劉圣嬰 王麗華 劉煒 劉倩倩

（1.華東師范大學(xué)圖書館，上海，200062； 2.上海大學(xué)文化遺產(chǎn)與信息管理學(xué)院，上海，200444； 3.上海圖書館，上海，200031）

1 引言

人文學(xué)科是所有科學(xué)之肇始，是人文精神之依托，被稱為知識(shí)分子的必備和基礎(chǔ)素養(yǎng)。無論是古希臘的七藝（文法、修辭、邏輯、算數(shù)、幾何、天文、音樂），還是春秋的六藝（詩、書、禮、樂、易、春秋），其所創(chuàng)立的知識(shí)教育體系在今天多歸屬于人文學(xué)科范疇，致力于培養(yǎng)區(qū)別于萬物的所謂“人性”。而當(dāng)今社會(huì)建立起與工業(yè)文明相匹配的極其復(fù)雜又高深的現(xiàn)代教育，看似造就了大量知識(shí)豐富的“專家”，但卻帶來了知識(shí)分子整體上的消失，不僅缺乏對人的價(jià)值以及人類未來命運(yùn)的思考者，連培養(yǎng)基本的責(zé)任與擔(dān)當(dāng)都成了奢望。在這個(gè)機(jī)器智能和生命編輯的時(shí)代，人文主義遭遇越來越嚴(yán)重的危機(jī)，我們比任何時(shí)候都更加需要和呼喚世界意義的守護(hù)者[1]。

在這樣的背景下，數(shù)字人文誕生了。

作為信息技術(shù)在人文領(lǐng)域的應(yīng)用，數(shù)字人文目前仍處于非常早期的發(fā)展階段。雖然其歷史可以追溯到計(jì)算機(jī)剛開始用來做文字處理的上世紀(jì)中葉，迄今已有七十余年，但“數(shù)字人文”一詞是2004年隨著A Companion to Digital Humanities一書的出版才得以定名的，當(dāng)前還不具有公認(rèn)的定義，甚至連邊界在哪里也眾說紛紜、莫衷一是。即便如此，鑒于數(shù)字化社會(huì)的到來已勢不可擋，印刷品不再是知識(shí)生產(chǎn)與傳播的主要媒介。在這個(gè)背景下，圖靈獎(jiǎng)獲得者Tony Hey等敏銳地提出“科學(xué)研究的第四范式”概念[2]，指出當(dāng)所有的研究素材和方法都數(shù)字化之后，“數(shù)據(jù)驅(qū)動(dòng)型研究”就水到渠成，人文科學(xué)也概莫能外，數(shù)字人文必然是人文研究的未來。

數(shù)字人文是各門具體人文科學(xué)采用數(shù)字方法的匯聚和總結(jié)，是一種“方法論共同體”（Methodological Commons）。目前這個(gè)共同體已開始具備庫恩所說的共同的“學(xué)科范式”特征，隨著專業(yè)教育和學(xué)科體系的建立，數(shù)字人文逐漸從各種方法、技術(shù)的大雜燴，開始形成具有一定理論結(jié)構(gòu)和研究規(guī)律的獨(dú)特領(lǐng)域，該領(lǐng)域的研究者正在從對數(shù)字人文能不能成為一門“學(xué)科”心存疑慮而爭論不休，轉(zhuǎn)而開始專注于各類專門問題的探討和整體共性方法論的總結(jié)。當(dāng)然這與近年來數(shù)字人文研究基礎(chǔ)設(shè)施的不斷完善有關(guān)，除了大量的數(shù)據(jù)資源以最新的技術(shù)不斷賦能研究人員之外，我們還擁有了頗具影響力的協(xié)會(huì)、學(xué)會(huì)和專業(yè)期刊，定期召開國際或地區(qū)性會(huì)議，具有穩(wěn)定的基金支持，尤其是形成了本-碩-博的專業(yè)教育體系。目前的薄弱環(huán)節(jié)是基礎(chǔ)設(shè)施的建設(shè)和提供者與新興的數(shù)字人文研究者之間缺乏溝通對話，導(dǎo)致數(shù)據(jù)資源相關(guān)的平臺(tái)建設(shè)和系統(tǒng)的標(biāo)準(zhǔn)規(guī)范尚未建立，正在成形的方法論體系缺乏實(shí)踐檢驗(yàn)，因此未能盡快成熟并得到公認(rèn)。

以漢學(xué)（中國傳統(tǒng)學(xué)術(shù)）研究為代表的中文數(shù)字人文研究也處在一個(gè)剛剛起步的階段。早期的數(shù)字圖書館或數(shù)字典藏成果為當(dāng)下的數(shù)字人文研究提供了重要的數(shù)據(jù)支持，然而從整體上看仍不系統(tǒng)，缺乏規(guī)劃，各學(xué)科發(fā)展也很不平衡，研究成果較為零散、微觀，多是對數(shù)字技術(shù)的簡單應(yīng)用、對過去研究的重復(fù)驗(yàn)證，或者是對西方研究的一種單純模仿，還缺乏有影響力的、獨(dú)創(chuàng)性的成果。究其原因，圖書館等人類記憶機(jī)構(gòu)在數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè)方面的滯后是一個(gè)重要瓶頸[3]。相比西方國家，我們在數(shù)據(jù)獲取方面的困難要大得多：數(shù)據(jù)系統(tǒng)之間缺乏聯(lián)通，付費(fèi)墻壁壘高聳，造成數(shù)據(jù)獲取的不充分和不完整，或者缺乏必須的數(shù)據(jù)格式（如中文文獻(xiàn)大多以圖像方式提供，文本奇缺），影響到項(xiàng)目的成本、成果的水平，以及對數(shù)字人文研究方法的歸納總結(jié)和教育機(jī)構(gòu)相關(guān)人才的培養(yǎng)等，這已成為中文數(shù)字人文發(fā)展的嚴(yán)重制肘。

本文試圖基于中國目前對于數(shù)字人文的理論研究，探討一種開放的數(shù)字人文服務(wù)平臺(tái)設(shè)計(jì)，將數(shù)字人文研究范式與提供其支撐的基礎(chǔ)設(shè)施建設(shè)聯(lián)系起來，使其互相借鑒和促進(jìn)，不僅滿足一般人類記憶機(jī)構(gòu)將數(shù)字典藏系統(tǒng)升級(jí)為基于數(shù)據(jù)的服務(wù)設(shè)施，發(fā)揮其全部潛能。重點(diǎn)在通過靈活可遷移的云平臺(tái)架構(gòu)設(shè)計(jì)，以及可互操作、熱插拔、容器化的應(yīng)用App生態(tài)建設(shè)，使所有機(jī)構(gòu)的平臺(tái)之間能夠?qū)崿F(xiàn)互聯(lián)互通，并探討應(yīng)用關(guān)聯(lián)數(shù)據(jù)、知識(shí)圖譜、實(shí)體識(shí)別、機(jī)器學(xué)習(xí)等技術(shù)，提供人文研究各類文本、圖像、社交網(wǎng)絡(luò)、地理信息和可視化等通用工具的支持，長遠(yuǎn)支持?jǐn)?shù)字人文項(xiàng)目的全生命周期管理。相信這樣的總體性設(shè)計(jì)能夠有助于數(shù)字人文方法論體系的豐富探索和盡快成型，從而幫助數(shù)字人文研究范式盡早確立。

2 數(shù)字人文：一種人文研究的新范式

2.1 數(shù)字人文催生人文研究范式轉(zhuǎn)型

人文研究一般是人文學(xué)者針對特定問題，綜合利用各種材料，透過一定方法，經(jīng)過研究過程而得出結(jié)論并發(fā)表交流的完整流程。素材和方法是人文研究的兩大要素。傳統(tǒng)人文研究的素材可分為文獻(xiàn)（文本或圖像）、實(shí)物和抽象物（概念、角色等）等。傳統(tǒng)人文研究的方法通常不是非常嚴(yán)格，一般依靠思辨和寫作就能得出結(jié)論、完成研究，這也是為什么人們經(jīng)常詬病“人文學(xué)科”缺乏科學(xué)性的原因。數(shù)字人文帶來了方法學(xué)的進(jìn)步，我們首先可以從方法研究入手，從中找出數(shù)字人文研究可重復(fù)、可循證的一般規(guī)律。

數(shù)字人文來自于對人文研究進(jìn)入數(shù)字時(shí)代所產(chǎn)生的方法學(xué)共同體的歸納，而根據(jù)提出科學(xué)范式概念的科學(xué)哲學(xué)大師托馬斯·庫恩的理論，學(xué)科共同體是學(xué)科范式的主要特征，因此我們可以認(rèn)為，研究數(shù)字人文方法其實(shí)就是在探討人文科學(xué)研究的一種新范式。從分析人文研究的素材和方法入手，我們可以初步掌握數(shù)字人文研究范式的基本輪廓。

把人文研究方法分為技術(shù)、行為和過程三個(gè)方面，有助于考察人文研究的基本方法范式。傳統(tǒng)人文研究雖然很少涉及技術(shù)，但也絕非沒有，例如考古研究中的探方、測量，以及在人文研究中被普遍采用的卡片摘錄技術(shù)等，如果把社會(huì)科學(xué)也算上（社會(huì)科學(xué)與人文科學(xué)本身并無明顯界限），各類調(diào)查、訪談、口述歷史、民族志等研究方法都涉及大量的技術(shù)，早期數(shù)字人文的許多方法其實(shí)都來自于用計(jì)算機(jī)實(shí)現(xiàn)手工的工作。研究過程可以認(rèn)為是研究行為的按一定順序的組合，相同的技術(shù)和行為可以組合成不同的過程，對不同人文學(xué)科研究所產(chǎn)生的效果是不同的。以下會(huì)有文字專門討論具體的研究“行為”（見2.3）。

圖1 ?人文研究的基本范式：數(shù)據(jù)+方法Fig. 1 Fundamental Paradigms of Humanities Research: Data + Method

人文研究方法的技術(shù)、行為和過程在數(shù)字人文中借助信息技術(shù)的進(jìn)步得到很大的發(fā)展，尤其是層出不窮的信息處理技術(shù)，可以說這三個(gè)部分正在成為數(shù)字人文研究新范式的重要內(nèi)容，成為數(shù)字人文領(lǐng)域最重要的主題之一。圖1展示了對這種人文研究范式的解構(gòu)。

數(shù)字人文研究的“原料”可以分為數(shù)字文本、數(shù)碼圖像或由數(shù)字對象構(gòu)成的“模型”，有學(xué)者稱之為“數(shù)據(jù)態(tài)”。其中數(shù)字模型可以很簡單，某個(gè)文本數(shù)據(jù)庫可以代表某個(gè)人文主題的全部素材，也可以很復(fù)雜，復(fù)雜到作為某個(gè)真實(shí)系統(tǒng)的模擬（即所謂數(shù)字孿生，Digital Twins）。

數(shù)字人文的方法有兩類，一是傳統(tǒng)方法的計(jì)算機(jī)實(shí)現(xiàn)，例如搜索、分析、比較等，利用計(jì)算機(jī)只是比傳統(tǒng)方法要快很多而已，最著名的數(shù)字人文研究案例—羅伯特·布薩神父編制托馬斯·阿奎納全集索引就是這樣的例子；二是由計(jì)算機(jī)技術(shù)產(chǎn)生的特殊方法，例如統(tǒng)計(jì)、分析、聚類和可視化等，布薩神父最后建立了托馬斯·阿奎納索引服務(wù)，就屬于對傳統(tǒng)人文方法的一種突破。

從研究過程來看，數(shù)字技術(shù)和網(wǎng)絡(luò)交流對過去從收集資料到成果發(fā)表簡單的線性過程帶來了很大沖擊，其過程比傳統(tǒng)人文研究要復(fù)雜得多，可以是來回反復(fù)的交互過程，成果發(fā)表和交流形式也多利用網(wǎng)絡(luò)或社交媒體，具有迅速、便捷、容易追蹤但轉(zhuǎn)瞬即逝的特點(diǎn)，目前甚至還沒有很好的計(jì)量與評價(jià)方法[4]。

無論是傳統(tǒng)方法的計(jì)算機(jī)實(shí)現(xiàn)，還是由于計(jì)算機(jī)技術(shù)發(fā)展帶來的新方法，如果從目前各類具體數(shù)字人文研究項(xiàng)目來考察，或者從不同具體人文學(xué)科在走向數(shù)字人文過程中的表現(xiàn)來看，其技術(shù)、過程和行為三個(gè)方面都可以歸納出許多不同的特征。圖1雖然呈現(xiàn)了包括傳統(tǒng)人文和數(shù)字人文在內(nèi)的人文研究的統(tǒng)一范式，然而它并沒有區(qū)分這些不同特征。應(yīng)該說不同人文學(xué)科在邁向數(shù)字人文過程中的不同特點(diǎn)，不同學(xué)科在使用素材或研究方法方面的不同，都會(huì)對該學(xué)科領(lǐng)域基于數(shù)據(jù)的研究范式帶來影響。例如文學(xué)或語言學(xué)偏重于利用文本處理技術(shù)，歷史學(xué)則關(guān)注實(shí)體對象的時(shí)空呈現(xiàn)及相互關(guān)系，哲學(xué)需要將文本抽象為特定語義的概念，等，當(dāng)然這類不同可以看成是數(shù)字人文通用方法細(xì)分要素的不同配方組合。這里引入圖2，就是要展示數(shù)字人文方法受到技術(shù)體系和方法體系（指過程和行為）的雙重影響，而作用于各門不同人文學(xué)科。當(dāng)然這里討論的還只是數(shù)字人文研究方法的一個(gè)一般性思考框架，目前無論是具體的人文學(xué)科，還是一般性的數(shù)字人文，其方法體系都沒有定型，還處在發(fā)展變化中，也有待進(jìn)一步挖掘整理。

2.2 傳統(tǒng)人文與數(shù)字人文的比較

（1）研究過程方面

圖2 ?數(shù)字人文相關(guān)技術(shù)體系和方法體系 Fig. 2 Technology System and Method System Related to Digital Humanities

傳統(tǒng)人文研究對于素材的收集、加工、處理是研究過程的開始，這是人文研究很重要的有機(jī)組成部分；而數(shù)字人文可以將資料匯集、處理的通用部分獨(dú)立出來，作為研究基礎(chǔ)設(shè)施的一部分，由專門的圖書館、檔案館等相關(guān)機(jī)構(gòu)去完成，這就區(qū)分了基礎(chǔ)設(shè)施建設(shè)工作和數(shù)字人文研究工作。目前數(shù)字人文領(lǐng)域大量的工作其實(shí)是基礎(chǔ)設(shè)施建設(shè)工作，可以看到中文期刊數(shù)字人文的論文發(fā)表中大量來自圖書館信息檔案學(xué)科，就是這個(gè)道理。但基礎(chǔ)設(shè)施建設(shè)并不能代替數(shù)字人文研究，前者的目的是為了促進(jìn)后者。

（2）素材內(nèi)容方面

傳統(tǒng)人文通常通過管理和操控載體化的文獻(xiàn)取得內(nèi)容，限于手工處理的效率，研究的廣度、深度都受到限制；而數(shù)字人文研究基于數(shù)據(jù)，平臺(tái)通常就能提供細(xì)粒度的知識(shí)組織，甚至建立了語義聯(lián)系，使得材料的操控變得較為容易，能夠進(jìn)行更大范圍深入研究，跨學(xué)科研究也更為容易。

（3）研究方法方面

傳統(tǒng)人文研究大都采用定性的思辨方法，通過聯(lián)想、比較、邏輯推理、思想實(shí)驗(yàn)等進(jìn)行敘事或闡釋；而數(shù)字人文可以采用建立模型和定量方法，進(jìn)行文本分析、內(nèi)容分析、時(shí)空分析、社會(huì)關(guān)系分析、統(tǒng)計(jì)聚類、可視化展示等，從某種程度上為人文研究提供了一定的可重復(fù)可驗(yàn)證的科學(xué)性保證。

（4）技術(shù)應(yīng)用方面

傳統(tǒng)人文研究可能會(huì)采用田野調(diào)查、問卷訪談等；而數(shù)字人文可以運(yùn)用更多計(jì)算機(jī)技術(shù)，如機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、語義標(biāo)注、文本分析、量化分析、聚類算法等。

（5）科研協(xié)作方面

傳統(tǒng)的人文研究大多是學(xué)者個(gè)人或小規(guī)模團(tuán)隊(duì)透過多年皓首窮經(jīng)、苦思冥想，忽然頓悟，取得些許進(jìn)展；而數(shù)字人文更強(qiáng)調(diào)大規(guī)模協(xié)同和社會(huì)網(wǎng)絡(luò)交互，甚至大量采用眾包方式，網(wǎng)絡(luò)平臺(tái)能否提供相應(yīng)能力就顯得非常重要。

（6）成果交流方面

傳統(tǒng)人文基本上以出版圖書或發(fā)表論文為最高標(biāo)準(zhǔn)；而數(shù)字人文可以同時(shí)推出網(wǎng)站、數(shù)據(jù)集、工具、軟件、課件、博客文章、可視化作品、多媒體電子書等，專著和論文可以只是副產(chǎn)品。當(dāng)然數(shù)字人文的基礎(chǔ)設(shè)施可以更豐富和全面，包含計(jì)算設(shè)施、云平臺(tái)、資源庫、語料庫等。

2.3 數(shù)字人文研究的行為范式

人文學(xué)者的研究行為可以類比于自然科學(xué)研究中的實(shí)驗(yàn)行為，是數(shù)字人文研究范式的重要來源。本文把數(shù)字人文方法區(qū)分成技術(shù)、過程和行為三個(gè)方面，研究方法是由研究行為在技術(shù)的支持下通過一定的過程組合和迭代而實(shí)現(xiàn)，因此人文學(xué)者的行為范式非常值得研究，可以認(rèn)為人文學(xué)者在使用數(shù)字方法進(jìn)行學(xué)科問題的研究過程中，其共性的行為方式就構(gòu)成了行為范式。傳統(tǒng)人文研究者可能都有獨(dú)特的行為方式，同一個(gè)學(xué)派可能會(huì)基于相同的方式，而數(shù)字人文的價(jià)值就在于將其一般化，提取出共性的行為并以一定的技術(shù)進(jìn)行實(shí)現(xiàn)，同時(shí)進(jìn)行標(biāo)準(zhǔn)化。因此研究行為成為數(shù)字人文研究范式中非常獨(dú)特的組成部分，本文稱之為數(shù)字人文研究的行為范式，具體的行為國外稱為“學(xué)術(shù)原語”（scholarly primitives）[5]，可區(qū)分為搜索、收集、閱讀、協(xié)作、比較、發(fā)布等類型，每一種行為類型還可進(jìn)一步分為子行為，例如搜索可以分直接搜索、瀏覽、探索、存取、鏈接等；收集可以分為爬取、匯聚、組織等；閱讀有瀏覽、評價(jià)、遠(yuǎn)讀、細(xì)讀、互讀等；協(xié)作有建立網(wǎng)絡(luò)、咨詢、分享等，如表1所示。

人文研究的具體行為在數(shù)字人文平臺(tái)中都可以以一定的技術(shù)加以實(shí)現(xiàn)，這些行為與實(shí)現(xiàn)技術(shù)之間的關(guān)系參見表2。每一個(gè)子行為都可以開發(fā)成目前業(yè)界流行的“微服務(wù)”，以更加適應(yīng)靈活先進(jìn)的云原生計(jì)算環(huán)境。

傳統(tǒng)人文的研究過程通常是從占有材料開始，然后經(jīng)過發(fā)現(xiàn)事實(shí)、提出假設(shè)、收集資料、分析比較、歸納整理，得出結(jié)論并進(jìn)行發(fā)表交流。數(shù)字人文研究由于素材更多、數(shù)據(jù)量更大、時(shí)空跨度都可能不同以往，因此研究過程可能會(huì)變得非常復(fù)雜，更多的在提出假設(shè)之后需要建立模型，然后將分析比較等研究過程，透過技術(shù)手段操控模型中的數(shù)據(jù)和各類參數(shù)來驗(yàn)證、修改或推翻假設(shè)，最后得出結(jié)論。因而如何利用計(jì)算技術(shù)實(shí)現(xiàn)研究目標(biāo)也需要有一定的計(jì)算思維基礎(chǔ)。當(dāng)然，其前提是數(shù)字人文平臺(tái)能夠支持這樣的復(fù)雜性。

表1 ?基本的研究行為Table 1 Basic Research Behaviors

表2 ?數(shù)字人文研究行為及其技術(shù)實(shí)現(xiàn)Table 2 Digital Humanities Research Behavior and CorrespondingTechnical Implementation

什么是數(shù)字人文或什么是好的數(shù)字人文，目前還很難劃定一個(gè)清晰的邊界或給出明確的標(biāo)準(zhǔn)。盡管很多人認(rèn)為，僅僅采用搜索引擎查找資料，或用文字處理軟件從事研究而撰寫的人文研究成果并不能算是數(shù)字人文，但為什么搜索了專門的數(shù)據(jù)庫、用了可視化軟件或一些分析工具就可以是數(shù)字人文成果呢？Unsworth認(rèn)為[6]需要利用數(shù)字技術(shù)對人文問題進(jìn)行“表征、建?；蚰７隆保╝ practice of representation, a form of modeling or mimicry），才算數(shù)字人文（人文計(jì)算），然而這個(gè)界線也是模糊的，可能未來我們能夠劃清界線，但那時(shí)可能設(shè)定界線已經(jīng)變得沒有意義了。但無論如何我們可以認(rèn)為，從現(xiàn)在開始，人文研究賴以進(jìn)行的基礎(chǔ)已經(jīng)不是“文獻(xiàn)”，而是數(shù)據(jù)，由此帶來基礎(chǔ)設(shè)施、平臺(tái)方法乃至評價(jià)標(biāo)準(zhǔn)都開始完全不同。我們現(xiàn)在還站在數(shù)字人文的門口，新的“范式”正在成型，生逢其時(shí)，這是我們的幸運(yùn)。

2.4 數(shù)字人文平臺(tái)建設(shè)現(xiàn)狀

數(shù)字人文平臺(tái)是為數(shù)字人文研究服務(wù)的，也是實(shí)現(xiàn)數(shù)字人文研究范式的重要的基礎(chǔ)設(shè)施之一。平臺(tái)建得好不好最終要通過數(shù)字人文研究成果來檢驗(yàn)。因此在建立之初首先需要了解數(shù)字人文研究人員的需求，了解數(shù)字人文研究的一般規(guī)律，以及方法、過程和行為，否則也無法設(shè)計(jì)出好的數(shù)字人文平臺(tái)。當(dāng)然，數(shù)字人文平臺(tái)“兼容”傳統(tǒng)的人文研究是一個(gè)前提條件，在很大程度上數(shù)字典藏系統(tǒng)應(yīng)該就能滿足需求，然后可以進(jìn)一步升級(jí)開發(fā)“真正的”數(shù)字人文平臺(tái)，向人文學(xué)者全面提供基于數(shù)據(jù)的研究基礎(chǔ)設(shè)施服務(wù)。

目前的數(shù)字圖書館系統(tǒng)可以看成是一種初級(jí)版本的數(shù)字人文平臺(tái)。由于其大都只是將傳統(tǒng)的文獻(xiàn)掃描成圖像，結(jié)合元數(shù)據(jù)庫提供有限途徑的查詢，功能十分有限，基本上只是傳統(tǒng)圖書館的一種載體轉(zhuǎn)換，無法滿足數(shù)字人文研究的進(jìn)一步需要。雖然有一些平臺(tái)已開始提供一些工具，例如分詞、標(biāo)點(diǎn)、批注、詞云、格式轉(zhuǎn)換、實(shí)體提取、人物關(guān)系呈現(xiàn)及可視化等，并采用了眾包理念，但總體上還較為簡單，集成了一些成熟度不一的功能，沒有結(jié)合人文學(xué)者的領(lǐng)域和場景，用戶體驗(yàn)不夠好。

現(xiàn)有的數(shù)字人文平臺(tái)存在的最大問題還是技術(shù)上的，在內(nèi)容管理上尚未采用知識(shí)圖譜為代表的語義數(shù)據(jù)管理技術(shù)，還是關(guān)系數(shù)據(jù)庫或者全文數(shù)據(jù)庫；在體系結(jié)構(gòu)上雖然已注意借鑒云計(jì)算技術(shù)，但還沒有充分考慮以微服務(wù)和容積技術(shù)為基礎(chǔ)的云原生架構(gòu)，也沒有考慮技術(shù)架構(gòu)和內(nèi)容架構(gòu)分離的設(shè)計(jì)。因此很難滿足人物、地點(diǎn)、時(shí)代、事件或特定事實(shí)主題的資料查詢需求，人物或?qū)嶓w之間邏輯或關(guān)聯(lián)關(guān)系的延伸查詢需求，時(shí)空主題范圍的統(tǒng)計(jì)分析需求以及可視化呈現(xiàn)的需求等?，F(xiàn)在的認(rèn)知計(jì)算技術(shù)結(jié)合了機(jī)器學(xué)習(xí)和人工智能，已經(jīng)能夠提供語詞概念或圖像實(shí)體的提取與分析、特征比較、相似性聚類等，數(shù)字人文平臺(tái)完全可以應(yīng)用最新技術(shù)，實(shí)現(xiàn)最新功能。從平臺(tái)的角度來看，還有較大的提升空間。

3 數(shù)字人文研究的中文資源與研究方法

人工智能專家李飛飛曾說：“作為科學(xué)家，最吸引我的是能夠不斷去拓寬人類知識(shí)的邊界，不斷問新的問題，并且發(fā)明工具來解決這些問題”。數(shù)字人文帶給人文研究最有價(jià)值的地方，也就是它能夠極大地拓展我們提問題的能力，從而拓展人文研究的新疆域。它使研究者能夠面對海量甚至是“全量”數(shù)據(jù)進(jìn)行研究，能夠利用各種工具對數(shù)據(jù)進(jìn)行分析、比較、挖掘、關(guān)聯(lián)。這些數(shù)據(jù)是傳統(tǒng)人文學(xué)者終其一生都不可能看完的，方法手段也是傳統(tǒng)手工所無法想象的。因此，數(shù)字人文的價(jià)值不僅在于它提供了研究的素材，同時(shí)也給予了強(qiáng)大的工具和新的方法。以下從中文研究資源和方法兩個(gè)角度，簡述數(shù)字人文相關(guān)情況。

3.1 中文數(shù)字人文基礎(chǔ)資源現(xiàn)狀

史料乃人文研究之本，而所有人類活動(dòng)紀(jì)錄皆可為史料。圖書館等記憶機(jī)構(gòu)自古以來不僅是人類思想紀(jì)錄的保留地，也同時(shí)是人文思想的孵化所。著名的亞歷山大圖書館以收藏人類所有知識(shí)為己任，但其鴻富的收藏是為了聚集天下英才從事研究寫作和知識(shí)傳授，在其不長的歷史時(shí)期聚集了數(shù)百位先賢哲人，為中世紀(jì)乃至一千多年后的文藝復(fù)興留下了非常寶貴的知識(shí)財(cái)富。海量的資源提供了極其豐富的知識(shí)基礎(chǔ)，使暢游其中的學(xué)者具有完全不同的起點(diǎn)，站在巨人的肩上他們才更有智慧。中文資源亦是如此，淵遠(yuǎn)流長，歷經(jīng)兩千余年流傳，培育并滋養(yǎng)了燦爛的中華文明。

自上世紀(jì)九十年代以來，中國傳統(tǒng)學(xué)術(shù)相關(guān)資源的數(shù)字化已獲得長足發(fā)展，目前通過網(wǎng)絡(luò)已基本上皆可盡知。然而中文數(shù)字典藏的最大特點(diǎn)是以掃描圖像為主，總體上轉(zhuǎn)換成文本的數(shù)量不及三成，且質(zhì)量良莠不齊；另一個(gè)特點(diǎn)是大多數(shù)典藏資源都分散于各家出版機(jī)構(gòu)或數(shù)據(jù)庫廠商，研究機(jī)構(gòu)很少提供典藏資源的開放服務(wù)；第三個(gè)特點(diǎn)是所有系統(tǒng)提供的功能都很簡單，大多只能進(jìn)行少量字段的查檢。雖然也有部分商業(yè)化特藏庫做得不錯(cuò)，提供全文搜索，并且從文本質(zhì)量到圖文對照都比較人性化，然而總體來說與國外一些數(shù)字人文平臺(tái)的水平無法比肩。當(dāng)下的技術(shù)已經(jīng)提供了可能性，我們理應(yīng)做得更好。

2018年3月，哈佛大學(xué)包弼德教授在上海哈佛中心組織召開了“中國歷史研究的網(wǎng)絡(luò)基礎(chǔ)設(shè)施國際研討會(huì)（International Conference on a Cyberinfrastructure for Historical China Studies）”[7]，遍請當(dāng)今與中文資源及平臺(tái)界相關(guān)人士和機(jī)構(gòu)代表，進(jìn)行了為期三天的研討，共有近60場各類會(huì)議（sessions and panel discussions），142人次發(fā)言，幾乎將中文傳統(tǒng)學(xué)術(shù)資源一網(wǎng)打盡。包教授將主要的中文傳統(tǒng)學(xué)術(shù)資源庫分為三類（見文末附表1）：平臺(tái)與工具類、文字/文本圖像數(shù)據(jù)庫類以及數(shù)據(jù)庫類（主要是專題或文本庫），悉數(shù)邀請其代表參會(huì)。

包弼德教授的列表展示了中文數(shù)字人文資源的建設(shè)現(xiàn)狀，應(yīng)該是非常全面了。傳統(tǒng)人文學(xué)者在從事研究時(shí)大部分時(shí)間都在遍訪資源，常常必須通過打聽或者高人指點(diǎn)，有時(shí)是偶然機(jī)緣，才有可能獲得一些線索，是不是合用還要經(jīng)過人工實(shí)際翻看，查找資料與研究者本人的學(xué)養(yǎng)、經(jīng)驗(yàn)都很有關(guān)系，沒有經(jīng)驗(yàn)的初學(xué)者甚至都無法查到合適的資料，查到了有時(shí)也不能判斷。對于傳統(tǒng)人文研究來說，檢索材料的過程經(jīng)常是作為正式研究過程的一部分，而不是準(zhǔn)備。

中文傳統(tǒng)學(xué)術(shù)資源其實(shí)是有限的，轉(zhuǎn)換成數(shù)據(jù)庫之后也不會(huì)增加。但是轉(zhuǎn)化成數(shù)據(jù)庫之后能夠在很大程度上降低人工檢索的難度。因此數(shù)字人文學(xué)者能夠在更大范圍、更準(zhǔn)確地查到所需資料，消除專家與普通研究者存在的信息不對稱，讓“資料（平臺(tái)）面前人人平等”。這樣的話，查找資料的過程可以從研究過程中獨(dú)立，學(xué)者能夠把更多的時(shí)間和精力花在本學(xué)科的問題研究上，而不是數(shù)據(jù)獲取上。這是數(shù)字人文的最大好處之一。

據(jù)筆者不完全估計(jì)，目前中國傳統(tǒng)學(xué)術(shù)研究常用的資源大致有：

古籍：根據(jù)目前對于古籍的定義，不重復(fù)的應(yīng)不超過20萬種，版本數(shù)不超過50萬種，已基本完成數(shù)字化掃描，其中四分之一（約5-6萬種）大致完成了文本化，約不超過100億字。已實(shí)現(xiàn)文本化的古籍有很多失去了版本信息（或被加工出版機(jī)構(gòu)根據(jù)一種或數(shù)種所謂“權(quán)威版本”進(jìn)行加工）。

民國圖書：保守估計(jì)不重復(fù)約有15萬種，已基本完成數(shù)字化掃描，文本化數(shù)量應(yīng)在300-400億字，但大多分散在各出版機(jī)構(gòu)。

現(xiàn)代圖書：不重復(fù)至少500萬種，基本都有數(shù)字化版本，但并非文本化，其中一多半以CEBX（Common e-Document of Blending XML，基于混合XML的公共電子文檔）格式存在，總量約上千億字。

近代期刊：至少2萬種，約800萬頁，基本完成數(shù)字化掃描，但文本化只有50億字左右。

近代報(bào)紙：總量約100萬拍，基本完成數(shù)字化、文本化（如申報(bào)等一些大報(bào)）約30億字左右。

現(xiàn)代期刊：近30年的期刊基本都已經(jīng)文本化，主要為CNKI等數(shù)據(jù)庫商所掌握。

現(xiàn)代報(bào)紙：近30年經(jīng)漢字照排的報(bào)紙基本都有文本，一些大報(bào)（如人民日報(bào)）也已完成了文本化，但因格式和版權(quán)問題，能得到開放應(yīng)用的很少。

檔案館藏：經(jīng)過近十多年來國家的大力投入，數(shù)字化已基本完成，而且絕大多數(shù)在數(shù)字化時(shí)已經(jīng)完成了文本化。

博物館（美術(shù)館）館藏：真正的數(shù)字化（保存級(jí)）近年來剛剛開始，許多藏品需要3D建模，隨著技術(shù)的成熟成本逐漸降低，規(guī)模逐漸增大。

如果說包弼德教授的中文傳統(tǒng)學(xué)術(shù)資源列表還不能包羅萬象的話，近年來各類收藏機(jī)構(gòu)的中國傳統(tǒng)學(xué)術(shù)資源數(shù)字化已經(jīng)全面展開，數(shù)據(jù)庫已成為中國傳統(tǒng)學(xué)術(shù)研究者檢索資料的主要途徑。但矛盾的是學(xué)者們并沒有感到查找資料比以往更方便。這主要有如下問題：

（1）系統(tǒng)較為封閉。就如同古代藏書樓，寶貝秘不示人，是無法得到充分利用的。很多系統(tǒng)甚至不開放元數(shù)據(jù)，無法讓學(xué)者查詢是否有某些資料。雖然大量的中國傳統(tǒng)學(xué)術(shù)資料都已過了版權(quán)保護(hù)期，但國內(nèi)的公藏機(jī)構(gòu)也大都不開放，恐怕被人盜取，還有不少出版機(jī)構(gòu)拿來影印或重新出版，使其又變成“有版權(quán)”出版品，依舊在“付費(fèi)墻”后面，依然沒解決開放問題。而中國大陸以外地區(qū)的典藏機(jī)構(gòu)近年來逐漸公開了大量資源（見附表2）。

（2）系統(tǒng)之間互不聯(lián)通。資料分散在各處，必須分別去查，很多甚至沒有上網(wǎng)，尋訪依舊不易，找到后經(jīng)常需要手工抄錄，然后再進(jìn)行對比、分析等工作，有時(shí)只查元數(shù)據(jù)并不能滿足需求，系統(tǒng)中缺乏研究所需的關(guān)鍵信息，如版本、格式等。

（3）資料準(zhǔn)確率低。訛誤很多，數(shù)字化會(huì)放大錯(cuò)誤，且缺少修正機(jī)制。

（4）使用便捷性差。只是解決了“知道”和“得到”問題，后續(xù)所有工作都還是手工的，并不能體驗(yàn)到計(jì)算機(jī)能夠提供的更多好處，例如保存、統(tǒng)計(jì)分析等。

以中文數(shù)字圖書館（或稱為數(shù)字典藏）建設(shè)為主的數(shù)字人文基礎(chǔ)設(shè)施建設(shè)正方興未艾，目前幾乎所有的人文研究都需要從數(shù)據(jù)獲取和整理開始做起，因此大量的數(shù)字人文項(xiàng)目其實(shí)還是數(shù)字典藏項(xiàng)目，這類項(xiàng)目被David Golumbia稱為狹義的數(shù)字人文，是最容易獲得資助的。我們從2020年中國數(shù)字人文年會(huì)（2020 China Digital Humanities Conference ,CDH2020）的獲獎(jiǎng)項(xiàng)目（見表3）中可以看到這類項(xiàng)目的一些特點(diǎn)：

（1）數(shù)字化逐漸讓位于數(shù)據(jù)化；知識(shí)庫逐漸增多。

（2）獨(dú)特的領(lǐng)域應(yīng)用做得更好，利用技術(shù)也很到位，能夠提供更多的研究支持。

（3）“低端果實(shí)”（low hanging fruit）較多，主要是一些以數(shù)字化方式重復(fù)已知的結(jié)果，或以可視化方式展示歷史、人物、事件等主題等。當(dāng)然其中做得好的，也包含大量的研究成份，以及很多設(shè)計(jì)和數(shù)據(jù)處理工作量，也不是沒有意義。

（4）以教育、普及和技術(shù)培訓(xùn)為目的的項(xiàng)目也有不少。這類項(xiàng)目經(jīng)常會(huì)曇花一現(xiàn)，無法在基礎(chǔ)設(shè)施中沉淀下來。

從總體上看，當(dāng)前中國傳統(tǒng)學(xué)術(shù)研究相關(guān)材料分布極廣，技術(shù)各異，標(biāo)準(zhǔn)不一，數(shù)據(jù)質(zhì)量良莠不齊，整合有相當(dāng)難度，利用極為不便。

數(shù)字人文研究的素材其實(shí)不止于歷史資料。當(dāng)今數(shù)字時(shí)代大量的數(shù)字原生材料，例如美國國會(huì)圖書館收藏的Twitter檔案和中國國家圖書館保存的新浪微博，都是很有價(jià)值的資源，很多人文社會(huì)科學(xué)研究都可以在其中找到寶貴的數(shù)據(jù)資料，但對這些原生數(shù)字資源如何收集組織管理，并提供利用，目前似乎并沒有找到很好的方法，而且從各國的實(shí)踐來看當(dāng)前也不是圖書館檔案館等人類記憶機(jī)構(gòu)當(dāng)然的職責(zé)所在，將來有可能與傳統(tǒng)數(shù)字人文素材之間的歷史聯(lián)系會(huì)中斷，產(chǎn)生一段材料的真空期。我們現(xiàn)在應(yīng)該開始重視這個(gè)問題，把數(shù)字資源的保存組織也納入到數(shù)字人文平臺(tái)建設(shè)的內(nèi)容中去統(tǒng)一考量。

表3 ?CDH2020獲獎(jiǎng)項(xiàng)目情況Table 3 Some Information about the Award-winning Projects at CDH2020

3.2 中文數(shù)字人文主要研究方法

分析CDH2020的獲獎(jiǎng)優(yōu)秀論文（見表4），可以大致了解目前國內(nèi)數(shù)字人文研究通常采用的方法和研究水平。年會(huì)一共評出18篇獲獎(jiǎng)?wù)撐模渲幸坏泉?jiǎng)3篇，二等獎(jiǎng)5篇，三等獎(jiǎng)10篇。18篇獲獎(jiǎng)?wù)撐闹杏?0篇關(guān)于基礎(chǔ)設(shè)施或技術(shù)研究，后者涉及建模技術(shù)、語義化聚類等，只有8篇可以算做人文主題的探討，包括闡釋學(xué)或敘事研究、色彩研究、文化批評等，其中有一篇嚴(yán)格算來也并非數(shù)字人文研究，只是它以“數(shù)字人文研究”這一現(xiàn)象作為研究的對象，是一篇以非數(shù)字人文方法研究數(shù)字人文主題的文章。

從表中可以看到，有不少論文是關(guān)于資料收集、建庫、開發(fā)系統(tǒng)、提供功能或方法研究的論文，如編號(hào)09130001、06190011等，其中一等獎(jiǎng)的三篇論文都是關(guān)于數(shù)字人文方法、平臺(tái)和框架研究，并深入到具體人文學(xué)科內(nèi)部，以學(xué)科特征為立足點(diǎn)的探討，比過去泛泛而談數(shù)字化、平臺(tái)開發(fā)或研究方法進(jìn)了一步，但依舊是數(shù)字人文基礎(chǔ)設(shè)施建設(shè)探討，而不是嚴(yán)格意義上的、以數(shù)字方法針對人文問題的研究。這些論文也呈現(xiàn)了一個(gè)有意思的現(xiàn)象，即基礎(chǔ)設(shè)施與技術(shù)探討常常是由跨學(xué)科團(tuán)隊(duì)完成，而人文主題則多由領(lǐng)域?qū)＜要?dú)自實(shí)現(xiàn)。

這種以基礎(chǔ)設(shè)施和方法探討為主的研究現(xiàn)象說明，當(dāng)前的數(shù)字人文研究還處于一個(gè)尚未成熟的初始階段，說明基礎(chǔ)設(shè)施建設(shè)尚未到位，數(shù)字人文方法也沒有系統(tǒng)成型。不論是人文學(xué)者、技術(shù)專家，還是資源提供者，都熱衷于探討如何建立更好的研究平臺(tái)。目前數(shù)據(jù)獲取、加工、組織和平臺(tái)工具的開發(fā)和提供還是主要矛盾，在可以預(yù)見的未來，一旦基礎(chǔ)設(shè)施基本到位，數(shù)字人文的研究將真正由人文學(xué)者主導(dǎo)，并以人文學(xué)科的問題為引領(lǐng)。

當(dāng)然這也要求基礎(chǔ)設(shè)施建設(shè)與人文學(xué)者研究之間逐漸形成一個(gè)明確的界線，人文研究的一般方法與具體人文學(xué)科的特定方法之間也需要有一定的分野，這樣才有利于形成規(guī)模和分工協(xié)作，而傳統(tǒng)人文研究是沒有這個(gè)界線的，人文學(xué)者承擔(dān)了從資料收集整理到結(jié)果交流發(fā)布的所有過程，使得研究一直處于零散、瑣碎、憑借個(gè)體經(jīng)驗(yàn)和難以合作的原始狀態(tài)。

表4 ?CDH2020獲獎(jiǎng)?wù)撐闹黝}及研究方法Table 4 Topics and Research Methods of the Award-winning Papers at CDH2020

不同人文學(xué)科的研究對象和問題不同，對應(yīng)于計(jì)算機(jī)所存儲(chǔ)的媒體類型和處理方式也不同，這或許是造成研究方法是否具有通用性的根本分歧。例如文本是幾乎所有人文學(xué)科進(jìn)行研究最常用的材料類型，它也是計(jì)算機(jī)所能處理的最常見的信息類型，這一點(diǎn)數(shù)字人文界毫不陌生，因?yàn)榱_伯特·布撒神父的工作幾乎伴隨了計(jì)算機(jī)文本處理技術(shù)進(jìn)步的全過程，而布撒神父的專業(yè)是神學(xué)，卻是利用計(jì)算機(jī)實(shí)現(xiàn)了屬于圖書館學(xué)的索引編制技術(shù)。文本對于語言學(xué)來說就是最直接的素材，理所當(dāng)然地會(huì)利用各類查詢（例如追溯肇始源頭）、統(tǒng)計(jì)（頻度研究如詞云，或共現(xiàn)研究）、比較（詞性、變化）等“行為”來研究語言現(xiàn)象，中文自然就有切詞、句讀的需求；文學(xué)稍有不同，它更多地涉及文體、風(fēng)格、修辭、情感方面的問題，有時(shí)也會(huì)引伸出去，探討作者或虛構(gòu)人物的關(guān)系、時(shí)代背景或文學(xué)批評；文學(xué)有時(shí)也會(huì)涉及到文獻(xiàn)版本的比較、考證、鑒定等，這卻又是圖書館學(xué)的傳統(tǒng)內(nèi)容；哲學(xué)、神學(xué)、政治學(xué)等雖然也是通過文本進(jìn)行研究，但更多的卻是將文本當(dāng)作一種抽象概念，思想史、觀念史研究中需要應(yīng)用大量的抽象概念，這些概念常常可以建立起一種復(fù)雜的語義或邏輯聯(lián)系，從而辨別社團(tuán)、思潮及流派譜系等，這種聯(lián)系正好是語義技術(shù)的強(qiáng)項(xiàng)，應(yīng)用本體語言完全可以將復(fù)雜的語義聯(lián)系進(jìn)行代碼化，從而就具備了“機(jī)讀”的能力，可以充分利用計(jì)算機(jī)的優(yōu)勢進(jìn)行管理和利用。歷史學(xué)、考古學(xué)等相對來說就更加復(fù)雜，它們通常是將文本作為實(shí)體對象及其關(guān)系的容器，從中可以提取豐富的場景和事件，提供敘事和闡釋的根據(jù)，或構(gòu)建社群、譜系。對于這類文本，計(jì)算機(jī)也可以利用機(jī)器學(xué)習(xí)和知識(shí)圖譜等技術(shù)，構(gòu)建一系列“數(shù)字孿生”模型，從而可以讓歷史學(xué)家像坐上時(shí)光機(jī)器一般穿越到歷史故事中去，甚至可以利用不同的假設(shè)來推演可能的結(jié)果。

圖像是藝術(shù)、考古、人類學(xué)、民族學(xué)等人文學(xué)科不可或缺的資源類型，計(jì)算機(jī)可以從色彩、圖案、紋理等風(fēng)格特點(diǎn)進(jìn)行研究，也可以對其進(jìn)行模式識(shí)別，或者對各類實(shí)體對象進(jìn)行識(shí)別、比較、分析統(tǒng)計(jì)等，幫助得出結(jié)論。圖像資源尤其對于中國傳統(tǒng)學(xué)術(shù)研究有著無比重要的意義，比西方數(shù)字人文研究的意義要大很多。首先，因?yàn)橹形膫鹘y(tǒng)學(xué)術(shù)典籍目前還不可能都轉(zhuǎn)為文字，OCR的準(zhǔn)確度不夠，成本巨大，而且操作系統(tǒng)對漢字標(biāo)準(zhǔn)字符集的支持?jǐn)?shù)量也不夠用；其次，中文數(shù)字人文研究通常只依靠純文本是不夠的，還需要有圖像所負(fù)載的豐富信息作為輔佐，才具有“循證”價(jià)值；最后，最新數(shù)字人文平臺(tái)如IIIF所提供的圖像管理能力，能夠使圖像比純文本更方便研究。IIIF對圖像的管理方式還可以進(jìn)一步應(yīng)用于視頻、音頻等媒體形態(tài)，將來還可以有3D模型、交互式數(shù)據(jù)格式等，這樣就完全超越了僅僅由文本組成的平臺(tái)，成為一個(gè)多模態(tài)服務(wù)平臺(tái)，數(shù)字技術(shù)提供的強(qiáng)大工具能夠使人文學(xué)者超越傳統(tǒng)人文研究基本上只是依賴文本和少量圖像的局限，對素材的操控能力得到很大的增強(qiáng)。

大數(shù)據(jù)技術(shù)目前在社會(huì)關(guān)系分析和可視化呈現(xiàn)方面已經(jīng)非常成熟，另外機(jī)器學(xué)習(xí)及人工智能技術(shù)提供了大量數(shù)據(jù)加工的自動(dòng)化能力，這使得數(shù)字人文更適合進(jìn)行跨學(xué)科、地域、族裔、語言的大規(guī)模比較和綜合研究，這在傳統(tǒng)人文的研究中是不可想象的。

上述討論的大多是計(jì)算機(jī)技術(shù)賦能人文研究的通用能力，這種通用與專用的分野是不確定的，隨著計(jì)算機(jī)信息處理能力的提高，所能提供的工具肯定會(huì)發(fā)生變化，最極端的方式說不定是人工智能方法能夠取代一切，學(xué)者所需做的只是提出并闡釋問題而已，余下的工作都交給機(jī)器即可，或者至少可以半自動(dòng)地幫助學(xué)者一步步獲得結(jié)論或解決問題。

4 平臺(tái)需求與方案設(shè)計(jì)

當(dāng)今時(shí)代已不再可能舉全國之力窮天下收藏，興建四庫全書那樣的項(xiàng)目，開發(fā)包羅萬象的知識(shí)平臺(tái)，現(xiàn)在甚至連某一學(xué)科或主題領(lǐng)域的資源都不可能一網(wǎng)打盡。因此我們在構(gòu)建數(shù)字人文平臺(tái)或開發(fā)人文資料數(shù)據(jù)庫時(shí)首先應(yīng)考慮自身的優(yōu)勢和特點(diǎn)，選取一定的文獻(xiàn)類型或?qū)W科主題，充分考慮服務(wù)對象特點(diǎn)和需求，設(shè)定有限目標(biāo)，并做好長期建設(shè)的準(zhǔn)備。

目前很多中文傳統(tǒng)學(xué)術(shù)資源收藏機(jī)構(gòu)已經(jīng)開發(fā)了一些頗具特色的數(shù)字人文平臺(tái)，如CBDB、DocuSky、MARKUS等，應(yīng)用了許多先進(jìn)理念和最新技術(shù)。本文希望著眼于未來互聯(lián)互通，對構(gòu)建一個(gè)整體化的中文數(shù)字人文研究的基礎(chǔ)設(shè)施提出一些設(shè)想。包弼德教授曾在2018年提出過類似的想法，他建議構(gòu)建一個(gè)“中國研究的基礎(chǔ)設(shè)施網(wǎng)絡(luò)”，希望通過各國中文資料收藏機(jī)構(gòu)的密切合作，開發(fā)一個(gè)通用平臺(tái)[3]，使中文資源能夠互聯(lián)互通，進(jìn)一步促成共建共享。

這是一個(gè)非常有遠(yuǎn)見、有現(xiàn)實(shí)意義和可行的建議，但這個(gè)平臺(tái)不必是“一個(gè)”平臺(tái)，而可以是整個(gè)中文基礎(chǔ)設(shè)施共同構(gòu)成的分布式網(wǎng)絡(luò)服務(wù)，即可以由相關(guān)中文資源收藏和研究機(jī)構(gòu)各自建設(shè)，但遵循共同制訂的技術(shù)標(biāo)準(zhǔn)和互操作協(xié)議，這樣就保證了資源獲取和服務(wù)的互聯(lián)互通；同時(shí)制訂一定的合作機(jī)制和業(yè)務(wù)模式，這樣又能夠促進(jìn)互惠互利和可持續(xù)發(fā)展。

因此，本文探討的平臺(tái)即是一個(gè)在功能上力求完善、能夠滿足當(dāng)下需求的獨(dú)立的數(shù)字人文平臺(tái)，又同時(shí)在體系架構(gòu)上兼顧了基于最新語義互聯(lián)網(wǎng)技術(shù)的互聯(lián)互通，是一個(gè)尚未實(shí)現(xiàn)但完全具有可操作性的設(shè)計(jì)方案（如圖3所示）。以下分系統(tǒng)先進(jìn)性（4.1）、資源完整性（4.2.1）、功能完備性（4.2.2）、用戶友好性（4.2.3）和工具豐富性（4.3）等5個(gè)方面進(jìn)行闡述。

4.1 應(yīng)用系統(tǒng)先進(jìn)性

應(yīng)用系統(tǒng)的先進(jìn)性可以從兩個(gè)維度來考察：系統(tǒng)維度和應(yīng)用維度。系統(tǒng)維度主要指系統(tǒng)架構(gòu)的先進(jìn)性，又可以分為技術(shù)架構(gòu)和內(nèi)容架構(gòu)。應(yīng)用維度是指所開發(fā)的應(yīng)用系統(tǒng)是否能提供滿足機(jī)構(gòu)需求的完整的解決方案。技術(shù)架構(gòu)提供基于計(jì)算機(jī)技術(shù)的功能實(shí)現(xiàn)，內(nèi)容架構(gòu)主要提供基于數(shù)據(jù)管理的知識(shí)視圖，這兩者共同滿足數(shù)字人文研究需求，解決數(shù)字人文研究的痛點(diǎn)問題。應(yīng)用系統(tǒng)則主要包括館藏業(yè)務(wù)管理系統(tǒng)、長期保存/典藏系統(tǒng)、知識(shí)庫系統(tǒng)、服務(wù)應(yīng)用展示系統(tǒng)四個(gè)方面（見圖4）。

圖3 ?數(shù)字人文平臺(tái)的需求設(shè)計(jì)Fig. 3 Demand Design of the Digital Humanities Platforms

圖4 應(yīng)用系統(tǒng)先進(jìn)性Fig. 4 Advanced Systems of the Digital Humanities Platforms

4.1.1 系統(tǒng)維度

（1）技術(shù)架構(gòu)

系統(tǒng)維度首先看技術(shù)架構(gòu)。目前以微服務(wù)、容器、容器編排、服務(wù)網(wǎng)格、開發(fā)運(yùn)維一體化（DevOps）、無服務(wù)器架構(gòu)等理念為特征的新一代“云原生”技術(shù)正在席卷互聯(lián)網(wǎng)應(yīng)用。擁有傳統(tǒng)IT無法比擬的優(yōu)勢，可以幫助用戶高效享受云技術(shù)的靈活性，使應(yīng)用進(jìn)一步微型化、輕型化，支持更加靈活的松散耦合，更加獨(dú)立于底層基礎(chǔ)設(shè)施平臺(tái)，從而能實(shí)現(xiàn)熱插拔、平滑、快速開發(fā)、迅速擴(kuò)展、穩(wěn)定運(yùn)維、高容錯(cuò)等，大大降低應(yīng)用成本，提高運(yùn)行效率。目前云原生已經(jīng)成為云時(shí)代最新的技術(shù)標(biāo)準(zhǔn)。

當(dāng)前還沒有數(shù)字人文機(jī)構(gòu)采用云原生技術(shù)，但圖書館領(lǐng)域正在流行的“下一代圖書館服務(wù)平臺(tái)”（Next Generation Library Service Platform，NGLSP）普遍采用微服務(wù)架構(gòu)，尤其是美國開放圖書館基金會(huì)（Open Library Foundation，OLF）支持的開源FOLIO平臺(tái)（Future of Libraries Is Open，F(xiàn)OLIO）更是支持了云原生技術(shù)進(jìn)行部署實(shí)施，其前后臺(tái)分離的設(shè)計(jì)和“平臺(tái)+App”的架構(gòu)有助于形成一個(gè)開放的軟件應(yīng)用生態(tài)（見圖5），數(shù)字人文平臺(tái)可以作為圖書館服務(wù)平臺(tái)的一個(gè)有機(jī)組成部分，共用其中某些模塊（例如用戶管理、資源管理等），也可以單獨(dú)拆分出去完全獨(dú)立，通過API進(jìn)行互操作。

該設(shè)計(jì)可以進(jìn)一步支持目前如日中天的技術(shù)概念，即“中臺(tái)”技術(shù)（見圖6），可形成獨(dú)立的業(yè)務(wù)中臺(tái)、技術(shù)中臺(tái)、數(shù)據(jù)中臺(tái)和AI中臺(tái)。所謂中臺(tái)，可以理解為將一些能夠重復(fù)調(diào)用的系統(tǒng)資源（數(shù)據(jù)資源、計(jì)算資源、軟件及算法模塊等資源）獨(dú)立并共享出來，支持平臺(tái)中的各類前臺(tái)或其他應(yīng)用模塊靈活調(diào)用，在技術(shù)架構(gòu)上具有無可比擬的先進(jìn)性。當(dāng)然該技術(shù)畢竟發(fā)展還不到十年，其成熟度和標(biāo)準(zhǔn)化程度還不是太高，微服務(wù)帶來的應(yīng)用復(fù)雜性還難以預(yù)料和掌控，這也是新技術(shù)必然帶來的風(fēng)險(xiǎn)。

參考上述圖書館服務(wù)平臺(tái)的系統(tǒng)架構(gòu)，一個(gè)獨(dú)立的數(shù)字人文平臺(tái)可以包含文獻(xiàn)層、數(shù)據(jù)層、接口層、業(yè)務(wù)層（或稱服務(wù)層，包含各類工具調(diào)用）以及展現(xiàn)層等，依次提供技術(shù)、資源、平臺(tái)、服務(wù)和界面等相關(guān)功能，如圖7所示。隨著基于文獻(xiàn)的數(shù)字人文服務(wù)逐漸向基于數(shù)據(jù)的服務(wù)轉(zhuǎn)變，文獻(xiàn)也可以看成一種特殊的數(shù)據(jù)類型，納入數(shù)據(jù)管理統(tǒng)一的數(shù)據(jù)格式模塊，內(nèi)外部文獻(xiàn)和數(shù)據(jù)可以通過一定的協(xié)議規(guī)則進(jìn)行發(fā)現(xiàn)和獲取，并通過標(biāo)準(zhǔn)接口進(jìn)行整合，各類平臺(tái)內(nèi)服務(wù)和外部服務(wù)也可以通過制定行業(yè)標(biāo)準(zhǔn)進(jìn)行規(guī)范化整合，從而達(dá)成數(shù)字人文平臺(tái)的互操作，于是可以很好地實(shí)現(xiàn)包弼德教授關(guān)于人文資源互聯(lián)互通、共建共享的設(shè)想。

圖5 ?下一代圖書館服務(wù)平臺(tái)FOLIO的系統(tǒng)架構(gòu)Fig. 5 System Architecture of the Next Generation Library Service Platform FOLIO

圖6 ?下一代圖書館服務(wù)平臺(tái)FOLIO的中臺(tái)設(shè)計(jì)Fig. 6 The Middle Platform Design of the Next Generation Library Service Platform FOLIO

圖7 ?數(shù)字人文平臺(tái)系統(tǒng)架構(gòu)圖示Fig. 7 System Architecture of the Digital Humanities Platforms

從數(shù)字人文的應(yīng)用場景來看，上述系統(tǒng)架構(gòu)有一定的獨(dú)特性，可以很好地支持和解決一些其它技術(shù)很難解決的問題：

① 知識(shí)單元的標(biāo)識(shí)及其管理問題。所有對人文研究具有獨(dú)立意義的實(shí)體或信息單元，如文獻(xiàn)，或人、地、時(shí)、事、物、事件、概念，以及各類屬性和取值詞表等，都需要有獨(dú)立的標(biāo)識(shí)（即ID），并統(tǒng)一ID編碼標(biāo)準(zhǔn)，通常用http URI，其相互之間的關(guān)系如有必要可以通過建立本體知識(shí)庫來管理。當(dāng)然建立過程可以采用自動(dòng)抽取加人工輔助校驗(yàn)方式。

② 支持多種協(xié)議的跨網(wǎng)域搜索發(fā)現(xiàn)或獲取鏈接。例如OAI-PMH規(guī)范，各類RESTful+JSON的API規(guī)范、聯(lián)邦檢索頁面分析規(guī)范等。

③ 微服務(wù)的容器及編排規(guī)范。

④ 多種數(shù)據(jù)類型的管理，包括底層關(guān)系數(shù)據(jù)庫、圖數(shù)據(jù)庫（包括三元組語義數(shù)據(jù)）、對象數(shù)據(jù)、流媒體的管理。

⑤ 復(fù)雜但統(tǒng)一的用戶及授權(quán)管理，包括遠(yuǎn)程訪問管理。

云計(jì)算的極致狀態(tài)是完全去中心化的分布式計(jì)算，目前的最新發(fā)展是以區(qū)塊鏈應(yīng)用為特征、被稱為Web3.0的一套新的網(wǎng)絡(luò)平臺(tái)，這使得所有人文資源在底層都可以應(yīng)用區(qū)塊鏈技術(shù)進(jìn)行確權(quán)和保護(hù)，包括二次文獻(xiàn)上鏈，對象數(shù)據(jù)采用IPFS、Arweave等去中心化網(wǎng)絡(luò)存儲(chǔ)方式提供永久存儲(chǔ)，同時(shí)對每一個(gè)館藏單元賦予非同質(zhì)化通證（Non-Fungible Token，NFT），這就解決了既要保護(hù)，又要最大程度開放的矛盾。只要設(shè)計(jì)出合理的運(yùn)作模式，就能以某種智能合約方式形成去中心化自治組織（Decentralized Autonomous Organization，DAO），從而實(shí)現(xiàn)完全的自我運(yùn)作，其他對于數(shù)字人文平臺(tái)所有的附加需求都可以圍繞這個(gè)Web3.0的資源體系進(jìn)行設(shè)計(jì)開發(fā)。目前這種設(shè)計(jì)還十分超前，雖然技術(shù)都已成熟，但應(yīng)用尚屬首次，有些還是紙上談兵，尤其在文化遺產(chǎn)領(lǐng)域尚未有任何具體實(shí)現(xiàn)。目前整個(gè)以Web3.0為基礎(chǔ)的元宇宙應(yīng)用非常缺乏具體的應(yīng)用場景，人類記憶機(jī)構(gòu)的文化資源正好可以為其提供豐富的想象和精彩的實(shí)現(xiàn)。

（2）內(nèi)容架構(gòu)

內(nèi)容架構(gòu)是數(shù)字人文應(yīng)用系統(tǒng)非常獨(dú)特的架構(gòu)，也是語義技術(shù)逐漸成熟帶來的一種能力，它通常通過領(lǐng)域驅(qū)動(dòng)設(shè)計(jì)（Domain Driven Design，DDD）而獲得。數(shù)字人文平臺(tái)的內(nèi)容架構(gòu)反映了平臺(tái)中的數(shù)字化知識(shí)內(nèi)容的語義結(jié)構(gòu)，這個(gè)結(jié)構(gòu)可以以知識(shí)本體、關(guān)聯(lián)數(shù)據(jù)、知識(shí)圖譜等方式進(jìn)行形式化描述和表達(dá)，例如以各類描述詞表對人物、地點(diǎn)、時(shí)間、事件和各類對象的各類屬性和關(guān)系進(jìn)行編碼，使計(jì)算機(jī)可以對表達(dá)知識(shí)的這些語義數(shù)據(jù)（可以理解為RDF數(shù)據(jù)）進(jìn)行操作，從而可以認(rèn)為這些數(shù)據(jù)是機(jī)器可“理解”的，以至于可以認(rèn)為整個(gè)知識(shí)庫中的大量內(nèi)容都是真實(shí)世界的一種映射，甚至可以能夠讓機(jī)器進(jìn)行一定的“事實(shí)推理”。傳統(tǒng)的數(shù)據(jù)庫只能對字符串或二進(jìn)制數(shù)據(jù)（如圖像數(shù)據(jù)）進(jìn)行操控，如全文檢索也就是一種完全基于字符的匹配。數(shù)字人文平臺(tái)對于信息資源的描述和組織可以認(rèn)為是一種“數(shù)據(jù)化”過程，這一過程不一定完全依靠人類來做，很多都可以通過目前越來越成熟的機(jī)器學(xué)習(xí)和人工智能來實(shí)現(xiàn)。一旦機(jī)器能夠讀“懂”存儲(chǔ)的信息所蘊(yùn)含的知識(shí)內(nèi)容，數(shù)字人文平臺(tái)就能幫人文學(xué)者做很多事情，可以成為能力超強(qiáng)的“研究助理”，它不會(huì)遺忘任何一個(gè)知識(shí)細(xì)節(jié)，并且具有超快的計(jì)算能力。

有這樣一些需求涉及內(nèi)容框架：

① 一致性/相似性計(jì)算。

② 工作流定義對研究流程的支持。

③ 各類圖像功能（如圖像查詢、對比、標(biāo)注等）的支持。

④ 文本與圖像關(guān)聯(lián)（可提供加工平臺(tái)，或研究對比）。

⑤ 提供證據(jù)鏈服務(wù)（記錄從底層文獻(xiàn)到研究結(jié)果的整個(gè)過程中實(shí)體來源及變化，包括引用參考等）。

⑥ 海量數(shù)據(jù)可視化支持（遠(yuǎn)讀）。

⑦ 事實(shí)的可信度計(jì)算及排序（需建立可迭代的可信度模型）。

⑧ 眾包數(shù)據(jù)加工平臺(tái)的數(shù)據(jù)管理。

⑨ 數(shù)據(jù)系統(tǒng)迭代進(jìn)化的支持（數(shù)字化、文本化、數(shù)據(jù)化（實(shí)體提取、建立關(guān)聯(lián)等））。

內(nèi)容架構(gòu)是以“數(shù)據(jù)”為基本單位，這里的數(shù)據(jù)是指能夠被計(jì)算機(jī)處理的（即經(jīng)過形式化，或至少是代碼化的）、具有獨(dú)立標(biāo)識(shí)（例如URI）的最小語義單元，目前表示為RDF的關(guān)聯(lián)數(shù)據(jù)是一種最佳實(shí)踐，其它有不少簡化方法（例如采用圖數(shù)據(jù)庫技術(shù)實(shí)現(xiàn)的、不要求數(shù)據(jù)有全網(wǎng)域唯一標(biāo)識(shí)的“知識(shí)圖譜”）雖然也能實(shí)現(xiàn)一些功能，但并不屬于具有一定完備性的知識(shí)庫系統(tǒng)。基于數(shù)據(jù)的系統(tǒng)能夠進(jìn)行組合、嵌套、遞歸從而成為更大的“數(shù)據(jù)”，也可以有自己的標(biāo)識(shí)，從而可以以各種格式組合成各種知識(shí)單元發(fā)布于各類媒體中。

人文平臺(tái)中的知識(shí)內(nèi)容既然以“數(shù)據(jù)”的方式存在，就應(yīng)該符合當(dāng)前在研究數(shù)據(jù)管理實(shí)踐中被廣泛認(rèn)可的FAIR原則，即科學(xué)數(shù)據(jù)應(yīng)具有可查詢（Findable）、可 獲 ?。ˋccessible）、可 互 操 作（Interoperable）并且可重利用（Reusable）等性質(zhì)：

① 可查詢指數(shù)字人文平臺(tái)中的數(shù)據(jù)應(yīng)該很容易被人或者機(jī)器查詢到。這有賴于相關(guān)的數(shù)據(jù)集或者數(shù)據(jù)服務(wù)是否以清晰明確的方式進(jìn)行標(biāo)識(shí)、描述、注冊和索引。給數(shù)字資源分配一個(gè)唯一永久標(biāo)識(shí)符是一項(xiàng)基本要求，同時(shí)數(shù)字資源應(yīng)該有充分的元數(shù)據(jù)注釋，數(shù)字資源的主要特征應(yīng)該以標(biāo)準(zhǔn)格式被記錄，應(yīng)該在公開的數(shù)據(jù)庫存儲(chǔ)和索引等。

② 可獲取指數(shù)字人文平臺(tái)中的數(shù)字資源的獲取方式應(yīng)該進(jìn)行清晰定義，包括如何獲得受保護(hù)數(shù)據(jù)的使用授權(quán)。在理想情況下應(yīng)該是一種自動(dòng)化的方式進(jìn)行獲取數(shù)據(jù)的驗(yàn)證，判斷是否符合授權(quán)條件，至少元數(shù)據(jù)應(yīng)該是無條件可獲取的，即使在原始數(shù)據(jù)已經(jīng)不再提供服務(wù)的情況下也應(yīng)該能夠獲取元數(shù)據(jù)。

③ 可互操作是指如果同一個(gè)實(shí)體對象有兩個(gè)或者更多的數(shù)據(jù)進(jìn)行表達(dá)，系統(tǒng)應(yīng)該可以自動(dòng)進(jìn)行指代或整合。網(wǎng)絡(luò)服務(wù)可以自動(dòng)判斷它與目標(biāo)數(shù)據(jù)之間是否兼容。這要求數(shù)據(jù)資源或者網(wǎng)絡(luò)服務(wù)的描述具有語義上足夠的清晰度。

④ 可重用是指要根據(jù)研究領(lǐng)域的標(biāo)準(zhǔn)，對數(shù)據(jù)的來源信息進(jìn)行記錄和跟蹤。這些來源出處信息包括準(zhǔn)確的數(shù)據(jù)描述、取用方式和應(yīng)用許可等。這樣，無論人還是機(jī)器都可以判斷目標(biāo)數(shù)據(jù)資源是否可以重用，可以以怎樣的方式進(jìn)行重用等。

這四個(gè)原則與關(guān)聯(lián)數(shù)據(jù)的五星原則很類似，因此如果采用關(guān)聯(lián)數(shù)據(jù)技術(shù)，則很容易滿足FAIR原則。但并不是所有數(shù)字人文平臺(tái)都能夠很方便地利用關(guān)聯(lián)數(shù)據(jù)技術(shù)，其中涉及實(shí)現(xiàn)的復(fù)雜性、效率和成本等問題，以及語義技術(shù)本身的成熟度問題，因此目前的數(shù)字人文平臺(tái)大多采用最成熟可用的技術(shù)，以關(guān)聯(lián)數(shù)據(jù)甚至智慧數(shù)據(jù)為代表的語義技術(shù)是一個(gè)未來發(fā)展方向。

4.1.2 應(yīng)用維度

數(shù)字人文平臺(tái)大多由人類記憶機(jī)構(gòu)，如圖書館、博物館、美術(shù)館、檔案館等進(jìn)行建設(shè)和維護(hù)。作為數(shù)字人文基礎(chǔ)設(shè)施的主要組成機(jī)構(gòu)，他們的主要業(yè)務(wù)和服務(wù)都是圍繞人文資源展開的，一個(gè)較為完整的平臺(tái)通?？梢苑譃樗膫€(gè)層次：

（1）館藏業(yè)務(wù)管理系統(tǒng)

這主要指對物理藏品或數(shù)字藏品的載體，從收集、入藏到轉(zhuǎn)移、剔除或損毀的整個(gè)生命周期過程的管理，包括藏品管理系統(tǒng)。它提供了所有館藏內(nèi)容最初的來源和版本信息，是循證研究的源頭，并通過業(yè)務(wù)過程的管理保證整個(gè)館藏體系是一個(gè)不斷發(fā)展變化的“活”的有機(jī)體。

（2）長期保存/典藏系統(tǒng)

即上述業(yè)務(wù)管理系統(tǒng)中的藏品管理系統(tǒng)的數(shù)字化版本，通常是能夠保留最真實(shí)和完整信息的保存級(jí)數(shù)字文件，借助顯示或其它設(shè)備，能夠還原物理藏品的內(nèi)容或形態(tài)，高級(jí)形式可以看成是每個(gè)館藏的“數(shù)字孿生”，可供研究人員進(jìn)行各種實(shí)驗(yàn)、模擬和深度研究。當(dāng)然，任何數(shù)字化版本都不可能保留原始對象的所有信息，總是會(huì)有所損失，所以依賴技術(shù)的不斷進(jìn)步，未來可能需要對館藏進(jìn)行再次數(shù)字化。這類系統(tǒng)目前主要采用關(guān)系型數(shù)據(jù)庫加文件系統(tǒng)的方式實(shí)現(xiàn)，更為先進(jìn)的采用了NoSQL數(shù)據(jù)庫的大數(shù)據(jù)方式，基于云服務(wù)架構(gòu)。而現(xiàn)在應(yīng)該采用云原生架構(gòu)加數(shù)據(jù)中臺(tái)方式，這樣就能夠提供底層藏品管理系統(tǒng)與上層知識(shí)庫系統(tǒng)之間的橋梁，同時(shí)提供大量的API供知識(shí)庫系統(tǒng)和服務(wù)應(yīng)用展示前臺(tái)調(diào)用[8]，這些API可以以標(biāo)準(zhǔn)方式發(fā)布于互聯(lián)網(wǎng)，從而實(shí)現(xiàn)數(shù)字人文平臺(tái)的全網(wǎng)域互操作。鑒于將來的數(shù)字人文研究都是基于數(shù)據(jù)的研究，有了這樣的典藏系統(tǒng)，就可以解決絕大多數(shù)人文學(xué)者在研究、教學(xué)中的需要。

（3）知識(shí)庫系統(tǒng)

目前似乎還沒有一個(gè)恰當(dāng)?shù)男g(shù)語來描述這樣一種系統(tǒng)，最接近的詞匯可能就是“語義知識(shí)庫系統(tǒng)”，指應(yīng)用了語義萬維網(wǎng)技術(shù)對領(lǐng)域知識(shí)建立相互關(guān)聯(lián)的知識(shí)體系，其知識(shí)單元是采用RDF形式（即主-謂-賓結(jié)構(gòu)）描述的語義判斷，而整個(gè)知識(shí)大廈是用知識(shí)本體語言O(shè)WL或OWL2組織起來，其背后的數(shù)學(xué)基礎(chǔ)是一元謂詞邏輯。數(shù)字人文平臺(tái)的內(nèi)容架構(gòu)主要是由知識(shí)庫系統(tǒng)提供的。其簡化版就是采用關(guān)聯(lián)數(shù)據(jù)的系統(tǒng)，更簡化的一個(gè)版本是目前十分熱門的利用“知識(shí)圖譜”技術(shù)所支持的系統(tǒng)。這類系統(tǒng)在人工智能領(lǐng)域?qū)儆凇胺?hào)學(xué)派”，與過去的專家系統(tǒng)同屬一類，是將人的知識(shí)代碼化形成規(guī)模之后，就具備了某種智能，現(xiàn)在與連結(jié)學(xué)派和概率學(xué)派有融合的趨勢，作為人工標(biāo)注或結(jié)構(gòu)化的數(shù)據(jù)提供機(jī)器學(xué)習(xí)，從而具有自動(dòng)獲取知識(shí)的能力。數(shù)字人文平臺(tái)需要大量的底層“知識(shí)庫”來支撐各類數(shù)據(jù)的語義解釋和關(guān)聯(lián)關(guān)系，例如人名、地名、機(jī)構(gòu)名、朝代、官職、譜系、辭典、詞表等，幾乎所有的工具書都可以提供知識(shí)關(guān)聯(lián)，所有的知識(shí)生產(chǎn)都是建立在過去知識(shí)的基礎(chǔ)上，與這些底層知識(shí)庫都可以建立起邏輯聯(lián)系，最強(qiáng)大的是這些知識(shí)庫都是以某種方式在整個(gè)互聯(lián)網(wǎng)上提供共享，所有基于知識(shí)庫和標(biāo)準(zhǔn)描述方式的術(shù)語詞表都可以達(dá)成全網(wǎng)域的語義互操作。

（4）服務(wù)應(yīng)用展示系統(tǒng)

這是數(shù)字人文平臺(tái)中絕大多數(shù)功能得以實(shí)現(xiàn)和展現(xiàn)的前臺(tái)，也是各類工具與后臺(tái)數(shù)據(jù)進(jìn)行連結(jié)的中介，通常以桌面或移動(dòng)應(yīng)用，以及瀏覽器方式提供。所有的搜索、瀏覽、展示（包括可視化）、眾包和用戶空間功能都在這里以App方式提供，這樣有助于達(dá)成大量的第三方應(yīng)用App的開發(fā)和發(fā)布，形成一個(gè)開放強(qiáng)大的數(shù)字人文應(yīng)用和工具的生態(tài)環(huán)境，從而很容易實(shí)現(xiàn)包弼德教授提出的為第三方數(shù)據(jù)、第三方工具、第三方圖書館定制免費(fèi)公開的元數(shù)據(jù)訪問和數(shù)據(jù)共享的規(guī)范和方案[3]。

4.2 平臺(tái)的資源、功能和界面需求

資源完整、功能完備、界面友好，是任何一個(gè)信息系統(tǒng)的基本要求。當(dāng)然，不同的系統(tǒng)對這三個(gè)方面的具體需求是不同的。一個(gè)好的數(shù)字人文平臺(tái)至少要在這三個(gè)方面達(dá)到最低要求，同時(shí)要注意三者之間的平衡。

4.2.1 資源完整性

人文研究者在選定了研究問題之后，第一步就是要查詢資料。很多機(jī)構(gòu)在建設(shè)數(shù)據(jù)庫或提供查詢時(shí)只從自己已有的或訂購的資源入手，這是不夠的，還必須考慮到是否有辦法提供外部資源的發(fā)現(xiàn)，甚至直接獲取。要實(shí)現(xiàn)這一點(diǎn)，就要應(yīng)用元數(shù)據(jù)收割方案，例如OAI-PMH，或開發(fā)標(biāo)準(zhǔn)或個(gè)性化的API，其中涉及很多考慮因素和資源互操作的具體技術(shù)，包括利用知識(shí)庫系統(tǒng)實(shí)現(xiàn)不同系統(tǒng)間的語義互操作，如圖8所示。

4.2.2 功能完備性

數(shù)字人文平臺(tái)需要考慮很多與過去數(shù)據(jù)庫檢索系統(tǒng)不同的功能，過去的系統(tǒng)主要是以文獻(xiàn)為主要內(nèi)容，根據(jù)數(shù)據(jù)庫字段（即高級(jí)檢索）或全文檢索能夠定位到具體的文獻(xiàn)，再通過鏈接解析或其他方式獲得原文。而數(shù)字人文系統(tǒng)由于提供了以“數(shù)據(jù)”為基礎(chǔ)的存儲(chǔ)、關(guān)聯(lián)和查詢能力，因此多了與“知識(shí)庫”相關(guān)的很多語義功能，而且在搜索、瀏覽、管理等方面都能夠全面支持基于知識(shí)的操作（例如SPARQL查詢、分面組配等），有時(shí)甚至還包含邏輯推理的功能實(shí)現(xiàn)（如啟發(fā)式搜索），如圖9所示。

圖8 ?數(shù)字人文平臺(tái)的資源要素Fig.8 Resources Constituents of the Digital Humanities Platforms

數(shù)字人文平臺(tái)還有一個(gè)特質(zhì)是要利用眾包讓用戶參與到系統(tǒng)的建設(shè)中來，這是當(dāng)前幾乎所有數(shù)字人文應(yīng)用都采取的方式，因?yàn)閮H僅通過圖書館或相關(guān)機(jī)構(gòu)工作人員的工作是不可能實(shí)現(xiàn)海量高質(zhì)量數(shù)據(jù)加工的。

4.2.3 用戶友好性

當(dāng)前的信息系統(tǒng)對用戶友好性的要求越來越高，這也是對系統(tǒng)界面提出的要求，除了一般的方便友好、美觀簡潔之外，能否提供良好的個(gè)性化服務(wù)成為系統(tǒng)能否留住用戶的重要特性，而且個(gè)性化服務(wù)大量采用了人工智能技術(shù)（見圖10）。當(dāng)然，由于個(gè)性化的前提是需要有用戶注冊登錄等用戶管理功能，且對用戶的行為也會(huì)進(jìn)行一定的收集，這涉及到用戶隱私問題，平臺(tái)在設(shè)計(jì)開發(fā)時(shí)必須考慮到隱私保護(hù)與個(gè)性化之間的平衡，很多研究工具的提供應(yīng)該能同時(shí)支持本地脫機(jī)版和上傳網(wǎng)絡(luò)版兩種不同的運(yùn)行方式，當(dāng)然兩者在功能細(xì)節(jié)上可以有所不同。

圖9 ?數(shù)字人文平臺(tái)的功能Fig. 9 Comprehensive Functions of the Digital Humanities Platformst

4.3 平臺(tái)的工具開發(fā)

利用大量的數(shù)字人文工具進(jìn)行研究是數(shù)字人文區(qū)別于傳統(tǒng)人文最重要的特點(diǎn)之一。工具是方法的重要組成，成熟的方法往往通過工具的開發(fā)而得以固化，并且負(fù)載了大量前人的經(jīng)驗(yàn)總結(jié)。傳統(tǒng)人文研究能夠獨(dú)立的工具不多，且資料的收集、閱讀和加工處理往往是一體化、個(gè)人化的，工具很難獨(dú)立于資料，有的甚至很難獨(dú)立于研究團(tuán)隊(duì)。這也是為什么有許多人文社會(huì)科學(xué)學(xué)派往往是得益于獨(dú)特的方法。

工具要求越豐富越好，但這里討論的只是人文研究可能用到的具有一定通用性的工具，以及這些工具的常見功能，數(shù)字人文學(xué)者可以通過這些工具的組合，結(jié)合資源和研究過程，發(fā)展出自己獨(dú)特的方法。這些工具可以有一定的獨(dú)立性，但依附于平臺(tái)能夠更好地發(fā)揮作用，因此平臺(tái)將致力于深入研究人文學(xué)者的需求，推出大量的標(biāo)準(zhǔn)規(guī)范，從而讓大量第三方都能夠開發(fā)自己的獨(dú)特工具，甚至工具與資源或知識(shí)庫的結(jié)合體，從而有助于形成一個(gè)應(yīng)用生態(tài)，以及工具App市場。

這里將工具劃分為平臺(tái)性工具（包括數(shù)據(jù)工具、IIIF、GIS、文獻(xiàn)計(jì)量工具、閱讀工具、社會(huì)關(guān)系工具）、文本工具、圖像工具、知識(shí)圖譜工具、機(jī)器學(xué)習(xí)工具和可視化工具等六大類（如圖11所示）。上述分類的合理性需要進(jìn)一步探討，其中涉及的內(nèi)容也遠(yuǎn)不是對各類工具的窮盡例舉，僅僅作為一個(gè)討論的基礎(chǔ)，供具體進(jìn)行工具開發(fā)和平臺(tái)建設(shè)時(shí)參考。

（1）平臺(tái)性工具

這里的平臺(tái)是指網(wǎng)絡(luò)上可以實(shí)現(xiàn)一定的功能、有特定輸入輸出的環(huán)境，平臺(tái)性工具就是依附于平臺(tái)的軟件工具，或自身就是一個(gè)獨(dú)立的工具，它通常需要結(jié)合一定的數(shù)據(jù)，與一些組件配合，并經(jīng)過一定的流程才能達(dá)到目的。例如IIIF（國際圖像互操作框架）就是一個(gè)功能強(qiáng)大的綜合性圖片平臺(tái)，由多個(gè)服務(wù)器靈活組合而成，它本身就可以成為數(shù)字人文的服務(wù)平臺(tái)，這里之所以作為一種工具，因?yàn)樗峁┝舜罅康年P(guān)于圖像的操作功能，如搜索、縮放、旋轉(zhuǎn)、標(biāo)注、比較等，可以應(yīng)用于人文研究，非常強(qiáng)大。類似的還有數(shù)據(jù)處理平臺(tái)工具、GIS平臺(tái)工具、文獻(xiàn)計(jì)量平臺(tái)工具、社會(huì)網(wǎng)絡(luò)分析工具以及閱讀平臺(tái)工具等。

（2）文本工具

文本是數(shù)字人文利用最多的資源類型，文本工具也是數(shù)字人文工具中種類最多、使用最頻繁的工具，也是目前開發(fā)最成熟的工具類型。上圖列出的是常用工具，一些綜合性的文本工具，如“遠(yuǎn)讀”“細(xì)讀”則列在平臺(tái)性工具類目下。

（3）圖像工具

通常所有的圖像掃描、處理軟件都可以作為數(shù)字人文的圖像工具，這里僅列出數(shù)字人文項(xiàng)目非常常用的工具類型，如圖像特征提取工具、圖像分類/聚類工具和基于圖像的搜索工具等，圖像平臺(tái)IIIF已作為平臺(tái)類工具列出。

（4）知識(shí)圖譜工具

知識(shí)圖譜是數(shù)字典藏向數(shù)字人文進(jìn)化的關(guān)鍵技術(shù)之一，這里將關(guān)聯(lián)數(shù)據(jù)、語義萬維網(wǎng)技術(shù)都?xì)w入知識(shí)圖譜。這類工具包括了實(shí)體提取、URI賦值、詞表模式、本體構(gòu)建等語義化工具，本體/詞表管理、語義映射、RDF語義數(shù)據(jù)存儲(chǔ)等語義管理工具以及SPARQL、啟發(fā)式搜索、分面呈現(xiàn)等語義搜索、展示和利用工具等。

（5）機(jī)器學(xué)習(xí)工具

當(dāng)前，數(shù)字人文的大量應(yīng)用都用到了人工智能領(lǐng)域的機(jī)器學(xué)習(xí)技術(shù)。從OCR到實(shí)體提取，從神經(jīng)網(wǎng)絡(luò)到深度學(xué)習(xí)，無一不能應(yīng)用于數(shù)字人文研究的各個(gè)過程。機(jī)器學(xué)習(xí)最大的特點(diǎn)是離不開數(shù)據(jù)，尤其是海量的數(shù)據(jù)，因此數(shù)字人文平臺(tái)中的數(shù)據(jù)是其產(chǎn)生作用的前提條件，而由數(shù)據(jù)訓(xùn)練出來的機(jī)器學(xué)習(xí)模型又可以應(yīng)用于更廣泛的數(shù)據(jù)中，這是它的運(yùn)作方式，也是它的價(jià)值所在。

（6）可視化工具

可視化是數(shù)字人文進(jìn)行數(shù)據(jù)操控、展示和結(jié)果呈現(xiàn)必不可少的工具，也是數(shù)字人文區(qū)別于傳統(tǒng)人文的重要特質(zhì)?？梢暬m然有很多工具，但現(xiàn)在基于互聯(lián)網(wǎng)的工具已成為主流，正在成熟起來。它后臺(tái)連接的數(shù)據(jù)可以是平臺(tái)上已有的數(shù)據(jù)，或者挖掘出來的數(shù)據(jù)，或者是用戶上載的數(shù)據(jù)，是否支持多種應(yīng)用方式取決于平臺(tái)架構(gòu)設(shè)計(jì)的靈活性。

圖10 ?數(shù)字人文平臺(tái)的用戶體驗(yàn)Fig. 10 User Experience of the Digital Humanities Platforms

圖11 ?數(shù)字人文研究工具Fig. 11 Tools of the Digital Humanities Research Platforms

5 案例：歷史人文大數(shù)據(jù)平臺(tái)

上海圖書館正在建設(shè)的歷史人文大數(shù)據(jù)平臺(tái)，就是應(yīng)用上述理念和技術(shù)，依托自身資源，向全社會(huì)提供一個(gè)先進(jìn)、開放、全面的數(shù)字人文服務(wù)平臺(tái)。打造這個(gè)平臺(tái)主要有三個(gè)目的：一是升級(jí)原有的數(shù)字圖書館系統(tǒng)；二是提供基于“知識(shí)”的數(shù)字人文服務(wù)；三是試驗(yàn)一些互聯(lián)互通共建共享的新協(xié)議與新模式。其實(shí)就是作為對前述數(shù)字人文發(fā)展趨勢進(jìn)行應(yīng)對的一種嘗試。

實(shí)現(xiàn)這三個(gè)目的有兩條現(xiàn)實(shí)可行的路徑：其一，從現(xiàn)有的數(shù)字圖書館系統(tǒng)出發(fā)，也就是從目前上海圖書館館藏特色資源出發(fā)，升級(jí)技術(shù)架構(gòu)和內(nèi)容架構(gòu)：技術(shù)架構(gòu)全面微服務(wù)化、容器化和平臺(tái)化，支持外部資源與服務(wù)通過各種標(biāo)準(zhǔn)或非標(biāo)準(zhǔn)方式（推薦RESTful API）接入；內(nèi)容架構(gòu)進(jìn)行“數(shù)據(jù)化”改造，支持“基于知識(shí)的服務(wù)”。其二，從數(shù)字人文研究者的角度出發(fā)，規(guī)劃所有人文資源的整合方案，從提供資源到提供平臺(tái)環(huán)境（包括工具），努力實(shí)現(xiàn)主要數(shù)字人文應(yīng)用場景的“一站式”服務(wù)。

5.1 平臺(tái)的建設(shè)規(guī)劃

上海圖書館走上數(shù)字化道路已經(jīng)有四分之一個(gè)世紀(jì)。從1996年位于上?；春Ｖ新返摹靶吗^”開館，就開始古籍?dāng)?shù)字化項(xiàng)目，并且參與了中國最早的由國家圖書館牽頭的“試驗(yàn)性數(shù)字圖書館計(jì)劃”，成立專門部門，每年耗費(fèi)巨資進(jìn)行特色資源的數(shù)字化工作，從無間斷。

僅僅數(shù)字化是不夠的，提供知識(shí)服務(wù)是圖書館的根本宗旨。早期重視數(shù)字化，但對于數(shù)字典藏系統(tǒng)的建設(shè)并沒有充分重視，因此數(shù)字資源的整合服務(wù)一直沒有充分開展。到2016年，上海圖書館嘗試以最具特色的館藏家譜資源為案例，開始了以服務(wù)為導(dǎo)向的系統(tǒng)開發(fā)嘗試，取得了不錯(cuò)的效果，迄今家譜系統(tǒng)一直是數(shù)字典藏中利用效果最好的資源之一。

為了建設(shè)具有知識(shí)關(guān)聯(lián)的數(shù)字人文服務(wù)系統(tǒng)，底層知識(shí)庫平臺(tái)建設(shè)是必不可少的，這也是數(shù)字人文基礎(chǔ)設(shè)施最困難的內(nèi)容。近幾年我們還陸續(xù)構(gòu)建了人名規(guī)范、地名規(guī)范、地理名稱規(guī)范、機(jī)構(gòu)規(guī)范等規(guī)范知識(shí)庫，可以支持目前列入計(jì)劃的特色資源庫的底層知識(shí)關(guān)聯(lián)，并開始開發(fā)一些工具，提供眾包、標(biāo)注、分析、可視化等功能。

正是由于有了底層知識(shí)庫的支持，上海圖書館的特色資源庫才有可能做一個(gè)全面規(guī)劃，將來各類數(shù)字人文系統(tǒng)可以在一個(gè)統(tǒng)一的平臺(tái)上，我們稱之為歷史人文大數(shù)據(jù)平臺(tái)。雖然這一平臺(tái)尚未建成，但已經(jīng)經(jīng)過了初步嘗試，證明了技術(shù)和工程上的可行性和可能性，且數(shù)據(jù)也有一定規(guī)模。目前，我們除家譜庫外，正在開發(fā)的還有古籍庫（包括精品善本庫）、碑帖庫、地方志庫、手稿尺牘庫、名人檔案庫（如盛宣懷檔案、張佩綸檔案等）、民國資源庫（包括書刊報(bào)）等，這些文獻(xiàn)如按照數(shù)字人文研究的要求，可以建立無數(shù)個(gè)基于各類學(xué)科或主題的知識(shí)庫，可以匯總在一個(gè)平臺(tái)上提供滿足各類需求的統(tǒng)一服務(wù)，通過一定的開放鏈接協(xié)議，可以將全網(wǎng)域的各類資源連為一體，組成一個(gè)虛擬中文數(shù)字人文平臺(tái)。

5.2 平臺(tái)的應(yīng)用場景

對于一個(gè)資源眾多、用戶復(fù)雜、目標(biāo)多重的服務(wù)平臺(tái)來說，“主頁”概念是不適用的。歷史人文大數(shù)據(jù)平臺(tái)雖然設(shè)計(jì)了一個(gè)主入口，但它的作用只相當(dāng)于“游客中心”甚至是“疏散中心”，主要起到宣傳、導(dǎo)航、資源發(fā)現(xiàn)和用戶培訓(xùn)的作用。任何一個(gè)簡單的搜索，都可以返回所有資源庫中（甚至外部聯(lián)邦檢索或搜索引擎）的命中內(nèi)容，這樣能夠讓隨便逛逛的讀者也有所收獲，同時(shí)用戶對自己感興趣的主題可以通過哪些資源庫獲得有一個(gè)非常直觀的認(rèn)識(shí)，使帶有目的的讀者能夠迅速找到屬于自己的入口。

平臺(tái)對所有的專題庫（包括文獻(xiàn)庫、知識(shí)庫和工具庫三類）都有一個(gè)入口，其中大多數(shù)文獻(xiàn)庫都以元數(shù)據(jù)庫加掃描圖片方式提供，個(gè)別有全文，知識(shí)庫和工具庫都支持響應(yīng)式H5接口，可嵌入各類App。

我們把平臺(tái)用戶分為四類：普通用戶、專業(yè)用戶、系統(tǒng)用戶和機(jī)器用戶，普通用戶是無需用戶認(rèn)證即可來“隨便逛逛”的用戶，平臺(tái)會(huì)有很多線上展覽、人文講座、推廣活動(dòng)、技能培訓(xùn)等內(nèi)容發(fā)布。專業(yè)用戶是平臺(tái)服務(wù)的主體，通常是經(jīng)過注冊的研究人員或大學(xué)師生，也可能是相關(guān)機(jī)構(gòu)中的個(gè)人用戶（登錄為單位用戶或以IP控制方式提供權(quán)限管理），這類用戶除非使用主頁中的搜索框進(jìn)行資源發(fā)現(xiàn)（搜索框在各相關(guān)頁面也都會(huì)出現(xiàn)），一般無須從主入口進(jìn)入，只要瀏覽器保留了登錄Cookie，域名會(huì)直接將其定位到他自己的個(gè)性化頁面，該頁面已經(jīng)將其經(jīng)常使用或可能用到的專業(yè)資源入口與各類服務(wù)功能集成在一起了，每個(gè)用戶的專業(yè)入口都是個(gè)性化的，與“我的空間”捆綁，用戶如果不滿意，也可以在“我的空間”中修改參數(shù)設(shè)定。系統(tǒng)用戶是那種參與數(shù)據(jù)加工或項(xiàng)目研發(fā)的用戶，這是“平臺(tái)性”的具體體現(xiàn)，作為平臺(tái)，不是一個(gè)私有的封閉系統(tǒng)，而應(yīng)該有一定的開放性，屬于整個(gè)社區(qū)，允許大家參與共建、分享成果，因此必然有一類用戶通過貢獻(xiàn)內(nèi)容、參與數(shù)據(jù)加工或功能開發(fā)而具有更多的權(quán)限。最后一類“機(jī)器用戶”就是指通過API或其他接口直接消費(fèi)數(shù)據(jù)的計(jì)算機(jī)程序，這樣能將平臺(tái)與互聯(lián)網(wǎng)上其他應(yīng)用連為一體，使“一站式”服務(wù)成為可能。

表5 ?歷史人文大數(shù)據(jù)平臺(tái)提供的服務(wù)Table 5 Services Provided by the Digital Humanities Platform of Shanghai Library

續(xù)表5

平臺(tái)提供的所有服務(wù)可以分為“場景”“故事”和“功能”三個(gè)層次，分別對應(yīng)三類用戶，提供不同的功能組合，詳細(xì)如表5所示。“場景”可粗略地對應(yīng)于前述數(shù)字人文研究的“行為”，例如搜索、瀏覽、下載、閱讀等，故事是組成場景的若干種應(yīng)用，而“功能”是平臺(tái)提供的最小單位的模塊，通常對應(yīng)于目前云原生應(yīng)用架構(gòu)中的“微服務(wù)”。這里的服務(wù)基本都還是用戶直接可用的部分內(nèi)容，后臺(tái)其實(shí)還有大量的微服務(wù)，由于與平臺(tái)用戶并無直接關(guān)系，這里就不詳述了。

6 結(jié)語

數(shù)字人文平臺(tái)建設(shè)的愿景是讓人文研究不再困難。從雅典學(xué)園到文藝復(fù)興，從魯國杏壇到康梁變法，兩千年來人文學(xué)者的創(chuàng)造性思考從來都是依靠個(gè)體的博覽群書與博聞強(qiáng)記，依靠師徒私授或?qū)W派論戰(zhàn)，思想的誕生、學(xué)說的完善，以及對社會(huì)實(shí)踐的影響主要依靠的是個(gè)人的能力，人文知識(shí)的產(chǎn)生、發(fā)展和傳播的整個(gè)過程是偶然、不清晰和不確定的，每位學(xué)者都要從最原始的篇章學(xué)起，遍歷所有典籍并考察整個(gè)源流，窮極一生只能成為專家而無法成就大家，而數(shù)字人文正在第一次給人文研究帶來革命。針對人文研究的完整過程，數(shù)字人文已能夠分而治之：首先，使資料查詢和獲取不再困難，然后使知識(shí)存儲(chǔ)、傳播和利用不再困難；其次，讓分析、比較，形成觀點(diǎn)不再困難；最后，使結(jié)果展示、交流和爭鳴不再困難。人文學(xué)者不再是單打獨(dú)斗而是集團(tuán)作戰(zhàn)，無須管中窺豹而是直接綜攬全局盡情把握，人文研究的規(guī)律與方法將得到更好的揭示，人文成果的發(fā)表形式將不限于書刊，人文學(xué)說的比較與評價(jià)將更方便地在實(shí)踐中得到檢驗(yàn)和反饋，為人文研究提供的服務(wù)能力將更快地得到迭代和提高。照此發(fā)展下去，那么問題來了：如果數(shù)字人文充分采用了人工智能技術(shù)，推向極致，可能機(jī)器也能自動(dòng)進(jìn)行人文研究。此時(shí)的人文，還是人文嗎？其實(shí)數(shù)字人文的終極意義還是在于以科技強(qiáng)化人文，而不是將人文變成被動(dòng)機(jī)械的對象，進(jìn)行去價(jià)值化和無意義化。最終的意義呈現(xiàn)，其主體是人類自身。當(dāng)所有的人文都是數(shù)字人文時(shí)，“數(shù)字”與“人文”才能夠真正合為一體，那時(shí)“數(shù)字”的工具性特征便不再重要，人文研究此時(shí)便能回歸本源，真正彰顯人類的價(jià)值和生命的意義。這也是我們要用盡所有先進(jìn)技術(shù)，推進(jìn)數(shù)字人文平臺(tái)的開發(fā)與建設(shè)的根本原因所在。

作者貢獻(xiàn)說明

劉圣嬰，王麗華：提出研究思路，論文撰寫與修改；

劉煒：論文擬題，修改與定稿；

劉倩倩：收集資料，撰寫論文。

附表1?中文數(shù)字人文代表性數(shù)據(jù)庫和資源網(wǎng)站Appendix 1 Representative Digital Humanities Databases and Sites for China Studies

續(xù)附表1

續(xù)附表1

附表2?中國大陸以外地區(qū)主要數(shù)字人文數(shù)據(jù)庫名錄Appendix 2 List of Major Digital Humanities Databases Outside China's Mainland