試論中國古籍?dāng)?shù)字化與人文學(xué)術(shù)研究 史 睿 |
【內(nèi)容提要】本文從人文研究角度出發(fā)討論古籍?dāng)?shù)字化意義及解決方案，強(qiáng)調(diào)了在數(shù)字化時(shí)代傳統(tǒng)古籍整理工作的重要性。史文認(rèn)為古籍?dāng)?shù)字化能為人文研究提供便捷、準(zhǔn)確的查詢工具，但要實(shí)現(xiàn)這一目標(biāo)，必須對傳統(tǒng)古籍整理工作進(jìn)行變革，要求建立數(shù)據(jù)庫統(tǒng)一的規(guī)范，包括分類法、著錄格式都要有一定的修改，以建立國家標(biāo)準(zhǔn)，并使古籍?dāng)?shù)據(jù)庫與數(shù)字圖書館的其他數(shù)據(jù)庫保持整體的統(tǒng)一性。文章對計(jì)算機(jī)技術(shù)也給予了同樣的重視，分析了人文研究對計(jì)算機(jī)技術(shù)的要求，計(jì)算機(jī)技術(shù)為古籍?dāng)?shù)字化準(zhǔn)備的條件，并討論了兩者的有效結(jié)合。 【關(guān) 鍵 詞】人文學(xué)術(shù)研究；數(shù)據(jù)庫；知識發(fā)現(xiàn)；中國古籍?dāng)?shù)字化解決方案；圖書館自動化
中國古籍的數(shù)字化是一個非常復(fù)雜的跨學(xué)科課題，本來應(yīng)由專家來解決，絕非學(xué)識淺陋如不佞者所應(yīng)妄言的。但是，計(jì)算機(jī)產(chǎn)業(yè)界的專家對于計(jì)算機(jī)技術(shù)在人文學(xué)術(shù)研究上的應(yīng)用缺少了解和興趣，而學(xué)術(shù)界的專家都忙于各自的名山事業(yè)，兩方面又無良好的溝通，所以創(chuàng)獲甚少。此前雖有學(xué)術(shù)機(jī)構(gòu)曾進(jìn)行過類似課題的研究，獲得了初步的成果，但舊的思路和成果已很難跟上計(jì)算機(jī)技術(shù)飛速發(fā)展的步伐[1]。鑒于目前中國古籍?dāng)?shù)字化問題的日益緊迫和相關(guān)專題研究的相對滯后，筆者不揣谫陋，撰此小文，以期引起有關(guān)專家就例如數(shù)字化、網(wǎng)絡(luò)化時(shí)代對人文學(xué)術(shù)研究提出怎樣的機(jī)遇和挑戰(zhàn)，如何利用計(jì)算機(jī)及網(wǎng)絡(luò)技術(shù)推動人文學(xué)術(shù)研究的發(fā)展以及如何規(guī)劃、評估古籍（以至一切圖書文獻(xiàn)）的數(shù)字化方案等問題的深入討論。 一、古籍?dāng)?shù)字化——現(xiàn)代學(xué)術(shù)研究的基礎(chǔ) 我們中華民族創(chuàng)造了無比豐富的歷史文化遺產(chǎn)，對于世界文化具有巨大貢獻(xiàn)。古代典籍是中國歷史文化遺產(chǎn)最為重要的物質(zhì)載體，面對蘊(yùn)藏于浩如煙海的古籍之中的文化思想，究竟應(yīng)該如何解讀，如何履踐，不免令人有“一部十七史，不知從何說起”的感覺。胡適之先生認(rèn)為傳統(tǒng)的經(jīng)史研究存在范圍太狹窄，注重功力而忽略理解，缺乏參考比較的材料等積弊，故以清代三百年間第一流人才的心思精力，都用在經(jīng)學(xué)的范圍內(nèi)，卻只取得了一點(diǎn)點(diǎn)的成果，關(guān)鍵是缺少對古籍的系統(tǒng)整理，又不注重學(xué)術(shù)成果的積累，兩千四百多卷的《清經(jīng)解》，大多是一堆流水爛帳，沒有條理，沒有系統(tǒng)，人人從“粵若稽古”、“關(guān)關(guān)雎鳩”說起，怪不得學(xué)者看了要望洋興嘆了[2]。針對清儒治學(xué)方法的缺陷，胡適之先生著重提出，必須系統(tǒng)地整理古籍，包括索引式、結(jié)帳式和專史式的整理。此后，學(xué)界編纂了多種引得、通檢、索引、匯編等工具書，部分完成了索引式整理的目標(biāo)，拜前輩學(xué)者之賜，我們查閱古籍不知享受了多少便利。但是我們也發(fā)現(xiàn)，中國古籍汗牛充棟，經(jīng)過系統(tǒng)整理的畢竟只是少數(shù)，方便的檢索工具也還嫌太少，離胡適之先生的標(biāo)準(zhǔn)還有相當(dāng)?shù)木嚯x。即使是已有索引的古籍，我們用來解決具體問題時(shí)仍會感覺到種種不便。至于結(jié)帳式的整理，則尚未受到學(xué)術(shù)界的普遍重視，而在未有結(jié)帳式整理之前，所作的專史研究，其完整性、可靠性都值得懷疑。劉家和先生在《〈崔述與中國學(xué)術(shù)史研究〉序》中說道：“記得從前有一位學(xué)術(shù)前輩說過：‘上窮碧落下黃泉，動手動腳找材料。'這已很不容易。而現(xiàn)在是要‘上窮碧落下黃泉，以求有所新發(fā)現(xiàn)'，這就更是難上加難了。由此我想到了美國科學(xué)哲學(xué)家?guī)於鳎═homas Kuhn，1922—1996）的一篇文章《必要的張力：科學(xué)研究中的傳統(tǒng)和創(chuàng)新》（The Essential Tension：Tradition and Innovation in Scientific Research）。他說，科學(xué)的發(fā)現(xiàn)，既需要發(fā)散思維，即對于傳統(tǒng)具有突破性的創(chuàng)新思維，又必須有向心思維，即深入傳統(tǒng)的思維。這是因?yàn)椋瑳]有前一思維，就會限于傳統(tǒng)而失去創(chuàng)新的可能；沒有后一種思維，就不能深知傳統(tǒng)中的問題與病因所在，就不知到底為何需要突破，應(yīng)該從何突破，即使突破也破不到點(diǎn)子上，何來創(chuàng)新？所以他概括地說：‘成功的科學(xué)家常常必須同時(shí)扮演傳統(tǒng)主義者和離經(jīng)叛道者的角色。'庫恩講的是科學(xué)發(fā)展的要求，其實(shí)對于史學(xué)的發(fā)展來說，這幾乎是同樣適用的。這就是要‘上窮碧落下黃泉'，要有微觀與宏觀、傳統(tǒng)與創(chuàng)新兩極之間的張力。”[3]確如劉家和先生所說，經(jīng)常保持這種張力是推動學(xué)術(shù)創(chuàng)新的要素，如果認(rèn)真反省一下就不難發(fā)現(xiàn)，在人文學(xué)術(shù)研究中，我們有時(shí)忽視對古籍文本的深入解讀，導(dǎo)致研究結(jié)論發(fā)生偏差；有時(shí)又被前人的成說所左右，不能有所推進(jìn)。為了中國現(xiàn)代學(xué)術(shù)的自主、自立，促進(jìn)中外學(xué)術(shù)的對話，我們必須比以前任何時(shí)候都更加致力于中華元典以至全部古代典籍的深入解讀，以求在此基礎(chǔ)之上作出更大的學(xué)術(shù)突破。有人看不起古籍點(diǎn)校或是索引、目錄、匯編的編纂，可又有誰能說自己的名山事業(yè)從未受惠于點(diǎn)校本《二十四史》、《資治通鑒》或是《二十史朔閏表》、《中國歷史地圖集》、《十三經(jīng)索引》、《二十四史人名索引》這樣經(jīng)典的點(diǎn)校本或檢索工具呢？人文學(xué)術(shù)研究是個人的事業(yè)，一個人的精力和時(shí)間是有限的，而人類知識的積累又絕非一個人所能把握的，如果我們不能大幅度地提高自己的學(xué)習(xí)效率，而是將有限的時(shí)間、精力都花費(fèi)在浩繁、瑣碎的翻檢工作之中，那么還談何學(xué)術(shù)進(jìn)步呢？為此，我們需要有經(jīng)過認(rèn)真梳理的、反映全部前人研究成果的古籍文本供學(xué)術(shù)界使用，需要有便捷、高效、準(zhǔn)確的查詢工具為人文學(xué)術(shù)研究服務(wù)。 古籍?dāng)?shù)字化是一項(xiàng)重要的人文學(xué)術(shù)研究基礎(chǔ)工程，不僅需要全體學(xué)術(shù)研究者和計(jì)算機(jī)專家的勤奮和努力，更需要現(xiàn)代化技術(shù)的支持。我們認(rèn)為，利用計(jì)算機(jī)及網(wǎng)絡(luò)技術(shù)進(jìn)行深入的古籍整理工作，在當(dāng)今數(shù)字化時(shí)代勢在必行，它必將大幅度地提高我們學(xué)習(xí)中國古代文化的效率，定會將學(xué)者的時(shí)間和精力從艱苦而繁瑣的爬梳、翻檢工作中解放出來，用于推動人文學(xué)術(shù)研究的發(fā)展，對此我們充滿了希望。同時(shí)我們還應(yīng)認(rèn)識到，古籍文獻(xiàn)的數(shù)字化實(shí)際上也是全部中文文獻(xiàn)數(shù)字化事業(yè)的一個復(fù)雜特例，它所積累的經(jīng)驗(yàn)和取得的成果必能廣泛地應(yīng)用于后者，而中文文獻(xiàn)的數(shù)字化又是數(shù)字化圖書館事業(yè)的一部分，是國家知識基礎(chǔ)設(shè)施（National Knowledge Infrastructure簡稱NKI）的一部分[4]，具有十分廣闊的應(yīng)用前景。此外，積極建設(shè)網(wǎng)上中文資源庫，打破某些國家或某種語言對網(wǎng)絡(luò)資源的壟斷，這將有利于中外學(xué)術(shù)文化的交流，樹立中國人的學(xué)術(shù)自信心和自尊心。 二、古籍?dāng)?shù)字化的理論思考 當(dāng)前，衡量個人電腦的性能標(biāo)準(zhǔn)已不再是中央處理芯片（CPU）的時(shí)鐘頻率，而是看它的整體可用性如何。軟件亦是如此，應(yīng)用放在了越來越重要的位置上。由于缺乏利益驅(qū)動，計(jì)算機(jī)軟件在傳統(tǒng)人文學(xué)術(shù)研究領(lǐng)域的應(yīng)用還遠(yuǎn)未提到中國計(jì)算機(jī)產(chǎn)業(yè)界的議事日程上來，這不能不說是一種遺憾。目前，臺灣中央研究院已建立起十余個重要的古籍資料庫，并逐漸開放于網(wǎng)絡(luò)[5]。近期日本出版了一本《電腦中國學(xué)》（東京好文出版社，1998年11月），書中探討了計(jì)算機(jī)技術(shù)應(yīng)用于中國研究的問題，并且提供了大量與中國研究有關(guān)的網(wǎng)址，其中絕大部分是屬于臺灣學(xué)術(shù)機(jī)構(gòu)的。本來應(yīng)由最具人才資源和技術(shù)優(yōu)勢的大陸學(xué)術(shù)界完成的事業(yè)，卻被臺灣學(xué)術(shù)界搶先了一步，不能不說又是一重遺憾。最近，大陸出版界推出了幾種大型的電子版古籍[6]，引起了社會的普遍關(guān)注。然而此類電子讀物大多難以差強(qiáng)人意，究其原因就在于我國的計(jì)算機(jī)產(chǎn)業(yè)界很少有人專門從事計(jì)算機(jī)技術(shù)在傳統(tǒng)人文學(xué)術(shù)研究領(lǐng)域的應(yīng)用研究，對中國古籍及其研究方法也缺乏必要的了解。同時(shí)，文史研究者不能勇敢地迎接數(shù)字化時(shí)代對人文學(xué)術(shù)研究提出的挑戰(zhàn)與機(jī)遇，積極地參與古籍的數(shù)字化工作，則是另一個重要原因。問題的關(guān)鍵在于人文學(xué)術(shù)研究向計(jì)算機(jī)提出怎樣的要求，當(dāng)代計(jì)算機(jī)技術(shù)又為古籍?dāng)?shù)字化準(zhǔn)備了哪些條件，兩者究竟如何契合。 筆者認(rèn)為，古籍?dāng)?shù)字化的理論問題比技術(shù)問題更為重要，因?yàn)橐坏├碚摪l(fā)生了偏差，技術(shù)越高明，則解決方案越是難以成功。而此種理論是基于對人文學(xué)術(shù)研究一般過程和計(jì)算機(jī)數(shù)據(jù)處理基本原理的認(rèn)識之上的，所以只有學(xué)術(shù)界與計(jì)算機(jī)產(chǎn)業(yè)界的密切合作，才能達(dá)成盡善盡美的結(jié)果。筆者認(rèn)為，以人文學(xué)術(shù)研究的角度來看，古代典籍一方面是古代先賢完整地表述思想體系的“撰述”，另一方面又可看作是保存古代歷史斷片的“記注”[7]。研究先賢的思想，固然要尊重其“撰述”的完整性及其內(nèi)部的邏輯，將其還原于它的時(shí)代語境之中，作“同情之了解”；而研究歷史則如藝術(shù)家一般，將零星的斷片（即史料）小心地補(bǔ)綴成一件完整的藝術(shù)品。無論何種研究，每當(dāng)我們將零星的斷片按照一定規(guī)則重新排列、組合以后，都會有一種豁然開朗的感覺，因?yàn)槲覀冇纱税l(fā)現(xiàn)了那些材料在原有脈絡(luò)（context）之中難于發(fā)現(xiàn)的字面之外的第二甚至第三重含義，以及它們之間的各種內(nèi)在關(guān)聯(lián)，我們對這些含義和關(guān)聯(lián)作進(jìn)一步的分析或綜合，總會有新的發(fā)現(xiàn)及解釋，這就是人文學(xué)術(shù)研究的一般過程。其具體操作過程往往是突破文獻(xiàn)的原有結(jié)構(gòu)，將原文獻(xiàn)劃分為若干基本單位，提取其中指向內(nèi)部含義的關(guān)鍵詞，依照它們的屬性進(jìn)行排序、篩選、統(tǒng)計(jì)和分類，比較相關(guān)文獻(xiàn)中的關(guān)鍵詞，尋求他們之間的相關(guān)性。這一過程在手工查閱紙本文獻(xiàn)的時(shí)代，需要學(xué)者具有深湛的功力，否則很難得到完美的解決，因?yàn)榧埍竟偶蠖嗳鄙俦匾乃饕埍緳z索工具既不能隨讀者的要求提供多種排檢方式，又無法按照讀者的要求產(chǎn)生再生資源，可用性有限；此外，研究者對文獻(xiàn)本身的認(rèn)識是隨著研究工作的深入而逐步清晰起來的，其工作初期往往難以明確提出與自己的研究題目完全切合的全部關(guān)鍵詞，而是要在較大范圍內(nèi)進(jìn)行模糊查詢或漸進(jìn)式查詢，這更是紙本檢索工具所不能解決的。當(dāng)然我們也看到，傳統(tǒng)的點(diǎn)校本古籍為數(shù)字化古籍提供了基本樣式，紙本檢索工具為數(shù)字化古籍的查詢積累了有益的經(jīng)驗(yàn)。中華書局版《二十四史》，尤其是《前四史》的點(diǎn)校，可稱古籍整理的優(yōu)秀范本，它吸收了此前的全部前人校勘的成果，為學(xué)術(shù)界提供了準(zhǔn)確、可靠的古籍文本。洪煨蓮先生主持的哈佛燕京學(xué)社編纂的引得叢書、譚其驤先生主編的《中國歷史地圖集》、中華書局出版的《二十四史人名索引》、上海圖書館編纂的《中國叢書綜錄》等，都是嘉惠士林的工具書。引得叢書的語詞逐字索引堪稱同類索引的典范，《二十四史人名索引》嚴(yán)格的規(guī)范控制使讀者獲益匪淺，《中國歷史地圖集》所具備的古今地名對照、地名方位查詢等檢索功能，絕非其他類別的工具書可以替代。數(shù)字化古籍一方面應(yīng)繼承紙本古籍及檢索工具的優(yōu)點(diǎn)，一方面又要克服其原有缺陷，淋漓盡致地發(fā)揮電子媒體的優(yōu)勢。鑒于中國古籍中知識發(fā)現(xiàn)的復(fù)雜性及其廣闊的應(yīng)用前景，筆者認(rèn)為古籍?dāng)?shù)字化事業(yè)對計(jì)算機(jī)產(chǎn)業(yè)界是一個嚴(yán)峻的挑戰(zhàn)，無論是系統(tǒng)、軟件在中文環(huán)境下的易用性，還是信息產(chǎn)業(yè)的運(yùn)營和服務(wù)的水平，都須經(jīng)過古籍?dāng)?shù)字化事業(yè)的檢驗(yàn)才是真正的合格。 雖然我們一再強(qiáng)調(diào)計(jì)算機(jī)技術(shù)一日千里的發(fā)展，但還是有必要檢討一下其為古籍?dāng)?shù)字化所作的技術(shù)準(zhǔn)備。首先，網(wǎng)絡(luò)技術(shù)的飛速發(fā)展使信息資源的共享成為可能。幾年前網(wǎng)絡(luò)通信還是少數(shù)人的奢侈品，如今信息高速公路已經(jīng)修到我們每個人的家門口，將世界連接為一個名副其實(shí)的地球村。依托這條無遠(yuǎn)弗屆的信息通衢，人類的知識傳播和知識創(chuàng)新勢必發(fā)生新的躍遷。國際互聯(lián)網(wǎng)提高了電子文獻(xiàn)的檢索效率，擴(kuò)大了服務(wù)范圍，具有便捷的信息傳遞方式，節(jié)省了遠(yuǎn)程通信費(fèi)用[8]。其次，新一代高性能計(jì)算機(jī)的海量存儲和秒級運(yùn)算能力十分驚人，以至普通人已難于預(yù)測它明天的發(fā)展。海量存儲設(shè)備已逐漸普及，我們再也不必在空間和時(shí)間的矛盾中苦苦掙扎了。電腦CPU的時(shí)鐘頻率一路突飛猛進(jìn)，1GHz的CPU也指日可待了。復(fù)次，新的國際計(jì)算機(jī)信息處理標(biāo)準(zhǔn)的制定和實(shí)施為建構(gòu)全球統(tǒng)一的信息處理系統(tǒng)奠定了堅(jiān)實(shí)的基礎(chǔ)。我們知道，最初的計(jì)算機(jī)使用的字符集是為人熟知的ASCII碼，即基本拉丁字符集（ISO646），僅有96個拉丁字母和符號。隨著計(jì)算機(jī)技術(shù)在世界各國的普遍運(yùn)用，多文種信息處理的要求也應(yīng)運(yùn)而生，基本拉丁字符集顯然已無法滿足這種需求，各國所運(yùn)用的地區(qū)性編碼又為全球信息處理一體化設(shè)置了障礙。于是在國際標(biāo)準(zhǔn)化組織（ISO）引導(dǎo)下，由國際計(jì)算機(jī)界、語言文字學(xué)界的專家共同制定了通用多八位編碼字符集（ISO/IEC10646）。我們現(xiàn)在所使用的中文版Windows95就是實(shí)現(xiàn)該標(biāo)準(zhǔn)的一個子集，它采用了中國信息標(biāo)準(zhǔn)化委員會1995年11月制定的漢字內(nèi)碼擴(kuò)展規(guī)范（GBK），收入漢字兩萬多個[9]，雖然目前還不能完全滿足古籍?dāng)?shù)字化的要求，但畢竟為漢字信息處理的國際化和標(biāo)準(zhǔn)化開辟了道路，為中國準(zhǔn)備了一把開啟數(shù)字化時(shí)代大門的鑰匙。再次，新的計(jì)算機(jī)應(yīng)用技術(shù)，如非鍵盤輸入技術(shù)[10]，中文數(shù)據(jù)庫技術(shù)[11]，多媒體壓縮與傳送技術(shù)、安全保密技術(shù)、自然語言理解技術(shù)[12]，尤其是數(shù)據(jù)挖掘技術(shù)的出現(xiàn)，為古籍?dāng)?shù)字化事業(yè)提供了有力的支持。數(shù)據(jù)挖掘技術(shù)又稱數(shù)據(jù)庫中的知識發(fā)現(xiàn)（Knowledge Discovery in Database,簡稱KDD），是指從大量數(shù)據(jù)中提取出可信的、新穎的、有效的并易于理解的知識的高級處理過程[13]。它已廣泛應(yīng)用于市場行銷、產(chǎn)品制造、通信網(wǎng)絡(luò)管理、金融投資、自然科學(xué)研究等許多領(lǐng)域[14]。我們相信，數(shù)據(jù)挖掘技術(shù)運(yùn)用于人文研究領(lǐng)域，必將創(chuàng)造出更卓越的業(yè)績。非鍵盤輸入技術(shù)使文獻(xiàn)載體轉(zhuǎn)換方式發(fā)生了一場革命，例如自動識別輸入技術(shù)（ODR）使海量信息輸入的工作量大大降低，清華紫光公司所研制的非特定人手寫識別軟件僅用三個月時(shí)間就將一部《文淵閣本四庫全書》輸入計(jì)算機(jī)內(nèi)，為同類工作積累了寶貴的技術(shù)財(cái)富[15]。最后，面向?qū)ο蟮木幊坦ぞ叩某霈F(xiàn)使人性化應(yīng)用界面的編制變得輕而易舉。 如上所述，計(jì)算機(jī)的特長正在于海量數(shù)據(jù)的存儲、運(yùn)算（包括排序、篩選、統(tǒng)計(jì)和分類）和傳輸，更可深入文獻(xiàn)內(nèi)部，實(shí)現(xiàn)知識的發(fā)現(xiàn)，這與人文研究工作的一般過程，即關(guān)鍵詞的查詢、排序、篩選、分類、統(tǒng)計(jì)及其相關(guān)性的分析十分相似。既然如此，那么我們就發(fā)現(xiàn)了計(jì)算機(jī)科技運(yùn)用于人文學(xué)術(shù)研究領(lǐng)域的基本契合點(diǎn)，我們只須以某種方式溝通兩者的語言，就可以充分地發(fā)揮計(jì)算機(jī)的優(yōu)勢，大幅度地提高人文學(xué)術(shù)研究的效率，為學(xué)術(shù)積累和學(xué)術(shù)評論提供更為便利的條件和優(yōu)化的環(huán)境，同時(shí)，也就找到了比較完善的古籍?dāng)?shù)字化方案。 目前對于數(shù)據(jù)庫廠商來說是一個千載難逢的良機(jī)，無論是近期的國家古籍整理與規(guī)劃小組的古籍光盤工程、北京圖書館的數(shù)字化圖書館工程，還是未來的國家知識基礎(chǔ)設(shè)施工程，肯定會帶來計(jì)算機(jī)網(wǎng)絡(luò)工程、系統(tǒng)集成、數(shù)據(jù)通信、軟件開發(fā)以及服務(wù)方面的巨額需求，誰先期投入這一事業(yè)，制定出一系列行業(yè)標(biāo)準(zhǔn)，誰就占據(jù)了相關(guān)產(chǎn)業(yè)的制高點(diǎn)，分得最大的市場份額，必將成為全國以至全球的信息產(chǎn)業(yè)界業(yè)巨子。 三、古籍?dāng)?shù)字化解決方案之我見 數(shù)字化古籍究竟是什么樣的呢？它需要具備怎樣的功能呢？其數(shù)據(jù)須經(jīng)如何處理，使用何種技術(shù)才能保證它具備我們需要的功能呢？這些都是擺在我們面前的重要問題。 首先，好的版本和必要的校勘是古籍?dāng)?shù)字化的重要前提，沒有這一前提，一切功能將無從談起。我們所談的古籍?dāng)?shù)字化事業(yè)，其目的不是為大眾提供普及讀本，而是為學(xué)術(shù)文化的繁榮奠定基礎(chǔ)，這應(yīng)是參與古籍?dāng)?shù)字化事業(yè)的專家的共識。其次，即筆者曾經(jīng)一再強(qiáng)調(diào)的，數(shù)字化古籍的功能不僅在于一般的信息查詢，更重要的是古籍文獻(xiàn)中的知識發(fā)現(xiàn)。最后，它應(yīng)符合各種國際通用標(biāo)準(zhǔn)，具有開放性，可以在網(wǎng)絡(luò)上傳輸，實(shí)現(xiàn)信息資源共享。中國古籍?dāng)?shù)字化的過程，基本上可以視為古籍全文數(shù)據(jù)庫的生成過程。一篇古籍文獻(xiàn)輸入計(jì)算機(jī)，就形成了無標(biāo)引的全文數(shù)據(jù)庫，即半結(jié)構(gòu)化的數(shù)據(jù)庫。目前以中國古籍為內(nèi)容的電子讀物多為此類產(chǎn)品，但這遠(yuǎn)不能發(fā)揮計(jì)算機(jī)的技術(shù)優(yōu)勢，也難以達(dá)到研究者的要求，其最大的缺陷就在于它不能象結(jié)構(gòu)化數(shù)據(jù)庫一樣經(jīng)由排序、篩選、分類和統(tǒng)計(jì)之類的管理過程產(chǎn)生再生資源，更談不上知識發(fā)現(xiàn)。因此，對古籍中的數(shù)據(jù)進(jìn)行充分的分析和處理，制成結(jié)構(gòu)化數(shù)據(jù)庫，與半結(jié)構(gòu)化數(shù)據(jù)庫相結(jié)合，才是較為完美的方案。 如所周知，傳統(tǒng)的紙本工具書，包括索引、類編、目錄、年表、歷史地圖等，盡管已經(jīng)提供了相當(dāng)多的便利，但是仍然不能擺脫紙本檢索工具的種種缺陷，如門類不齊全，排檢方式單一，缺少綜合條件和漸進(jìn)式檢索方式，無法產(chǎn)生再生資源，只能部分地完成信息查詢功能，不能做到海量數(shù)據(jù)中的知識發(fā)現(xiàn)，攜帶不便、復(fù)制困難又在其次。筆者所設(shè)想的數(shù)字化古籍解決方案正是為了解決紙本媒介存在的上述問題，確保信息查詢的查準(zhǔn)率和查詢率，并實(shí)現(xiàn)海量信息中的知識發(fā)現(xiàn)。其重要步驟包括古籍文獻(xiàn)的載體轉(zhuǎn)換、置標(biāo)，關(guān)鍵詞的規(guī)范控制、屬性描述及多途徑排檢。 載體轉(zhuǎn)換是指從紙本文獻(xiàn)到電子文獻(xiàn)的轉(zhuǎn)換過程，要求快速而又準(zhǔn)確，是保證實(shí)現(xiàn)進(jìn)一步文獻(xiàn)處理目標(biāo)的基礎(chǔ)。傳統(tǒng)的中文鍵盤輸入技術(shù)需要新的突破，走出萬“碼”奔騰或萬“碼”齊喑的怪圈，才能適應(yīng)海量信息的、快速準(zhǔn)確的載體轉(zhuǎn)換的要求。非鍵盤輸入技術(shù)的逐漸成熟顯然已向鍵盤輸入技術(shù)提出了挑戰(zhàn)，清華紫光開發(fā)的一種自動識別軟件具有非特定人手寫識別功能，識別率達(dá)到90%以上，如果再加上邏輯或語法判斷，則可進(jìn)一步提高識別率。 置標(biāo)或標(biāo)引是指通過對文獻(xiàn)的分析，選用確切的檢索標(biāo)志以反映文獻(xiàn)內(nèi)容的過程。置標(biāo)，由于古籍文獻(xiàn)中含有非常豐富而寶貴的學(xué)術(shù)信息，因此必須通過置標(biāo)這一過程，充分地發(fā)掘其中的內(nèi)涵，以便研究者利用。置標(biāo)的目的是提取關(guān)鍵詞，做數(shù)據(jù)的預(yù)處理，故應(yīng)足夠充分，不放過任何有學(xué)術(shù)信息的關(guān)鍵詞，力求做到從任何角度都能檢索到讀者需要的信息。清代大學(xué)者章學(xué)誠曾提出，將古籍中人名、地號、官階、書目等一切有名可治、有數(shù)可稽者都制成韻編（即索引），以收事半功倍之效[16]。一般來說，各類文獻(xiàn)中的人名、地名、官名、書名、年代、典故、制度、族屬、語詞、范疇和其它專名等關(guān)鍵詞都須制成索引，另外如文獻(xiàn)的主題、體裁、結(jié)構(gòu)、類別、標(biāo)題、韻腳等特征也要當(dāng)作關(guān)鍵詞來提取。目前，計(jì)算機(jī)尚無法正確標(biāo)引古代漢語文獻(xiàn)，所以將已有的紙本檢索工具轉(zhuǎn)換為數(shù)據(jù)庫，并開發(fā)出標(biāo)引古籍的智能化軟件，是古籍?dāng)?shù)字化的當(dāng)務(wù)之急。當(dāng)然，鑒于古代漢語的復(fù)雜性及文獻(xiàn)特征的多樣性，依托熟悉古籍的專家仍然是必不可少的。 規(guī)范控制是為了保證文獻(xiàn)標(biāo)目的一致性，以便有效地實(shí)現(xiàn)對標(biāo)目進(jìn)行統(tǒng)一管理的手段，規(guī)范標(biāo)目記錄以下內(nèi)容：規(guī)范標(biāo)目，規(guī)范標(biāo)目與相關(guān)標(biāo)目之間的參照關(guān)系，選取標(biāo)目及確定其參照關(guān)系的依據(jù)。規(guī)范控制在紙本檢索工具中曾被廣泛運(yùn)用，并取得了很大成功。但是我們必須注意到，以往的檢索工具多為專名類型索引，在非專名類型索引的規(guī)范控制方面，學(xué)術(shù)界的成果和經(jīng)驗(yàn)還不多，既有的主題詞表不僅不能涵蓋古籍中復(fù)雜的語言現(xiàn)象，更難于跟上人文學(xué)術(shù)的發(fā)展進(jìn)程，我們有必要重新建立規(guī)范古籍語詞及專名的標(biāo)準(zhǔn)。 排檢是指檢索工具的排序方式和檢索途徑，它限定著讀者的檢索策略，直接影響檢索效果。一般的紙本檢索工具多使用以關(guān)鍵詞外部特征為序的排檢方式，不能滿足讀者的信息查詢及知識發(fā)現(xiàn)的要求。紙本檢索工具包含著這樣的預(yù)設(shè)，即認(rèn)為讀者事先已確知所須檢索的關(guān)鍵詞，但實(shí)際上往往并非如此，抑或即使確知，依然需要按其內(nèi)部特征追尋關(guān)鍵詞之間的相關(guān)性。不難發(fā)現(xiàn)，依關(guān)鍵詞外部特征排檢的檢索工具提供給讀者的關(guān)鍵詞之間的關(guān)聯(lián)信息較少[17]，而依關(guān)鍵詞內(nèi)部特征排檢的檢索工具則可提供更多類型的關(guān)聯(lián)信息，便于讀者發(fā)現(xiàn)新知識。但是限于紙本媒體的特征，多功能檢索工具的編纂難度很大，而數(shù)字化古籍正適于實(shí)現(xiàn)多途徑排檢功能，這就要用到關(guān)鍵詞的屬性描述方法。 描述關(guān)鍵詞的各種屬性是為了計(jì)算機(jī)能依照屬性對關(guān)鍵詞進(jìn)行分類、排序、篩選、統(tǒng)計(jì)之類的管理，產(chǎn)生再生資源，以利知識發(fā)現(xiàn)。所謂關(guān)鍵詞的屬性描述，其實(shí)質(zhì)就是將關(guān)鍵詞的屬性特征作認(rèn)真嚴(yán)格的分析，制成數(shù)據(jù)庫，再將目前為止學(xué)術(shù)界所了解的有關(guān)它的全部知識都填入數(shù)據(jù)庫之中。研究越深入，所能反映的關(guān)鍵詞的內(nèi)涵及其關(guān)聯(lián)就越豐富，檢索效果越理想，發(fā)現(xiàn)的知識越新穎而可信，所以我們必須毫無遺漏地將已經(jīng)取得的研究成果納入其中。于是，這一數(shù)據(jù)庫的設(shè)計(jì)就變得十分重要。不同類型的關(guān)鍵詞具有不同的屬性，如人名的屬性顯然與書名不同。同一類型關(guān)鍵詞因其主題不同又有所區(qū)別，如帝王有即位年代的屬性，士大夫以下則沒有。同時(shí)，任何關(guān)鍵詞的屬性還因其規(guī)定性特征有所不同，如官僚所任之官有時(shí)代之別，又有品階和類型（如散官、勛官、職事官、加官、贈官等）之別。為了處理如上十分復(fù)雜的情況，我們可以利用中國機(jī)讀目錄格式（China MARC）的思路來設(shè)計(jì)這種可實(shí)現(xiàn)知識發(fā)現(xiàn)功能的關(guān)鍵詞數(shù)據(jù)庫。機(jī)讀目錄格式是一種多層次的開放式數(shù)據(jù)庫，它原本用來詳盡地描述書目型關(guān)鍵詞的各種屬性，并進(jìn)行基本管理。由于它允許用戶自由定義各字段和子字段的內(nèi)容，因此可以改造為一種描述和管理各類關(guān)鍵詞的數(shù)據(jù)庫。理論上，它應(yīng)是一種通用的綜合的信息管理數(shù)據(jù)庫，能管理各種不同類型的數(shù)據(jù)，包括文本、日期、邏輯、圖像、視頻、聲音等[18]，符合（或者創(chuàng)造）國際標(biāo)準(zhǔn)，具有多個檢索出口，可通過多種檢索途徑實(shí)現(xiàn)信息查詢和知識發(fā)現(xiàn)。它分為記錄、字段和子字段三個層次。首先，以對一個關(guān)鍵詞的全面描述為一條記錄。其次，以記錄之下的通用字段描述不同類型關(guān)鍵詞的相同屬性，如以規(guī)范標(biāo)目字段描述各類關(guān)鍵詞的規(guī)范標(biāo)目屬性，以非規(guī)范標(biāo)目字段描述相關(guān)非規(guī)范標(biāo)目屬性，以主題字段描述各類關(guān)鍵詞的主題屬性，以款目連接字段描述此關(guān)鍵詞與它關(guān)鍵詞之間的相關(guān)性，以附注字段作自然語言的附注等；又以特殊字段分別描述各類關(guān)鍵詞的特殊屬性，如以籍貫·郡望字段、歷官字段、家族譜系字段來描述人名類關(guān)鍵詞，以四部類別字段、載體形態(tài)字段描述書目類關(guān)鍵詞等；最后，以字段之下的子字段反映屬性的規(guī)定性特征，如以歷官字段之下的品階子字段描述歷官的品階，以類別子字段描述歷官的類別，以部門子字段描述歷官所屬的部門，以年代子字段描述歷官的起訖時(shí)間等。常規(guī)字段規(guī)定為必須使用，非常規(guī)字段或非相關(guān)字段則可選用，字段或子字段依其性質(zhì)規(guī)定為可以重復(fù)和不可重復(fù)兩類。一般的單一條件檢索，其檢索結(jié)果（報(bào)表）可以表格形式輸出，如果是復(fù)合條件的檢索，其結(jié)果又不便以表格形式表達(dá)，就需要編制合乎傳統(tǒng)檢索習(xí)慣的其它輸出形式，如職官年表、百官志、家譜、歷史地圖等形式。以人名索引為例，依照職官年表的方式排檢，可由一個人名查到他的同僚、前任、繼任，如果按照百官志的序列排檢，又可查到他的上級、下級，如果按照譜牒的形式排檢，則可查到他的祖先、兄弟、姊妹、子孫及姻親。以地名索引為例，依照歷史地圖的形式排檢，可查到地名的方位，所屬的自然區(qū)域、行政區(qū)劃以及它的歷史沿革。機(jī)讀目錄格式包含了供檢索用的紀(jì)錄頭標(biāo)和指針，這樣經(jīng)由基本的數(shù)據(jù)庫管理手段，我們就可以實(shí)現(xiàn)數(shù)據(jù)庫的多途徑排檢功能了。 除了以上有關(guān)古籍全文檢索數(shù)據(jù)庫生成的問題之外，還有應(yīng)用界面的問題需要探討。筆者認(rèn)為，瀏覽界面是古籍?dāng)?shù)字化解決方案中必不可少的組成部分，如果沒有瀏覽界面，那么古籍就會變成一堆支離破碎的詞匯或段落，無法閱讀，而閱讀是數(shù)字化古籍的首要功能，不能放棄[19]。數(shù)字化古籍的瀏覽界面最好以國際通用的HTML語言編寫，使用普通的網(wǎng)絡(luò)瀏覽器閱讀，可用于網(wǎng)絡(luò)發(fā)布和光盤（CD-Web）制作。目錄、正文和注釋等內(nèi)容可層級顯示，讀者可使用目錄樹直接跳轉(zhuǎn)到需要閱讀的正文，也可根據(jù)需要僅顯示正文或顯示部分以至全部注釋。充分利用電子媒體的特性，正文之中必要的地方應(yīng)插入聲音、圖像或視頻剪輯等多媒體，方便讀者。它以超文本鏈接（包括網(wǎng)絡(luò)映射）揭示文獻(xiàn)或關(guān)鍵詞的意義及其間的內(nèi)在關(guān)系，例如讀者遇到陌生的關(guān)鍵詞時(shí)可以跳轉(zhuǎn)到網(wǎng)絡(luò)上權(quán)威辭書的相應(yīng)辭條或最新的研究成果，以掃除閱讀障礙，深入解讀文獻(xiàn)；另一種情況是讀者閱讀此文獻(xiàn)時(shí)能夠追尋其中引用的彼文獻(xiàn)，點(diǎn)擊關(guān)鍵詞之后可跳轉(zhuǎn)到引用文獻(xiàn)的相應(yīng)篇章、段落或條目；更重要的是以超文本鏈接的形式將古籍篇章中的基本問題與歷代的研究成果聯(lián)系起來。當(dāng)然，這樣預(yù)設(shè)的超文本鏈接必須準(zhǔn)確地反映知識體系之間的層次和關(guān)聯(lián)，如果稍有偏差，就會發(fā)生失之毫厘，謬以千里的情形。瀏覽界面最好配合智能網(wǎng)絡(luò)搜索引擎，允許讀者建立自定義的超鏈接。另外一個應(yīng)用界面是查詢界面，它要與關(guān)鍵詞數(shù)據(jù)庫相配合，具有不同類別的各種關(guān)鍵詞、同類關(guān)鍵詞的不同屬性及相同屬性的不同規(guī)定性特征三層查詢條件，還有各種查詢條件之間邏輯關(guān)系的組合形式。關(guān)鍵詞數(shù)據(jù)庫作為后臺數(shù)據(jù)庫支持讀者信息查詢和知識發(fā)現(xiàn)的要求。其檢索結(jié)果以HTML文檔的形式顯示于瀏覽器上，建立檢索結(jié)果到所出文獻(xiàn)的超文本鏈接，讀者可由此跳轉(zhuǎn)至原文獻(xiàn)，以實(shí)現(xiàn)指向文獻(xiàn)內(nèi)部意義的知識發(fā)現(xiàn)[20]。無論是瀏覽界面，還是查詢界面，都必須具備人性化特征，符合讀者的檢索習(xí)慣，并輔以必要實(shí)用的使用說明（幫助），不給讀者增加學(xué)習(xí)負(fù)擔(dān)。這樣就構(gòu)成了完整的古籍?dāng)?shù)字化方案。 四、余論：學(xué)習(xí)的革命 圖書文獻(xiàn)的數(shù)字化是數(shù)字化圖書館事業(yè)的基礎(chǔ)，而數(shù)字化圖書館以及國家知識基礎(chǔ)設(shè)施的建立勢必引發(fā)一場知識傳播或?qū)W習(xí)的革命。以往人類傳播知識的方式不外文字記載和言傳身教兩類，前者傳播范圍廣泛，后者易于表述經(jīng)驗(yàn)，而國家知識基礎(chǔ)設(shè)施將兼有兩者的特長，它通過計(jì)算機(jī)對公共知識的處理，模擬人類學(xué)習(xí)知識和形成智能的過程，使人類較為容易地獲取知識和經(jīng)驗(yàn)[21]。更重要的是，僅僅依靠圖書分類法來建構(gòu)人類知識體系的時(shí)代已一去不復(fù)返了，利用計(jì)算機(jī)及網(wǎng)絡(luò)技術(shù)，我們能更全面、完整而確切地表達(dá)自己的知識、經(jīng)驗(yàn)和智慧以及它們之間的關(guān)聯(lián)，前賢可以在不知不覺之中將他們畢生積累的知識和經(jīng)驗(yàn)轉(zhuǎn)化為后學(xué)的常識，而且可以不受時(shí)空限制地迅速傳播。因而人類的學(xué)習(xí)過程也將變得日益輕松、富于人性化和高效率。那時(shí)，我們的學(xué)習(xí)將從巨人肩膀上起步，徹底拋掉碾碎人類鮮活智慧的教科書，更可以避免不負(fù)責(zé)任的教育者加之于幼小心靈的傷害。網(wǎng)絡(luò)將在其中扮演重要角色，它成為一種獨(dú)立媒體已經(jīng)為時(shí)不遠(yuǎn)了，它必將與其他四大媒體并駕齊驅(qū)，成為傳播人類知識的重要媒介，并且決定著我們的思維與生活方式。它還將有助于打破強(qiáng)勢話語對知識、思想、信仰的壟斷，消除大眾文化對精英文化的扭曲，作為民主制度的一部分，服務(wù)于社會。 【注釋】 [1]中國社會科學(xué)院計(jì)算機(jī)室曾經(jīng)在欒貴明等先生指導(dǎo)下就此課題進(jìn)行過探索，見田奕《古籍整理與研究的電腦化》（載《中國文化》9期，1994年2月，85—89頁），但其電子版產(chǎn)品并未公開。 [2]胡適《〈國學(xué)季刊〉發(fā)刊宣言》，原載《國學(xué)季刊》一卷一號，1923年1月，此據(jù)歐陽哲生編《胡適文集》三，5—17頁，北京大學(xué)出版社，1998年12月。 [3]邵東方《崔述與中國學(xué)術(shù)史研究》，《序》1—10頁，人民出版社，1998年4月。 [4]國家知識基礎(chǔ)設(shè)施是應(yīng)用計(jì)算機(jī)及網(wǎng)絡(luò)存儲和傳播人類知識、經(jīng)驗(yàn)和智慧，改變?nèi)祟愔R獲取方式的全新體系，包括通信網(wǎng)絡(luò)、高性能計(jì)算機(jī)群、知識庫系統(tǒng)和應(yīng)用界面四個層次。見曹存根《NKI——21世紀(jì)的科技熱點(diǎn)》，載《計(jì)算機(jī)世界》1998年50期，12月28日，產(chǎn)品與技術(shù)版，D1,3頁。 [5]見黃寬重、劉增貴《中央研究院人文計(jì)算的回顧與前瞻》，載《漢學(xué)研究通訊》總66期， 145—168頁（臺灣中央研究院計(jì)算中心的網(wǎng)址為（http://www.sinica.edu.tw）。但是中央研究院的資料庫也不能完成知識發(fā)現(xiàn)功能，所以還有進(jìn)一步研究的必要。 [6]如武漢大學(xué)出版社的《文淵閣四庫全書》光盤、上海人民出版社與北京書同文電腦公司合作的同名光盤，以及文物出版社、人民美術(shù)出版社、上海人民美術(shù)出版社與北京銀冠電腦公司合作的《中國美術(shù)全集》光盤等。 [7]撰述和記注系借用章學(xué)誠的概念，見《文史通義·書教》下，《章學(xué)誠遺書》，4頁，文物出版社，1985年8月。 [8]見董小英《Internet——數(shù)據(jù)庫產(chǎn)業(yè)發(fā)展的新機(jī)遇》，載《互聯(lián)網(wǎng)世界》1999年1期，36—38頁。 [9]見朱巖《多文種信息處理與圖書館現(xiàn)代化》，載《現(xiàn)代圖書情報(bào)》1996年5期，6—9頁。北京中易電子公司和中國標(biāo)準(zhǔn)化技術(shù)開發(fā)公司聯(lián)合開發(fā)的“全漢橋2000”漢字系統(tǒng)很可能成為未來的國際新標(biāo)準(zhǔn)，它擁有十萬漢字字庫。（見《鄭碼超級漢字系統(tǒng)收集10萬漢字》，載《計(jì)算機(jī)世界》1999年6期，2月8日，綜合新聞版，A11頁）可用于古籍整理出版，電子版高麗大藏經(jīng)已用此系統(tǒng)制作成功。（新江、吳寧《光盤版大藏經(jīng)時(shí)不我待》，載《世界宗教文化》1998年4期，6—9頁。） [10]見侯怡波《“筆”妙自生花——非鍵盤輸入技術(shù)時(shí)代正向我們走來》，載《互聯(lián)網(wǎng)世界》1999年1期，70—74頁。 [11]見王珊、林耀森《中文數(shù)據(jù)庫的研究與展望》，載《計(jì)算機(jī)世界》1998年34期，9月7日，技術(shù)專題版，D1頁。又馬應(yīng)章《中文數(shù)據(jù)庫——數(shù)據(jù)庫本地化的重要議題》，載《計(jì)算機(jī)世界》同期，D4—5頁。 [12]孟小峰、王珊《中文數(shù)據(jù)庫自然語言界面研究》，載《計(jì)算機(jī)世界》1998年34期，技術(shù)專題版，D8—9頁。 [13]見高文《KDD：數(shù)據(jù)庫中的知識發(fā)現(xiàn)》，載《計(jì)算機(jī)世界》1998年37期，8月28日，技術(shù)專題版，D1頁。又朱廷劭《數(shù)據(jù)挖掘——極具發(fā)展前景的新領(lǐng)域》，載《計(jì)算機(jī)世界》1999年1 期，1月4日，產(chǎn)品與技術(shù)版，C14頁，文中提供了三個網(wǎng)址訪問KDD in China ：清華AILINUX（http://ailinux.ml.org/~kdd）、中山國際（http://202.96.189.28/kdd/index.html）和沈陽SYNET（http://202.112.29.35/kdd）。 [14]見朱廷劭、王軍《數(shù)據(jù)挖掘應(yīng)用》，載《計(jì)算機(jī)世界》1998年37期，9月28日，技術(shù)專題版，D5, 8頁。 [15]古籍的載體轉(zhuǎn)化固然十分重要，但數(shù)字化古籍事業(yè)須綜合運(yùn)用多種計(jì)算機(jī)技術(shù)，絕非單憑一項(xiàng)OCR技術(shù)能夠完成。 [16]見《校讎通義·校讎條理》，《章學(xué)誠遺書》，98頁。 [17]好的檢索工具依關(guān)鍵詞的內(nèi)部特征排列正文，而以其外部特征排列索引，例如《中國叢書綜錄》“總目”和“子目”的正文以四部分類法（類別屬于書目關(guān)鍵詞的內(nèi)部特征）來部勒群書，而輔以書名和作者（關(guān)鍵詞）首字的四角號碼、筆畫、音序（均屬外部特征）索引。但是這類檢索工具多限于目錄（如《中國叢書綜錄》）、職官年表（如吳廷燮《唐方鎮(zhèn)年表》）、法令匯編（如仁井田升《唐令拾遺》）等，而其他類別的檢索工具多只依關(guān)鍵詞的外部特征排檢，不能體現(xiàn)關(guān)鍵詞的相關(guān)性，讀者不能通過查詢一個關(guān)鍵詞從而查得與此相關(guān)聯(lián)的其它關(guān)鍵詞。例如《世說新語箋釋》書后附有引書索引，為讀者提供了極大的方便，但是我們?nèi)绻獧z索《世說新語》及劉孝標(biāo)注中所見的家譜，就必須閱覽全部的引書索引才能獲得檢索結(jié)果，因?yàn)橐龝饕挥袝鬃值墓P畫排檢方式，而沒有分類排檢方式，讀者無法即類求書。 [18]由于高性能計(jì)算機(jī)具備海量存儲設(shè)備，而且價(jià)格低廉，所以我們不必?fù)?dān)心這種數(shù)據(jù)庫占用過多空間。 [19]臺灣中央研究院計(jì)算中心所制作的某些古籍資料庫沒有瀏覽功能，如“二十五史資料庫”，這不能不說是令人遺憾的缺失。 [20]其具體的技術(shù)實(shí)現(xiàn)方法見李澤光《用idc/htx實(shí)現(xiàn)網(wǎng)絡(luò)數(shù)據(jù)庫Web信息檢索》,載《計(jì)算機(jī)世界》1999年5期，2月1日，電腦與生活版，E14頁。 [21]見曹存根前引文。 原載《國家圖書館學(xué)刊》1999年02期 |
 |