多維視角下的少林寺檔案內(nèi)容挖掘與知識服務(wù)研究*

李海濤 楊晗

（中山大學(xué)信息管理學(xué)院 廣州 510275）

少林寺檔案在一定程度上反映了少林武術(shù)的基本面貌與文化根脈，是人們了解、把握少林寺文化和歷史脈絡(luò)必不可少的資料。2006年少林功夫入選國家級非物質(zhì)文化遺產(chǎn)名錄，2010年8月包括少林寺常住院在內(nèi)的歷史建筑群被聯(lián)合國科教文組織列為世界文化遺產(chǎn)，2017年初中共中央辦公廳、國務(wù)院辦公廳下發(fā)的《關(guān)于實施中華優(yōu)秀傳統(tǒng)文化繼承發(fā)展工程的意見》指出要實施非物質(zhì)文化遺產(chǎn)傳承發(fā)展工程，進(jìn)一步完善非物質(zhì)文化遺產(chǎn)普查建檔制度。少林寺文化是我國珍貴的非物質(zhì)文化遺產(chǎn)，其所蘊藏的傳統(tǒng)文化在提升中華民族文化自信上有著重要意義。新時期開展少林寺檔案的挖掘利用與知識服務(wù)，促進(jìn)資源的集成整合，主動向社會提供集成化、可視化、多元化的少林寺檔案知識服務(wù)是保護(hù)少林文化、弘揚少林文化的重要途徑。

“少林寺檔案是圍繞少林寺形成的綜合性寺廟檔案”，既包括少林寺本身的檔案文獻(xiàn)，也包括少林文化圈形成的檔案文獻(xiàn)?，F(xiàn)存少林寺檔案約有2萬件，主要包括金石、紙質(zhì)、聲像檔案及口述檔案[1]，因少林文化歷史悠久無論是歷史檔案還是現(xiàn)代檔案都相當(dāng)豐富，但是對少林寺檔案的開發(fā)利用工作遠(yuǎn)遠(yuǎn)落后于實踐的需要。當(dāng)前少林寺檔案館仍在建設(shè)中，對檔案資源的利用仍停留在收管存階段，并且少林寺檔案資源增量大，動態(tài)、散亂、無序特征明顯，需要改變傳統(tǒng)的資源組織方式。借助知識挖掘有關(guān)技術(shù)對雜亂的少林寺檔案信息進(jìn)行有序化、可視化、系統(tǒng)化處理，發(fā)現(xiàn)海量少林寺檔案資源的關(guān)聯(lián)，實現(xiàn)少林寺檔案信息的高效組織與深入挖掘，從而提高少林檔案服務(wù)效益是新時期對少林寺檔案利用的新要求。少林寺檔案館應(yīng)利用現(xiàn)代信息技術(shù)擴(kuò)寬少林寺檔案服務(wù)渠道、改變服務(wù)方式、提升服務(wù)能力，進(jìn)而向社會各界提供少林寺檔案知識服務(wù)。而主題模型、可視化技術(shù)、數(shù)字人文倉儲技術(shù)可為這一目標(biāo)的實現(xiàn)創(chuàng)造條件。

1 研究現(xiàn)狀

隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，當(dāng)前已有將這幾種新興技術(shù)與檔案開發(fā)利用相結(jié)合的研究：在主題模型方面，陳忻等將主題模型應(yīng)用于北京香山紅色檔案的編研中[2]、霍光煜等采用LDA模型提取文檔的主題特征向量,進(jìn)而用K-means算法對檔案的主題特征進(jìn)行聚類,得到檔案間的關(guān)聯(lián)[3]；在可視化技術(shù)方面，陳海玉等在數(shù)字檔案資源語義本體的基礎(chǔ)上構(gòu)建可視化的“南昌起義”專題網(wǎng)站[4]、施仲添等以杭州規(guī)劃審批檔案為例，運用GIS技術(shù)將檔案信息空間可視化[5]、謝玉雪對美國、英國、澳大利亞、加拿大數(shù)字檔案資源的線上展覽予以分析，總結(jié)出可視化敘事數(shù)字檔案資源服務(wù)的一般模式[6]、祝振媛通過歷史人物解析與數(shù)字技術(shù)相結(jié)合的手段實現(xiàn)家譜檔案可視化[7]；在數(shù)字人文倉儲方面，徐擁軍等借鑒加拿大可信數(shù)字倉儲的成功經(jīng)驗，構(gòu)建出適合我國的統(tǒng)一集成數(shù)字資產(chǎn)體系[8]、李建偉構(gòu)建的梅州僑批史料數(shù)字倉儲系統(tǒng)方案可以實現(xiàn)非結(jié)構(gòu)化數(shù)字記憶資源基于知識元的深度聚合[9]、王艷麗在對Fedora數(shù)字倉儲技術(shù)研究的基礎(chǔ)上，提出構(gòu)建基于Fedora的數(shù)字檔案保存系統(tǒng)[10]。

當(dāng)前檔案學(xué)者在新興技術(shù)的應(yīng)用研究中有著較為成熟的分析和理論基礎(chǔ)，而在少林寺檔案的開發(fā)利用中，當(dāng)前的研究成果較少：譚必勇等人分析了少林文化發(fā)展的困境與機(jī)遇，結(jié)合少林寺檔案資源的開發(fā)現(xiàn)狀為少林寺檔案的開發(fā)提出對策[11]，丁海斌等人介紹了少林寺檔案的組成、特點和開發(fā)的獨特優(yōu)勢[12]。可以看出，學(xué)者對少林寺檔案的關(guān)注較少，針對少林寺檔案開發(fā)利用的研究不足。

綜上，將主題模型、可視化技術(shù)、數(shù)字人文倉儲三種技術(shù)應(yīng)用于檔案開發(fā)利用中的研究類型和方式呈現(xiàn)多樣化并逐漸成熟，但對少林寺檔案的研究僅有兩篇成果，為此文章在參考已有研究成果、分析有關(guān)技術(shù)的基礎(chǔ)上，結(jié)合少林寺檔案的特點，從內(nèi)容挖掘、展示和利用方面為少林寺檔案開發(fā)利用提供新思路，為進(jìn)一步實現(xiàn)少林寺檔案的知識服務(wù)提供技術(shù)藍(lán)圖和理論支撐。

2 基于主題模型的少林寺檔案信息挖掘

檔案較其他史料具有更強的真實可靠性，在知識管理時代，對其的研究利用除了對容易量化的文本進(jìn)行編纂外，更重要的是對其信息內(nèi)容進(jìn)行分析，因此對已數(shù)字化的少林寺檔案進(jìn)行有效的信息提取和數(shù)據(jù)整合是信息時代開發(fā)利用少林寺檔案的主要途徑。目前，西方學(xué)者和我國已經(jīng)積極開展將主題模型（Topic Modeling）應(yīng)用于文獻(xiàn)內(nèi)容挖掘的研究中，拓寬了內(nèi)容分析與提取的研究路徑，如弗吉尼亞大學(xué)英語系的“羅塞蒂檔案庫（Rossetti Archive）”項目，利用文本標(biāo)記、詞頻分析以及語義挖掘等技術(shù)對Rossetti有關(guān)的檔案信息資源進(jìn)行深度開發(fā)和融合，加強對文獻(xiàn)主題的研究[13]。此外，還有美國女作家檔案、威廉.布萊克檔案等都屬于專題歷史檔案文獻(xiàn)資料庫。

2.1 主題模型

建立主題模型即在文本分析的基礎(chǔ)之上，借助自動化技術(shù)選用合適的特征詞匯來對文本內(nèi)容進(jìn)行描述和建模，其來源于隱性語義索引，它基本思想為假設(shè)文檔是由K個潛在主題隨機(jī)混合產(chǎn)生，這些詞匯可以通過概率分布計算出來，從而可以根據(jù)詞匯分布來進(jìn)行主題聚類或文本分布。一個主題模型通常包括5項內(nèi)容：(1）主題模型的輸入，包括輸入文檔集合和主題個數(shù)K；（2）主題模型的基本假設(shè)，其中重要的一個假設(shè)是詞袋假設(shè)，即一篇文檔內(nèi)的詞匯只考慮是否出現(xiàn)，而不考慮其出現(xiàn)的次序；（3）主題模型的表示，有使用圖模型和生成過程兩種；（4）參數(shù)估計過程，主要是分析各主題下的詞項概率分布和各文檔的主題概率分布；（5）新樣本的推斷[14]。目前主要的主題模型有：Blei等人提出的描述主題間相關(guān)性問題的CTM模型；基于主題演化思想的動態(tài)主題模型DTM；Zhao等人提出的Twitter-LDA模型主要解決社交網(wǎng)絡(luò)中出現(xiàn)的短文本數(shù)據(jù)等。在pLSI基礎(chǔ)上，Blei等人提出了LDA（Latent Dirichlet Allocation），LDA是一個完整的生成模型，且近些年為了解決不同問題，研究多是圍繞LDA模型進(jìn)行優(yōu)化擴(kuò)展，是比較成熟的主題模型，因此越來越多地應(yīng)用到自然語言、圖像處理等領(lǐng)域。

2.2 平臺設(shè)想

研究設(shè)計了基于LAD模型的“明代少林寺檔案”文本分類和聚類的平臺建設(shè)方案，如圖1所示。方案構(gòu)思如下：

圖1 基于LDA主題的少林寺檔案文本分類、聚類流程圖

（1）實驗數(shù)據(jù)處理

以明代的少林寺檔案資料為數(shù)據(jù)來源進(jìn)行數(shù)據(jù)采集，并對導(dǎo)入的檔案文獻(xiàn)進(jìn)行數(shù)據(jù)處理，包括對文獻(xiàn)進(jìn)行人工篩選、導(dǎo)入文獻(xiàn)詞表、對文本語料進(jìn)行分詞處理、對文獻(xiàn)進(jìn)行剔除停用詞、標(biāo)點、標(biāo)注等處理。檔案文本語料的選擇和數(shù)據(jù)處理是文本聚類的重要環(huán)節(jié)之一，文本聚類結(jié)果的精度及效率都與該步驟有著密切關(guān)系，因此這些步驟要盡量做到精準(zhǔn)。之后按照時間片原理劃分這些文件，由于明朝歷時二百六十七年，時間跨度大，所以本實驗設(shè)計五年為一跨度的時間劃分原則。

（2）主題抽取

構(gòu)建實驗平臺，在主題分類眾多模型中，LDA模型有非常重要的地位，因此本文采用LDA模型對“明代少林寺檔案”進(jìn)行主題自動抽取。利用模型獲得文檔總詞匯后，根據(jù)實際情況設(shè)置主題數(shù)，確定主題數(shù)在LDA模型中是一個困難的問題，傳統(tǒng)方式采用按照經(jīng)驗設(shè)置主題數(shù)，此方法科學(xué)性和合理性較差。因此本文采用通過文本-主題最大平均分布概率和主題-詞語平均相似度概率的加權(quán)數(shù)值的方法確定主題數(shù)量[15]，經(jīng)過計算本文主題數(shù)設(shè)置為10個，接著將迭代次數(shù)設(shè)為1000次進(jìn)行實驗。另外，在主題抽取的基礎(chǔ)上，注意主題表達(dá)強度。

（3）主體監(jiān)測與識別

在得出的結(jié)果中進(jìn)行篩選得到最能表示文本內(nèi)容的詞匯并對其進(jìn)行監(jiān)測與識別，以得出不同主題的分布與強度的演化趨勢，比如洪武五年至十年這五年中，主題詞為“佛塔”、“僧司”等；嘉靖三十一年至三十六年這五年中，主題詞為“僧兵”、“抗倭”等。

3 基于可視化技術(shù)的少林寺檔案內(nèi)容展示

目前對歷史檔案文獻(xiàn)的開發(fā)與利用的方式主要有：查詢服務(wù)、利用大眾媒介宣傳檔案史料、檔案展覽和檔案編研工作，這些傳統(tǒng)檔案利用方式大多依靠人力完成，可有效保證開發(fā)的質(zhì)量，但人力、時間、資源有限，且當(dāng)代人們追求一種“快文化”，傳統(tǒng)的手段無法滿足人們迅速獲取及篩選出有效信息的需求。當(dāng)前可視化技術(shù)應(yīng)用于多種領(lǐng)域，同樣可應(yīng)用于少林寺檔案的利用中，它將文本中隱含的關(guān)系、內(nèi)容和規(guī)律以視覺形式展現(xiàn)出來，它借助人們與生俱來的感官能力，能夠快速直接地幫助人們獲取少林寺檔案資料中的關(guān)鍵信息?？梢暬纳倭炙聶n案資料的藝術(shù)性和生動性，彌補了少林寺檔案資料分散、晦澀難懂的缺點，降低了少林寺歷史檔案資料的閱讀、利用門檻，有利于擴(kuò)大少林寺檔案文獻(xiàn)的影響力和實現(xiàn)少林寺檔案資料的價值。

可視化技術(shù)在人文學(xué)科研究中的應(yīng)用越來越得到國內(nèi)外學(xué)者的重視，比如北德克薩斯大學(xué)與斯坦福大學(xué)合作開展的舊報紙數(shù)字化新聞文本挖掘與可視化項目；Schich等繪制的三年歐洲和北美的文化史圖項目以及Cho等人開發(fā)的羅馬歷史可視化分析系統(tǒng)等。國內(nèi)的有Peter K.Bol教授與北京大學(xué)合作建立的“中國歷代人物傳記資料庫”（CBDB)項目，是目前世界上最大的中國歷史人物專輯資料分析數(shù)據(jù)庫，包括“歷史人物遷徙圖”和“學(xué)術(shù)師承可視化”兩個部分。

目前信息可視化的數(shù)據(jù)分為以下幾類：一維數(shù)據(jù)、二維數(shù)據(jù)、三維數(shù)據(jù)、多維數(shù)據(jù)、時態(tài)數(shù)據(jù)、層次數(shù)據(jù)和網(wǎng)絡(luò)數(shù)據(jù)[16]。對應(yīng)的目前用于多維數(shù)據(jù)的可視化技術(shù)有：幾何、圖標(biāo)和動畫的多維可視化技術(shù)；用于時態(tài)數(shù)據(jù)可視化的技術(shù)主要有：線形圖、堆積圖、地平線圖和時間線圖等；用于層次數(shù)據(jù)的可視化技術(shù)主要有：節(jié)點連接圖和樹圖2種方式；用于網(wǎng)絡(luò)數(shù)據(jù)的可視化方法核心是自動布局算法，目前主要包括：力導(dǎo)向布局、分層布局和網(wǎng)絡(luò)布局3種。本文選取了幾種可用于少林寺檔案可視化的方法進(jìn)行介紹。

3.1 主題可視化

一份檔案的主題可以從一系列能反映事件發(fā)生、發(fā)展過程的關(guān)鍵詞體現(xiàn)出來，因此可以通過關(guān)鍵詞的可視化來實現(xiàn)檔案主題的可視化。可以將“主題河”技術(shù)用于少林寺檔案主題的可視化中，主題河的原理是將同一主題的多個時序文章進(jìn)行匯聚，按照時間順序展示這個主題的發(fā)展變化狀況，也可以將多個不同主題的時序文章進(jìn)行匯聚，用戶既可以看出某個時間點這些主題的分布狀況，又可以看到多個主題的發(fā)展變化情況[17]。橫軸表示時間，主題強度用條帶的寬度表示出來，就可以得到隨時間線寬度變化的若干個條帶，因形狀類似河流所以起名主題河技術(shù)。主題河技術(shù)可應(yīng)用于有一定時間跨度的少林寺歷史檔案中，比如以少林寺有關(guān)“戒律”的檔案文獻(xiàn)匯編為例，利用主題河技術(shù)，可以看出每個時期少林寺對僧人犯戒懲罰的側(cè)重點。

3.2 時空可視化

通過對檔案中時空信息的抽取，將某一事件或某一地方的發(fā)展變化狀況以動態(tài)的方式在時空框架中展現(xiàn)出來，可以讓讀者了解事件發(fā)生的始末和空間背景，從而直觀、深刻地對事件產(chǎn)生更深刻的理解。可運用于少林寺檔案中的時空可視化技術(shù)主要是“時間序列地圖”。時間序列地圖主要用于反映同一空間區(qū)域在不同時空下的狀態(tài)并展現(xiàn)其動態(tài)變化情況，這一特點可用于少林寺檔案文獻(xiàn)中有關(guān)地主莊園的資料中。少林寺是一座古老的封建莊園，許多資料尤其是石碑上多有關(guān)于少林寺田地變化資料的記載，如《古堰禪師道行碑》中記載古堰禪師于元皇慶間來到少林寺，在他主持少林寺期間，曾“置莊一所，寺域開田兩傾”；《淳拙禪師道行碑》中說道“創(chuàng)鐘樓、西堂、新南寺、普照寺，益膏腴二十傾”等等[18]。在歷史上，少林寺地界東面曾至白沙（在今禹縣），西面到西白沙（在今伊川縣），面積最多時曾達(dá)八百余傾，但是每個朝代都會發(fā)生很大變化，利用時間序列地圖，將少林寺檔案中有關(guān)田地變遷的有關(guān)信息、時間序列進(jìn)行離散化處理，基于矢量數(shù)據(jù)模型或柵格數(shù)據(jù)模型制作出單一圖幅反映此朝代少林寺土地的情況，并且對應(yīng)某一行政區(qū)域內(nèi)的人口、城區(qū)、土地、水文、氣象等地理因素的分布狀況，也可制作出多幅連續(xù)的地圖反映少林寺田地面積、位置的時空演變特征，對研究少林寺經(jīng)濟(jì)、地位變化有所幫助。

此外，“流向地圖”可應(yīng)用于研究少林寺遷移的歷史檔案中；“故事板”可應(yīng)用于展示少林寺某一事件中的多個重要場景，把這些場景串聯(lián)起來形成一個完整的事件，形象展示該事件始末。

3.3 武術(shù)檔案文獻(xiàn)可視化

20世紀(jì)90年代末，馬明達(dá)先生提出要重視武術(shù)古籍，有關(guān)少林寺武術(shù)文獻(xiàn)的研究取得了一些成就，但是這些武術(shù)文獻(xiàn)研究普遍忽視了文獻(xiàn)中附加的圖像的作用[19]。將這些武術(shù)圖像進(jìn)行可視化展示，有兩方面意義：一是方便考訂文獻(xiàn)內(nèi)容，厘定版本形成?，F(xiàn)有的清代“少林拳棍刀槍譜”系列文獻(xiàn)在輾轉(zhuǎn)傳抄的過程中，由于種種原因，招式名稱發(fā)生了變化，但有圖像作為依據(jù)，根據(jù)動作樣式特點，將每一幅圖像做成每一幀動畫，圖文互參，方可以確定版本間的關(guān)系以及文字錯訛情況。二是便于后人對少林武術(shù)的學(xué)習(xí)。將少林武術(shù)檔案文獻(xiàn)中的拳法、槍譜以動畫形式直觀的展示于后人面前，再配以語音說明，可以幫助人們充分理解少林武術(shù)中的動作，加深對動作的理解。目前國內(nèi)的動畫制作技術(shù)已非常成熟，可以將這一工作外包給有關(guān)公司，并加上有關(guān)少林武術(shù)人員協(xié)助，利用Matlab、Flash等動畫制作軟件，將靜態(tài)的少林武術(shù)檔案文獻(xiàn)以連續(xù)播放或快速變化等形式轉(zhuǎn)變?yōu)閯討B(tài)連貫的武術(shù)教學(xué)視頻。

3.4 人物關(guān)系可視化

少林寺經(jīng)過多年發(fā)展，在維護(hù)管理、繼承傳授方面形成了一套官府式的組織機(jī)構(gòu)，人員關(guān)系眾多復(fù)雜。來自九省十三縣的千門萬戶的寺僧，一到寺里便形成了乃徒乃師、法子法孫的大家族組織形式。此外，少林寺的家族分為大悲庵、永化堂、彌陀庵等十八門，每門一般都是祖孫三代，清涼庵的輩數(shù)甚至達(dá)到八、九輩，每一門好像寺里的一個小宗。這些復(fù)雜的人物關(guān)系可以借助“人物知識圖譜”技術(shù)將其可視化?！叭宋镏R圖譜”是一種知識可視化方法，通過語義檢索技術(shù)，篩選出少林寺檔案中某一人物相關(guān)信息，并以可視化的形式來分析和表示人物之間的關(guān)系。人物知識圖譜可謂是目前研究少林寺僧人間的繁雜關(guān)系最便利、效果最好的手段之一。人物知識圖譜的核心表示對象是角色和關(guān)系，利用人物知識圖譜顯示寺僧間的師徒關(guān)系、宗親關(guān)系，也可應(yīng)用于某一少林寺名人的專題檔案中，顯示該人物的地緣關(guān)系和業(yè)緣關(guān)系。

4 基于云計算、數(shù)字人文倉儲等技術(shù)的少林寺檔案利用

少林寺建于北魏太和十九年，但是少林武術(shù)源于何時學(xué)界還沒有統(tǒng)一的定論[20]。雖然沒有確切的說法，但少林寺文化源遠(yuǎn)流長，尤其在唐朝達(dá)到了繁榮時期，至今已有千年歷史。在這悠久的歷史長河中，少林文化逐步享譽世界，并且形成了眾多少林寺檔案文獻(xiàn)，主要有五類：第一類是少林武術(shù)文獻(xiàn)，比如明代的《少林棍法禪宗》、《少林拳棒槍刀譜》等拳棍刀槍譜類以及《少林拳術(shù)秘錄》、《拳經(jīng)拳法備要》等拳譜；第二類是古代少林寺在日?；顒又行纬傻臋n案文獻(xiàn)，比如講經(jīng)、傳道、朝覲、布施、法事等記錄性文書以及農(nóng)業(yè)生產(chǎn)、田產(chǎn)契約、戒律守則等內(nèi)、外部管理檔案；第三類是實物檔案，比如金石、碑碣以及法器、供器、飾品等，尤其在碑刻方面，少林寺寺內(nèi)外碑銘繁多；第四類是醫(yī)藥檔案，少林科技文化中最重要的是少林醫(yī)藥文化，自五代十國起少林傷科得到發(fā)展再到明清時期的繁榮，少林醫(yī)藥經(jīng)過千余年的發(fā)展形成了類型豐富的少林醫(yī)藥秘術(shù)檔案；第五類是新中國建國之后少林寺形成的檔案，包括文書檔案、會計檔案、基建檔案等業(yè)務(wù)檔案以及旅游接待、對外交流等檔案文獻(xiàn)。可以看出，少林寺形成的檔案文獻(xiàn)種類數(shù)量豐富，但是由于天災(zāi)、戰(zhàn)亂以及人為等種種原因，少林寺檔案文獻(xiàn)已經(jīng)散落于各地，給查找利用少林寺檔案文獻(xiàn)帶來很大阻礙。云計算、大數(shù)據(jù)、數(shù)字人文倉儲等信息技術(shù)的逐漸成熟給少林寺檔案的利用提供了新的手段。

運用云計算、數(shù)字人文倉儲技術(shù)利用少林寺檔案，即建立少林寺特色資源庫。首先要對各類少林寺檔案文獻(xiàn)進(jìn)行數(shù)字化，對于紙質(zhì)檔案文獻(xiàn)以及實物檔案可以利用復(fù)印、拓印、三維激光掃描等手段，將其形態(tài)進(jìn)行轉(zhuǎn)化，再依據(jù)國家古籍保護(hù)中心編制的《古籍?dāng)?shù)字化工作手冊》及其他規(guī)定為依據(jù)，對少林寺檔案文獻(xiàn)進(jìn)行數(shù)字化處理。

其次，利用“云計算”、“大數(shù)據(jù)”等信息技術(shù)，建設(shè)大型少林寺特色檔案文獻(xiàn)庫。少林寺在國內(nèi)有大量下院，在國外有200多個文化交流中心，形成了少林文化圈，其檔案也應(yīng)包括少林文化圈檔案，因此讓全國乃至世界各地的博物館、檔案館、文化交流中心、其他寺廟以及個人通過身份認(rèn)證后，將所擁有的與少林寺有關(guān)的文獻(xiàn)資料上傳至文獻(xiàn)庫中，將有關(guān)的數(shù)字檔案文獻(xiàn)集中管理，共同建設(shè)少林寺文獻(xiàn)資源庫，形成我國文化特色，為弘揚少林寺傳統(tǒng)文化以及學(xué)者研究提供便利。

最后，利用數(shù)字人文倉儲技術(shù)在這一文獻(xiàn)庫中，建立各種不同主題的小型少林寺檔案文獻(xiàn)資源庫。“數(shù)字人文倉儲”是將“數(shù)字人文”和“數(shù)字倉儲”兩個概念融合在一起產(chǎn)生的一個新的領(lǐng)域，是“數(shù)字倉儲”技術(shù)應(yīng)用于數(shù)字人文項目、人文社科領(lǐng)域研究的一種新方式。概念創(chuàng)始人Inmom WH認(rèn)為“數(shù)字倉儲”面向的數(shù)字資源具有一定主題的、集成的、穩(wěn)定的、能夠不斷更新等特點，支持對數(shù)字資源進(jìn)行保存、管理和訪問等操作的綜合性系統(tǒng)[21]。在少林寺檔案中，從武術(shù)方面上分為“拳棍刀槍譜”、“拳法”“功法圖籍”三類；在日常事務(wù)中，古代少林寺將其分為六類，有禪堂、生產(chǎn)、招待、庫房銀錢、日常事務(wù)、飲食等；在旅游接待檔案中，有少林寺宣傳文件、旅游接待情況統(tǒng)計、旅游路線設(shè)計、旅游項目策劃等；在對外交流中，分為國內(nèi)和國外以及在此過程中產(chǎn)生的各種材料，比如預(yù)算審核表、出境申請、研討會材料等。少林寺檔案種類繁多、數(shù)量豐富，因此可以按照不同主題對少林寺檔案進(jìn)行分類以建立不同主題檔案文獻(xiàn)庫。

根據(jù)數(shù)字倉儲的設(shè)計思想和主要功能，本文設(shè)計的小型少林寺主題檔案倉儲由3層架構(gòu)組成，依次為存儲層、業(yè)務(wù)邏輯層和服務(wù)層，體系結(jié)構(gòu)如圖2所示。

圖2 少林寺檔案數(shù)字倉儲體系架構(gòu)圖

（1）存儲層

存儲層主要功能是保存數(shù)據(jù)以及對數(shù)據(jù)進(jìn)行讀、寫、刪、增等各種處理，數(shù)據(jù)包括數(shù)據(jù)流及其元數(shù)據(jù)文件。因為數(shù)字人文倉儲保存的資源是有一定相同主題的，因而這個倉儲是圍繞某個特定的研究對象來建立的，這個特定主題稱為“人文實體”。具體到少林寺歷史檔案倉儲中，其保存的數(shù)字資源主要包括某武術(shù)、經(jīng)濟(jì)、人物等主題的全部檔案資料，比如掃描后的原始文件圖像、加工后的數(shù)字化檔案、3D建模后的石碑檔案等。

（2）業(yè)務(wù)邏輯層

業(yè)務(wù)邏輯層分為處理子系統(tǒng)、內(nèi)容管理子系統(tǒng)和知識組織子系統(tǒng)三個部分。處理子系統(tǒng)包括人文領(lǐng)域本體建模、人文實體數(shù)字化采集與歸檔。內(nèi)容管理子系統(tǒng)包括信息資源導(dǎo)入和知識組織。知識組織子系統(tǒng)負(fù)責(zé)將導(dǎo)入的資源進(jìn)行標(biāo)注和轉(zhuǎn)換為通用的元數(shù)據(jù)模型。

（3） 服務(wù)層

服務(wù)層指的是多維度聚合服務(wù)。在今后發(fā)展中，此倉儲不僅融合了少林寺檔案，更包括與該人文實體有關(guān)的圖書、文物、影視資料、圖譜和其他文獻(xiàn)等實體，通過二維掃描設(shè)備進(jìn)行紙質(zhì)文獻(xiàn)掃描、通過三維設(shè)備進(jìn)行石碑、實物等立體數(shù)字掃描、通過音頻信息技術(shù)進(jìn)行歌曲、影視等信息的數(shù)字化采集。各類數(shù)字化采集成果根據(jù)需要進(jìn)行格式轉(zhuǎn)換，基于人文實體進(jìn)行標(biāo)注后歸檔保存到數(shù)字倉儲的服務(wù)層中，這些資料補充了特定人文實體檔案的匱乏，后續(xù)可以為用戶提供多維度信息服務(wù)，滿足用戶多方面、深層次的信息需求。

5 結(jié)語

總的來說，信息時代為少林寺檔案的開發(fā)利用工作帶了三個方面的影響：首先是內(nèi)容挖掘方面，可利用LDA模型自動抽取文本主題；其次是內(nèi)容展示方面，利用相關(guān)可視化技術(shù)使少林寺檔案主題、時空、武術(shù)動作和人物關(guān)系可視化；最后是內(nèi)容利用方面，利用云計算、數(shù)字人文倉儲，生成多維度聚合服務(wù)，滿足用戶深層次、多方面的信息需要。信息技術(shù)使少林寺檔案資源的整理和開發(fā)方式趨于多元化，有利于檔案部門開發(fā)利用檔案中的信息內(nèi)容，而不單單是關(guān)注檔案實體的收集和管理。

信息技術(shù)在其他領(lǐng)域發(fā)展較為成熟，但應(yīng)用于少林寺檔案中，具體的開發(fā)項目和平臺較少。由于新技術(shù)的不斷更迭和逐漸成熟以及檔案復(fù)合型人才較為匱乏，本文提出的技術(shù)方案目前實現(xiàn)較為困難，但是從理論上研究具體技術(shù)特點，提出相應(yīng)的方案藍(lán)圖是具備現(xiàn)實意義的。檔案學(xué)者及有關(guān)人員只有把握好當(dāng)前時機(jī)，積極研究和勇于實踐，才有可能在不斷發(fā)展的未來占領(lǐng)先機(jī)。