國家圖書館民國時期檔案文獻的數(shù)字資源建設與知識服務*

冀曉萌

（國家圖書館，北京 100081）

數(shù)字技術(shù)的不斷創(chuàng)新和發(fā)展給圖書館館藏建設和知識服務提供了更加廣闊的空間和前景。作為圖書館館藏的重要組成部分，民國時期檔案類資源的數(shù)字化加工整理對于整個圖書館的館藏體系建設和數(shù)字服務水平提高具有非常重要的意義。近年來，民國時期檔案資料的保護與開發(fā)愈發(fā)受到重視，在這種背景下，如何做好館藏民國時期檔案類資料的數(shù)字資源建設與服務，成為圖書館面臨的重要問題之一。隨著《革命歷史檔案著錄細則》《民國檔案目錄中心數(shù)據(jù)采集標準民國檔案著錄細則》等各級圖書館和檔案館標準規(guī)范的相繼出臺，為檔案類資源的數(shù)字化加工整理工作提供了可靠的技術(shù)支持和標準化的操作指南。

“革命文獻與民國時期文獻保護計劃”項目實施以來，以國家圖書館為主的建設單位已完成約1萬頁日本細菌戰(zhàn)罪行調(diào)查檔案，1.2萬頁日軍在中國戰(zhàn)區(qū)暴行調(diào)查檔案，3.3萬頁相關文字檔案的數(shù)字化回歸工作[1]。筆者圍繞國家圖書館館藏民國時期檔案類資源的數(shù)字資源建設和服務，探討民國時期檔案類資源的特點、采集難點及方法，探究民國時期檔案類數(shù)字資源的建設與利用，以期為圖書館館藏檔案類資源的數(shù)字化服務提供借鑒和參考。

1 民國時期檔案類資源數(shù)字化采集

民國時期檔案類資源是重要的館藏歷史文化遺產(chǎn)之一，對于保護文化遺產(chǎn)和研究歷史具有重要意義[2]。但是檔案資源的特點和采集難點也是不可忽視的問題。

1.1 民國時期檔案類資源的特點

（1）多樣性：民國時期檔案資源豐富多樣，涉及政治、經(jīng)濟、文化、軍事、社會等各個領域。這些文獻或檔案資源反映了當時社會的多種面貌，包括各類人群、地域、文化等方面，數(shù)量龐大。

（2）稀缺性：民國時期，中國社會發(fā)生了許多重大變革，如政治制度的更替、社會經(jīng)濟的轉(zhuǎn)型、文化思潮的轉(zhuǎn)變等，由于歷經(jīng)戰(zhàn)爭和政治動蕩，很多民國時期的文獻或檔案資源已經(jīng)失落或流散，因此保存完好的文獻或檔案資源具有稀缺性[3]。

（3）區(qū)域性：民國時期政治的特殊性，導致不同地區(qū)的政治、文化、經(jīng)濟情況差異巨大，因此在檔案類資源的收集和整理中，需要考慮地域特點和文獻特征。

（4）具有研究價值和歷史價值：民國時期檔案資源的研究價值廣泛，包括歷史、政治、社會、文化等多個學科領域[4]。這些資源在一定程度上反映出歷史的真實面貌，可以幫助我們更深入地了解中國近現(xiàn)代歷史的演進和發(fā)展。

1.2 民國時期檔案類資源的采集難點

檔案資源的采集是數(shù)字化工作的重要環(huán)節(jié)，對于數(shù)字化工作的質(zhì)量和效率有著至關重要的影響。然而在民國時期檔案類資源的采集過程中，卻面臨著諸多難點：

（1）分布范圍廣。民國時期的檔案文獻并沒有明確的統(tǒng)一分類和組織形式，而是分散在各個國家、地區(qū)、機構(gòu)和個人手中，這些檔案文獻既包括政府部門的公文檔案，也包括私人收集的文獻資料。因此，要將這些零散的文獻整合、分類、加工成系統(tǒng)化的數(shù)字化文獻庫，采集時需要耗費大量的人力和物力。

（2）保存狀況不同。民國時期檔案資源的保存狀況各異，有的檔案資源保存完好，易于采集和數(shù)字化處理；有的檔案資源保存較差，存在印刷不清晰、涂抹污損等問題，需要進行修復、整理等工作后才能進行數(shù)字化處理；一些文獻內(nèi)容存在缺失、不準確等問題，需要進行補充和校對，這都增加了工作量和采集的難度[5]。

（3）多樣性和復雜性。民國時期的檔案資源種類繁多，涵蓋政治、經(jīng)濟、文化、軍事等各個領域，且存在紙質(zhì)檔案、照片、音頻、視頻等多種形式，這些文獻類型的特點和數(shù)字化加工方式都不盡相同，需要采用不同的采集設備和技術(shù)。此外，很多檔案資源以外文形式存在，需要先翻譯再進行數(shù)字化采集，為保證翻譯結(jié)果的準確性和可信度，需要專業(yè)人才提供支持，從而加大了采集的難度和復雜度。

（4）采集環(huán)境要求較高。翻拍方式易受天氣、光照等外部因素的影響，如果缺乏專業(yè)的檔案采集環(huán)境如光線較暗，容易導致拍攝出的照片不清晰，進而影響數(shù)字化質(zhì)量。

1.3 民國時期檔案類資源的采集方法

（1）電子資源采集：直接采集已數(shù)字化的電子版資源。調(diào)研檔案資源的分布情況、館藏內(nèi)容和數(shù)量、現(xiàn)有的數(shù)字化資源等信息，根據(jù)實際情況，可直接對已數(shù)字化的電子資源進行采集。

（2）實地采集：實地采集是指到現(xiàn)場相機翻拍、掃描、復印等方式采集文獻資源。翻拍是指將文獻放在專業(yè)的拍攝平臺上，用高像素的相機進行拍攝，通常適用于紙質(zhì)文獻和圖片等實物資料的數(shù)字化采集；掃描則是指將文獻放在掃描儀上進行數(shù)字化采集，適用于較小尺寸的文獻、圖冊、圖表、手稿等多種文獻形式的數(shù)字化采集。采集者需要具備相關的知識和技能，如對文獻資源的鑒定和分類、拍攝和掃描技術(shù)等，盡可能保留檔案的原始外貌。

此外，針對海外回歸的民國時期檔案資源，需要先對外文進行翻譯，再進行數(shù)字化采集。翻譯的工作需要有專業(yè)學科背景的人員支持，才能保證翻譯結(jié)果的準確性和可信度。同時，對于一些難以識別和處理的文獻形式如手抄本等，也需要利用專業(yè)技術(shù)進行數(shù)字化采集，如通過圖像處理技術(shù)對圖像進行分割、識別和校對等處理。

2 民國時期檔案類資源數(shù)字化加工

2.1 數(shù)據(jù)加工原則

民國時期檔案類資源因其具有多樣性、稀缺性等特點，在數(shù)據(jù)加工時需要進行整體考慮，確保以下加工原則。

（1）完整保留檔案原貌：盡可能保留原始檔案的完整性和真實性，不進行過多修改和處理。以1：1的比例采集保存檔案圖像，原檔案幅面較大，無法整體采集的，可將原件分畫幅采集，確保拼接與原圖基本一致，無重影、拼接處無明顯歪斜變形等。

（2）數(shù)據(jù)質(zhì)量要求高：數(shù)字化加工后的檔案資料需要適配多種服務端口，這就需要在加工時按數(shù)字資源保存、出版印刷及發(fā)布服務的需求可能性，生成長期保存級、出版印刷級與發(fā)布服務級圖像。保證圖像清晰度、文本識別準確性、數(shù)據(jù)完整性和一致性等方面，以確保數(shù)字化加工檔案的可靠性和可用性。

（3）數(shù)據(jù)制作內(nèi)容準確無誤：元數(shù)據(jù)著錄的信息做到準確無誤，標引字段信息符合元數(shù)據(jù)著錄規(guī)范。在翻譯外文檔案資源時，需對翻譯過程進行統(tǒng)一管理、質(zhì)量跟蹤。譯文文檔格式與原文文檔格式應保持一致。應聘請專家團隊嚴格審校，確保無政治性、學術(shù)性、知識性、技術(shù)性錯誤。

2.2 數(shù)據(jù)加工重點

2.2.1 元數(shù)據(jù)加工重點及質(zhì)量把控

元數(shù)據(jù)是以源文獻為中心的知識組織方式，檔案數(shù)據(jù)信息需對數(shù)字資源對應源文獻的內(nèi)容及特征進行描述。參照國家圖書館及檔案館的元數(shù)據(jù)著錄規(guī)范，檔案資料的元數(shù)據(jù)內(nèi)容應包括檔案數(shù)據(jù)信息表和數(shù)據(jù)信息表，即每個檔案創(chuàng)建一條元數(shù)據(jù)，記錄每份文件的基本信息，生成“數(shù)據(jù)信息表”。以由國家圖書館民國時期文獻保護工作辦公室編著的《二戰(zhàn)時期西南太平洋戰(zhàn)區(qū)日本戰(zhàn)俘訊問檔案匯編》一書為例，著錄字段信息包括：加工編號、標識符、題名、創(chuàng)建者、日期、語種、主題/描述、類型、權(quán)限等。其中日期應著錄對象數(shù)據(jù)標注日期（原樣著錄）與標準格式日期（YYYY-MM-DD）兩種，名稱需著錄英文（原樣著錄）和中文譯文，主題/描述可根據(jù)文獻具體情況選擇著錄英文關鍵詞或中文提要。在生成元數(shù)據(jù)的過程中，需要查看元數(shù)據(jù)文件命名是否正確，存儲結(jié)構(gòu)是否符合規(guī)范，是否依照規(guī)定的字段結(jié)構(gòu)進行信息著錄，元數(shù)據(jù)是否存在無法對應對象數(shù)據(jù)等問題，字符、符號等文字錯誤率一般情況下不超過0.3‰。在元數(shù)據(jù)檢查時，通常采取抽樣方法，抽取一般不低于50%樣本，如發(fā)現(xiàn)元數(shù)據(jù)數(shù)據(jù)信息表個別標簽取值有誤，需核對檔案基本信息，按規(guī)定字段結(jié)構(gòu)重新賦值。

2.2.2 對象數(shù)據(jù)加工重點及質(zhì)量把控

根據(jù)《數(shù)字資源加工標準規(guī)范》以及項目調(diào)研實踐，數(shù)字化加工民國時期檔案類資源一般情況下包括長期保存級、出版印刷級與發(fā)布服務級圖像3個應用級別。針對不同應用級別的對象數(shù)據(jù)，按不同標準進行圖像處理與格式轉(zhuǎn)換，一般情況下，影像均以灰度掃描，要求圖像清晰，亮度適中，以保證盡量多的清晰內(nèi)容為原則，掃描后的圖像不做糾偏及去污處理，掃描后的圖像要求真實反映原卷，在原件正確的前提下頁碼連續(xù)，不能有缺頁、錯頁、數(shù)據(jù)內(nèi)容缺失等現(xiàn)象。參照“二戰(zhàn)時期西南太平洋戰(zhàn)區(qū)日本戰(zhàn)俘訊問檔案數(shù)字化服務”項目，該項目提交3種格式的對象數(shù)據(jù)，包括TIFF格式的長期保存級、JPEG2000格式的出版印刷級以及PDF格式的發(fā)布服務級。需要確保各級別對象數(shù)據(jù)圖像掃描文件夾和文件名命名正確、數(shù)據(jù)格式和圖像掃描分辨率符合要求、圖像清晰，不存在黑邊框、歪斜情況，圖像掃描錯誤率一般不超過1‰。

3 民國時期檔案類資源的服務與揭示

3.1 匯編成冊出版

匯編成冊出版是將數(shù)字化的檔案按照一定的分類、目錄和排版規(guī)則進行編輯，形成電子書籍或者紙質(zhì)出版物。通常需要進行文本編輯、圖片處理、版面設計等工作。這種方式可以將檔案數(shù)字化為易于傳播和保存的形式，同時也方便人們進行查閱和研究。相比其他數(shù)字化揭示方式，匯編成冊出版更加貼近傳統(tǒng)的紙質(zhì)出版物形式，更加容易讓人接受。同時，也可以在紙質(zhì)出版物的基礎上制作電子版，增加檔案的傳播范圍和可訪問性。

國家圖書館近年來一直面向全國組織申報文獻整理項目，并組織專家評審會對申報項目進行評審，根據(jù)文獻內(nèi)容、整理數(shù)量、類型、珍稀程度以及整理難度確定經(jīng)費資助額度。相關的出版情況發(fā)布在“革命文獻與民國時期文獻保護網(wǎng)”上。其中有關檔案類的出版項目見表1。

表1 近年來國家圖書館組織出版的部分民國檔案類文獻項目

國家圖書館出版社將出版的民國文獻大致分為6大類，分別為文獻資料叢編、期刊資料分類匯編、外文類影印圖書、名人日記信札、抗戰(zhàn)及對日戰(zhàn)犯審判文獻和其他[6]。如，《二戰(zhàn)時期西南太平洋戰(zhàn)區(qū)日本戰(zhàn)俘訊問檔案匯編》收錄了約2000份訊問報告，揭示了二戰(zhàn)時期日軍在西南戰(zhàn)區(qū)各部隊的隸屬關系，提供了軍工企業(yè)的生產(chǎn)情況以及武器裝備的詳細數(shù)據(jù)，具有重要的史料價值和現(xiàn)實意義，有利于深化和推進對二戰(zhàn)歷史的研究[7]。

3.2 專題數(shù)據(jù)庫

建設民國時期專題數(shù)據(jù)庫，通過對民國時期檔案類資料的數(shù)字化加工和處理，提高數(shù)據(jù)的利用價值。專題數(shù)據(jù)庫的建立不僅可以大容量存儲檔案資料，便于管理和查詢，還可以通過網(wǎng)絡共享，提高數(shù)據(jù)共享效率。通過電腦網(wǎng)絡或手機移動端，公眾可以隨時隨地訪問這些數(shù)字化檔案，實現(xiàn)遠程查詢、瀏覽和下載。相比于傳統(tǒng)的紙質(zhì)檔案，專題數(shù)據(jù)庫具有信息檢索速度快、容量大、便于管理等優(yōu)點，因此在檔案資料數(shù)字化展示和傳播方面得到廣泛應用，極大地拓展了檔案資料的利用價值和范圍。

目前，“革命文獻與民國時期文獻保護計劃”項目建設的民國時期文獻專題數(shù)據(jù)庫包括“日本細菌戰(zhàn)資料庫”“東京審判資料庫”“日本戰(zhàn)爭罪行審判史料編譯”等，致力于向社會公眾推廣、普及抗戰(zhàn)歷史知識，為讀者研究使用提供便利。

3.3 數(shù)字化展覽展示

數(shù)字化展覽通常需要借助一些數(shù)字展示技術(shù)，如數(shù)字投影、數(shù)字屏幕、觸摸屏等。這些技術(shù)可以將數(shù)字檔案以多種形式如圖片、視頻、音頻等呈現(xiàn)給觀眾，使檔案內(nèi)容更加生動直觀。同時，數(shù)字化檔案的展覽還可以借助一些虛擬現(xiàn)實和增強現(xiàn)實技術(shù)，搭配文物或民國時期的歷史文化資料，形成多元化的展覽效果，為觀眾打造更加沉浸式展示體驗。另外，數(shù)字化展覽具有更高的互動性，觀眾可以進行數(shù)字化操作、實時交互等，更具有參與感和趣味性，吸引更多的觀眾和用戶，提高民國時期檔案資料的傳播效果。如，國家圖書館在出版《遠東國際軍事法庭庭審記錄》一書后，又舉辦了“歷史的審判”展，將整理出版、數(shù)據(jù)庫建設和展覽展示有機地融合起來，形成了比較完整的文獻傳播鏈條。

3.4 知識服務

知識服務是近年來圖書館界的研究熱點之一，指面向服務對象需求，對數(shù)據(jù)進行深度挖掘、分析、過濾、提取與組織，最終形成有價值的知識供服務對象使用，幫助服務對象完成目標明確的任務或工作[8]。對于民國檔案類文獻而言，依托數(shù)字化加工整理后的檔案資源，通過對數(shù)字化檔案資料的語義標注和知識抽取，建立基于知識圖譜的知識服務平臺，提供自然語言查詢和問答服務等功能，為用戶提供更加智能化的知識服務。用戶通過輸入關鍵詞等語言，通過平臺自動地從數(shù)字化檔案資料中提取相關的信息和知識，快速地回答用戶的問題，提供更加高效、準確的知識服務，從而擴大民國時期檔案類資源知識服務的范圍。

4 結(jié)語

國家圖書館是民國文獻館藏最多的公共機構(gòu)。保護好包括檔案在內(nèi)的民國文獻，是圖書館的職責所在。數(shù)字人文時代的到來為文獻保護工作帶來了新技術(shù)、新思路和新挑戰(zhàn)，圖書館館藏民國時期檔案類資料的數(shù)字資源建設與服務，既是圖書館館藏體系和數(shù)字服務水平的重要組成部分，推動數(shù)字技術(shù)與傳統(tǒng)檔案文獻管理相結(jié)合，促進館藏檔案資源的保護、利用和傳承，也可以為推動相關的學術(shù)研究提供真實、可靠的文獻保障。