如果你认为元数据十分复杂，那来看看BookLamp网站吧。这是一家新的图书发现搜索引擎，追踪每本书中32160个数据点。“我们对一家出版商提供的数字版图书的全文进行处理，”CEO亚伦•斯坦顿（Aaron Stanton）解释道，“我们的计划是将图书切分成100个场景，并对每个场景的“基因”进行测试，寻找132个完全不同的主题元素，以及其他2000个参数。”

读者可以对图书标题进行关键词搜索。专家们戏称该网站为“图书的潘多拉盒”，而斯坦顿更倾向于称它为“图书基因组计划”（Book Genome Project）。

“比方说，你寻找一本类似《达芬奇密码》的小说，我们发现其中18.6%的内容与宗教和宗教机构有关，9.4%与警察和谋杀案调查有关，8.2%与艺术和艺术长廊有关，6.7%与秘密社团和社区有关，还有其他一些元素——只要这本书是在我们的数据库，我们一般都会按照上述类别从书中抽取相应的元素。”斯坦顿说。

2003年，当斯坦顿还是爱达荷州博伊西市的一名学生时，他就创建了BookLamp计划。他和他的室友对理查德•巴赫曼的《瘦一些》进行了扫描，大约要花六个小时，随后他意识到他所做的事情已经超过一个大学生的能力范围。2007年，他认为这个计划对于谷歌来说是完美的，于是他试图举行一个会议。斯坦顿将他的计划带给斯坦福大学计算语言学教授马修•乔克斯（Matthew Jockers）看，乔克斯教授帮助BookLamp的“语境文体分析”设计了方案。

如今，在BookLamp的数据库中已经有20000份文本——主要来自兰登书屋和肯辛顿（Kensington）出版商，总共累积有6.5亿数据点。“我们希望在未来几个月内达到数十亿的数据点。”斯坦顿说。

但计算机是否真的能准确评价一本书的内容？斯坦顿认为可以。“我们的原始模型基于若干个焦点小组，”他说，“举个例子，我们会分别给予他们一份高密度场景与低密度场景的文本，让他们进行评价，以提供模型训练的基础。然后我们再关注那些模型之外的图书，并调整相应的公式。在这种情况下，我们的公式可以像人一样进行训练。”

BookLamp除了对大量细致入微的类别，如“步枪/手枪/武器”，“亲密关系的显性描述”或“办公室环境”进行量化处理之外，还对密度、频率、描述、对话与动作等元素进行相应的处理。

“很多情况下，有别于传统元数据，我们采取主题（thematic）成分和其他元素对图书进行描述，”斯坦顿说。他希望这项计划能够平等地服务于读者、作者和出版商。

最近，你可以在网上看到BookLamp针对目标读者的首次演示。另一方面，作者与出版商不久也会把手稿上传至BookLamp，然后网站将按照统一的标准对手稿内容进行评价。这些作品将进入“活跃的手稿数据库”，出版商可以用它来寻找特定类型的文稿。“比方说，某年吸血鬼主题非常火，你因之减少了有关外星人书稿的接收，而如果下一年潮流又转向外星人，你可以从我们的数据库中搜寻过去错过的符合当前流行趋势的书稿。对作者来说，书稿将永远不会被真正拒绝，因为它永远等待被发现。”

目前，BookLamp最大的障碍可能在于出版商和作者，他们对于图书转换成数字版没有什么积极的反应。现在数据库中图书的存量仅为20000本，这也是网站最受质疑的方面，公司的目标是在年末达到10万本。

作者：爱德华•诺沃特卡；丛挺 翻译