借器之势出道之新数字人文浪潮下的古典文学研(6)

刘京臣平台数据的功能有哪些改进呢？

王兆鹏平台数据是一键生成、个性定制，使用更加便捷，可以满足不同用户的个性需求。用户查询到的数据或相关资料，一键就可以生成下载。目前众多的文献资源库，检索到的资料需要我们一条条地拷贝下载，很费时间。比如，我们在《文渊阁〈四库全书〉电子版》里检索到有关苏轼的资料两千条，需要点击拷贝两千次。而我们开发的结构化数据库，今后只要一键就可以下载全部资料数据，下载的数据包含原始文献，都是分类打包的。下载的这些资料，可以保存到平台为用户提供的个人云盘中，不必重新拷贝到个人电脑硬盘里。

平台还可以满足个性化的定制服务。用户需要什么样的数据，平台可以针对性地提供其所需的数据。我们希望用户及时地将需求和建议反馈给我们，我们会不断完善数据库，以满足用户的不同需求。我们的平台，将来不再是中国文学研究的辅助性平台，而是刚需性平台。它既可以语义检索、时空定位、关联生成，又可以统计分析、可视化呈现。无论是做数据统计还是文本分析，是文献考据还是理论阐释，都离不开这个平台。

郑永晓从文学地图到文学图谱，确实是很宏大而切实的跨越。期待文学图谱平台早日建成。

王兆鹏知识图谱的部分功能已经实现，用户可以随时上网去试用体验，我们是免费开放的，目前的网址是 / 。进入网页后，在主题搜索框里输入要查询的诗人名、地名（目前主要有县级以上行政区名的相关信息），就可以获得相关分类数据。如输入杜甫，界面就弹出“杜甫作品详情”“杜甫朋友圈”“他人诗中提及杜甫的作品”“杜甫的行迹地图”等七个知识卡片。再点击“杜甫作品详情”，界面就出现分体、年份、创作地点、时节、人物、植物等栏目。点击分体，页面自动呈现杜诗分体统计结果：律诗748首、绝句91首、排律126首、古风485首；再点击其中数据，页面就自动呈现相关作品原文。点击年份，页面就会自动呈现杜甫各年创作的诗歌数量；点击创作地点，可以了解杜甫一生在各地创作的诗歌数量和详情；点击人物，页面立即呈现杜甫与当朝各类人物交往的诗篇数量，如他写给李白的诗最多，有11首；点击植物，可见杜甫写了哪些花卉树木（此项信息目前不全）。现在是通过知识卡片的方式，分类呈现与人物、地点相关的数据。用户可以综合运用这些数据，从不同的角度进行统计分析。今后，可以查询和统计唐宋文学作品和历史典籍中所有人名、地名、官名、物名、书名、篇名、典故、语词及其关系数据。

刘京臣听了王老师对唐宋文学知识图谱的建构，很令人振奋。我对于古籍文献资源库，除了期待其升级换代为结构化数据库之外，还期待能够进行图像检索，由“图像检索”直接实现“版本比对”。2015年，我曾在《大数据时代的古典文学研究——以数据分析、数据挖掘与图像检索为中心》（载《文学遗产》2015年第5期）一文中提到：“随着多媒体检索技术的发展，对图像、声音、视频等进行检索成为IT界的热点。图像检索随之被广泛应用于医疗、遥感、测绘等领域，并取得了相当成就。”但在古典文学研究领域，图像检索仍未得到广泛应用。图像检索的核心是对以图像形式存在的文献进行定位、检索与匹配。对研究者而言，可实现由“文本”到“文本”跨越到由“文本”到“图像”、“图像”到“图像”。这样，一是能将研究者从研判疑难文字中解放出来，二是不必再将图像文献识别转换为文本，三是图像检索能以最真实、直观的方式体现出不同文献之间的细微差异。从图像检索入手，还可以完美实现版本比对。时至今日，最初的设想“机器一边进行着图像检索匹配，一一标注不同版本之间的差异，一边将识别出来的文本与已经在文本数据库中的海量数据相匹配”，仍然处于设想阶段。虽然“中文在线” 等推出了在线识别图像文献的功能，但使用的效果还不是很理想。

郑永晓学者应该参与数据库的开发。现有文献资源库，基本上都是商业公司的产品。在开发过程中，学者的参与度很低。虽然文献资源库可以帮助学者查询资料，但不能统计分析。要完成从数字化资源库到结构化数据库的转换，需要利用数据挖掘对文本进行加工，这种加工必须按照预设的规则进行，需要学者的深度参与，甚至需要学者对相关数据进行人工标记。数据挖掘可以通过技术来实现，但挖掘什么样的数据，什么样的数据有用，必须有古代文学研究的专家参与设计。专业领域的需求只有相关专家最为了解。钱钟书先生在20世纪80年代支持中国社会科学院建立计算机室时曾说：“实践证明，能帮助人的电脑需要人的更多帮助。”这句话即使在今天仍不过时。

文章来源：《中国历史地理论丛》 网址: http://www.zglsdllc.cn/qikandaodu/2021/0315/489.html