GRIN Transfer：面向图书馆从Google Books检索数字副本的生产就绪工具
数字图书馆
2025-11-18 v2 信息检索
摘要
2004年公开发布的Google Books项目已与全球图书馆合作扫描数以百万计的项目。作为本项目的一部分，Google创建了Google Return Interface (GRIN)。通过该平台，图书馆可以访问其扫描的收藏、相关元数据以及不断改进的OCR和元数据。将哈佛图书馆Google Books收藏从GRIN下载以开发Institutional Books数据集时，我们遇到了与GRIN平台相关的限速和原子化元数据的多个挑战。为克服这些挑战并帮助其他图书馆更稳健地利用其Google Books收藏，本技术报告介绍了GRIN Transfer初始版本的发布。该工具是开源且生产就绪的Python管道，允许合作图书馆高效检索其Google Books收藏。本报告还介绍了我们Institutional Books 1.0管道的最新版本，最初用于分析、增强和组装Institutional Books 1.0数据集。我们已修订此管道以适应GRIN Transfer输出格式。图书馆可以将这两个工具配对，以创建其Google Books收藏的端到端处理管道，用于检索、结构化和增强数据。本报告概述了GRIN Transfer的设计如何针对不同环境进行可靠性和可用性优化，以及各种用例的配置指南。
引用
@article{arxiv.2511.11447,
title = {GRIN Transfer: A production-ready tool for libraries to retrieve digital copies from Google Books},
author = {Liza Daly and Matteo Cargnelutti and Catherine Brobston and John Hess and Greg Leppert and Amanda Watson and Jonathan Zittrain},
journal= {arXiv preprint arXiv:2511.11447},
year = {2025}
}