy tắc đặt tên file số hóa cho sách và bản thảo tại Trung tâm được quy định như thế nào?
Đối với sách và bản thảo, tên file gồm 10 ký tự: 4 chữ cái đầu tiên (viết tắt của 4 từ đầu thuộc nhan đề tài liệu) + 2 ký tự số (số tập) + 4 ký tự số tiếp theo (số trang). Ví dụ: ancl000001 đại diện cho trang 1 của cuốn sách "An Nam Chí Lược".
4. Hệ thống thiết bị phần cứng chủ lực phục vụ dây chuyền số hóa tại đơn vị gồm những gì?
Hệ thống gồm máy quét tự động Kirtas BookScan APT 1600 (tốc độ tối đa 1.600 trang/giờ với cánh tay robot lật trang), 01 máy vi tính Dell điều khiển, 08 máy vi tính cấu hình cao, 01 hệ thống lưu trữ SAN/Storage dung lượng 4 TB và hệ thống mạng LAN kết nối máy chủ.
5. Vì sao Trung tâm Thông tin - Thư viện ĐHQGHN ưu tiên số hóa nguồn tài liệu nội sinh trước?
Tài liệu nội sinh (luận văn, luận án, đề tài nghiên cứu, kỷ yếu hội thảo) là tài nguyên thông tin đặc thù, duy nhất của nhà trường, phục vụ trực tiếp cho công tác đào tạo và nghiên cứu chuyên sâu nhưng hầu hết chỉ tồn tại dưới dạng bản in đơn chiếc, có nguy cơ hư hại cao nếu không được số hóa để lưu trữ và chia sẻ trực tuyến.
Kết luận
Khóa luận tốt nghiệp của tác giả Nguyễn Thị Thủy đã phân tích toàn diện việc ứng dụng phần mềm nhận dạng ký tự quang học ABBYY Recognition Server trong dây chuyền số hóa tài liệu tại Trung tâm Thông tin - Thư viện Đại học Quốc gia Hà Nội. Công trình đã làm rõ quy trình 11 bước số hóa chuẩn hóa, các thông số kỹ thuật tối ưu và minh chứng hiệu quả thông qua hơn 200.000 trang tài liệu giấy và 28.258 tệp tài nguyên số được tạo lập. Đây là tài liệu tổng kết thực tiễn có giá trị chuyên môn cao, cung cấp cơ sở phương pháp luận và kinh nghiệm kỹ thuật xác đáng cho các cơ quan thông tin - thư viện trong quá trình hiện đại hóa và xây dựng thư viện số.
