面向語(yǔ)料庫(kù)機(jī)助辭書(shū)編纂系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

張永偉 顧曰國(guó) 胡欽諳 曹新龍

摘 要 “面向語(yǔ)料庫(kù)機(jī)助辭書(shū)編纂系統(tǒng)”由中國(guó)社會(huì)科學(xué)院語(yǔ)言所和中國(guó)多語(yǔ)言多模態(tài)語(yǔ)料庫(kù)暨大數(shù)據(jù)研究中心研發(fā)，是一個(gè)可以充分地利用各種語(yǔ)料庫(kù)、辭書(shū)庫(kù)和其他相關(guān)資源庫(kù)輔助漢語(yǔ)辭書(shū)編纂的平臺(tái)。文章介紹了該系統(tǒng)的研發(fā)背景、目標(biāo)、系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)。此外，對(duì)系統(tǒng)的技術(shù)選型也進(jìn)行了簡(jiǎn)單介紹，為辭書(shū)編纂或相關(guān)系統(tǒng)的研制提供借鑒。

關(guān)鍵詞 辭書(shū)編纂系統(tǒng) 語(yǔ)料庫(kù) 設(shè)計(jì)與實(shí)現(xiàn)

一、 引言

隨著信息技術(shù)的不斷發(fā)展，計(jì)算機(jī)輔助辭書(shū)編纂已經(jīng)逐漸成為趨勢(shì)。辭書(shū)編纂系統(tǒng)可以提升辭書(shū)編纂效率，縮短辭書(shū)編纂周期，節(jié)約辭書(shū)編纂成本，提高辭書(shū)質(zhì)量。（張亞斌，趙勝男等2017）近些年來(lái)，許多機(jī)構(gòu)都研制了功能豐富的辭書(shū)編纂系統(tǒng)，但是在有關(guān)漢字的處理上仍存在不少問(wèn)題，不完全適應(yīng)漢語(yǔ)辭書(shū)的編纂需求。如華燁、李亮（2012）對(duì)IDM DPS、ABBYY Lingvo Content、TLex等幾款在國(guó)際上有影響的辭書(shū)輔助編纂系統(tǒng)進(jìn)行了對(duì)比，指出這些系統(tǒng)在漢字處理、漢字樣式設(shè)定、漢語(yǔ)界面支持、漢語(yǔ)有關(guān)自動(dòng)化支持以及漢語(yǔ)語(yǔ)料庫(kù)支持等方面尚存在許多不足。張永偉（2020）也從漢字錄入、存儲(chǔ)與顯示，漢字樣式設(shè)置，漢語(yǔ)條目輔助注音，漢語(yǔ)條目自動(dòng)排序，漢語(yǔ)條目?jī)?nèi)容自動(dòng)檢查等方面對(duì)比了TLex、FLEx、Termbases、DEBWrite、Léacslann等國(guó)外辭書(shū)編纂系統(tǒng)，指出這些系統(tǒng)在漢字處理上存在不足。

為了輔助《現(xiàn)代漢語(yǔ)詞典》《新華字典》等系列語(yǔ)文辭書(shū)的編纂，中國(guó)社會(huì)科學(xué)院語(yǔ)言研究所研制了“人機(jī)交互式的漢語(yǔ)辭書(shū)編纂系統(tǒng)”（傅愛(ài)平，吳杰等2013），但是該系統(tǒng)研發(fā)時(shí)間較早，在兼容性、功能性、安全性等方面都需要進(jìn)一步改進(jìn)。為此，我們又重新研制了“面向語(yǔ)料庫(kù)機(jī)助辭書(shū)編纂系統(tǒng)”（Corpus-Oriented Computer-Assisted Lexicography，簡(jiǎn)稱(chēng)COCAL），期望COCAL能夠充分地利用各種語(yǔ)料庫(kù)、辭書(shū)庫(kù)和其他相關(guān)資源庫(kù)，輔助進(jìn)行各種漢語(yǔ)辭書(shū)的編纂。

二、 整體功能架構(gòu)設(shè)計(jì)

COCAL主要由后臺(tái)管理、前臺(tái)編纂以及公共應(yīng)用三個(gè)系統(tǒng)組成。其中，后臺(tái)管理系統(tǒng)包括辭書(shū)管理、資源管理、用戶管理、系統(tǒng)管理四個(gè)模塊，主要面向辭書(shū)管理人員（比如主編）、資源管理人員和系統(tǒng)管理人員。前臺(tái)編纂系統(tǒng)包括辭書(shū)編纂、語(yǔ)料庫(kù)檢索、辭書(shū)檢索、詞表檢索和在線資源檢索五個(gè)模塊，主要面向辭書(shū)編纂和審稿人員。公共應(yīng)用系統(tǒng)包括輸入助手、修改密碼、登錄/登出三個(gè)模塊，面向所有用戶。COCAL整體功能架構(gòu)設(shè)計(jì)框圖如圖1所示：

公共應(yīng)用系統(tǒng)中修改密碼、登錄/登出等是常見(jiàn)的功能，本文不詳細(xì)介紹。輸入助手是本系統(tǒng)實(shí)現(xiàn)的關(guān)鍵技術(shù)之一，本文將在第六部分介紹。為了更直接地展示系統(tǒng)實(shí)現(xiàn)結(jié)果，我們對(duì)重點(diǎn)功能給出了相應(yīng)的圖示。

三、 技術(shù)選型與數(shù)據(jù)庫(kù)實(shí)現(xiàn)

（一） 技術(shù)選型

COCAL使用了主流MVC[1]框架開(kāi)發(fā)，采用B/S（Browser-Server，瀏覽器服務(wù)器）體系架構(gòu)。用戶無(wú)需安裝任何軟件，僅通過(guò)瀏覽器就可以使用系統(tǒng)的全部功能。所有數(shù)據(jù)均保存在中心服務(wù)器中。

COCAL使用Java、FreeMarker、JavaScript、HTML等作為程序主要開(kāi)發(fā)語(yǔ)言，使用CSS、Bootstrap、JQuery、Ajax等前端網(wǎng)頁(yè)樣式顯示和控制技術(shù)。COCAL使用的第三方開(kāi)發(fā)框架主要有SpringMVC 模型視圖控制框架、Hibernate數(shù)據(jù)庫(kù)持久化框架、Apache Lucene全文索引工具包、Apache Shiro權(quán)限管理框架、FreeMarker頁(yè)面模板等。根據(jù)保存數(shù)據(jù)類(lèi)型的不同，COCAL使用了兩種數(shù)據(jù)庫(kù)，分別是MySQL關(guān)系型數(shù)據(jù)庫(kù)和MongoDB文檔數(shù)據(jù)庫(kù)。

（二） 數(shù)據(jù)庫(kù)實(shí)現(xiàn)

COCAL管理的數(shù)據(jù)包括三種類(lèi)型，分別存儲(chǔ)在不同數(shù)據(jù)庫(kù)中。詞表的詳細(xì)信息、條目編纂歷史、操作日志等數(shù)據(jù)量大、動(dòng)態(tài)增長(zhǎng)速度快、結(jié)構(gòu)復(fù)雜多變的數(shù)據(jù)保存在MongoDB文檔數(shù)據(jù)庫(kù)中;需要全文檢索高級(jí)查詢(xún)的數(shù)據(jù)經(jīng)過(guò)分詞等處理后保存在Lucene的索引中;其他數(shù)據(jù)保存在MySQL關(guān)系型數(shù)據(jù)庫(kù)中。MongDB具有更好的伸縮性和靈活性，適用于海量數(shù)據(jù)的管理;Lucene適用于全文檢索。

COCAL各類(lèi)數(shù)據(jù)在不同數(shù)據(jù)庫(kù)中的存儲(chǔ)的情況如圖2所示：

四、 后臺(tái)管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

（一） 辭書(shū)管理

辭書(shū)管理模塊是后臺(tái)管理系統(tǒng)的重點(diǎn)，涉及體例、條目與人員分組等管理要素，主要由辭書(shū)管理人員操作，具體包括以下6個(gè)子模塊：

1. 模板管理

模板管理子模塊管理辭書(shū)體例。它管理編寫(xiě)辭書(shū)條目時(shí)需要填寫(xiě)哪些內(nèi)容（例如詞目、拼音、釋義、配例等），這些內(nèi)容使用什么編輯器編輯，編纂人員編纂條目?jī)?nèi)容時(shí)需要受到怎樣的約束限制以及條目?jī)?nèi)容如何排版顯示等。每部辭書(shū)的體例不同，條目?jī)?nèi)容和排版顯示均可能存在差異。條目編纂模板和內(nèi)容顯示模板均可以自定義，使得系統(tǒng)能夠用于編纂各種辭書(shū)，并且還能支持這些辭書(shū)的個(gè)性化內(nèi)容顯示。模板管理界面如圖3所示。

模板管理界面包括條目編輯器、條目編纂模板、內(nèi)容顯示預(yù)覽、內(nèi)容顯示模板等區(qū)域。其中條目編纂模板使用Json語(yǔ)言定義了條目編輯器包括哪些表單元素、表單元素如何排列、編纂人員編纂條目?jī)?nèi)容時(shí)受到哪些約束限制等。COCAL自動(dòng)解析條目編纂模板的內(nèi)容，生成條目編輯器。內(nèi)容顯示模板使用JavaScript語(yǔ)言定義了條目?jī)?nèi)容應(yīng)如何排版顯示，JavaScript語(yǔ)言的靈活性決定了條目?jī)?nèi)容可以被靈活地排版顯示。條目編輯器的輸出是Json格式（由Json語(yǔ)言定義）的條目，COCAL自動(dòng)執(zhí)行內(nèi)容顯示模板定義的JavaScript語(yǔ)句，接受Json格式的條目作為輸入，輸出HTML格式或者純文本格式的條目?jī)?nèi)容，最終顯示在內(nèi)容顯示預(yù)覽區(qū)。

不難看出，辭書(shū)管理人員需要根據(jù)辭書(shū)體例為新建的辭書(shū)項(xiàng)目設(shè)計(jì)條目編纂模板和內(nèi)容顯示模板，這雖然對(duì)辭書(shū)管理人員的操作提出了較高的要求，但也確保了COCAL具備足夠的靈活性。為了降低辭書(shū)管理人員設(shè)計(jì)模板時(shí)的難度，我們提供了豐富的參考示例。此外，辭書(shū)的條目編纂模板和內(nèi)容顯示模板一旦設(shè)計(jì)完畢，后期將無(wú)需再頻繁維護(hù)，避免了辭書(shū)管理人員的持續(xù)投入。基于這樣的設(shè)計(jì)，COCAL不僅可以用于編纂漢語(yǔ)辭書(shū)，也可以用于編纂各種外語(yǔ)辭書(shū)，甚至多語(yǔ)辭書(shū)，具備極大的靈活性。

2. 分類(lèi)管理

分類(lèi)管理子模塊管理辭書(shū)條目的類(lèi)別信息，為任務(wù)分工做準(zhǔn)備。類(lèi)別是條目的靜態(tài)屬性，與辭書(shū)參編人員的分組一一對(duì)應(yīng)。辭書(shū)管理人員需事先定義辭書(shū)條目的類(lèi)別。類(lèi)別名稱(chēng)和數(shù)量沒(méi)有限制，編纂過(guò)程中隨時(shí)可以進(jìn)行增刪和修改。比如條目可以分為“A—C母”“D—F母”等類(lèi)別，也可以分為“語(yǔ)文”“哲社”“科技”等類(lèi)別。在分類(lèi)管理界面可以新增、查看、編輯、刪除、查詢(xún)條目類(lèi)別信息。

3. 參編人員管理

參編人員管理子模塊管理辭書(shū)的編纂人員和審稿人員。辭書(shū)管理人員從系統(tǒng)注冊(cè)用戶列表中選取參與辭書(shū)編纂的工作人員。在參編人員管理界面可以添加、移除參編人員。

4. 收詞管理

收詞管理子模塊管理辭書(shū)收錄哪些條目，以及各屬于哪些類(lèi)別。COCAL的條目來(lái)源有三種： 完全新增、從系統(tǒng)其他辭書(shū)條目中復(fù)制和從系統(tǒng)外導(dǎo)入。辭書(shū)管理人員通過(guò)收詞管理子模塊確定辭書(shū)收詞規(guī)模和范圍，為條目指定類(lèi)別（分配分組）。收詞管理界面如圖4所示：

在收詞管理界面可以新增、編輯、復(fù)制、刪除、恢復(fù)、導(dǎo)入、導(dǎo)出（Word和XML兩種格式）、查詢(xún)條目，對(duì)條目進(jìn)行分類(lèi)。為防止誤刪除，我們將刪除分為臨時(shí)刪除和永久刪除兩種，臨時(shí)刪除的條目可以恢復(fù)，永久刪除的條目不可以。臨時(shí)刪除的條目依然對(duì)編纂人員可見(jiàn)，以文字增加刪除線的形式顯示。收詞管理界面新增、編輯的信息只包含詞目、拼音、分類(lèi)等基本信息，條目詳細(xì)的釋義需要在前端編纂界面進(jìn)行編纂。

5. 分工管理

分工管理子模塊由人員分組和任務(wù)分工兩個(gè)更小的子模塊組成。辭書(shū)管理人員創(chuàng)建條目類(lèi)別后，系統(tǒng)自動(dòng)依據(jù)條目類(lèi)別為參編人員創(chuàng)建同名分組，人員分組名稱(chēng)和條目類(lèi)別名稱(chēng)一一對(duì)應(yīng)。在人員分組子模塊中，辭書(shū)管理人員可以添加組員，任命或解任組長(zhǎng)。組長(zhǎng)可以查看、編輯、審核、管理組員承擔(dān)的條目，同一個(gè)參編人員可以分屬不同分組，也可以同時(shí)作為多個(gè)分組的組長(zhǎng)。人員分組界面如圖5所示：

在人員分組界面可以添加、移除每個(gè)分組的組員，指定、取消組長(zhǎng)。任務(wù)分工子模塊主要用于為條目分配編纂人員。辭書(shū)管理人員可以為每個(gè)條目分配具體的編纂人員（我們稱(chēng)之為分工），取消指定的編纂人員等。任務(wù)分工界面如圖6所示：

在任務(wù)分工界面選擇待分工條目后，點(diǎn)擊“分工”按鈕，在條目所屬分組的人員列表中選擇具體的參編人員即可實(shí)現(xiàn)條目的分工。條目分工后，辭書(shū)編纂人員可以在編纂時(shí)看到所分配的條目。

6. 統(tǒng)計(jì)

統(tǒng)計(jì)子模塊統(tǒng)計(jì)辭書(shū)各分組、參編人員、編纂進(jìn)度、編纂時(shí)長(zhǎng)的詳細(xì)情況，以圖表形式直觀顯示，便于辭書(shū)管理人員隨時(shí)掌握辭書(shū)收詞的整體狀況、編纂進(jìn)度，各參編人員的工作狀況等信息。統(tǒng)計(jì)界面如圖7所示：

在統(tǒng)計(jì)界面，人員分組（條目分類(lèi)）、參編人員、編纂進(jìn)度等作為過(guò)濾條件可以自由組合。比如，可以統(tǒng)計(jì)整部辭書(shū)各分組條目比例，統(tǒng)計(jì)某個(gè)編纂人員分配的不同條目類(lèi)別比例，統(tǒng)計(jì)某個(gè)分組下成員們各自的編纂進(jìn)度，等等。

（二） 資源管理

COCAL的特色之一是集成了豐富的語(yǔ)言資源。資源管理模塊主要由資源管理人員操作，具體包括以下3個(gè)子模塊：

1. 語(yǔ)料庫(kù)管理

辭書(shū)編纂越來(lái)越離不開(kāi)語(yǔ)料庫(kù)。資源管理人員可以通過(guò)語(yǔ)料庫(kù)管理子模塊管理辭書(shū)編纂時(shí)需要參考的文本語(yǔ)料庫(kù)，為編纂條目提供參考例句。語(yǔ)料庫(kù)管理界面如圖8所示：

在語(yǔ)料庫(kù)管理界面可以新增、編輯、刪除語(yǔ)料庫(kù)基本信息（包括語(yǔ)料庫(kù)的名稱(chēng)、版本、來(lái)源等），用戶上傳語(yǔ)料后，單擊“重建索引”或“刪除索引”按鈕，為語(yǔ)料庫(kù)建立或者刪除索引。

2. 詞表管理

這里的詞表并非指詞目列表，而是指供辭書(shū)編纂?yún)⒖嫉陌ㄔ~目、拼音、釋文等內(nèi)容在內(nèi)的弱結(jié)構(gòu)化數(shù)據(jù)。之所以稱(chēng)為詞表，是為了和利用COCAL系統(tǒng)編纂的辭書(shū)相區(qū)分。資源管理人員可以將需要參考的紙本辭書(shū)數(shù)字化，分離出詞目、拼音、釋文等內(nèi)容后，使用條目管理子模塊導(dǎo)入系統(tǒng)，供編纂條目時(shí)參考使用。資源管理人員創(chuàng)建一個(gè)詞表后，可以進(jìn)入該詞表的條目管理界面，管理該詞表內(nèi)的條目。某詞表的條目管理界面如圖9所示：

在條目管理界面，可以新增、編輯、刪除和批量導(dǎo)入詞表?xiàng)l目。

3. 在線資源管理

辭書(shū)編纂需要參考許多互聯(lián)網(wǎng)資源，辭書(shū)編纂人員編纂條目時(shí)需要在不同的互聯(lián)網(wǎng)資源中反復(fù)切換和查詢(xún)，耗時(shí)耗力。資源管理人員可以在在線資源管理子模塊中添加在線資源，便于編纂人員在編纂條目時(shí)參考。在線資源管理界面如圖10所示：

在在線資源管理界面，可以添加、編輯、刪除在線資源。

（三） 賬號(hào)管理

賬號(hào)管理模塊包括權(quán)限管理、角色管理、用戶管理三個(gè)子模塊，主要由系統(tǒng)管理人員為不同角色的用戶分配權(quán)限。同一角色具有相同權(quán)限，每個(gè)角色可以擁有多個(gè)權(quán)限，每個(gè)用戶可以分屬不同角色。辭書(shū)管理人員、資源管理人員、系統(tǒng)管理人員、辭書(shū)編纂人員和審稿人員等都是系統(tǒng)內(nèi)置的角色，已經(jīng)為他們分配了相應(yīng)的權(quán)限。COCAL也支持添加新的角色，以及為角色指定不同的權(quán)限。權(quán)限、角色、用戶分離的設(shè)計(jì)既保證了系統(tǒng)功能分配的靈活性，又保證了系統(tǒng)的安全性。

（四） 系統(tǒng)管理

系統(tǒng)管理模塊包括日志管理、上傳文件管理等子模塊。其中，日志是用戶在系統(tǒng)中操作的記錄。系統(tǒng)管理員可以通過(guò)日志管理子模塊查詢(xún)自動(dòng)保存的用戶操作記錄，通過(guò)上傳文件管理子模塊查看、刪除或者下載文件。由于系統(tǒng)管理模塊的各項(xiàng)功能較為常見(jiàn)，本文不展開(kāi)介紹。

五、 前臺(tái)編纂系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

（一） 資源檢索

資源檢索模塊包括語(yǔ)料庫(kù)檢索、辭書(shū)庫(kù)檢索、詞表檢索和在線資源檢索四個(gè)子模塊。其中，語(yǔ)料庫(kù)檢索子模塊用于檢索文本語(yǔ)料庫(kù)中的例句，辭書(shū)庫(kù)檢索子模塊用于檢索系統(tǒng)內(nèi)在編或已經(jīng)編纂完成的辭書(shū)，詞表檢索子模塊用于檢索詞表中的條目，在線資源檢索子模塊用于檢索常用的互聯(lián)網(wǎng)資源。資源檢索模塊主要為辭書(shū)編纂人員編纂條目時(shí)提供參考，提高編纂效率。

（二） 辭書(shū)編纂

辭書(shū)編纂模塊是前臺(tái)編纂系統(tǒng)的重點(diǎn)，主要包括條目列表和條目編纂兩個(gè)子模塊。用戶登錄前臺(tái)編纂系統(tǒng)后，首先看到的是待編辭書(shū)列表，列表中列出了所有分配了編纂任務(wù)的辭書(shū)，在辭書(shū)列表中選擇某一部辭書(shū)后，即可進(jìn)入條目列表界面。

1. 條目列表

條目列表子模塊顯示了所有分配的條目，編纂人員可以新增、刪除、恢復(fù)、編纂條目，優(yōu)化條目排序，統(tǒng)計(jì)個(gè)人編纂情況，批量保存、提交、審閱、退回條目等。其中，組長(zhǎng)可以查看或編纂所有組員的條目。條目列表界面如圖11所示：

編纂人員可以在條目列表界面看到條目?jī)?nèi)容、分類(lèi)（分組）、進(jìn)程、版本等信息。單擊條目后面的“編纂”按鈕就可以進(jìn)入條目編纂界面。

2. 條目編纂

條目編纂子模塊是辭書(shū)編纂人員使用最多的功能，辭書(shū)編纂的主要工作就在條目編纂界面中完成。條目編纂界面分為條目列表區(qū)、預(yù)覽區(qū)、編纂?yún)^(qū)以及資料區(qū)四個(gè)區(qū)域。辭書(shū)編纂人員可以在條目列表區(qū)查看相關(guān)條目，在預(yù)覽區(qū)查看條目排版后的文本，在編纂?yún)^(qū)編纂條目?jī)?nèi)容，在資料區(qū)查詢(xún)和瀏覽參考資料。

條目編纂進(jìn)度分為未編、待編、在編、完成、閱畢五種。未分配任務(wù)時(shí)，條目編纂進(jìn)度為未編;分配任務(wù)后，編纂進(jìn)度改為待編。在條目編纂界面，編纂人員可以保存、提交編纂結(jié)果，組長(zhǎng)可以保存、提交、退回或閱畢編纂結(jié)果。編纂人員、組長(zhǎng)均可編纂待編條目。條目編纂完成后保存，編纂進(jìn)度改為在編;編纂完成后提交，編纂進(jìn)度改為完成。組長(zhǎng)審閱編纂進(jìn)度為完成的條目后，決定退回編纂人員或者認(rèn)可編纂結(jié)果并將其進(jìn)度標(biāo)記為閱畢。完成或閱畢的條目只有組長(zhǎng)有權(quán)限再修改提交、退回或者閱畢。編纂人員可以繼續(xù)編纂被退回的條目，編纂完成后再次保存或提交，但不可以修改已經(jīng)被組長(zhǎng)閱畢的條目。條目編纂界面如圖12所示：

條目列表區(qū)列出了與當(dāng)前條目相關(guān)的條目（比如相同字頭的條目），點(diǎn)擊某條目后即可進(jìn)入相應(yīng)條目的編纂界面。編纂?yún)^(qū)為條目編輯器，由后臺(tái)管理系統(tǒng)的條目編纂模板定義。預(yù)覽區(qū)中顯示的條目?jī)?nèi)容由后臺(tái)管理系統(tǒng)的內(nèi)容顯示模板依據(jù)條目編輯器中的內(nèi)容自動(dòng)生成。資料區(qū)除了語(yǔ)料庫(kù)檢索、辭書(shū)庫(kù)檢索、詞表檢索、在線資源檢索以外，還包括當(dāng)前條目的修改記錄。用戶編纂某個(gè)條目時(shí)，系統(tǒng)自動(dòng)將詞目作為檢索詞在各個(gè)資源庫(kù)中搜索，并在資料區(qū)中顯示檢索結(jié)果，辭書(shū)編纂人員可以直接點(diǎn)擊查看。

此外，在條目編纂界面，COCAL還提供了許多便捷功能，比如可以快速進(jìn)入上一組或下一組條目（比如相同字頭條目或者同一個(gè)語(yǔ)義類(lèi)的條目等）的編纂界面，對(duì)比條目?jī)?nèi)容、恢復(fù)條目歷史版本、劃詞查詢(xún)當(dāng)前辭書(shū)是否收錄該詞目等，這些都是COCAL在使用過(guò)程中由編纂人員建議增加的實(shí)用功能。

六、 公共應(yīng)用功能的設(shè)計(jì)與實(shí)現(xiàn)

公共應(yīng)用功能包括輸入助手、修改密碼、登錄/登出等功能。修改密碼、登錄/登出是常見(jiàn)功能，本文不展開(kāi)介紹。輸入助手用于查詢(xún)、輸入缺字，是COCAL的特色功能，也是漢語(yǔ)辭書(shū)編纂系統(tǒng)的一個(gè)難點(diǎn)。

缺字（又稱(chēng)外字）包括Unicode標(biāo)準(zhǔn)已編碼但尚無(wú)字體字模支持的漢字以及Unicode標(biāo)準(zhǔn)尚未編碼的漢字。國(guó)外辭書(shū)編纂系統(tǒng)和一些國(guó)內(nèi)辭書(shū)編纂系統(tǒng)對(duì)缺字的支持不夠友好（張永偉2020），COCAL解決了這個(gè)問(wèn)題，能夠支持全部漢字的處理。

缺字的基本信息包括編碼、拼音、筆順、筆畫(huà)數(shù)、字形圖片等。這些信息是普通語(yǔ)文辭書(shū)條目排序需要的基本信息，也是查找缺字所需要的基礎(chǔ)信息。COCAL支持缺字的新增、編輯、刪除、查詢(xún)，還會(huì)將字形圖片自動(dòng)轉(zhuǎn)換為SVG和WOFF字體格式[2]。此外，COCAL還研制了輸入助手，用于查詢(xún)和輸入缺字。輸入助手輸入、顯示缺字的原理是： （1） 自動(dòng)記錄光標(biāo)在系統(tǒng)表單中的位置，在輸入助手中選擇某個(gè)缺字后，將缺字信息（“+缺字編碼+”形式）填入相應(yīng)位置;（2） 識(shí)別所有頁(yè)面中“+缺字編碼+”形式的符號(hào)串，根據(jù)不同頁(yè)面的需要，自動(dòng)將其替換為名為@font-face的CSS@規(guī)則[3]或者缺字字形圖片。

COCAL界面右側(cè)始終顯示“輸入助手”按鈕，單擊后打開(kāi)或關(guān)閉輸入助手。錄入缺字信息后，所有用戶均可以隨時(shí)通過(guò)輸入助手查詢(xún)、輸入缺字。目前，輸入助手支持筆畫(huà)數(shù)查詢(xún)和拼音查詢(xún)兩種查詢(xún)方式。輸入助手的拼音查詢(xún)界面如圖13所示。

七、 結(jié)語(yǔ)

COCAL提供豐富的語(yǔ)料庫(kù)資源，支持協(xié)同編纂各種漢語(yǔ)辭書(shū)，提升了辭書(shū)編纂效率，提高了辭書(shū)質(zhì)量，初步達(dá)到了研發(fā)目的。但是COCAL仍有許多地方需要改進(jìn)。

首先，COCAL主要是為編纂原創(chuàng)辭書(shū)研發(fā)，注重“編”而未強(qiáng)調(diào)“查”，COCAL對(duì)有相同或類(lèi)似特征的條目進(jìn)行有針對(duì)性的專(zhuān)項(xiàng)核查尚存在改進(jìn)空間。其次，COCAL只支持文本語(yǔ)料庫(kù)查詢(xún)，提供例句，但未利用自然語(yǔ)言處理技術(shù)充分挖掘語(yǔ)料，提供諸如詞頻表、搭配列表、語(yǔ)塊列表等功能。最后，人工智能技術(shù)已經(jīng)同許多領(lǐng)域結(jié)合，產(chǎn)生了革命性的智能產(chǎn)品和服務(wù)，但在包括COCAL在內(nèi)的辭書(shū)編纂系統(tǒng)中的應(yīng)用相對(duì)滯后。利用人工智能技術(shù)可以進(jìn)行義項(xiàng)的自動(dòng)劃分，“舊詞新義”的自動(dòng)發(fā)現(xiàn)，例句的輔助生成，條目?jī)?nèi)容自動(dòng)檢查等。在辭書(shū)編纂時(shí)集成這些人工智能技術(shù)將是COCAL下一階段的目標(biāo)。

附 注

[1]MVC是Model View Controller的縮寫(xiě)，是一種經(jīng)典且實(shí)用的軟件開(kāi)發(fā)框架模式。

[2]之所以選擇SVG和WOFF這兩種字體格式，是因?yàn)樗鼈兛梢员唤^大多數(shù)瀏覽器支持，具有更好的兼容性。

[3]CSS的@font-face規(guī)則允許網(wǎng)頁(yè)開(kāi)發(fā)者為其網(wǎng)頁(yè)指定自定義的在線字體。

參考文獻(xiàn)

1. 傅愛(ài)平，吳杰，張弘，等.人機(jī)交互式的漢語(yǔ)辭書(shū)編纂系統(tǒng).辭書(shū)研究，2013（6）.

2. 華燁，李亮.國(guó)際計(jì)算機(jī)輔助詞典編纂系統(tǒng)管窺.辭書(shū)研究，2012（5）.

3. 陸汝占.漢語(yǔ)詞典編纂一體化環(huán)境（上）.辭書(shū)研究，2000a（2）.

4. 陸汝占.漢語(yǔ)詞典編纂一體化環(huán)境（下）.辭書(shū)研究，2000b（3）.

5. 張亞斌，趙勝男，何朝輝，等.數(shù)字化辭書(shū)協(xié)同編纂系統(tǒng)的設(shè)計(jì).辭書(shū)研究，2017（6）.

6. 張永偉. 辭書(shū)編纂系統(tǒng)的漢字處理： 挑戰(zhàn)與解決方案.辭書(shū)研究，2020（1）.

（張永偉 顧曰國(guó) 胡欽諳 中國(guó)社會(huì)科學(xué)院語(yǔ)言研究所/

辭書(shū)編纂研究中心 北京 100732）

（顧曰國(guó) 曹新龍 中國(guó)多語(yǔ)言多模態(tài)語(yǔ)料庫(kù)暨

大數(shù)據(jù)研究中心 北京 100089）

（責(zé)任編輯 馬 沙）