典籍?dāng)?shù)字化與搜索：源與流，深與淺 張軸材 |
各位專家，大家好： 因?yàn)樵谧魑幻婵妆容^陌生，所以我先介紹一下我自己。跟文史古籍界的各位不太一樣，我是踏入文史典籍領(lǐng)域的一個(gè)“越俎代庖”分子，不是文字專家，也不是文史專家，只是一個(gè)工程師。我原來學(xué)自動(dòng)控制，后來學(xué)計(jì)算機(jī)，但是由于歷史的誤會(huì)，從89年起就卷入中日韓漢字統(tǒng)一當(dāng)中。是一個(gè)CJK統(tǒng)一編碼的“始作俑者”者，“始作俑”為什么加引號(hào)？因?yàn)楝F(xiàn)在有的人說有好的評(píng)價(jià)，有的說還有這樣那樣的問題，不管怎么樣，我有相當(dāng)?shù)呢?zé)任，因?yàn)樵趪?guó)際上我是該項(xiàng)目的長(zhǎng)期負(fù)責(zé)人。我卷入大家做的這個(gè)領(lǐng)域是從95年做《漢語大詞典》電子版開始，到文淵閣《四庫全書》電子版工程，還有大家熟悉的《四部叢刊》電子版，所以我做的事情跟大家相關(guān)；但我做的和國(guó)學(xué)的尹小林比，我在某些地方是“先烈”，有些地方我犧牲了，但沒有取得成績(jī)或回報(bào)。 在這里，我談到的是狹義的典籍?dāng)?shù)字化，聽起來跟大家不太一樣，在座好多專家的理解是廣義的。狹義的典籍?dāng)?shù)字化把整理后的古籍文獻(xiàn)內(nèi)容，從紙面轉(zhuǎn)換為數(shù)字，與相關(guān)的數(shù)字化工具結(jié)合在一起，達(dá)到字字可查、句句可檢的水準(zhǔn)，提供給文史工作者使用。這是一個(gè)基礎(chǔ)工作。目的不是取代文史工作者（也永遠(yuǎn)取代不了），而是讓學(xué)者“如虎添翼”（季羨林老先生在我們贈(zèng)送北京大學(xué)《四部叢刊》時(shí)講的話）。進(jìn)行深層次的研究（廣義的數(shù)字化：標(biāo)引、校勘、版本對(duì)比、注釋、同義詞語、韻律、批評(píng)…）。這些我們做不好，這些工作是是文史工作者的使命，當(dāng)然要配合一定的工具。 我今天和大家一起交流的，首先看看到典籍?dāng)?shù)字化的大好形勢(shì)。95年以前數(shù)字化大陸很差，臺(tái)灣中央研究院做得很好，后來我們做得不錯(cuò)，到今天來看，我們確實(shí)是有長(zhǎng)足的進(jìn)步，形成了全面展開的態(tài)勢(shì)，我就把自己視野范圍內(nèi)的標(biāo)志性發(fā)展，以及我自己的感悟和大家交流一下。 ·文津閣四庫全書（標(biāo)志性的，盡管是做圖形版。） ·臺(tái)灣：典藏?cái)?shù)位化項(xiàng)目,佛學(xué)…（佛學(xué)是發(fā)動(dòng)群眾，有規(guī)模有水平的。） ·民間：天一閣（全面數(shù)字化，正在研究之中，） ·基礎(chǔ)：古籍字頻統(tǒng)計(jì)（還有詞語統(tǒng)計(jì)，詞語統(tǒng)計(jì)還不太成熟，字頻統(tǒng)計(jì)在商務(wù)印書館估計(jì)11月份出版。） 全面展開，國(guó)內(nèi)（文淵閣《四庫全書》、《四部叢刊》）之后，基本古籍CD,國(guó)學(xué)網(wǎng)…有一些好的發(fā)展，比如政府項(xiàng)目： ·第一歷史檔案館：（作了大量踏踏實(shí)實(shí)的工作） ·清會(huì)典（已成為產(chǎn)品） ·清實(shí)錄（已成為產(chǎn)品） ·上諭檔（進(jìn)行中） 《清會(huì)典》和《清實(shí)錄》已經(jīng)成為產(chǎn)品，《上諭檔》正在制作中，這是我們書同文公司做的，主要是明清檔案。 此外， ·地方志 ·清史工程 ·中華大典 國(guó)際： ·日本：《漢方醫(yī)書大成》已經(jīng)進(jìn)入全文數(shù)字化第二版 ·美國(guó)：世界大家譜（和國(guó)內(nèi)的一些公司有聯(lián)系） ·韓國(guó)：《奎章閣》數(shù)字化 ·法國(guó)：《永樂大典》相關(guān)典籍?dāng)?shù)字化 對(duì)這下發(fā)展，我有一些感悟和大家交流。在談漢字信息化時(shí)，我就談過這樣一個(gè)觀點(diǎn)：漢字源于中國(guó)，但是漢字并不只屬于中國(guó)。漢籍也源于中國(guó)，但是并非只有中國(guó)可以數(shù)字化；如果多次出現(xiàn)讓外人將“端午節(jié)”“申非”的情勢(shì)，只說明某些政府部門的無作為和典籍故鄉(xiāng)學(xué)者的無奈。還有一條，典籍一旦數(shù)字化，它的用戶群就飛速地?cái)U(kuò)大到全世界，沒有任何學(xué)者再成為“絕對(duì)權(quán)威”，或者說，“學(xué)閥”的土壤就不復(fù)存在了。大家都處于信息資料公開的平等學(xué)術(shù)環(huán)境中。我也檢索過，像利用《四部叢刊》、《四庫全書》電子版寫論文的，港澳臺(tái)、海外的很多華人，出的論文可以和大陸相匹敵，別想限制人家，別怨天尤人，還是自己急起直追吧。電子的市場(chǎng)是走向全世界的。 感悟之二，我們可能有很多的數(shù)字化設(shè)想語抱負(fù)，但是字-詞-語-文-版，字仍然是基礎(chǔ)；適用的文字平臺(tái)工具，仍然是重中之重。基礎(chǔ)不穩(wěn)，后患無窮。但是，字的重要性主要表現(xiàn)為字樣的多樣性，而不是字符的多寡。除了大規(guī)模字書的需要外，片面地追求“超大、特大字符集”是誤解或誤導(dǎo)的結(jié)果。根據(jù)我們的統(tǒng)計(jì)CJK_B只占5%%在典籍里，片面的強(qiáng)調(diào)大字符集這點(diǎn)，會(huì)分散注意力。還有一個(gè)就是數(shù)字內(nèi)容為王。我們要高度重視紙張-電子轉(zhuǎn)換的鋪路工作，掃描、拍攝、拷貝，不能取代最基礎(chǔ)的字符轉(zhuǎn)換工作。必需投入資源。資料掃描在初期是必要的，但是把它作為樣板、讓人誤以為掃描資料就是數(shù)字圖書館，這是誤導(dǎo)領(lǐng)導(dǎo)和群眾，這是很糟糕的事情。 感悟之三：數(shù)字化典籍最終要走向網(wǎng)絡(luò)服務(wù)，而且是從C/S到B/S。B/S，Browser/Server這個(gè)潮流是肯定的。網(wǎng)絡(luò)服務(wù)的主要形式是搜索，搜索的早期問題是查全率差，分類欠缺，Google一查一大片都出來了，但是沒有分類，連檢繁關(guān)聯(lián)都沒有，我們老早就已經(jīng)做檢繁異關(guān)聯(lián)了，這是我們做《四庫全書》時(shí)，但是人家很快就上來了，這個(gè)問題解決了。但是今天和明天的問題是什么呢，我只是一家之言，我認(rèn)為現(xiàn)在是：“流”滿全球，難以溯“源”。例：與時(shí)俱進(jìn)。社科院一老師誤以為我是專家，讓我查“與時(shí)俱進(jìn)”出自哪兒，一查才清楚，這個(gè)詞是古已有之的，不是現(xiàn)在才創(chuàng)造的。如果在Google或百度里查，它所找到的一大片成千上萬全是流，沒有源，找不到源。全部被淹沒了。溫總理那年中秋引用的一首詩是：“心中為（唯？惟？）念農(nóng)桑苦，耳里如聞饑凍聲。”體會(huì)老百姓疾苦的好詩，我一查古籍，里面好幾個(gè)版本，意思挺多，可是去查Google,Baidu，查不到，都是人民日?qǐng)?bào)上登的那個(gè)版本，找不到真實(shí)的，缺少深度，抄襲致“淺”吶。比如：有一個(gè)詞是張本繼末，這是我親身經(jīng)歷的，給一個(gè)位小朋友寫的藏頭詩，他姓張，想一個(gè)詞是張本繼末，想在Google里查一下，一查所有的張本繼末解釋全一樣，全都是抄的，解釋是把事情的本末說清楚，我一看覺得不對(duì)勁，仔細(xì)推敲，真是不對(duì)，大家抄來抄去，連標(biāo)點(diǎn)符號(hào)都一樣，然而真正的意思是有繼承和發(fā)展的意思卻忽略了，本是根本，到處都說只是“把事情的本末說清楚”，這叫做張本繼末，這是不對(duì)的，不全面的，起碼我提的問題沒地去查。所以我們做完《漢語大詞典》第一版時(shí)，在新聞出版署開發(fā)布會(huì)時(shí)，北大文史系一老師就問有沒有例證，如果沒有例證就沒用，說得很尖銳。確實(shí)是這樣，我現(xiàn)在越來越認(rèn)識(shí)到這一點(diǎn)。我們?yōu)榇擞辛艘粋�(gè)新的數(shù)字化創(chuàng)意：詢經(jīng)問典，這是Google,BaiDu,MS共同的空白。今天沒時(shí)間展開談，有機(jī)會(huì)希望和大家深入交流一下。 感悟之四就是要合作：典籍+數(shù)字化，兩方面的人，術(shù)業(yè)有專攻，但一定要合作。我要學(xué)習(xí)尹小林與文史界的密切聯(lián)系。我也很欣慰：李鐸博士這樣的具有文學(xué)功底的新一代數(shù)字化少壯派的涌現(xiàn)，我真得感到很高興，原來我主持《四庫全書》電子版工程時(shí)，他是古漢語的輔導(dǎo)員，和一些北大、北師大的博士生，做了很多貢獻(xiàn)，現(xiàn)在，自己也能做很多項(xiàng)目。文理合作的模式很多，其中一個(gè)模式在圖上（請(qǐng)參看PPT）,我就不說了.像我們書同文數(shù)字化公司這樣的主要做什么呢，我們是數(shù)字化清道夫：把問題突現(xiàn)出來，把平臺(tái)搭起來，讓學(xué)者去創(chuàng)造新的成果，像我們做《日本漢方醫(yī)書》時(shí)字很亂，要合作，《清實(shí)錄》這些可以用一種模式，通過網(wǎng)絡(luò)，這是可能的。臺(tái)灣做《佛學(xué)》電子版時(shí)，能做到把很多佛教信徒通過網(wǎng)絡(luò)，大家提供知識(shí)的幫助、相互咨詢，一起來做，這完全是可行的。 時(shí)間所限，在此打住。謝謝傾聽，希望多多聯(lián)系！ 【作者單位】教育部語言文字應(yīng)用研究所 【聯(lián)系方式】www.unihan.com.cn |
 |