教育裝備采購(gòu)網(wǎng)訊：近日某國(guó)外網(wǎng)站發(fā)表文章《How the Library of Congress is building the Twitter archive》，對(duì)美國(guó)國(guó)會(huì)圖書館的數(shù)字化問(wèn)題進(jìn)行關(guān)注。文章中提到，美國(guó)國(guó)會(huì)圖書館國(guó)家數(shù)字信息基礎(chǔ)設(shè)施和保存計(jì)劃(NDIIP)主管瑪莎·安德森指出，即便已有長(zhǎng)期將“原生數(shù)字化”資料存檔的經(jīng)驗(yàn)，美國(guó)國(guó)會(huì)圖書館“承擔(dān)推特檔案化的任務(wù)仍相當(dāng)大膽”。
自2010年4月，推特宣布將其全部公開(kāi)的推訊檔案文件捐贈(zèng)給國(guó)會(huì)圖書館后，自2006年推特創(chuàng)立至今的每條推訊都得到了保存。盡管美國(guó)國(guó)會(huì)圖書館的專長(zhǎng)是保存數(shù)字材料，但數(shù)十億計(jì)的推訊還是一個(gè)較大的問(wèn)題——推特在幾個(gè)月前每天大約就有1億4千萬(wàn)條推訊。
安德森和她的同事設(shè)想，所有這些數(shù)據(jù)——不僅是來(lái)自國(guó)會(huì)圖書館的，還有來(lái)自所有不同的技術(shù)和文化遺產(chǎn)機(jī)構(gòu)的數(shù)據(jù)——都將鏈接起來(lái)。與此同時(shí)，國(guó)會(huì)圖書館不會(huì)給所有這些推訊和數(shù)據(jù)編制目錄，但是他們的確希望能夠給這些資料建立索引，以便研究人員有效地搜索。
目前，國(guó)會(huì)圖書館跨部門的小組已經(jīng)組成，并正在積極地處理研究人員的輸入信息，以準(zhǔn)確地發(fā)現(xiàn)他們對(duì)于材料的需求。小組正在權(quán)衡許多不同的開(kāi)放源碼的技術(shù)，以便增強(qiáng)推特檔案庫(kù)的存儲(chǔ)、管理和查詢能力。據(jù)文章中稱，美國(guó)國(guó)會(huì)圖書館正在以各種組合方式測(cè)試包括蜂巢(Hive)、ElasticSearch搜索引擎、Pig、Elephant-bird項(xiàng)目、HBase 分布式開(kāi)源數(shù)據(jù)庫(kù)，以及Hadoop等技術(shù)。
