基于邏輯原則的科技論文自動(dòng)校對(duì)方法

■侯修洲 黃延紅

《中國科學(xué)》雜志社，北京市東城區(qū)東黃城根北街16號(hào) 100717

科技論文在完成同行評(píng)議后，一般還需要經(jīng)過編輯加工、校對(duì)、質(zhì)檢、核對(duì)清樣等步驟，才能正式發(fā)表，這些工作往往比較繁瑣，還容易出現(xiàn)差錯(cuò)。2018年1月10日，國家新聞出版廣電總局報(bào)刊司發(fā)出《關(guān)于對(duì)〈報(bào)刊質(zhì)量管理規(guī)定〉(征求意見稿)征求意見的通知》，該通知對(duì)期刊質(zhì)量提出了更嚴(yán)格的要求，其中最明顯的調(diào)整是將期刊編校差錯(cuò)率從3/10000降低到2/10000，差錯(cuò)率超過2/10000的期刊，其編校質(zhì)量將被視為不合格。由此可見，編輯的工作壓力會(huì)越來越大，并將長期陷入事務(wù)性的編校工作中，難以發(fā)揮編輯的主動(dòng)性和創(chuàng)造性。

薛子儉等[1]提出分步編校方法，該方法從論文構(gòu)架核查、分類加工、常規(guī)潤色、整體核對(duì)4個(gè)方面分步進(jìn)行，條理清晰，避免了漏校，但所有流程均需要人工參與，并沒有減少編輯的工作量，也不能完全保證將每條錯(cuò)誤檢查出來。近年來，王紅劍等[2]和黃城煙[3]提出了利用Visual Basic for Application (VBA)編程技術(shù)在Word文檔環(huán)境中批量替換易錯(cuò)字詞的功能，可以在一定程度上降低人工勞動(dòng)量。龔小謹(jǐn)?shù)萚4-6]從自然語言理解和語法分析角度對(duì)文章校對(duì)進(jìn)行了研究，該技術(shù)的優(yōu)點(diǎn)是校對(duì)顆粒度能達(dá)到詞語級(jí)別，但糾錯(cuò)建議的有效率或首選正確率比較低，與用戶的要求還有較大差距。此外，市面上流行的黑馬校對(duì)軟件也是主要集中在詞語的錯(cuò)誤用法和敏感詞的識(shí)別，其查錯(cuò)率也有待提高。

近年來，國外大多數(shù)期刊均采用了XML排版，其優(yōu)點(diǎn)是論文結(jié)構(gòu)清晰，不僅能為讀者提供豐富的閱讀體驗(yàn)，而且可從其結(jié)構(gòu)化角度來尋找科技論文內(nèi)在的邏輯規(guī)律，利用這些規(guī)律，可對(duì)論文進(jìn)行計(jì)算機(jī)程序輔助校對(duì)。由于VBA技術(shù)和Word文檔具有良好的結(jié)合性，且筆者已經(jīng)成功地將VBA技術(shù)應(yīng)用于Word文檔的XML結(jié)構(gòu)化標(biāo)記和參考文獻(xiàn)的自動(dòng)加工中[7-9]，在此基礎(chǔ)上，本文嘗試尋找科技論文的內(nèi)在連續(xù)性、一致性和唯一性等邏輯原則，并基于此原則使用VBA輔助編程對(duì)科技論文進(jìn)行自動(dòng)校對(duì)，盡量將大多數(shù)錯(cuò)誤在排版前標(biāo)示出來，以提高編排效率，避免多次編校返工。

本研究的編校差錯(cuò)是指排版前可由計(jì)算機(jī)程序識(shí)別的錯(cuò)誤。VBA語言環(huán)境、部署及實(shí)例應(yīng)用等內(nèi)容將不再做詳細(xì)闡述，可以參考王玥等[10]的文章，語法規(guī)則可以參考http://www.doc88.com/p-931469800915.html。

1 科技論文的連續(xù)性、一致性和唯一性原則

科技論文有一定的寫作要求，其連續(xù)性原則表現(xiàn)在：(1)順序編碼制參考文獻(xiàn)著錄一般要求正文中的文獻(xiàn)引用序號(hào)必須按照順序出現(xiàn)，不能漏引；(2)圖表序號(hào)、公式序號(hào)、章節(jié)序號(hào)也需要按照順序出現(xiàn)，不能中斷。

一致性原則主要用在著者-出版年制文獻(xiàn)的校對(duì)。著者-出版年制文獻(xiàn)著錄一般要求正文中出現(xiàn)的著者年要和文后的文獻(xiàn)嚴(yán)格一致。如果正文中著者后面出現(xiàn)“et al.”或 “等”的描述，則要求文后文獻(xiàn)的作者至少是3位；如果正文中著者后面出現(xiàn)“and”或“和”的描述，則一般要求文后文獻(xiàn)的作者是2位。但筆者在實(shí)踐過程中發(fā)現(xiàn)，正文中著者姓的大小寫和拉丁文書寫格式經(jīng)常和文后參考文獻(xiàn)的著錄不一致，如果人工對(duì)這部分內(nèi)容進(jìn)行校對(duì)，其工作量較大，且操作繁瑣，并且很難避免疏漏或錯(cuò)誤的出現(xiàn)。對(duì)于中文科技論文，一致性原則還可以用于校對(duì)作者的中文姓名和拼音是否一致，以及中英文地址、郵編是否一致。

無論是順序編碼制文獻(xiàn)還是著者-出版年制文獻(xiàn)的著錄，都要求文后的每一條參考文獻(xiàn)只能出現(xiàn)一次，這就是文獻(xiàn)的唯一性原則。作者在撰寫和修改論文時(shí)，由于反復(fù)增刪內(nèi)容或其他原因，經(jīng)常會(huì)發(fā)生文獻(xiàn)重復(fù)出現(xiàn)的情況，這時(shí)候就需要對(duì)文獻(xiàn)的唯一性進(jìn)行檢查和校對(duì)。

依照上述原則進(jìn)行校對(duì)后，在原文中相應(yīng)地方進(jìn)行高亮標(biāo)識(shí)，以提醒加工者注意，這屬于建議性質(zhì)的輔助校對(duì)，而不是強(qiáng)制要求用戶修改。編輯部可以按照具體體例進(jìn)行針對(duì)性修改，如有特殊情況，可具體問題具體處理。

2 基于連續(xù)性原則的自動(dòng)校對(duì)方法

以順序編碼制文獻(xiàn)為例，在正文中標(biāo)注引用文獻(xiàn)的格式一般為“[1]”“[1-2]”“[1-3]”“[1-3，5]”“[1-3，5，7，9-11]”等形式，其中的對(duì)開線有時(shí)也可能為全身線或“～”。首先需要識(shí)別這些文獻(xiàn)序號(hào)，在VBA語言環(huán)境中，上述文獻(xiàn)格式可以用正則表達(dá)式來表述：[([d]{1,3})((，|.)[d]{1,3})?]，其中[表示開始的方括號(hào)，]表示結(jié)束的方括號(hào)，([d]{1,3})表示文獻(xiàn)序號(hào)，((，|.)[d]{1,3})?表示結(jié)束的文獻(xiàn)序號(hào)，表示結(jié)束的文獻(xiàn)序號(hào)的“?”也可以省略。如果是像[1-3，5，7，9-11]這樣復(fù)雜的文獻(xiàn)表述，則只需將((，|.)[d]{1,3})?在正則表達(dá)式中重復(fù)幾次即可。

當(dāng)識(shí)別了正文中的所有文獻(xiàn)序號(hào)后，就要判斷序號(hào)的連續(xù)性了。將某一處的文獻(xiàn)序號(hào)表述內(nèi)容記為I，將I處之前的文獻(xiàn)序號(hào)表述內(nèi)容記為I-1，設(shè)定I-1處的最大文獻(xiàn)序號(hào)為Mmax，顯然，當(dāng)程序開始執(zhí)行時(shí)，Mmax的初始賦值為1。當(dāng)程序執(zhí)行到第I處時(shí)，求取該處文獻(xiàn)序號(hào)的最大值和最小值，分別記為Imax和Imin，此時(shí)判斷第I處文獻(xiàn)序號(hào)是否和第I-1處文獻(xiàn)連續(xù)，可以分為三種情況：(1)當(dāng)Imax≤Mmax時(shí)，則I處文獻(xiàn)和I-1處文獻(xiàn)連續(xù)；(2)當(dāng)Imin>Mmax時(shí)，則I處文獻(xiàn)和I-1處文獻(xiàn)不連續(xù)，此時(shí)將Mmax重新賦值為Imax；(3)當(dāng)Imin≤Mmax

在程序運(yùn)行中，將每一處連續(xù)的文獻(xiàn)序號(hào)標(biāo)為藍(lán)色，如校對(duì)示意圖(圖2)的圓圈所示；不連續(xù)的文獻(xiàn)序號(hào)標(biāo)為紅色字體并高亮，如圖2的方框所示。

圖表序號(hào)和公式序號(hào)的判斷規(guī)則與順序編碼制文獻(xiàn)序號(hào)連續(xù)性判斷規(guī)則相同，此處不再贅述。

對(duì)于章節(jié)標(biāo)題序號(hào)的連續(xù)性判斷，則需要事先定位章節(jié)標(biāo)題的位置，具體標(biāo)記方法可以查閱文獻(xiàn)[7]。

圖2 順序編碼制文獻(xiàn)序號(hào)連續(xù)性校對(duì)示意圖

對(duì)于一級(jí)標(biāo)題，只需提取標(biāo)題前面的序號(hào)，按照自然數(shù)來判斷是否連續(xù)，而二級(jí)標(biāo)題和三級(jí)標(biāo)題的序號(hào)連續(xù)性判斷，則不能簡單套用自然數(shù)來判斷。一般二級(jí)標(biāo)題序號(hào)為“1.1、1.2、1.3”“2.1、2.2、2.3”等形式，三級(jí)標(biāo)題序號(hào)為“1.1.1、1.1.2、1.1.3”“2.1.1、2.1.2、2.1.3”等形式。關(guān)于二級(jí)標(biāo)題和三級(jí)標(biāo)題，當(dāng)成功提取標(biāo)題序號(hào)后，應(yīng)先忽略序號(hào)中的點(diǎn)，然后比較自然數(shù)順序序列。與判斷一級(jí)標(biāo)題序號(hào)連續(xù)性不同的是，當(dāng)考慮二級(jí)標(biāo)題序號(hào)的連續(xù)性時(shí)，既要滿足自然數(shù)連續(xù)性規(guī)則，也要保持該二級(jí)標(biāo)題序號(hào)的第一位數(shù)和緊鄰的一級(jí)標(biāo)題序號(hào)一致；當(dāng)考慮三級(jí)標(biāo)題序號(hào)的連續(xù)性時(shí)，同樣要考慮該三級(jí)標(biāo)題序號(hào)的前兩位數(shù)與緊鄰的二級(jí)標(biāo)題序號(hào)一致。對(duì)于不連續(xù)的章節(jié)標(biāo)題，可用高亮顯示，如圖3的方框所示。

圖3 章節(jié)序號(hào)不連續(xù)的示意圖

3 基于一致性原則的自動(dòng)校對(duì)方法

一致性校對(duì)主要涉及到著者-出版年制文獻(xiàn)的校對(duì)，一般此類文獻(xiàn)在正文中引用時(shí)，其表述方式為“姓，年”“姓et al/等，年”“姓1 and/和 姓2，年”“姓(年)”“姓et al/等(年)”和“姓1 and/和 姓2(年)”等形式?；谝陨细袷剑P者編寫了識(shí)別著者年的正則表達(dá)式：

(([a-zA-Zu00C1-u00FFu2C60-u2C74u002D]+(( and |和)[a-zA-Zu00C1-u00FFu2C60-u2C74u002D]+)?)|([u4e00-u9fa5]{2，3}(和([u4e00-u9fa5]{2，3}))?))(等人|等| et al.| et al|)?(，)?( )?(()?((20|19|18)([d]{2}))([a-g])?())?

當(dāng)完成正文的著者年信息識(shí)別后，還需要將每一條的識(shí)別內(nèi)容和文后參考文獻(xiàn)進(jìn)行比較，其流程如圖4所示?；谖墨I(xiàn)[8-9]，筆者已經(jīng)成功地將參考文獻(xiàn)進(jìn)行了自動(dòng)加工和XML標(biāo)記拆分，絕大多數(shù)參考文獻(xiàn)都實(shí)現(xiàn)了姓名、文題、刊名、年、卷、頁碼等信息的拆分(圖5)。只需將正文中識(shí)別的姓和年與文后已經(jīng)拆分的文獻(xiàn)信息中的姓和年進(jìn)行匹配比較即可。如果前后驗(yàn)證沒問題，則標(biāo)上藍(lán)色；如果前后不對(duì)應(yīng)，則高亮并用紅色字體標(biāo)識(shí)。與圖5文獻(xiàn)對(duì)應(yīng)的校對(duì)示例如圖6所示。

圖4 著者-出版年制文獻(xiàn)一致性校對(duì)流程

圖5 參考文獻(xiàn)XML標(biāo)記加工示意圖[6]

圖6 著者-出版年制參考文獻(xiàn)一致性校對(duì)示意圖

對(duì)于中文版論文，筆者已經(jīng)利用VBA程序?qū)⑽臋n中作者姓名及其相應(yīng)地址的中英文內(nèi)容進(jìn)行了標(biāo)記[7]，可方便提取每一位作者及其相應(yīng)地址的中英文信息。將作者的中文姓名轉(zhuǎn)換成拼音，然后和作者標(biāo)注的拼音進(jìn)行匹配比較，如果表述不一致則標(biāo)黃色高亮； 同理，可提取地址和郵編的中英文信息，如果不一致，同樣黃色高亮提示(圖7)。如果作者及其相應(yīng)地址的中英文數(shù)量不一致，將彈窗提醒加工人員注意。

圖7 作者姓名和郵編中英文校對(duì)示意圖

4 基于參考文獻(xiàn)唯一性原則的校對(duì)方法

筆者已經(jīng)將參考文獻(xiàn)進(jìn)行了XML拆分[8-9]，并且獲取了文獻(xiàn)的DOI信息(圖5)。 在提取每條參考文獻(xiàn)的DOI信息時(shí)，如果發(fā)現(xiàn)參考文獻(xiàn)的DOI信息相同，則判斷這些文獻(xiàn)是重復(fù)文獻(xiàn)，程序會(huì)將重復(fù)文獻(xiàn)都標(biāo)為紅色字體，具體示例如圖8的方框所示。

圖8 參考文獻(xiàn)唯一性校對(duì)示意圖

5 結(jié)論

在已有工作的基礎(chǔ)上[7-9]，尋找論文邏輯的連續(xù)性、一致性和唯一性原則，并利用這些原則對(duì)科技論文進(jìn)行全文自動(dòng)校對(duì)，不僅減輕了加工人員的勞動(dòng)量，減少了審校的輪次，也避免了低級(jí)編校錯(cuò)誤的出現(xiàn)，提高了出版效率，同時(shí)也為后期Word文檔轉(zhuǎn)換為XML文件提供了質(zhì)量保證。

論文的邏輯原則包括：(1)連續(xù)性原則，適用于論文中不連續(xù)的文獻(xiàn)、章節(jié)、圖表、公式等序號(hào)的校對(duì)；(2)一致性原則，適用于著者-出版年制文獻(xiàn)前后不一致表述的校對(duì)和作者姓名及相應(yīng)地址、郵編的中英文校對(duì)；(3)唯一性原則，適用于文后重復(fù)出現(xiàn)的參考文獻(xiàn)的校對(duì)。

需要說明的是，這些原則是筆者在《中國科學(xué)》系列刊物編校實(shí)踐中總結(jié)出來的，依照上述原則進(jìn)行校對(duì)的結(jié)果，是建議性質(zhì)的輔助校對(duì)，相關(guān)編輯部可以按照具體情況進(jìn)行針對(duì)性修改。論文自動(dòng)校對(duì)大致包含邏輯校對(duì)和語法校對(duì)兩個(gè)方向，本研究側(cè)重于邏輯原則，筆者也很期待未來能開發(fā)出全面且性能良好的校對(duì)方法。