古籍?dāng)?shù)字化國內(nèi)外研究現(xiàn)狀分析與路徑構(gòu)建研究

李世鈺 張向先 沈 旺* 侯力鐵 張承坤

(1.吉林大學(xué)商學(xué)與管理學(xué)院，吉林 長春 130012；2.長春中醫(yī)藥大學(xué)基礎(chǔ)醫(yī)學(xué)院，吉林 長春 130117)

古籍是歷史文化中誕生的重要文化資源，具有豐富的內(nèi)容和多樣的形式。然而隨著時間的推移，古籍的保存受到傳統(tǒng)記錄、表現(xiàn)和傳承方法的限制，其在長期保存上面臨一定的困難與問題，如古籍載體的老化與破損、古代帝王陪葬制度、戰(zhàn)爭或政治因素導(dǎo)致的損毀、古籍轉(zhuǎn)運過程中的佚失、轉(zhuǎn)謄抄錄過程中受個人意見等影響造成的刪減等，所以對古籍實施數(shù)字化工程是保護(hù)內(nèi)容完整的重要方式。

1949年，羅貝托布薩首先使用計算機輔助編輯了大型書籍《托馬斯著作索引》，而在國內(nèi)，王曉光等[1]首先引入數(shù)字人文研究，開始對敦煌壁畫進(jìn)行圖像底層視覺的標(biāo)注。伴隨著數(shù)字人文研究的興起，古籍?dāng)?shù)字化的研究內(nèi)涵逐漸豐富，一方面現(xiàn)代信息技術(shù)的應(yīng)用可以將古代文獻(xiàn)轉(zhuǎn)化為電子媒體的形式，通過光盤、網(wǎng)絡(luò)等介質(zhì)保存和傳播[2]；另一方面針對數(shù)字化后古籍的挖掘與利用也日益增多。目前在世界很多國家和地區(qū)都開展了古籍?dāng)?shù)字化的相關(guān)項目[3-5]，涉及范圍廣泛，包括少數(shù)民族古籍、中醫(yī)古籍、單書等內(nèi)容。

可以看出，古籍?dāng)?shù)字化研究內(nèi)涵日趨豐富。因此，本文旨在通過國內(nèi)外古籍?dāng)?shù)字化主要研究內(nèi)容，并構(gòu)建古籍?dāng)?shù)字化研究路徑，明確古籍?dāng)?shù)字化的研究意義與現(xiàn)實作用。同時從古籍?dāng)?shù)字化研究路徑視角出發(fā)，藉由國內(nèi)目前相對于國外古籍?dāng)?shù)字化研究的差距，找尋我國古籍?dāng)?shù)字化的不足與缺陷，探索我國古籍?dāng)?shù)字化未來的研究思路與發(fā)展方向。

1 國內(nèi)外古籍?dāng)?shù)字化研究現(xiàn)狀分析

研究借助國內(nèi)外古籍?dāng)?shù)字化已發(fā)表文獻(xiàn)，利用文獻(xiàn)計量的方法挖掘古籍?dāng)?shù)字化研究的目的、主題與發(fā)展階段，結(jié)合代表性文獻(xiàn)內(nèi)容分析，歸納古籍?dāng)?shù)字化文獻(xiàn)的方法、技術(shù)與特點，為古籍?dāng)?shù)字化路徑建設(shè)提供參考依據(jù)。

1.1 文獻(xiàn)數(shù)據(jù)獲取

研究以“古籍?dāng)?shù)字化”為主題方向在國內(nèi)外文獻(xiàn)數(shù)據(jù)庫中進(jìn)行檢索，但英語中缺乏“古籍”一詞的對應(yīng)表述，且古籍又包含善本、手稿、拓片等形式，同時古籍?dāng)?shù)字化項目的目的多以實現(xiàn)古籍的數(shù)字化，構(gòu)建古籍?dāng)?shù)據(jù)庫與數(shù)字圖書館為成果以供整理完成的古籍可以進(jìn)一步應(yīng)用，因此本文使用古籍形式，即“古籍(Ancient book、Ancient Work)”“善本(Rare Book、Rare Edition)”“手稿(Manuscript)”“拓片(Rubbing)”“碑(Inscription、Monumental Writing)”與數(shù)字化相關(guān)形式，即“數(shù)字化(Digitization)”“數(shù)據(jù)庫(Database)”“數(shù)字圖書館(Digital Library)”組合作為檢索關(guān)鍵詞。即中文檢索式形為：SU=(古籍 &數(shù)字化)、SU=(古籍 &數(shù)據(jù)庫)、SU=(古籍 &數(shù)字圖書館)等15個組合出的檢索式。英文檢索形為：TS=(Ancient Book AND Digitization)、TS=(Ancient Book AND Database)、TS=(Ancient Book AND Digital Library)等24個組合后的檢索式在中國知網(wǎng)數(shù)據(jù)庫CNKI和Web of Science核心合集數(shù)據(jù)庫進(jìn)行文獻(xiàn)檢索，檢索日期為2023年1月4日。在我國國家標(biāo)準(zhǔn)化管理委員會2008年頒布的《古籍著錄規(guī)則》[6]中，古籍主要是指1912年以前在中國書寫或印刷的、具有中國古典裝訂形式的書籍。由于手稿等載體形式在現(xiàn)代文獻(xiàn)同樣具備，同時為了保證國內(nèi)外古籍研究時間的一致性，研究根據(jù)《古籍著錄規(guī)則》，剔除掉了研究對象為1912年之后的文獻(xiàn)以及不符合古籍?dāng)?shù)字化主題的文獻(xiàn)，最終得到了中文文獻(xiàn)3 222篇，英文文獻(xiàn)998篇。

圖1統(tǒng)計了國內(nèi)外古籍?dāng)?shù)字化文獻(xiàn)年份分布，根據(jù)統(tǒng)計結(jié)果可以看出，國內(nèi)外關(guān)于古籍?dāng)?shù)字化的研究均始于20世紀(jì)80年代中期，在這一時間數(shù)字化技術(shù)開始逐步得到應(yīng)用，并在當(dāng)前已得到了廣泛發(fā)展。隨著國內(nèi)數(shù)字化技術(shù)的不斷發(fā)展和國內(nèi)文化遺產(chǎn)保護(hù)意識的提高，數(shù)字化古籍研究在國內(nèi)得到了更多的關(guān)注和支持，國內(nèi)關(guān)于古籍?dāng)?shù)字化的研究自2000年后增長迅速。國外研究總體呈現(xiàn)上升趨勢，伴隨著學(xué)者和社會公眾對于數(shù)字資源需求的增加，相關(guān)研究在2015年后穩(wěn)定在每年100篇左右，這表明古籍?dāng)?shù)字化研究逐步演變?yōu)槿蛐缘内厔荩瑫r也表明數(shù)字化技術(shù)在保護(hù)和傳承文化遺產(chǎn)方面具有重要意義，得到了國際社會的廣泛認(rèn)可和支持。無論是國內(nèi)還是國外的相關(guān)研究，在近些年都逐漸趨于穩(wěn)定，其計量結(jié)果可以為古籍?dāng)?shù)字化路徑建設(shè)提供成熟的依據(jù)。

圖1 國內(nèi)外古籍?dāng)?shù)字化文獻(xiàn)年份分布

1.2 文獻(xiàn)計量分析

研究利用詞頻統(tǒng)計、關(guān)鍵詞共現(xiàn)與聚類及Timeline視圖的方式對古籍?dāng)?shù)字化文獻(xiàn)的研究目的、主題與階段進(jìn)行挖掘。

1.2.1 研究目的分析

文獻(xiàn)標(biāo)題是文獻(xiàn)研究目的最直接的體現(xiàn)，能夠包含論文的研究方法、對象與領(lǐng)域等內(nèi)容。研究利用Jieba分詞，使用Python語句對檢索到的文獻(xiàn)標(biāo)題進(jìn)行分詞與去停用詞處理，并進(jìn)行詞頻統(tǒng)計，最終分別生成了國內(nèi)外文獻(xiàn)標(biāo)題的詞云圖如圖2、圖3所示，用以對當(dāng)前古籍?dāng)?shù)字化研究的廣泛目的予以展現(xiàn)。

受檢索式影響，中文詞匯“古籍”“數(shù)字化”“圖書館”“數(shù)據(jù)庫”以及英文詞匯“digital”“database”“ancient”等詞占比較高，但仍有許多其他詞匯具有較高的詞頻，反映出了國內(nèi)外古籍?dāng)?shù)字化的主要研究目的。

首先，圖2結(jié)果顯示，在國內(nèi)研究進(jìn)展中，古籍整理與保護(hù)是古籍?dāng)?shù)字化重要的研究目的。古籍整理與保護(hù)是保證古籍存續(xù)的重要工作，而數(shù)字化可使古籍脫離傳統(tǒng)紙質(zhì)等載體的桎梏，減少古籍的物理損耗，顯然古籍?dāng)?shù)字化已成為古籍長久保存的重要手段。而在圖3國外文獻(xiàn)的標(biāo)題詞云圖中可以看出，“recognition(認(rèn)出)”“identification(識別)”等詞的高詞頻結(jié)果同樣說明國外對于古籍完整性的重視，反映出對于古代文獻(xiàn)保護(hù)與傳承的努力。

同時圖2和圖3反映出，國內(nèi)外古籍?dāng)?shù)字化研究有各自側(cè)重的研究對象。我國的古籍?dāng)?shù)字化研究涉及到“中醫(yī)古籍”“民族古籍”等明顯有國內(nèi)文化特征的研究對象。而國外對“手稿”這一對象的研究相對較多，這與國外古籍多以手稿形式呈現(xiàn)有關(guān)。同時，由于國外包含諸多國家和地區(qū)，所以能夠看出國外的研究涉及對個別文化、文明與語種的研究。如詞云圖中體現(xiàn)的與中世紀(jì)(Medieval)時代和阿拉伯(Arabic)文化相關(guān)的研究。

1.2.2 研究主題分析

關(guān)鍵詞是一篇文獻(xiàn)中的核心詞匯，反映了論文研究中最核心的研究主題。通過對關(guān)鍵詞的計量，可以呈現(xiàn)相關(guān)研究的熱點方向。

研究使用CiteSpace，以檢索文獻(xiàn)的關(guān)鍵詞作為標(biāo)簽進(jìn)行分析，得出“古籍?dāng)?shù)字化”研究主題下關(guān)鍵詞的共現(xiàn)結(jié)果。

圖4和圖5展示了文獻(xiàn)檢索結(jié)果的關(guān)鍵詞共現(xiàn)圖。其中，節(jié)點越大，表明該關(guān)鍵詞出現(xiàn)的詞數(shù)越多，連線表示關(guān)鍵詞之間存在共現(xiàn)關(guān)系。由于獲取的文獻(xiàn)，尤其是中文古籍?dāng)?shù)字化相關(guān)文獻(xiàn)數(shù)量較多，導(dǎo)致節(jié)點與連線相對密集，所以進(jìn)一步計算節(jié)點的中介中心性用于衡量其中介作用，中介中心性較高的節(jié)點處在多個其他節(jié)點中間，把持節(jié)點之間的連接通道，因此中介中心性大于0.1可以認(rèn)為是圖中的關(guān)鍵節(jié)點。圖4中，“數(shù)據(jù)庫”節(jié)點的中介中心性達(dá)到了0.33，“數(shù)字化”“圖書館”“古籍”“古籍整理”“中醫(yī)古籍”等節(jié)點的中介中心性也均大于0.1，說明這些節(jié)點被廣泛提及。而在圖5的英文文獻(xiàn)關(guān)鍵詞中，“digital library(數(shù)字圖書館)”“cultural heritage(文化遺產(chǎn))”也均為中介中心性大于0.1的節(jié)點。

圖4 國內(nèi)古籍?dāng)?shù)字化文獻(xiàn)關(guān)鍵詞共現(xiàn)圖

圖5 國外古籍?dāng)?shù)字化文獻(xiàn)關(guān)鍵詞共現(xiàn)圖

除高中介中心性節(jié)點以外，高頻關(guān)鍵詞同樣作為關(guān)鍵詞共現(xiàn)中的重要節(jié)點出現(xiàn)，如“古籍保護(hù)”“古籍整理”等文獻(xiàn)標(biāo)題中同樣高頻的詞匯，在關(guān)鍵詞中擁有100以上的高詞頻出現(xiàn)率，這進(jìn)一步佐證了針對文獻(xiàn)標(biāo)題的分析結(jié)果。而在標(biāo)題高頻詞與高中介中心性節(jié)點詞及它們的近義詞之外，如圖4中的“元數(shù)據(jù)”“數(shù)據(jù)挖掘”“古籍利用”，圖5中的“deep learning(深度學(xué)習(xí))”“convolutional neural network(卷積神經(jīng)網(wǎng)絡(luò))”“image segmentation(圖像分割)”等詞也均為各自共現(xiàn)圖中排名在前30以內(nèi)的高頻關(guān)鍵詞。

可以看出，古籍?dāng)?shù)字化研究已開始多樣化發(fā)展，針對數(shù)據(jù)標(biāo)準(zhǔn)，古籍內(nèi)容的挖掘與相關(guān)開發(fā)工作均有所開展，而國外在這一領(lǐng)域?qū)τ跈C器學(xué)習(xí)、深度學(xué)習(xí)等信息化技術(shù)有著相對更加具體的運用。

由國內(nèi)外關(guān)鍵詞共現(xiàn)結(jié)果可以看出，古籍?dāng)?shù)字化研究主題主要包含：①數(shù)字化技術(shù)的應(yīng)用，包括數(shù)字化技術(shù)在古籍文獻(xiàn)數(shù)字化、古籍整理、數(shù)字化圖書館建設(shè)等方面的應(yīng)用；②數(shù)據(jù)標(biāo)準(zhǔn)化研究，主要關(guān)注如何建立符合古籍?dāng)?shù)字化標(biāo)準(zhǔn)的著錄規(guī)則與分類規(guī)則，以方便數(shù)字化古籍?dāng)?shù)據(jù)的管理和共享；③信息技術(shù)在古籍?dāng)?shù)字化中的應(yīng)用，主要關(guān)注如何將信息技術(shù)手段如機器學(xué)習(xí)、深度學(xué)習(xí)等運用到古籍?dāng)?shù)字化的各個方面，以提高數(shù)字化效率和質(zhì)量。

研究進(jìn)一步根據(jù)檢索結(jié)果的關(guān)鍵詞共現(xiàn)圖進(jìn)行了關(guān)鍵詞聚類，以發(fā)現(xiàn)古籍?dāng)?shù)字化相關(guān)研究中的主要研究主題與研究方向。圖6和圖7分別展示了國內(nèi)外研究關(guān)鍵詞的聚類結(jié)果，中文關(guān)鍵詞的聚類最終得到了147個類別，其中前17個類別的聚類關(guān)鍵詞數(shù)不少于5個。這17個類別的Silhouette(聚類平均輪廓值)均大于0.801。而國外文獻(xiàn)關(guān)鍵詞共得到158個聚類類別，其中前15個類別聚類的關(guān)鍵詞數(shù)量均不少于6個。這15個類別的Silhouette值均大于0.879。通常Silhouette值大于0.5即可認(rèn)為聚類結(jié)果是合理的，Silhouette值大于0.7即可認(rèn)為聚類結(jié)果是令人信服的?？梢?，本研究對于國內(nèi)外研究關(guān)鍵詞的聚類結(jié)果具有較強的說服力。

圖7 國外古籍?dāng)?shù)字化文獻(xiàn)關(guān)鍵詞聚類圖

通過左上角的參數(shù)可以看出，圖6 Modularity即模塊化參數(shù)為0.5993，圖7為0.842，說明圖中各個節(jié)點的劃分效果較好。Weighted Mean Silhouette是用來衡量圖中集群同質(zhì)化程度的參數(shù)，在圖6中達(dá)到0.8672，圖7達(dá)到0.9336，說明集群同質(zhì)化效果良好。

通過國內(nèi)外古籍?dāng)?shù)字化文獻(xiàn)關(guān)鍵詞聚類結(jié)果可以看出，雖然受檢索式影響導(dǎo)致“數(shù)據(jù)庫”等詞在文獻(xiàn)標(biāo)題與關(guān)鍵詞中都作為高詞頻出現(xiàn)，但國內(nèi)聚類結(jié)果所出現(xiàn)的“數(shù)據(jù)庫”與“語料庫”及國外古籍?dāng)?shù)字化文獻(xiàn)關(guān)鍵詞聚類中排名靠前的“creating digital libraries(建立數(shù)字圖書館)”?！皊mall museum(小型博物館)”等結(jié)果仍表明，古籍內(nèi)容挖掘及相關(guān)開發(fā)工作是當(dāng)前古籍?dāng)?shù)字化工作的重要方向，其能夠挖掘古籍文獻(xiàn)中的知識和信息，也是開展古籍內(nèi)容挖掘研究與開發(fā)利用服務(wù)的重要基礎(chǔ)。

1.2.3 研究階段分析

研究進(jìn)一步利用各年份的關(guān)鍵詞，制作了關(guān)鍵詞Timeline視圖，如圖8、圖9所示，用以反映時間軸推移下國內(nèi)外古籍?dāng)?shù)字化研究的發(fā)展趨勢。

圖9 國外近年文獻(xiàn)關(guān)鍵詞Timeline時間視圖

由圖8可以看出，國內(nèi)對于古籍?dāng)?shù)字化的研究始于對圖書館資源以及對于古籍?dāng)?shù)據(jù)庫的探索，中醫(yī)古籍是最早被關(guān)注的研究對象。古籍的整理、保護(hù)在20世紀(jì)末開始被廣泛提及，至21世紀(jì)初研究開始重視古籍的信息資源，開始了大量的古籍?dāng)?shù)字化轉(zhuǎn)化進(jìn)程，以達(dá)成存儲、修復(fù)等目的，同時用于規(guī)范古籍?dāng)?shù)字化資源的元數(shù)據(jù)條目也開始制定。在2010年左右，伴隨著信息化技術(shù)的發(fā)展，許多研究開始關(guān)注古籍的數(shù)據(jù)挖掘，古籍開始了由信息化到知識化的轉(zhuǎn)變。如今，知識圖譜等工具的運用為古籍的進(jìn)一步知識服務(wù)與數(shù)字化推廣提供了新的技術(shù)與方式。

圖9則在標(biāo)題分析與關(guān)鍵詞詞頻和聚類分析的基礎(chǔ)上，進(jìn)一步揭示了國外在古籍?dāng)?shù)字化研究中對于技術(shù)的不斷利用與迭代。在古籍?dāng)?shù)字化研究的早期即關(guān)注信息檢索與系統(tǒng)的構(gòu)建，相較于國內(nèi)也更早地將算法運用到古籍?dāng)?shù)字化的研究中，包括圖像分割與機器學(xué)習(xí)的運用，以及目前向深度學(xué)習(xí)的轉(zhuǎn)變，并在如今被廣泛運用于作者、手寫體等古籍有關(guān)內(nèi)容的識別，完成對古籍的知識發(fā)現(xiàn)。

1.3 文獻(xiàn)內(nèi)容分析

通過總結(jié)文獻(xiàn)計量關(guān)于“古籍?dāng)?shù)字化”文獻(xiàn)研究目的、主題與階段的分析結(jié)果，可以看出古籍?dāng)?shù)字化研究主要有“研究對象選取”“數(shù)字化處理”“數(shù)字化存儲”“內(nèi)容深度挖掘”“古籍知識發(fā)現(xiàn)”“數(shù)字化平臺建設(shè)”“數(shù)字化整理”“數(shù)字化保護(hù)”“古籍著錄規(guī)則”“古籍分類規(guī)則”等主要研究方向。依據(jù)這些研究的特點及目的，本文進(jìn)一步將其總結(jié)歸類為“古籍?dāng)?shù)字化處理”“古籍?dāng)?shù)字化存儲”“古籍?dāng)?shù)字化標(biāo)準(zhǔn)”“古籍?dāng)?shù)字化利用”“古籍?dāng)?shù)字化服務(wù)”5類主要內(nèi)容，其對應(yīng)關(guān)系如表1所示。通過選取國內(nèi)外關(guān)于主要內(nèi)容相關(guān)的代表性文獻(xiàn)并進(jìn)行內(nèi)容剖析，可以發(fā)掘古籍?dāng)?shù)字化主要研究內(nèi)容的側(cè)重點及相關(guān)技術(shù)方法。

表1 古籍?dāng)?shù)字化研究的內(nèi)容類別與主要研究方向?qū)φ毡?/p>

1.3.1 古籍?dāng)?shù)字化處理

古籍?dāng)?shù)字化處理是古籍?dāng)?shù)字化的開始階段，關(guān)注重點在于將傳統(tǒng)古籍文本轉(zhuǎn)化為數(shù)字化文本形式。在這一階段需要選定古籍研究對象，以及使用掃描、拍照等方式形成數(shù)字化古籍文檔。

在“研究對象選取”階段，國內(nèi)外古籍?dāng)?shù)字化的研究對象帶有明顯的地域特色與文化差異。我國的古籍?dāng)?shù)字化研究涉及“中醫(yī)古籍”“民族古籍”等明顯有國內(nèi)文化特征的研究對象。如《愛如生系列數(shù)據(jù)庫》《瀚堂典籍?dāng)?shù)據(jù)庫》等都針對《傷寒雜病論》《難經(jīng)》《黃帝內(nèi)經(jīng)》等中醫(yī)經(jīng)典古籍進(jìn)行了數(shù)字化處理[7]。民族古籍方面，陳汝模[8]在研究中論述了福建海上絲綢之路相關(guān)古籍的內(nèi)容、特征、原則及將其數(shù)字化后的意義，而對《齊民要術(shù)》《論語》等古籍的數(shù)字化也體現(xiàn)了國內(nèi)以傳統(tǒng)歷史典籍為研究對象的特點[9-10]。國外對于“Maunscript(手稿)”這一研究對象的數(shù)字化研究更為側(cè)重。Guido R等[11]針對500余份中世紀(jì)手稿，進(jìn)行了數(shù)字化與古籍分類工作。Ladewig S L等[12]使用了高分辨率成像設(shè)備，進(jìn)行《新約》手稿的數(shù)字化。

“古籍?dāng)?shù)字化處理”形成數(shù)字化古籍文檔通常只作為古籍?dāng)?shù)字化相關(guān)研究的一個基礎(chǔ)步驟，很少作為研究重點。通常掃描、拍照一類形成數(shù)字化古籍圖像的方式應(yīng)當(dāng)是形成古籍?dāng)?shù)字化文檔的有效手段。焦佳琛等[13]在文獻(xiàn)中提到，掃描或拍照，并進(jìn)行糾偏、拼接、去污、裁切及水印等處理是目前形成古籍?dāng)?shù)字化文稿的重要方式，Choro K等[14]通過使用波蘭古代手稿照片對OCR(光學(xué)字符識別)手稿數(shù)字化的方法進(jìn)行測試，他們認(rèn)為，改進(jìn)古代手稿數(shù)字化的方法應(yīng)該具備適當(dāng)?shù)膾呙柙O(shè)備，高分辨率的掃描、無損壓縮、文檔圖像的手工校正、圖像的手工調(diào)平使文本水平排列、使用具有古詞匯的詞典等手段以保證稿件圖像的質(zhì)量。

1.3.2 古籍?dāng)?shù)字化存儲

“古籍?dāng)?shù)字化存儲”主要是保存已形成的數(shù)字化古籍內(nèi)容，以便于后續(xù)加以利用。目前已有的古籍?dāng)?shù)據(jù)庫項目中，山東大學(xué)建立了易學(xué)古籍?dāng)?shù)據(jù)庫[15]，對易學(xué)古籍進(jìn)行收集、復(fù)制、影印等工作。數(shù)據(jù)庫共包括易學(xué)古籍總目數(shù)據(jù)庫、易學(xué)古籍全文數(shù)據(jù)庫以及易學(xué)古籍研究與知識圖譜數(shù)據(jù)庫，不僅存儲了易學(xué)古籍?dāng)?shù)字化數(shù)據(jù)，也為進(jìn)一步提供古籍服務(wù)奠定了基礎(chǔ)。鞠斐等[16]提出，基于中國版刻古籍紡織圖像的數(shù)據(jù)庫架構(gòu)設(shè)計，以數(shù)字形式發(fā)布、存取和利用中國版刻古籍圖像。

國外如以色列國家圖書館建立的“時間旅行”數(shù)據(jù)庫，采用眾包的形式收集并數(shù)字化以色列歷史文獻(xiàn)[17]。印度同樣建立了國家手稿中心，用于存儲和保存印度數(shù)字化手稿文獻(xiàn)[18]。Abdelhaleem A等[19]構(gòu)建了一個數(shù)據(jù)庫，其中包括伊斯蘭遺產(chǎn)項目(IHP)由302位不同作家撰寫的333份歷史手稿，用于研究各種手寫相關(guān)問題，如文本識別、作者識別、文本預(yù)處理等問題的研究。

1.3.3 古籍?dāng)?shù)字化標(biāo)準(zhǔn)

“元數(shù)據(jù)”一詞在關(guān)鍵詞中的高頻出現(xiàn)，代表了大量的數(shù)字化古籍產(chǎn)生后所伴隨的規(guī)則演進(jìn)。當(dāng)前研究中的古籍?dāng)?shù)字化標(biāo)準(zhǔn)主要分為“古籍著錄規(guī)則”與“古籍分類規(guī)則”。

我國擁有相對統(tǒng)一的古籍著錄規(guī)則，國家標(biāo)準(zhǔn)化管理委員會曾于2008年發(fā)布了《古籍著錄規(guī)則》[6]，其元數(shù)據(jù)包括標(biāo)準(zhǔn)號、中文標(biāo)準(zhǔn)名稱、英文標(biāo)準(zhǔn)名稱、發(fā)布日期、實施日期、首次發(fā)布日期、標(biāo)準(zhǔn)狀態(tài)、復(fù)審確認(rèn)日期、計劃編號、代替國標(biāo)號、被代替國標(biāo)號、廢止時間、采用程度、國際標(biāo)準(zhǔn)分類號、中國標(biāo)準(zhǔn)分類號、標(biāo)準(zhǔn)類別、標(biāo)準(zhǔn)頁碼、標(biāo)準(zhǔn)價格(元)、主管部門、起草單位在內(nèi)的20項元數(shù)據(jù)標(biāo)準(zhǔn)，這也成為我國目前古籍著錄的總體標(biāo)準(zhǔn)。但由于古籍內(nèi)容、種類繁多，也有學(xué)者研究設(shè)定專題古籍著錄規(guī)則。先巴[20]設(shè)定了藏文古籍著錄規(guī)則，在著錄細(xì)則上增加藏族古籍特點語義說明和限定，如古籍語種限定為藏文、古籍主題按照藏族古籍主題詞分類等。國外的古籍編目系統(tǒng)相同普適性更強，如OCLC聯(lián)機計算機圖書館可以收錄眾多國外文獻(xiàn)資源編目數(shù)據(jù)。Bannay O E等[21]還利用XML語言表示的元數(shù)據(jù)和手稿注釋構(gòu)建了阿拉伯手稿可視化平臺，加上DC元數(shù)據(jù)集合MARC著錄格式等的利用，使得其適用性相對更強，且有助于館際之間資源的交流與整合。

在“古籍分類規(guī)則”研究中，“經(jīng)、史、子、集、叢”五部分類法在我國具有悠久的歷史，也適用于古籍的常規(guī)分類，部分研究會進(jìn)行“專題古籍分類規(guī)則”的設(shè)定與研究，但是普適性相對較差。國外關(guān)于古籍分類的分類法相對較少，但是由于計算機技術(shù)與信息技術(shù)的使用明顯提高，通過自動識別、聚類等方法，能夠自動提出對所獲取到的古籍?dāng)?shù)據(jù)的分類結(jié)果，但顯然這一結(jié)果也很難具有普適性，更換古籍?dāng)?shù)據(jù)很有可能帶來分類結(jié)果的不同。

1.3.4 古籍?dāng)?shù)字化利用

古籍?dāng)?shù)字化不是單純的形成數(shù)字文檔。更好地利用數(shù)字化古籍，完成古籍內(nèi)容的深度挖掘與研究，發(fā)揮數(shù)字化相對于傳統(tǒng)文本的優(yōu)勢，是古籍?dāng)?shù)字化更高層級的意義與作用。

目前，古籍?dāng)?shù)字化利用主要有以下方面：一是運用“本體構(gòu)建”“機器學(xué)習(xí)”“圖像分割”等技術(shù)打破古籍原有文本組織結(jié)構(gòu)，從而實現(xiàn)“內(nèi)容深度挖掘”與“古籍知識發(fā)現(xiàn)”。二是古籍的“數(shù)字化整理”與“數(shù)字化保護(hù)”，通過數(shù)字化過程更好地進(jìn)行古籍內(nèi)容保存。

國外在近些年針對古籍?dāng)?shù)字化的研究采用了大量機器學(xué)習(xí)及圖像處理等技術(shù)，從而完成古籍“內(nèi)容深度挖掘”。Chanda S等[22]利用CNN(卷積神經(jīng)網(wǎng)絡(luò))對法國國家檔案館所藏的14世紀(jì)初法國行政活動文件進(jìn)行特征提取，并使用零次學(xué)習(xí)算法進(jìn)行了中世紀(jì)單詞的識別，結(jié)果達(dá)到了56.87%的識別準(zhǔn)確率。Avadesh M等[23]對古代梵文手稿進(jìn)行字母分割和圖像標(biāo)注，實現(xiàn)了對梵文手稿圖像的處理，并利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行梵文單詞的學(xué)習(xí)與識別，準(zhǔn)確率達(dá)到了93.32%。倪劼[24]在文獻(xiàn)中提出了基于流水模式的古籍漢字切分算法，該算法將古籍文獻(xiàn)圖像進(jìn)行預(yù)處理，然后用投影法與圖像形態(tài)學(xué)處理實現(xiàn)列切分，再在列基礎(chǔ)上進(jìn)行逐字切分，仿照水流的運動軌跡實現(xiàn)古籍中漢字的劃分?！肮偶R發(fā)現(xiàn)”多聚焦在對古籍進(jìn)行文本關(guān)聯(lián)以及本體構(gòu)建等研究。如周莉娜等[25]以唐詩為研究對象，構(gòu)建了“詩歌—詩人”本體模型以及“面向史學(xué)的時空經(jīng)歷本體模型”，并在此基礎(chǔ)上構(gòu)建了知識圖譜，從而挖掘并可視化出詩人與詩歌之間的關(guān)系，并解釋了詩人經(jīng)歷的時序變化特征。

古籍?dāng)?shù)字化整理主要關(guān)注對古籍進(jìn)行審閱、?？焙妥⑨尩裙ぷ?，也是形成數(shù)字化古籍的前期必備工作。如張玉梅[26]按照寧夏舊方志存世價值以及時間順序等選擇進(jìn)行數(shù)字化的古籍版本，如存在破損等問題則進(jìn)行按原內(nèi)容抄寫等手動內(nèi)容補全工作。國外在古籍整理過程中，除了對古籍的物理性整理以及對古籍進(jìn)行編錄外，還會使用一定的計算機技術(shù)來輔助整理。早在1987年，Stringer G A等[27]便設(shè)計了程序?qū)Α都s翰·多恩詩集》進(jìn)行逐字審核，Kaoua R等[28]則構(gòu)建了一個有2 000多個從古籍中提取的插圖以及1 200多個注釋的數(shù)據(jù)集，并能夠利用該數(shù)據(jù)集對古籍中的插圖與注釋構(gòu)建對應(yīng)關(guān)系。

古籍?dāng)?shù)字化保護(hù)是對古籍進(jìn)行數(shù)字化的重要作用與意義，將古籍轉(zhuǎn)化為數(shù)字形式存儲，相比傳統(tǒng)載體顯然能夠保存更久的時間。黃俊[29]將江西圖書館館藏古籍進(jìn)行縮微管理，從而生成了古籍的縮微圖像庫，盡可能地保存了古籍的內(nèi)容與原貌。譚小華[30]概述了重慶圖書館的古籍?dāng)?shù)字化保護(hù)工作，除掃描、拍攝形成古籍圖像之外，還對古籍進(jìn)行了普查登記，形成古籍普查檔案，方便古籍資料的查詢以及對原版古籍的保護(hù)。國外關(guān)于“古籍?dāng)?shù)字化保護(hù)”的研究中，古籍修復(fù)成為關(guān)注重點。Grosso A M D等[31]在研究中構(gòu)思了歷史手稿的有效數(shù)字化保存系統(tǒng)，該系統(tǒng)可以實現(xiàn)手稿圖像的圖像采集、利用層壓技術(shù)實現(xiàn)手稿的圖像增強，并在此基礎(chǔ)上進(jìn)行半自動轉(zhuǎn)錄、學(xué)術(shù)編碼和語言分析功能的完善，從而提升了對載體老化的手稿內(nèi)容的分辨能力。

1.3.5 古籍?dāng)?shù)字化服務(wù)

古籍?dāng)?shù)字化服務(wù)是在新形式的數(shù)字化平臺下提供的有關(guān)數(shù)字化古籍的相關(guān)服務(wù)，如檢索、問答、古籍知識的可視化呈現(xiàn)等。隨著信息時代的到來與移動終端的廣泛普及，古籍?dāng)?shù)字化平臺可以擴展古籍宣傳及普及渠道，對古籍進(jìn)行新形式的展示，同時使得古籍研究得以利用信息化手段，實現(xiàn)進(jìn)一步的應(yīng)用開發(fā)。

國內(nèi)外已有眾多對古籍?dāng)?shù)字化平臺的嘗試，如羅渝等[32]在西南師范大學(xué)出版社出版的《域外漢籍珍本文庫》基礎(chǔ)上構(gòu)建的“域外漢籍?dāng)?shù)字服務(wù)平臺”，收錄了境外40余個國家(地區(qū))近百余圖書館及個人所收藏的漢語珍本，可以提供閱讀與多條件檢索功能。傅寶珍[33]提出，通過構(gòu)建古籍VR閱讀系統(tǒng)、構(gòu)建古籍VR閱讀資源庫等方式以拓寬古籍閱讀渠道，加強古籍融媒體交互與知識服務(wù)能力。Russo G等[34]則在意大利那不勒斯的“Girolamini圖書館”創(chuàng)建一個古籍和手稿“服務(wù)中心”，該“服務(wù)中心”可以使用物聯(lián)網(wǎng)和機器學(xué)習(xí)等技術(shù)對圖書館中數(shù)字化后的古籍進(jìn)行分類，從而為信息檢索提供依據(jù)。

2 古籍?dāng)?shù)字化路徑構(gòu)建

古籍?dāng)?shù)字化路徑的構(gòu)建有助于為古籍開發(fā)及傳承提供系統(tǒng)化的研究思路與方法，從而深入挖掘其中的文化內(nèi)涵和知識價值。因此，研究總結(jié)文獻(xiàn)分析所得出的古籍?dāng)?shù)字化主要內(nèi)容及其相關(guān)技術(shù)與方法，通過參考相關(guān)理論體系，梳理古籍?dāng)?shù)字化路徑框架，規(guī)劃路徑各模塊的執(zhí)行內(nèi)容，為古籍的保護(hù)和傳承提供有力支持，并為發(fā)現(xiàn)古籍?dāng)?shù)字化現(xiàn)有研究不足及未來發(fā)展方向提供新的視角。

2.1 古籍?dāng)?shù)字化路徑框架分析

伴隨著數(shù)字人文的興起，相關(guān)理論也逐步發(fā)展，這為古籍?dāng)?shù)字化路徑的框架搭建及要素名稱的確定提供了基礎(chǔ)。Anderson S等[35]提出發(fā)現(xiàn)(Discover)、收集(Collect)、比較(Compare)、發(fā)布(Deliver)和協(xié)作(Collaborate)的不同類型的原語，稱為“五原語論”，這一理論成為當(dāng)前數(shù)字人文研究中應(yīng)用于考古工作進(jìn)程的階段劃分依據(jù)。劉煒等[36]則進(jìn)一步從五原語論及其二級原語出發(fā)，對數(shù)字人文的技術(shù)體系展開探討，提出包括“數(shù)字化技術(shù)”“數(shù)據(jù)管理技術(shù)”“數(shù)據(jù)分析技術(shù)”“可視化技術(shù)”“VR/AR技術(shù)”“機器學(xué)習(xí)技術(shù)”6類技術(shù)在內(nèi)的數(shù)字人文技術(shù)體系，涵蓋了當(dāng)下數(shù)字人文發(fā)展的主要研究技術(shù)。

相關(guān)理論的逐步發(fā)展拓展了古籍?dāng)?shù)字化研究的內(nèi)涵，數(shù)字化古籍得以被進(jìn)一步開發(fā)與利用。因此，研究參考五原語論與數(shù)字人文技術(shù)體系，對古籍?dāng)?shù)字化的主要研究內(nèi)容進(jìn)行對應(yīng)匹配，完成古籍?dāng)?shù)字化路徑構(gòu)建。

研究基于古籍?dāng)?shù)字化文獻(xiàn)分析結(jié)果的5類主要研究內(nèi)容，即：“古籍?dāng)?shù)字化處理”“古籍?dāng)?shù)字化存儲”“古籍?dāng)?shù)字化標(biāo)準(zhǔn)”“古籍?dāng)?shù)字化利用”“古籍?dāng)?shù)字化控制”的相關(guān)代表性文獻(xiàn)，進(jìn)一步總結(jié)了5個階段所運用的技術(shù)與方法，如表2所示。

通過將古籍?dāng)?shù)字化研究階段所運用的技術(shù)與方法，與數(shù)字人文技術(shù)體系相匹配，可進(jìn)一步將古籍?dāng)?shù)字化研究內(nèi)容與五原語論中的階段模式相對應(yīng)，從而完成古籍?dāng)?shù)字化路徑框架的構(gòu)建。

古籍?dāng)?shù)字化的基礎(chǔ)是完成古籍內(nèi)容由傳統(tǒng)載體向數(shù)字化載體的轉(zhuǎn)變?！肮偶?dāng)?shù)字化處理”中所用到的OCR技術(shù)、掃描技術(shù)等明顯對應(yīng)了數(shù)字人文技術(shù)體系中的“數(shù)字化技術(shù)”。以“數(shù)據(jù)庫”“語料庫”為代表的古籍“數(shù)字化存儲”則在構(gòu)建數(shù)據(jù)庫的過程中需要運用“數(shù)據(jù)管理技術(shù)”進(jìn)行組織。根據(jù)數(shù)字人文技術(shù)體系與五原語論的對應(yīng)關(guān)系，這兩項技術(shù)分別對應(yīng)五原語論中的“發(fā)現(xiàn)”與“收集”兩個環(huán)節(jié)，由于這一階段的目的是主要完成古籍由傳統(tǒng)載體向數(shù)字化形式的轉(zhuǎn)變與保存，研究將這一部分內(nèi)容總結(jié)為古籍?dāng)?shù)字化的“轉(zhuǎn)化”環(huán)節(jié)。

伴隨著信息技術(shù)的發(fā)展，古籍?dāng)?shù)字化的內(nèi)核已不僅僅是轉(zhuǎn)換載體，而且也同樣經(jīng)歷著由信息化向知識化的轉(zhuǎn)變。古籍的“內(nèi)容深度挖掘”與“古籍知識發(fā)現(xiàn)”是新時期古籍研究的重點。這兩類研究對于數(shù)據(jù)統(tǒng)計、知識圖譜、卷積神經(jīng)網(wǎng)絡(luò)等技術(shù)均有涉及，其充分對應(yīng)了數(shù)字人文技術(shù)體系中的“數(shù)據(jù)分析技術(shù)”“可視化技術(shù)”與“機器學(xué)習(xí)技術(shù)”。在五原語論中，這3種技術(shù)都涉及“比較”這一原語，意為“整合多樣性信息以便可以在數(shù)字人文之間比較信息。”因此，研究將這一環(huán)節(jié)定義為“重構(gòu)”，通過“重構(gòu)”古籍文本內(nèi)容，挖掘古籍內(nèi)容關(guān)聯(lián)，獲取古籍內(nèi)容深層次信息。

數(shù)字化古籍可通過“開發(fā)”與“利用”，依托古籍?dāng)?shù)字化平臺所形成“知識服務(wù)”。同時“古籍?dāng)?shù)字化利用”中的“數(shù)字化整理”與“數(shù)字化保護(hù)”也是數(shù)字化古籍的重要應(yīng)用目的。在古籍?dāng)?shù)字化平臺構(gòu)建中，對于“可視化技術(shù)”與“VR/AR技術(shù)”已有充分的探討，古籍在其整理與保護(hù)過程中，也開始對機器學(xué)習(xí)等現(xiàn)代化技術(shù)加以應(yīng)用，這3種技術(shù)集中對應(yīng)了五原語論中“比較”“發(fā)布”與“協(xié)作”3項原語，體現(xiàn)出數(shù)字人文中“整理”“出版”與“分享”信息的現(xiàn)實作用。因此，研究將這一環(huán)節(jié)定義為“應(yīng)用”，反映古籍?dāng)?shù)字化的實際應(yīng)用層面。

“古籍?dāng)?shù)字化標(biāo)準(zhǔn)”中的“古籍著錄規(guī)則”與“古籍分類規(guī)則”運用了數(shù)字人文技術(shù)體系當(dāng)中的“數(shù)據(jù)管理技術(shù)”。在五原語論中，這項技術(shù)主要運用于“發(fā)現(xiàn)”和“協(xié)作”兩個原語?！鞍l(fā)現(xiàn)”主要對應(yīng)古籍的“轉(zhuǎn)化”環(huán)節(jié)，而“協(xié)作”環(huán)節(jié)在“重構(gòu)”與“應(yīng)用”中均有涉及。事實上，古籍的“轉(zhuǎn)化”“重構(gòu)”與“應(yīng)用”也應(yīng)當(dāng)盡可能遵守古籍的數(shù)據(jù)管理規(guī)則，才有助于數(shù)據(jù)的全方位協(xié)同與利用，因此，研究將這一環(huán)節(jié)定義為古籍?dāng)?shù)字化的“控制”。

通過對古籍?dāng)?shù)字化階段所運用技術(shù)的疏理，可以看出古籍?dāng)?shù)字化主要研究內(nèi)容與數(shù)字人文技術(shù)體系及五原語論之間存在對應(yīng)關(guān)系，如圖10所示。

圖10 古籍?dāng)?shù)字化路徑梳理

研究最終形成了以“轉(zhuǎn)化”“重構(gòu)”“應(yīng)用”和“控制”為4個核心環(huán)節(jié)的古籍?dāng)?shù)字化路徑框架，如圖11所示。

圖11 古籍?dāng)?shù)字化路徑框架

其中，“轉(zhuǎn)化”環(huán)節(jié)主要包含古籍研究對象的選取、數(shù)字化處理與數(shù)字化存儲3個部分，主要實現(xiàn)古籍由傳統(tǒng)載體向數(shù)字載體的轉(zhuǎn)換。“重構(gòu)”環(huán)節(jié)包含“內(nèi)容深度挖掘”“古籍知識發(fā)現(xiàn)”等內(nèi)容。其實現(xiàn)古籍內(nèi)容的多維度關(guān)聯(lián)關(guān)系發(fā)現(xiàn)，實現(xiàn)知識發(fā)現(xiàn)與重組，是古籍實現(xiàn)數(shù)字化的重大優(yōu)勢?！皯?yīng)用”環(huán)節(jié)包含“數(shù)字化平臺建設(shè)”“數(shù)字化整理”與“數(shù)字化保護(hù)”等內(nèi)容，其主要關(guān)注古籍?dāng)?shù)字化后所能實現(xiàn)的功能與價值，實現(xiàn)古籍內(nèi)容的長久性保護(hù)與現(xiàn)代化古籍信息傳播?！翱刂啤笔侵浮肮偶浺?guī)則”與“古籍分類規(guī)則”等的確立，利用“數(shù)據(jù)管理”等技術(shù)實現(xiàn)古籍?dāng)?shù)字化過程的規(guī)范化，為整合古籍?dāng)?shù)字化資源提供規(guī)則。

2.2 古籍?dāng)?shù)字化路徑內(nèi)容規(guī)劃

研究通過規(guī)劃古籍?dāng)?shù)字化路徑中的關(guān)鍵環(huán)節(jié)的執(zhí)行內(nèi)容，系統(tǒng)化古籍?dāng)?shù)字化的研究目的及可行方向。

2.2.1 古籍?dāng)?shù)字化轉(zhuǎn)化內(nèi)容規(guī)劃

古籍?dāng)?shù)字化轉(zhuǎn)化是古籍?dāng)?shù)字化全路徑的開始階段，也是后續(xù)路徑階段工作開展的基礎(chǔ)。在這一階段需要選取古籍研究對象，利用現(xiàn)代化技術(shù)轉(zhuǎn)換古籍載體，實現(xiàn)古籍在終端的數(shù)字化存儲。

1)古籍資源的就近選取

通過觀察古籍?dāng)?shù)字化相關(guān)文獻(xiàn)的量化分析結(jié)果可以看出，古籍?dāng)?shù)字化對象的選取具備地域特色與領(lǐng)域特色，這與研究所能接觸到的資源密切相關(guān)。我國的古籍資源繁復(fù)，圖書館等眾多類型機構(gòu)都具有一定的古籍館藏資源。就近選取可獲取到的古籍資源，可以保證古籍?dāng)?shù)字化的完整性及研究人員專業(yè)知識的可信度。

2)數(shù)字化處理技術(shù)的合理選擇

考慮到古籍的年代性，部分古籍的原本載體可能較脆，也可能存在一定的破損，而不同技術(shù)的成像效果與適用環(huán)境也有不同，所以針對不同古籍選取不同轉(zhuǎn)化方式尤為重要。OCR技術(shù)可以實現(xiàn)古籍的大規(guī)模文本輸入，并實現(xiàn)古文字體字形向現(xiàn)代字體字形的轉(zhuǎn)換，是進(jìn)行文本挖掘等深度研究的基礎(chǔ)，因此選取合適的圖片清晰度的成像方法也是進(jìn)行古籍?dāng)?shù)字化研究所必須考慮的問題。

3)古籍?dāng)?shù)據(jù)庫的規(guī)范化設(shè)計

大多數(shù)數(shù)據(jù)庫是基于圖書館本身具有的館藏資源，或科研院所、數(shù)字化公司、眾包等方式形成，主要可以分為古籍全文數(shù)據(jù)庫、古籍電子索引和古籍書目數(shù)據(jù)庫[37]，而其中以古籍全文數(shù)據(jù)庫建設(shè)較多，利用較為廣泛。

古籍全文數(shù)據(jù)庫主要包含圖像型、文本型和圖文型3種類型[38]，圖文型能夠提供轉(zhuǎn)譯及修復(fù)后的古籍內(nèi)容，也可通過展示古籍圖片留存古籍原有樣貌，同時為古籍內(nèi)容的對照提供依據(jù)?？梢钥闯?，好的古籍?dāng)?shù)據(jù)庫應(yīng)能夠盡可能留存多樣式古籍形式以充分發(fā)揮其數(shù)據(jù)留存作用，實現(xiàn)古籍?dāng)?shù)據(jù)的存儲、組織與處理。同時能夠使用數(shù)據(jù)操作語言對數(shù)據(jù)庫進(jìn)行查詢、更新等相對完善的數(shù)據(jù)庫功能。

古籍電子索引和古籍書目數(shù)據(jù)庫相較于古籍全文數(shù)據(jù)庫能更好地詮釋了古籍?dāng)?shù)據(jù)庫的數(shù)據(jù)規(guī)范問題，對于大多數(shù)古籍?dāng)?shù)據(jù)庫來說，使用更為普適的元數(shù)據(jù)體系更有助于數(shù)據(jù)庫之間的互聯(lián)互通，并有助于跨數(shù)據(jù)庫的數(shù)據(jù)利用。當(dāng)然，個別專題數(shù)據(jù)庫需要根據(jù)已有主題設(shè)置不同的元數(shù)據(jù)，用以保證數(shù)據(jù)的錄入。

2.2.2 古籍?dāng)?shù)字化重構(gòu)內(nèi)容規(guī)劃

古籍?dāng)?shù)字化重構(gòu)意在實現(xiàn)對古籍內(nèi)容的深度挖掘，發(fā)現(xiàn)隱藏知識，實現(xiàn)對古籍所含知識的重新組織，從而有助于更加深入地、多維度地了解古籍。

1)實體識別

實體是古籍中的重要信息載體，通常以名詞的形式出現(xiàn)，如人名、地名、機構(gòu)、藥材等，是挖掘隱藏知識、找尋古籍關(guān)系的基礎(chǔ)。挖掘古籍中的實體，需要從古籍電子文檔中找尋有意義的命名實體。相對于應(yīng)用已經(jīng)較為廣泛且成熟的英語與現(xiàn)代漢語，中文古籍面臨著傳統(tǒng)字體與語法的障礙。因此，在這一過程中，除了足夠的領(lǐng)域語料之外，還需要結(jié)合自然語言處理技術(shù)與歷史學(xué)者、古文學(xué)者的學(xué)術(shù)經(jīng)驗，將計算機與人工融合，實現(xiàn)語義關(guān)系的處理，并對同一實體的不同表述進(jìn)行統(tǒng)一，從而完成實體的抽取。

2)屬性對應(yīng)

屬性是對實體更細(xì)節(jié)的解釋，可以實現(xiàn)對實體的全面介紹，通常可以作為一個句子中的表語出現(xiàn)，如人物的年齡、籍貫、藥物的藥性等。在古籍中，實體通常不會獨立存在，而是會在上下文中予以一定的介紹，因此屬性對于實現(xiàn)古籍的重構(gòu)至關(guān)重要，豐富的屬性可以為古籍提供打破原有結(jié)構(gòu)的敘事維度，從更多的視角入手對古籍進(jìn)行深層次剖析。

3)關(guān)系抽取

關(guān)系提供了實體之間的聯(lián)系，同樣也是眾多自然語言處理任務(wù)的基礎(chǔ)，可以作為句子中的賓語等形式存在。關(guān)系能夠揭示古籍中實體之間的關(guān)聯(lián)，在特定的語義結(jié)構(gòu)中，能夠加深對實體所處環(huán)境的理解。同時，對古籍實現(xiàn)關(guān)系抽取，也是對古籍實現(xiàn)進(jìn)一步應(yīng)用，輔助古籍?dāng)?shù)字化平臺實現(xiàn)應(yīng)用任務(wù)，如在線問答、文本注釋等的基礎(chǔ)。

2.2.3 古籍?dāng)?shù)字化應(yīng)用內(nèi)容規(guī)劃

古籍?dāng)?shù)字化應(yīng)用需要依托于系統(tǒng)、平臺的建設(shè)或新興的信息化手段。隨著信息時代的到來與移動終端的廣泛普及，古籍?dāng)?shù)字化平臺可以擴展古籍宣傳及普及渠道，對古籍進(jìn)行新形式下的展示，同時使得古籍研究得以利用信息化手段，實現(xiàn)對古籍的整理、保護(hù)與進(jìn)一步的應(yīng)用開發(fā)。

1)多維度敘事

古籍?dāng)?shù)字化平臺是古籍進(jìn)行現(xiàn)代化內(nèi)容展示的主要載體，基于古籍的內(nèi)容重構(gòu)，數(shù)字化平臺可以從多維度對古籍內(nèi)容進(jìn)行新形式呈現(xiàn)。牛力等[39]在文章中提出“時間敘事”“空間敘事”“鎖鏈型敘事”等6種檔案數(shù)據(jù)故事結(jié)構(gòu)。我國史書自古也有“紀(jì)傳體”“國別體”“編年體”等區(qū)別，總體來看，古籍主要可以從“時間”“空間”以及“實體”3個維度對內(nèi)容進(jìn)行重新組織，而數(shù)字化后的古籍恰恰可以利用如知識圖譜與時間序列模型等，充分反映古籍中實體與實體之間的關(guān)系及隨時間的演化。因此，多維度的敘事模式可以更生動地展現(xiàn)古籍重構(gòu)后所發(fā)現(xiàn)的隱藏知識內(nèi)容。

2)宣傳與普及

古籍?dāng)?shù)字化平臺起到讓公眾了解古籍內(nèi)容的重要作用。伴隨著終端的廣泛使用以及網(wǎng)絡(luò)廣泛而高效的信息連通，古籍?dāng)?shù)字化平臺的建設(shè)勢必成為公眾接觸古籍的內(nèi)容、價值及其誕生背景等的重要渠道。上海圖書館在古籍?dāng)?shù)字化平臺建設(shè)上一直廣受業(yè)內(nèi)好評，如搭建的中文古籍聯(lián)合目錄與詢證平臺，整合了官修目錄、史志目錄、藏書樓目錄等中的人名、地名等數(shù)據(jù)，并在平臺中提供了內(nèi)容統(tǒng)計分析、時空及社會分析、相關(guān)可視化功能，實現(xiàn)古籍的聯(lián)合查詢、規(guī)范控制，對古籍的考證、語義關(guān)聯(lián)等研究提供了實用且有效的平臺。可以看出，好的古籍?dāng)?shù)字化平臺，不僅能夠提供閱讀、搜索、詢證等多方面功能，同時可以實現(xiàn)古籍規(guī)范整理，減輕古籍搜尋與閱讀難度，從而提升公眾對于古籍的了解效率。

3)保護(hù)與修復(fù)

傳統(tǒng)古籍面臨著載體老化、破損等問題，時間的推移使得古籍的保護(hù)與修復(fù)問題愈發(fā)緊迫。一方面，利用古籍?dāng)?shù)據(jù)庫可以對古籍進(jìn)行規(guī)范化整理，進(jìn)行字符編碼、元數(shù)據(jù)指定、古漢語對應(yīng)等工作，輔助傳統(tǒng)古籍的物理化保護(hù)與數(shù)字化古籍的規(guī)范存儲；另一方面，借助計算機對古籍圖像等進(jìn)行處理，可以打破肉眼限制，對古籍的年份等進(jìn)行判定，豐富古籍背景信息，甚至對古籍內(nèi)容進(jìn)行修復(fù)。

2.2.4 古籍?dāng)?shù)字化控制內(nèi)容規(guī)劃

古籍的數(shù)字化控制階段為整個古籍?dāng)?shù)字化路徑提供參考標(biāo)準(zhǔn)與規(guī)則，從數(shù)據(jù)庫設(shè)計到古籍的內(nèi)容挖掘，從古籍?dāng)?shù)字化系統(tǒng)的建設(shè)到內(nèi)容保護(hù)，都應(yīng)對標(biāo)準(zhǔn)體系加以控制，從而增加古籍?dāng)?shù)據(jù)互聯(lián)互通的可能性。

1)著錄規(guī)則

古籍由于其歷史的復(fù)雜性及數(shù)量眾多，導(dǎo)致題名復(fù)雜，用語繁復(fù)，制定著錄規(guī)則可以明確古籍的著錄范圍、原則與條目，明確古籍的基本信息。因此，遵循標(biāo)準(zhǔn)化的古籍著錄規(guī)則可以盡可能地增強古籍著錄的普適性，減少館際古籍資源之間的引用壁壘，加強在古籍?dāng)?shù)據(jù)庫中的檢索覆蓋范圍，增加檢全率與檢準(zhǔn)率。目前，除去我國公布的標(biāo)準(zhǔn)化的《古籍著錄規(guī)則》外，北京大學(xué)圖書館也曾基于數(shù)字圖書館規(guī)范建設(shè)的目的，設(shè)立了一套古籍描述元數(shù)據(jù)著錄規(guī)則[40]，與國家標(biāo)準(zhǔn)存在部分條目重疊的同時，也為圖書館古籍著錄提供了參考。國外的古籍著錄研究多依托于圖書館等中心或機構(gòu)，力求覆蓋世界上大部分的文獻(xiàn)資源編目數(shù)據(jù)。而對于如民族古籍、領(lǐng)域古籍等內(nèi)容，普適著錄規(guī)則難免出現(xiàn)不能完全適用的情況，但著錄條目也應(yīng)盡可能在標(biāo)準(zhǔn)化規(guī)則下開展。

2)分類規(guī)則

古籍分類同樣是古籍整理過程中的重要工作環(huán)節(jié)，對題材與體裁均紛繁復(fù)雜的古籍進(jìn)行分類，可以輔助用戶在使用古籍?dāng)?shù)字化平臺時的檢索與瀏覽行為，節(jié)省目標(biāo)古籍查找時間，同時提升古籍?dāng)?shù)字化平臺中推薦算法應(yīng)用的準(zhǔn)確性，提升用戶可接觸到的古籍范圍。我國之前頒布了《中國古籍善本書目》，整體分為經(jīng)、史、子、集、叢5部，并在各部下方又分出類、屬等，屬之下又根據(jù)情況進(jìn)行了復(fù)分。而《全國古籍普查平臺分類表》則在經(jīng)史子集4部分類的基礎(chǔ)上，合并或新建類從部與新學(xué)部，用于解決“類書”與“叢書”之間的重復(fù)問題以及近代部分古籍的劃分問題。與著錄規(guī)則類似，采用標(biāo)準(zhǔn)化分類規(guī)則有助于古籍普查等工作，對用戶及研究人員提供更好的引導(dǎo)作用。應(yīng)盡可能在標(biāo)準(zhǔn)化規(guī)則基礎(chǔ)上根據(jù)自身資源特點進(jìn)行細(xì)致類目劃分，從而為古籍整理與古籍平臺設(shè)計提供一定的依據(jù)和范式。

3 國內(nèi)古籍?dāng)?shù)字化研究不足

研究結(jié)合國內(nèi)外古籍?dāng)?shù)字化研究現(xiàn)狀，基于古籍?dāng)?shù)字化路徑視角，從古籍?dāng)?shù)字化路徑各環(huán)節(jié)的規(guī)劃內(nèi)容角度分析當(dāng)前國內(nèi)古籍?dāng)?shù)字化的研究不足。

3.1 古籍?dāng)?shù)字化信息技術(shù)應(yīng)用不足

當(dāng)前我國的古籍?dāng)?shù)字化研究更多專注于古籍?dāng)?shù)字化平臺的構(gòu)建，但其僅為古籍?dāng)?shù)字化路徑中的一步，不論是從古籍的內(nèi)容正確識別、挖掘，還是從古籍的整理與保護(hù)等角度，都需要對古籍中的深層次內(nèi)容進(jìn)行探索與分析，如古籍模糊內(nèi)容識別分析、古籍內(nèi)容知識發(fā)現(xiàn)等。這些超出人工范疇目的的實現(xiàn)離不開各類數(shù)字化與信息化技術(shù)的應(yīng)用。國外在古籍?dāng)?shù)字化進(jìn)程中已經(jīng)充分利用各類機器學(xué)習(xí)技術(shù)等大量信息技術(shù)對古籍進(jìn)行文本和特征識別等工作，達(dá)到了較高的準(zhǔn)確率。國內(nèi)研究對于利用數(shù)字化和信息化技術(shù)來實現(xiàn)古籍內(nèi)容的挖掘和延伸仍存在不足，且涉及算法輔助古籍內(nèi)容的挖掘和識別的研究也多使用成熟算法，對算法的改進(jìn)仍有較大空間。

3.2 古籍控制階段規(guī)則難以互通

我國因歷史悠久，以及具有豐富的文化積累與文明體系，在時代變遷中產(chǎn)生了多民族、多主題、多形式的古籍，為我國的文化傳承提供了豐富素材與寶貴的財富。但同時，我國古籍因其內(nèi)容與形式上的不同，同樣有很多學(xué)者在研究中構(gòu)建了專題古籍的元數(shù)據(jù)標(biāo)準(zhǔn)，雖方便了古籍專題數(shù)據(jù)庫的構(gòu)建，卻也導(dǎo)致了多種古籍著錄規(guī)則的出現(xiàn)，這為數(shù)據(jù)庫內(nèi)容互通帶來了一定的困難，使得統(tǒng)一的古籍著錄規(guī)則被利用率有限。

同時，國內(nèi)目前也缺乏一個能夠面向古籍整體進(jìn)行分類的標(biāo)準(zhǔn)。我國很多圖書館與數(shù)字化平臺會利用“經(jīng)、史、子、集”傳統(tǒng)類目以及中圖法等元數(shù)據(jù)標(biāo)準(zhǔn)對古籍進(jìn)行分類，但這些分類法并不完全面向古籍?dāng)?shù)據(jù)庫構(gòu)建且細(xì)化程度不夠，導(dǎo)致不同圖書館與平臺之間，同一古籍所處的類目不同。這同樣會導(dǎo)致館際數(shù)據(jù)互通的混亂，導(dǎo)致館際數(shù)據(jù)互通過程中的存儲資源的浪費。

3.3 古籍?dāng)?shù)字化平臺功能相對基礎(chǔ)

從文獻(xiàn)分析結(jié)果可以看出，國內(nèi)目前構(gòu)建了許多古籍?dāng)?shù)字化平臺，內(nèi)容豐富，完善了眾多圖書館館藏體系。但同時，目前的古籍?dāng)?shù)字化平臺架構(gòu)大多基于閱讀和檢索的功能，所提供的服務(wù)相對基礎(chǔ)和單一。通過國外的古籍?dāng)?shù)字化平臺建設(shè)可以看出，很多平臺以及古籍?dāng)?shù)據(jù)庫都加入了數(shù)據(jù)統(tǒng)計與分析的能力，引入云計算、物聯(lián)網(wǎng)、機器學(xué)習(xí)等方法，直接利用平臺內(nèi)的古籍?dāng)?shù)據(jù)，進(jìn)行大量深層次分析。顯然，將數(shù)字化平臺賦予這類技術(shù)更有利于將古籍資源與學(xué)術(shù)研究相結(jié)合，研究人員可以直接利用平臺中的資源進(jìn)行高學(xué)術(shù)層次的數(shù)據(jù)分析，這使得研究過程中的數(shù)據(jù)獲取與數(shù)據(jù)分析進(jìn)程都得到了簡化，降低了研究過程中第三方軟件的培訓(xùn)過程與使用成本，有助于加強古籍研究成果的轉(zhuǎn)化。

3.4 缺乏古籍資源的互聯(lián)互通

國內(nèi)古籍?dāng)?shù)據(jù)庫面臨的一個主要問題是古籍資源的互聯(lián)互通缺失，古籍?dāng)?shù)據(jù)庫之間缺乏有效的連接和交互，這導(dǎo)致了古籍資源的碎片化和孤立化。美國OCLC平臺為各個圖書館提供了一個統(tǒng)一的資源共享網(wǎng)絡(luò)，使得圖書館之間能夠共享書目數(shù)據(jù)、館藏信息和數(shù)字資源，方便研究者查找并獲取全球范圍內(nèi)的圖書館藏書，不受地域限制，極大地拓寬了其獲取古籍資源的渠道和范圍。然而在國內(nèi)，各個古籍?dāng)?shù)據(jù)庫之間缺乏標(biāo)準(zhǔn)化的數(shù)據(jù)格式和共享協(xié)議，導(dǎo)致了資源的孤立性和重復(fù)建設(shè)。研究者往往需要在多個數(shù)據(jù)庫之間進(jìn)行繁瑣的搜索和轉(zhuǎn)換操作，以獲取所需的古籍信息，限制了研究效率和深度。

4 國內(nèi)古籍?dāng)?shù)字化研究發(fā)展方向

4.1 堅持古籍?dāng)?shù)字化轉(zhuǎn)化過程中的中國特色及學(xué)科融合

我國的古籍?dāng)?shù)量繁多，種類、題材多樣，在古籍?dāng)?shù)字化對象選取中，應(yīng)堅持選用“中國特色”古籍，進(jìn)一步深耕我國各類古籍文獻(xiàn)。同時也應(yīng)嘗試將研究目光投向稀有的、冷門的、瀕臨失傳的古籍文獻(xiàn)，加快此類古籍的數(shù)字化進(jìn)程，為古籍的保護(hù)以及古籍?dāng)?shù)字化新的領(lǐng)域研究打下基礎(chǔ)。

同時，古籍?dāng)?shù)字化不能僅僅局限于對古籍的研究與理解，計算機技術(shù)、信息技術(shù)等多學(xué)科的內(nèi)容也需要在其中扮演重要角色。因此，在未來關(guān)于古籍?dāng)?shù)字化的研究與項目中，需要將文獻(xiàn)學(xué)、歷史學(xué)、計算機、信息資源管理乃至材料學(xué)等學(xué)科充分融合，對各學(xué)科技術(shù)實現(xiàn)充分利用，發(fā)揮古籍?dāng)?shù)字化所涉及的相關(guān)學(xué)科的長處，才能更充分地實現(xiàn)古籍的整理與數(shù)字化轉(zhuǎn)化，盡可能地保留古籍所攜帶的信息。

4.2 加強古籍?dāng)?shù)字化資源之間的互聯(lián)互通

古籍?dāng)?shù)字化存儲所用的數(shù)據(jù)庫及重構(gòu)后的知識組織平臺是數(shù)字版古籍重要的資源載體，是對古籍進(jìn)一步研究利用的重要數(shù)據(jù)來源。未來，應(yīng)當(dāng)在古籍?dāng)?shù)字化控制所涉及的元數(shù)據(jù)標(biāo)準(zhǔn)體系的基礎(chǔ)上對古籍存儲平臺的架構(gòu)進(jìn)行改善，同時盡可能設(shè)置數(shù)據(jù)庫之間的接口，探索建立互聯(lián)互通機制。通過制定共享標(biāo)準(zhǔn)、建立數(shù)據(jù)交換平臺和推動合作共建，國內(nèi)的古籍?dāng)?shù)據(jù)庫可以實現(xiàn)資源的整合和共享，使研究者能夠更便捷地訪問和利用豐富的古籍資源，推動古籍研究的深入發(fā)展，以達(dá)成各古籍?dāng)?shù)據(jù)庫與知識平臺之間的互聯(lián)互通，實現(xiàn)資源共享，擴大古籍?dāng)?shù)字化研究的數(shù)據(jù)可選擇范圍，從而保證數(shù)字化古籍的利用效率與研究的深化。

4.3 完善古籍?dāng)?shù)字化控制階段各類標(biāo)準(zhǔn)體系

在未來，針對古籍的著錄、技術(shù)、管理和工作流程上，都可以進(jìn)一步開發(fā)并完善相關(guān)的標(biāo)準(zhǔn)體系，以及在已有標(biāo)準(zhǔn)下進(jìn)行說明或細(xì)化。政府和權(quán)威機構(gòu)可以組織、領(lǐng)導(dǎo)相關(guān)工作，從而出臺規(guī)范化、統(tǒng)一化、實用性高的標(biāo)準(zhǔn)化體系，在保證體系得到細(xì)化的同時，也保證其可借鑒性，從而促進(jìn)資源的廣泛利用。如果能夠在已有標(biāo)準(zhǔn)體系的基礎(chǔ)上設(shè)計充分細(xì)化的古籍著錄規(guī)則與分類體系，將有助于規(guī)范化古籍?dāng)?shù)字化研究，以相對統(tǒng)一的標(biāo)準(zhǔn)體系涵蓋專題古籍內(nèi)容，提升相關(guān)研究的借鑒與接續(xù)能力，有助于古籍?dāng)?shù)字化平臺、數(shù)據(jù)庫與圖書館之間的互聯(lián)互通與資源共享，加強數(shù)字化古籍的整體性與規(guī)范性。

4.4 加強古籍?dāng)?shù)字化技術(shù)的開發(fā)與利用

充分利用現(xiàn)有的信息化技術(shù)，通過語義分析與關(guān)聯(lián)，對古籍內(nèi)容進(jìn)行深層次探索，改進(jìn)算法使之更符合古籍語言規(guī)律，從而挖掘古籍內(nèi)容中的隱含信息，形成知識發(fā)現(xiàn)是當(dāng)前形勢下古籍?dāng)?shù)字化的一項重要任務(wù)。目前，知識圖譜等可視化模型的構(gòu)建越來越受到重視，其是知識發(fā)現(xiàn)的重要表現(xiàn)形式，所能生成的結(jié)構(gòu)化數(shù)據(jù)有助于被研究人員進(jìn)一步利用，為古籍?dāng)?shù)字化平臺的智能化功能開發(fā)提供研究基礎(chǔ)。而知識發(fā)現(xiàn)及其重組與可視化是挖掘、抽取并理解文本內(nèi)容的重要方式，也是深刻理解古籍含義的重要研究目的。有效的知識發(fā)現(xiàn)有助于古籍的整理與保護(hù)，以及古籍中的重要信息和價值的傳承。因此，加強古籍?dāng)?shù)字化技術(shù)的開發(fā)與利用，充分結(jié)合信息技術(shù)以驅(qū)動對古籍的知識發(fā)現(xiàn)是未來古籍?dāng)?shù)字化研究中的重要方向，是增強古籍研究利用、提升古籍價值的重要手段與途徑。

4.5 開展面向用戶需求的古籍?dāng)?shù)字化平臺服務(wù)

古籍?dāng)?shù)字化的目的，則是能夠?qū)崿F(xiàn)信息挖掘與知識發(fā)現(xiàn)，保留并提升古籍價值，并為古籍的相關(guān)研究提供基礎(chǔ)。因此，通過面向用戶需求構(gòu)建新的數(shù)字化平臺應(yīng)用應(yīng)是未來古籍?dāng)?shù)字化平臺建設(shè)的重要方向。隨著技術(shù)的發(fā)展與研究的逐漸深入，未來有著大量的服務(wù)于用戶的應(yīng)用可以被推廣與使用到古籍?dāng)?shù)字化平臺上來。如輔助閱讀的古漢語字典、紀(jì)年換算以及論壇功能等，都可以輔助用戶對古籍進(jìn)行理解乃至交流，是現(xiàn)有基礎(chǔ)功能的深化形式。另外，為了方便信息挖掘與知識發(fā)現(xiàn)，字/詞頻統(tǒng)計、主題聚類、地理空間模型、主體與關(guān)系關(guān)聯(lián)及相關(guān)內(nèi)容的可視化功能均可作為應(yīng)用被提供，減少研究中的時間及人力成本，充分滿足用戶需求。

5 結(jié) 語

本文利用Python以及CiteSpace等相關(guān)軟件與技術(shù)，對國內(nèi)外古籍?dāng)?shù)字化主題文獻(xiàn)的研究現(xiàn)狀進(jìn)行了分析，找出了包括研究對象選取、數(shù)字化處理、數(shù)字化存儲在內(nèi)的10項古籍?dāng)?shù)字化主要研究內(nèi)容。文章進(jìn)一步將古籍?dāng)?shù)字化主要研究內(nèi)容與五原語論及數(shù)字人文技術(shù)體系相對應(yīng)，構(gòu)建出了古籍?dāng)?shù)字化路徑，為古籍?dāng)?shù)字化工作及古籍進(jìn)一步開發(fā)提供參考。

通過分析結(jié)果可以看出，我國目前關(guān)于古籍?dāng)?shù)字化的研究在技術(shù)運用、平臺服務(wù)、標(biāo)準(zhǔn)化體系構(gòu)建與完善等方面還有進(jìn)步空間。在未來，我國古籍?dāng)?shù)字化研究應(yīng)加強信息技術(shù)使用，提升學(xué)科融合能力，開發(fā)面向用戶的數(shù)字化平臺應(yīng)用，并進(jìn)一步完善古籍?dāng)?shù)字化標(biāo)準(zhǔn)體系，從而為古籍信息化挖掘與知識發(fā)現(xiàn)提供有效地幫助，為提升古籍利用價值以及更好地保護(hù)傳世古籍做出更大的貢獻(xiàn)。