楊賢林

（平湖市圖書館，浙江 平湖 314200）

1 古籍資源整理現(xiàn)狀及特點(diǎn)

古籍文獻(xiàn)是我國(guó)歷代保存下來(lái)的歷史文化瑰寶，它既反映了我國(guó)在人類社會(huì)發(fā)展進(jìn)程中的歷史地位和作用，也是研究我國(guó)歷代社會(huì)政治、經(jīng)濟(jì)、軍事、科技、文化、外交以及社會(huì)發(fā)展變化等方面的最重要的原始材料。古籍資源的主要特點(diǎn)表現(xiàn)在以下幾個(gè)方面：首先，現(xiàn)存古籍中原稿數(shù)量非常有限，只有少量明朝著作、清朝著作還存有原稿，而明朝以前的所有古籍原稿均不復(fù)所見(jiàn)，所以大多數(shù)古籍無(wú)法應(yīng)用現(xiàn)代技術(shù)進(jìn)行排印、校對(duì)，只能通過(guò)專業(yè)的古籍整理技術(shù)按照既定的工序進(jìn)行整理、出版；其次，古籍資源存在諸多錯(cuò)漏問(wèn)題，得以流傳至今的古籍多為刻本或傳抄本，所謂刻本即采用雕版印刷而成的書籍，還有一些為活字印刷的版本，但不管是刻本還是活字本，其文字上均有諸多錯(cuò)漏，而抄本中的錯(cuò)誤則更多；最后，流傳至今的古籍多數(shù)均不只一種版本，不同版本的內(nèi)容可能存在出入。

2 古籍整理中應(yīng)用數(shù)字化技術(shù)的可行性

盡管古籍整理所屬的歷史學(xué)和應(yīng)用計(jì)算機(jī)所需的計(jì)算機(jī)專業(yè)分屬兩個(gè)不同性質(zhì)的學(xué)科，表面看上去毫無(wú)聯(lián)系，但其實(shí)二者的深層思維方式有著諸多共同點(diǎn)。比如歷史學(xué)研究過(guò)程中要求研究者具備較強(qiáng)的邏輯推理能力、抽象思維、歸納能力，同樣這也是計(jì)算機(jī)學(xué)科的基本思維模式；而且研究方法與計(jì)算機(jī)科學(xué)解決問(wèn)題的方法在很大程度上具有相似性。因此現(xiàn)階段在古籍整理過(guò)程中應(yīng)用比較成熟的數(shù)字化技術(shù)已經(jīng)有很多種，常見(jiàn)的包括以下幾種：首先是電子錄入，即利用某種方法或工具把古籍內(nèi)容輸入計(jì)算機(jī)中，現(xiàn)階段出版界傳統(tǒng)的鉛字排版技術(shù)已經(jīng)完全被電子錄入所取代，而電子錄入的主要內(nèi)容包括文字、圖像、圖文混合等。其次，電子?？?，利用計(jì)算機(jī)可以將所有校對(duì)對(duì)象的全文在瞬間查遍，然后根據(jù)程序設(shè)定好的規(guī)則將文獻(xiàn)中的錯(cuò)誤、疑問(wèn)之處做出迅速定位，可以精確到卷、節(jié)、行、字，這樣的工作效率是令人工校勘難以企及的；而軟件聯(lián)機(jī)無(wú)紙校對(duì)則是電子校勘技術(shù)中應(yīng)用最廣泛的手段，該方法是基于計(jì)算機(jī)顯示器進(jìn)行無(wú)紙校對(duì)，并且在校對(duì)過(guò)程中可以將同一古籍多種不同版本的圖文比較及文文比較。再次，電子統(tǒng)計(jì)，該技術(shù)在現(xiàn)代文獻(xiàn)計(jì)量學(xué)中的地位十分重要，而在古籍?dāng)?shù)字化整理過(guò)程中，主要利用電子統(tǒng)計(jì)技術(shù)進(jìn)行字頻分析，不過(guò)近年來(lái)又開(kāi)發(fā)出一種新技術(shù)，即定量分析。最后，古籍整理中，類書、家譜、方志等是比較特殊的資源，而將這類資源進(jìn)行數(shù)字化處理意義重大。比如建立類書資源數(shù)據(jù)庫(kù)可以將豐富、系統(tǒng)的數(shù)據(jù)優(yōu)勢(shì)充分發(fā)揮出來(lái)；電子家譜則把常見(jiàn)的文字符號(hào)、視頻符號(hào)等轉(zhuǎn)換為數(shù)字符號(hào)，再制成家譜數(shù)據(jù)庫(kù)，將家譜中相關(guān)信息資源通過(guò)數(shù)字化的形式保存起來(lái)，并加以利用等。

3 古籍整理中數(shù)字化技術(shù)的具體應(yīng)用

3.1 利用文本挖掘技術(shù)實(shí)現(xiàn)古籍的深度分析

文本挖掘是數(shù)字挖掘技術(shù)的一個(gè)新興分支，其從大量文本集合、語(yǔ)料庫(kù)中抽取知識(shí)團(tuán)，這些知識(shí)團(tuán)事先未知但可理解，且有潛在實(shí)用價(jià)值，即文本數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)。文本挖掘技術(shù)主要應(yīng)用于古籍作品的篇章分析，比如情感關(guān)系、人物關(guān)系等，通過(guò)一系列分析對(duì)古代文學(xué)作品做更深層次的研究?，F(xiàn)階段古籍的文本數(shù)字化水平已經(jīng)比較成熟，后續(xù)將向著文本的深度分析方向發(fā)展。傳統(tǒng)研究古代文學(xué)作品的方法對(duì)研究者的專業(yè)素質(zhì)要求較高，且需要占有大量文本，因此很長(zhǎng)一段時(shí)期內(nèi)該領(lǐng)域?qū)?quán)威及第一手文獻(xiàn)的依賴性過(guò)高。但利用數(shù)字化技術(shù)可以徹底改變這一現(xiàn)狀。利用文本挖掘技術(shù)可以基于整體的角度分析海量古籍文獻(xiàn)，從而針對(duì)某個(gè)時(shí)代、某個(gè)風(fēng)格流派及某個(gè)作者進(jìn)行整體研究。比如史籍類古籍，其篇幅浩大且有著復(fù)雜的人物關(guān)系，可以利用文本挖掘技術(shù)分析同類史籍作品，從而還原一個(gè)更加準(zhǔn)確的歷史真相，對(duì)歷史人物之間的復(fù)雜關(guān)系進(jìn)行梳理。

3.2 利用GIS技術(shù)構(gòu)建古籍?dāng)?shù)字地圖資源共享平臺(tái)

GIS系統(tǒng)即地理信息系統(tǒng)，其應(yīng)用于圖書館中可以為圖書館數(shù)字資源提供一種全新的檢索方法及入口，基于GIS技術(shù)的古籍?dāng)?shù)字化地圖資源共享平臺(tái)，可以體現(xiàn)出地圖的視覺(jué)化效果，并具備地理分析功能，通過(guò)信息劃分方式與數(shù)字圖書館有機(jī)結(jié)合起來(lái)，不僅可以獲得時(shí)間、空間方面的直觀檢索集，而且還可以最大程度上彌補(bǔ)文本檢索的不足之處。不過(guò)目前我國(guó)數(shù)字圖書館領(lǐng)域應(yīng)用GIS技術(shù)還不夠成熟，國(guó)外及我國(guó)港臺(tái)地區(qū)有較多的成功案例，比如中國(guó)臺(tái)灣中央研究院開(kāi)發(fā)的中國(guó)歷史文化地圖系統(tǒng)，其空間范圍選擇整個(gè)中國(guó)，時(shí)間范圍包括原始社會(huì)到現(xiàn)在社會(huì)的整個(gè)中國(guó)歷史，以中國(guó)文明為內(nèi)涵，實(shí)現(xiàn)系統(tǒng)應(yīng)用環(huán)境的整合性。

與現(xiàn)階段靜態(tài)的古籍?dāng)?shù)字化技術(shù)不同，基于GIS的古籍?dāng)?shù)字化地圖資源共享平臺(tái)最大的特點(diǎn)即是其動(dòng)態(tài)性，它利用圖表化、可視化、集成化、數(shù)字化的表達(dá)方式將古籍文獻(xiàn)紙質(zhì)史料呈現(xiàn)出來(lái)，系統(tǒng)具備數(shù)據(jù)統(tǒng)計(jì)、文獻(xiàn)檢索及自動(dòng)生成地圖等功能，可以通過(guò)平臺(tái)檢索文學(xué)家的生平及作品，對(duì)其分類、統(tǒng)計(jì)，還可以將統(tǒng)計(jì)結(jié)果通過(guò)電子地圖的形式展示出來(lái)。電子地圖中可以將某個(gè)作家的生卒地點(diǎn)、活動(dòng)地點(diǎn)、寫作作品背景地、跟哪些歷史名人交游互動(dòng)的地點(diǎn)等全部顯示出來(lái)，并以時(shí)間發(fā)生順序?qū)⑵湫雄櫬肪€圖自動(dòng)繪制出來(lái)。

3.3 利用文本可視化技術(shù)構(gòu)建古籍?dāng)?shù)字化知識(shí)體系

所謂文本可視化技術(shù)即是在分析文本資源的基礎(chǔ)上，利用計(jì)算機(jī)技術(shù)將發(fā)現(xiàn)的特定信息通過(guò)圖形化的方式呈現(xiàn)出來(lái)。文本可視化技術(shù)不僅可以將文本中的隱含內(nèi)容及關(guān)系顯示出來(lái)，而且可在最大范圍內(nèi)概括海量的文本信息，在古籍整理工作中應(yīng)用該技術(shù)，可以將古籍文本信息生動(dòng)地表達(dá)出來(lái)，并且能夠利用特定程序的算法將古籍文本資源的潛在語(yǔ)義聯(lián)系展示出來(lái)，從中發(fā)現(xiàn)新知識(shí)。利用文本可視化技術(shù)構(gòu)建古籍?dāng)?shù)字化知識(shí)體系，可以在古籍文本信息可視化展視及可視化知識(shí)提取過(guò)程中發(fā)現(xiàn)抽象的數(shù)據(jù)空間中所隱藏的模式、知識(shí)圈及見(jiàn)解。不過(guò)現(xiàn)階段古籍?dāng)?shù)字化整理領(lǐng)域可視化技術(shù)的應(yīng)用還相對(duì)較少，僅向用戶提供最簡(jiǎn)單的基本功能。即使應(yīng)用該技術(shù)，古籍資源的組織方式也無(wú)法將各類資源間的知識(shí)結(jié)構(gòu)關(guān)聯(lián)準(zhǔn)確、深入、全面地揭示出來(lái)，并缺少支持用戶高效學(xué)習(xí)的知識(shí)建構(gòu)功能。因此未來(lái)古籍?dāng)?shù)字化建設(shè)領(lǐng)域要將直觀圖形化的表達(dá)方式引入進(jìn)來(lái)，對(duì)古籍資源的整合方式、挖掘機(jī)制等做進(jìn)一步完善。

利用可視化技術(shù)進(jìn)行知識(shí)提取不僅使得知識(shí)的表達(dá)方式更豐富，而且提高了知識(shí)評(píng)價(jià)活動(dòng)的簡(jiǎn)便性，從而大大提高知識(shí)提取的效率及效果，進(jìn)而提高知識(shí)庫(kù)的知識(shí)儲(chǔ)存量及知識(shí)結(jié)構(gòu)的質(zhì)量。文獻(xiàn)地圖、文獻(xiàn)聚類圖、文獻(xiàn)時(shí)間分布圖及文獻(xiàn)內(nèi)容直方圖等均是比較常用的可視化知識(shí)提取工具。此外，在古籍?dāng)?shù)字化建設(shè)過(guò)程中，利用可視化技術(shù)可以將古籍文獻(xiàn)信息的隱性知識(shí)通過(guò)顯性的方式表達(dá)出來(lái)，還可對(duì)其內(nèi)容及結(jié)構(gòu)做出評(píng)價(jià)，并根據(jù)評(píng)價(jià)結(jié)構(gòu)形成顯性的知識(shí)體系存儲(chǔ)于知識(shí)數(shù)據(jù)庫(kù)中。古籍文獻(xiàn)體現(xiàn)出時(shí)間、空間跨度大、元數(shù)據(jù)雜亂等特點(diǎn)，無(wú)法遵循通用的標(biāo)準(zhǔn)形成既定的知識(shí)體系，而可視化知識(shí)提取技術(shù)恰恰提供了一種直觀表達(dá)、描述知識(shí)的方法，對(duì)研究者進(jìn)行古籍文獻(xiàn)資源的知識(shí)建構(gòu)起到有力的促進(jìn)作用。

3.4 利用語(yǔ)料庫(kù)技術(shù)實(shí)現(xiàn)古籍研究及整理的電子化

語(yǔ)料庫(kù)是經(jīng)過(guò)電子化的、原始或添加了語(yǔ)言信息標(biāo)記的文本集合。早在20世紀(jì)80年代，我國(guó)就開(kāi)始進(jìn)行語(yǔ)料庫(kù)的建設(shè)，當(dāng)時(shí)的主要目的是用于漢語(yǔ)詞匯統(tǒng)計(jì)及研究；而在20世紀(jì)90年代后，隨著計(jì)算機(jī)信息技術(shù)的不斷發(fā)展，語(yǔ)料庫(kù)方法在自然語(yǔ)言信息處理領(lǐng)域的應(yīng)用也越來(lái)越廣泛。語(yǔ)料庫(kù)中包含了海量的自然語(yǔ)言材料，不僅可以應(yīng)用于語(yǔ)法、詞匯、語(yǔ)體等相關(guān)研究，而且還可用于人工智能、機(jī)器翻譯及辭典編纂等其他領(lǐng)域。而在古籍整理領(lǐng)域，語(yǔ)料庫(kù)的應(yīng)用還處于初級(jí)階段，僅用于字、詞頻率的統(tǒng)計(jì)、語(yǔ)法現(xiàn)象的歸納統(tǒng)計(jì)等。通過(guò)建立語(yǔ)料庫(kù)，大大簡(jiǎn)化了基于字、詞的相關(guān)統(tǒng)計(jì)分析過(guò)程，從而大大提高了古代文學(xué)作品本體研究的便捷性與準(zhǔn)確性。用戶可以通過(guò)古籍語(yǔ)料庫(kù)對(duì)古籍文獻(xiàn)進(jìn)行全面理解，并對(duì)跨時(shí)代、跨人物的相關(guān)內(nèi)容做出對(duì)比，從而保證研究結(jié)論的可靠性。在傳統(tǒng)古籍整理工作中，為保證古籍的完整性與歷史性，需要進(jìn)行大量耗時(shí)、耗力的?？惫ぷ鳎诮⒐偶Z(yǔ)料庫(kù)后，很大程度上可以利用計(jì)算機(jī)智能技術(shù)對(duì)比語(yǔ)料庫(kù)中的字、詞匯及語(yǔ)法等來(lái)完成?？惫ぷ鳎矣?jì)算機(jī)系統(tǒng)具備分析功能，可以向用戶做出可能存在的錯(cuò)訛、脫落及衍生等信息提示，從而使得利用數(shù)字化技術(shù)完成古籍整理成為可能。

4 古籍整理中數(shù)字化技術(shù)應(yīng)用展望

雖然數(shù)字化技術(shù)為古籍整理帶來(lái)了諸多便利，但仍然存在一些問(wèn)題。因此未來(lái)一段時(shí)期內(nèi)，古籍整理領(lǐng)域數(shù)字化技術(shù)的應(yīng)用要向著以下幾個(gè)方面發(fā)展。

4.1 制定統(tǒng)一規(guī)劃

實(shí)際上我國(guó)中文古籍?dāng)?shù)字化建設(shè)現(xiàn)在還缺少統(tǒng)一的規(guī)劃，不管是科研機(jī)構(gòu)還是商業(yè)公司，均在進(jìn)行古籍資源的數(shù)字化開(kāi)發(fā)，這無(wú)形中就造成了不必要的資源浪費(fèi)。比如《四庫(kù)全書》及《二十五史》，目前所知至少有4種以上電子版本。古籍經(jīng)過(guò)長(zhǎng)時(shí)間的保存及流傳會(huì)形成不同的版本，在古籍?dāng)?shù)字化開(kāi)發(fā)過(guò)程中，古籍版本的選擇會(huì)對(duì)古籍?dāng)?shù)字化版本的質(zhì)量產(chǎn)生決定性影響，因此要求古籍整理人員對(duì)每本書的目錄版本、優(yōu)缺點(diǎn)有充分的了解，才能擇優(yōu)選取版本。古籍重復(fù)開(kāi)發(fā)的現(xiàn)象不僅會(huì)導(dǎo)致資源浪費(fèi)，而且會(huì)影響到電子版本的質(zhì)量，并使得市場(chǎng)無(wú)序化的問(wèn)題逐步突顯出來(lái)。因此，未來(lái)要制定一個(gè)統(tǒng)一規(guī)劃，提高資源的利用效率，實(shí)現(xiàn)古籍市場(chǎng)的有序管理。

4.2 建立統(tǒng)一標(biāo)準(zhǔn)與規(guī)范

我國(guó)中文古籍不可計(jì)數(shù)，開(kāi)發(fā)單位也數(shù)量眾多，現(xiàn)階段各單位并未就古籍?dāng)?shù)字化形成共識(shí)，所以在數(shù)字化整理過(guò)程中出現(xiàn)多種互不兼容的數(shù)字化格式。比如古籍?dāng)?shù)字閱讀器，現(xiàn)在常用的就有十幾種，包括PDF、PDG、TXT、DOC等，用戶如果需要使用不同開(kāi)發(fā)者的電子版本，就需要下載對(duì)應(yīng)的格式的閱讀器，不利于用戶的應(yīng)用，且這種做法對(duì)數(shù)據(jù)的共享發(fā)展也設(shè)置了一道障礙，從而直接影響到古籍?dāng)?shù)字化產(chǎn)品的使用性能。首都師范大學(xué)電子文獻(xiàn)研究所的尹小林所長(zhǎng)曾提出建設(shè)古籍?dāng)?shù)據(jù)庫(kù)的標(biāo)準(zhǔn)，包括有確定的底本與書目提要、文字差錯(cuò)率不得超出萬(wàn)分之一、有互相對(duì)應(yīng)的簡(jiǎn)繁體文字、含高清版底本圖像且能縮放、具備智能化全文檢索功能、提供智能數(shù)據(jù)統(tǒng)計(jì)分析功能、可進(jìn)行多種數(shù)據(jù)格式的轉(zhuǎn)換與輸出等。后續(xù)可參考上述要求逐步建立健全相關(guān)操作規(guī)范，實(shí)現(xiàn)古籍整理的標(biāo)準(zhǔn)化。

4.3 注重品質(zhì)的同時(shí)兼顧市場(chǎng)

雖然古籍?dāng)?shù)字化市場(chǎng)有著可觀的前景，但是由于其開(kāi)發(fā)過(guò)程中需要耗費(fèi)大量的人力、技術(shù)，涉及多種古籍資源，因此所生產(chǎn)出來(lái)的數(shù)字化產(chǎn)品價(jià)格也比較昂貴，對(duì)于個(gè)人用戶而言就成為一道門檻。所以現(xiàn)階段古籍?dāng)?shù)字化產(chǎn)品的應(yīng)用與普及僅限于特定的區(qū)域范圍，要實(shí)現(xiàn)其大眾性、通用性功能還不現(xiàn)實(shí)，這對(duì)古籍?dāng)?shù)字化產(chǎn)品的市場(chǎng)開(kāi)發(fā)與推廣會(huì)產(chǎn)生一定的制約作用。未來(lái)發(fā)展過(guò)程中，要在保證古籍?dāng)?shù)字化產(chǎn)品質(zhì)量的同時(shí)，充分考慮市場(chǎng)因素，采用先進(jìn)的技術(shù)手段降低古籍開(kāi)發(fā)成本，實(shí)現(xiàn)古籍?dāng)?shù)字化產(chǎn)品的市場(chǎng)化、大眾化。

4.4 考慮版權(quán)問(wèn)題

古籍文獻(xiàn)原件由于年代久遠(yuǎn)通常不會(huì)涉及版權(quán)問(wèn)題，不過(guò)如果古籍整理項(xiàng)目關(guān)系到近代的?？闭沓晒?，則要注意保護(hù)知識(shí)產(chǎn)權(quán)；并且古籍文獻(xiàn)資源數(shù)據(jù)庫(kù)本身也有版權(quán)，整理過(guò)程中如果用到其他古籍?dāng)?shù)字化成果則要充分考慮版權(quán)問(wèn)題。需要特別提出一點(diǎn)，即一些比較珍貴的古籍文獻(xiàn)可以在數(shù)字化整理的同時(shí)，再將數(shù)字資源轉(zhuǎn)換為彩色縮微膠片的形式，以實(shí)現(xiàn)古籍資源的永久性存儲(chǔ)；雖然這種做法在一定程度上增加了古籍整理的成本，不過(guò)對(duì)珍貴古籍資源進(jìn)行異質(zhì)備份可以最大程度地保護(hù)珍貴古籍原件。

[1] 梁愛(ài)民，陳荔京.古籍?dāng)?shù)字化與共建共享[J].國(guó)家圖書館學(xué)刊，2012（5）：108-112.

[2]喻雯虹.古籍?dāng)?shù)字化資源的共建共享——從國(guó)際敦煌項(xiàng)目（IDP）談起[J].圖書館論壇，2011（3）：87-89，163.

[3] 姚俊元.關(guān)于制定古籍?dāng)?shù)字化標(biāo)準(zhǔn)的思考[J].圖書館理論與實(shí)踐，2010（2）：50-52.

[4] 申利.利用數(shù)字化資源提高古籍整理效率的實(shí)踐和思考[J].圖書情報(bào)知識(shí)，2012（5）：120-125.

[5]吳茗.淺析古籍?dāng)?shù)字化建設(shè)的組織模式——以哈佛燕京圖書館中文古籍?dāng)?shù)字化項(xiàng)目為例[J].數(shù)字圖書館論壇，2012（3）：42-45.

[6]欒偉平.數(shù)字化過(guò)程中的古籍保護(hù)問(wèn)題——“明別集叢刊”項(xiàng)目的工作體會(huì)[J].大學(xué)圖書館學(xué)報(bào)，2013（3）：84-86，121.

[7] 徐金鑄.網(wǎng)絡(luò)環(huán)境下古籍?dāng)?shù)字化資源信息服務(wù)思考[J].蘭臺(tái)世界，2012（35）：34-35.

[8] 毛建軍.中文古籍?dāng)?shù)字化合作館藏維護(hù)問(wèn)題研究[J].圖書館理論與實(shí)踐，2011（8）：4-7.

[9] 郭明俠.中文古籍?dāng)?shù)字化建設(shè)探究[J].蘭臺(tái)世界，2011（18）：20-21.