王毓銘，張霞云，董家魁，劉和文

（安徽師范大學圖書館，安徽 蕪湖 241002）

近年來，館藏特色資源數(shù)據(jù)庫平臺建設成為業(yè)界和學界的研究熱點，國外如Ball,MJ等通過學術信息管理系統(tǒng)（IAIMS）整合老年醫(yī)學、高血壓相關館藏內(nèi)容形成特色資源［1］，國內(nèi)圖書館特色資源數(shù)據(jù)庫系統(tǒng)平臺建設起步較晚，主要涉及到的技術包括DIPS、TRS、TPI 等［2］。部分圖書館利用C/S或B/S 架構(gòu)站點自建特色資源平臺，如：國家海洋中心使用TRS系統(tǒng)構(gòu)建海洋數(shù)字資源庫［3］；杭州市圖書館建設的民國圖書、民國期刊、古籍、家譜、地方文獻等數(shù)據(jù)庫［4］。現(xiàn)有特色資源數(shù)據(jù)庫平臺功能包含混合索引、并行檢索、搜索引擎、主題詞字典、多風格多類型自定義資源發(fā)布等，最新技術方案中逐步實現(xiàn)全文檢索、數(shù)據(jù)挖掘、知識圖譜等最新功能服務。而徽州文書作為特色資源之一，數(shù)量巨大、類型豐富，可以充分反映區(qū)域政治經(jīng)濟、風俗民情等社會形態(tài)，各收藏單位相繼建設了特色數(shù)據(jù)庫，如：安徽大學“徽州文書書目數(shù)據(jù)庫”（2005 年），黃山學院“徽州文書特色文獻數(shù)據(jù)庫”（2007年），上海交通大學“中國地方歷史文獻數(shù)據(jù)庫”（2015 年），中山大學“徽州文書數(shù)據(jù)庫”（2019年），等等。此外，日本京都大學的“中國清代民國公私文書”（2003 年）也包含大量徽州文書資源數(shù)據(jù)。從數(shù)據(jù)庫類型上看，已建設的各類徽州文書數(shù)據(jù)庫中，除“中國地方歷史文獻數(shù)據(jù)庫”為全文文本數(shù)據(jù)庫外，其他均為圖像庫或書目庫；在運行方式上，大多數(shù)已建設的徽州文書數(shù)據(jù)庫并未提供開放預覽，僅廣西師范大學的“徽州文書數(shù)據(jù)庫”等少數(shù)數(shù)據(jù)庫提供半開放資源瀏覽，但數(shù)據(jù)庫仍需授權后方可使用。在總結(jié)已建設圖書館特色資源數(shù)據(jù)庫的技術、管理、服務經(jīng)驗后，充分考慮館藏徽州文書現(xiàn)狀與保存利用需求，建設安徽師范大學圖書館（以下簡稱我館）館藏徽州文書特色數(shù)據(jù)庫平臺。

1 館藏徽州文書管理平臺建設方案

我館館藏徽州文書近千件八千余頁，涵蓋土地關系文書、賦役文書、商業(yè)文書、宗族文書等類型，具有整體時間跨度長、地域分布廣、歸戶性強、種類多樣等特點。我館館藏文書具有極高價值，主要體現(xiàn)在：一是善本多，據(jù)統(tǒng)計，近千件徽州文書中有600 余件為清乾隆以前保存均較為完好的善本，宋、元至明代嘉靖時期者近200件，迄今國內(nèi)公布的同時期的徽州文書檔案總量僅數(shù)百件；其中《元至正五年二月初九日休寧縣朱右寵賣山契約》《元至正六年二月十二日陸保黃賣山契約》更為國內(nèi)僅存為數(shù)不多的元代徽州文書。二是孤本多，民間契約往往具有唯一性的特點，我館館藏中多為徽州民間契約，且均為孤本。其他的魚鱗圖冊、保甲冊、戶口環(huán)冊等也為國內(nèi)僅存的孤本。

為了加強特色資源的利用，2019 年我館啟動館藏徽州文書資源平臺建設，平臺建設分為徽州文書數(shù)據(jù)化與數(shù)據(jù)庫管理平臺建設兩個階段，徽州文書特色數(shù)據(jù)庫平臺建設流程圖如圖1所示。

圖1 徽州文書特色資源數(shù)據(jù)庫平臺建設流程圖

文書數(shù)據(jù)化包括元數(shù)據(jù)設計與收割、徽州文書原件掃描、資源數(shù)據(jù)加工、發(fā)布級文件處理等步驟，主要是對徽州文書基礎數(shù)據(jù)、原件掃描圖像、應用發(fā)布文件進行流式處理。數(shù)據(jù)庫管理平臺建設包括數(shù)據(jù)存取系統(tǒng)建設、館藏徽州文書管理平臺開發(fā)、徽州文書發(fā)布檢索服務平臺建設，主要用于徽州文書元數(shù)據(jù)的存儲、數(shù)據(jù)庫平臺管理以及徽州文書數(shù)據(jù)庫檢索等。

2 徽州文書資源數(shù)據(jù)化

2.1 徽州文書元數(shù)據(jù)設計

特色資源的數(shù)據(jù)庫設計需要建立規(guī)范的資源建設標準，確保特色數(shù)字資源建設長期穩(wěn)定運行［5］。元數(shù)據(jù)設計是特色資源數(shù)據(jù)庫建設首先要考慮的問題，目的在于通過將不同類型特色資源按標準化的采集方案匯聚形成各類特色資源元數(shù)據(jù)，最終滿足不同用戶對于各類特色資源數(shù)字化和元數(shù)據(jù)采集的不同需求［6］。由于徽州文書外部特征獨特，內(nèi)容涉及各個方面，筆者結(jié)合通用資源的元數(shù)據(jù)設置，參考圖書、論文、音視頻、人物等類型資源的元數(shù)據(jù)設置和《民間歷史文獻整理概論》［7］，定義了17 個徽州文書元數(shù)據(jù)字段（具體如表1 所示）。其中：描述字段包括財產(chǎn)號/標識符、題名、尺寸、人物及機關團體、主題詞/關鍵詞、實物形態(tài)、保存狀況、館藏信息、語種、相關資源等10個；內(nèi)容字段包括時間、涉事地點、歸戶、譜系、金額、賦役、頁數(shù)等7 個。描述性字段與內(nèi)容字段的設計在于以標識符、資源文件路徑為主要字段連接資源元數(shù)據(jù)與資源文件，以實現(xiàn)檢索發(fā)現(xiàn)、分析統(tǒng)計、資源服務等功能，充分揭示徽州文書的內(nèi)容特征和形式特征。

表1 特色資源通用平臺元數(shù)據(jù)字段設置

2.2 館藏徽州文書掃描

資源數(shù)字化是特色資源庫建設的基礎工作，針對數(shù)據(jù)庫平臺的功能要求和文書的品相，徽州文書數(shù)字化采取拍攝式掃描和資源收割的方式。數(shù)字化資源的圖像質(zhì)量具體要求定為：300DPI（像素密度），24 位色彩色階和JPEG/JPEG2000（壓縮方式）。為保證后期校正處理和使用服務時的色彩準確性，在每一份文書掃描后添加專用色卡拍攝圖。

由于文書的品相不同，在數(shù)字化加工過程中，針對文書頁面褶皺、殘缺、破損等現(xiàn)實情況，事先做了修復處理，在數(shù)字化過程中專門標注。

針對大開本的文書，采取圖片裁剪和分頁的形式來處理，保證每件文書數(shù)字化資源“一圖一頁”，清晰完整。

2.3 徽州文書數(shù)據(jù)化加工

數(shù)據(jù)化加工是將徽州文書掃描件轉(zhuǎn)化至用戶可用資源文件的主要步驟，包括對資源文件加工、元數(shù)據(jù)關聯(lián)和補全?？紤]可用資源在傳輸速率和使用效果兩個維度的切實矛盾，資源加工的要素主要為資源文件版式、容量、DPI、分辨率。在數(shù)據(jù)化加工流程中：首先，對每件資源進行“一圖一頁”的統(tǒng)一版式、一致的壓縮分辨率和DPI控制處理，在可清晰辨識內(nèi)容基礎上，容量限制在200 KB 至1 MB 之間，以同時滿足讀者瀏覽資源時對加載效率和使用體驗的要求。其次，將徽州文書加工資源進行元數(shù)據(jù)關聯(lián)匹配，最終形成文書資源散件727份，多頁或成冊文書203份，總計8 809頁。最后，針對發(fā)布應用的實際使用場景和用戶資源需求，在完成元數(shù)據(jù)補充基礎上，進行整體和獨立分頁的發(fā)布應用級數(shù)字對象生成，包括PDF 資源文件、基于都柏林核心集字段的元數(shù)據(jù)描述文件、目錄結(jié)構(gòu)信息文件、資源封裝信息文件和資源原件圖像。

此外，由于存在魚鱗圖冊、保甲冊、戶口環(huán)冊等類型的成冊文書資源，需按古籍文獻規(guī)范要求對頁面布局、放大率、默認打開頁等項進行配置，并添加導覽標簽，便于讀者用戶對此類文書資源的高效使用。

3 徽州文書資源庫平臺建設

我館館藏徽州文書資源庫平臺的建設是以規(guī)范化、通用性為建設指導原則，以數(shù)據(jù)存取子系統(tǒng)、徽州文書管理平臺、檢索服務子系統(tǒng)為節(jié)點，完成對徽州文書的歸類、元數(shù)據(jù)著錄、整理、數(shù)字化掃描、資源加工和加工成品發(fā)布的整體工作流程。

3.1 數(shù)據(jù)存取子系統(tǒng)

在館藏徽州文書管理平臺系統(tǒng)中，需要進行數(shù)據(jù)資源存儲的包括徽州文書元數(shù)據(jù)、資源原始數(shù)據(jù)和加工數(shù)據(jù)。其中，元數(shù)據(jù)存儲于結(jié)構(gòu)化數(shù)據(jù)庫中，資源原始數(shù)據(jù)和加工數(shù)字對象存儲于文件存儲系統(tǒng)中。

徽州文書元數(shù)據(jù)在建設過程中使用MySQL+Redis 數(shù)據(jù)庫的混用方案。MySQL 數(shù)據(jù)庫作為結(jié)構(gòu)化數(shù)據(jù)存儲節(jié)點，Redis 作為內(nèi)存緩存存儲系統(tǒng)，對資源集數(shù)據(jù)進行同步并向前端服務提供高速數(shù)據(jù)讀取服務?；谝陨霞軜?gòu)，形成管理平臺和發(fā)布檢索服務在元數(shù)據(jù)使用層面的讀寫分離數(shù)據(jù)存取方案。在數(shù)字對象與資源文件存儲方面，子系統(tǒng)使用mofileFS分布式文件存儲方案，利用其適用于海量小文件的特性，充分滿足大量容量為1 MB至10 MB大小的徽州文書數(shù)字化對象文件的高效存取需求。

基于以上數(shù)據(jù)存取子系統(tǒng)建設，為館藏徽州文書管理平臺提供完整的數(shù)據(jù)、文件讀寫底層方案，進而完成館藏徽州文書管理平臺的功能和服務開發(fā)。

3.2 徽州文書管理平臺

徽州文書管理平臺和發(fā)布檢索服務使用ThinkPHP5.1+Vue.js的開發(fā)框架進行前后端分離，前后端通過鑒權與業(yè)務API 通信實現(xiàn)數(shù)據(jù)流通，平臺以功能模塊化的思路進行開發(fā)建設，結(jié)合徽州文書掃描和數(shù)據(jù)化加工過程中的具體流程節(jié)點，整體設計為6個主要模塊，分別是管理控制、資源數(shù)據(jù)上傳、資源加工管理、數(shù)據(jù)標引管理、數(shù)據(jù)集管理、發(fā)布管理，平臺的一、二級功能模塊如圖2所示。

圖2 圖書館特色資源通用平臺架構(gòu)設計

3.2.1 平臺管理

管理控制模塊對館藏徽州文書平臺的非業(yè)務操作和功能進行整體管理，模塊建設以RBAC 模型(Role-Based Access Control:基于角色的訪問控制)進行開發(fā)建設，使得平臺具有高自由度、可持續(xù)優(yōu)化更新等優(yōu)勢，具體功能包括管理員管理、菜單管理、權限管理和日志統(tǒng)計。管理員以自身角色所擁有的菜單和功能訪問權限對平臺系統(tǒng)進行管理，平臺建設完成后通過限制管理員賬號對平臺管理進行管控，后續(xù)的功能更新和優(yōu)化可基于菜單管理和權限管理模塊進行自定義配置。

3.2.2 數(shù)據(jù)加工管理

數(shù)據(jù)加工流程在平臺中由資源數(shù)據(jù)上傳模塊、資源加工管理模塊和數(shù)據(jù)標引管理模塊組成。

首先，資源數(shù)據(jù)上傳模塊包含標準管理、元數(shù)據(jù)管理、文件管理、數(shù)據(jù)關聯(lián)子模塊。標準管理模塊在本平臺中僅額外添加有徽州文書類型字段標準，作為元數(shù)據(jù)管理中徽州文書元數(shù)據(jù)導入的字段標準。標準管理模塊在通用平臺中設計對更多類型的資源導入預處理；元數(shù)據(jù)管理和文件管理分別向徽州文書元數(shù)據(jù)和掃描圖片提供入庫、管理功能，完成入庫后可通過數(shù)據(jù)關聯(lián)子模塊以特定識別字段進行元數(shù)據(jù)與資源文件的關聯(lián)操作，完成數(shù)據(jù)初始導入。

其次，資源加工管理模塊則主要對導入掃描圖片的進一步加工，包括圖像裁剪、圖片分頁、圖像壓縮等。此外，在通用平臺框架中該模塊還設計有文本OCR提取、音視頻處理、壓縮轉(zhuǎn)碼等功能模塊。

最后，數(shù)據(jù)標引模塊管理主要進行徽州文書元數(shù)據(jù)字段的補充標目，包括基于切詞匹配、年代轉(zhuǎn)化等的自動標目過程和面向圖書館處理人員的手動標目模塊。標目過程需符合對應標目規(guī)則子模塊中預設的內(nèi)容，包括可標目字段，字段類型范圍等。

3.2.3 數(shù)據(jù)集發(fā)布管理

發(fā)布管理模塊實現(xiàn)對徽州文書發(fā)布檢索服務的管理，包括發(fā)布審核、檢索設置和可視化配置。在功能上，發(fā)布審核子模塊完成對發(fā)布字段、發(fā)布資源內(nèi)容、發(fā)布資源描述信息等內(nèi)容的審核；檢索設置實現(xiàn)對資源關聯(lián)數(shù)據(jù)表、統(tǒng)一檢索模式和高級檢索字段與數(shù)據(jù)表字段對應關系進行配置；可視化配置子模塊提供對資源集檢索服務的可視化展示方式進行配置選擇。

3.3 徽州文書檢索服務子系統(tǒng)

檢索服務子系統(tǒng)是對館藏徽州文書資源加工數(shù)據(jù)的應用。子系統(tǒng)由Vue.js 框架搭建，通過后端鑒權API 實現(xiàn)數(shù)據(jù)通信。服務以徽州文書資源檢索發(fā)現(xiàn)為核心，通過欄目分類、檢索發(fā)現(xiàn)、排序篩選和關聯(lián)推薦實現(xiàn)對資源的多維度揭示。檢索過程主要使用元數(shù)據(jù)中的題名、人物、主題詞/關鍵詞、館藏信息、相關資源、時間、地點、頁數(shù)字段等字段，通過統(tǒng)一檢索、高級檢索、結(jié)果集二級檢索、關聯(lián)推薦等揭示、發(fā)現(xiàn)方式，進一步提升用戶使用檢索服務的效率和體驗。資源詳情頁面提供資源明細瀏覽、資源分享下載、自定義批注等功能，充分滿足用戶資源使用需求。同時，以開放眾包的服務理念進一步通過用戶瀏覽批注行為，完善館藏徽州文書資源服務內(nèi)容。

4 徽州文書資源數(shù)據(jù)庫功能特色

我館徽州文書資源庫平臺的建設，除了具備存儲和檢索服務功能外，還形成具備量化分析和一定數(shù)字人文研究能力的特色。相較于現(xiàn)有其他徽州文書數(shù)據(jù)庫，本平臺特色主要聚焦：技術層面對數(shù)據(jù)管理規(guī)范化；內(nèi)容層面融入數(shù)字人文思想，構(gòu)建資源知識點并引入檢索發(fā)現(xiàn)服務；服務層面更多體現(xiàn)在共建共享機制和多維檢索發(fā)現(xiàn)服務中。

4.1 完善數(shù)據(jù)管理維護機制

特色資源建設是一個長期的過程，完善資源數(shù)據(jù)管理機制應該融入整個工作流程中。館藏徽州文書數(shù)據(jù)庫對元數(shù)據(jù)標準、數(shù)據(jù)采集、文件上傳、資源加工、資源數(shù)據(jù)化、發(fā)布文件處理全流程進行有效管理，明確數(shù)據(jù)加工、存儲、傳輸、備份環(huán)節(jié)的維護細節(jié)。

具體包括：（1）數(shù)據(jù)庫系統(tǒng)的性能優(yōu)化和數(shù)據(jù)安全保障。平臺結(jié)構(gòu)化數(shù)據(jù)通過MySQL + Redis的數(shù)據(jù)庫方案進行讀寫，數(shù)據(jù)加工管理與資源數(shù)據(jù)服務實現(xiàn)讀寫分離，提高使用服務中資源加工數(shù)據(jù)傳輸效率，控制數(shù)據(jù)庫寫入渠道入口，提升數(shù)據(jù)安全保障。（2）數(shù)據(jù)流中任一環(huán)節(jié)可追溯機制，管理平臺前后端分離，模塊化功能通過鑒權API獲取使用數(shù)據(jù)，簡化內(nèi)部數(shù)據(jù)流，便于追溯資源數(shù)據(jù)化過程的任一環(huán)節(jié)，降低數(shù)據(jù)維護難度，提升數(shù)據(jù)更新效率。（3）資源數(shù)據(jù)流式處理。在現(xiàn)有徽州文書資源采集加工發(fā)布流程下，對于數(shù)據(jù)可進行流式處理，以現(xiàn)有930 件（8 809 頁）館藏徽州文書為例，自數(shù)據(jù)入庫、加工直至發(fā)布級文件生成并更新至檢索系統(tǒng)，全部流程可控制在60-90分鐘。

4.2 構(gòu)建知識點發(fā)現(xiàn)索引

平臺數(shù)據(jù)標引管理中開發(fā)有知識點半自動標引模塊，以節(jié)點名稱、類型、上級節(jié)點、關聯(lián)詞字段自動構(gòu)建知識點數(shù)據(jù)，在經(jīng)由人工審核修正后，知識點按關聯(lián)關系組建多維度多層級的知識點網(wǎng)絡，在檢索服務中提升優(yōu)化數(shù)據(jù)發(fā)現(xiàn)和關聯(lián)資源推薦的有效性。以圖3為例，在平臺徽州文書資源中，與“稅”相關的文書類型通過知識點網(wǎng)絡可直接提取為稅契、稅銀、稅課、稅單、收稅匯票、推稅匯票、歸戶票。聚焦到“地稅”類型，提取包含14份散件資源，可進一步按朝代、年份、地域、類型等進行進一步關聯(lián)、細分。此類關聯(lián)數(shù)據(jù)的形成可用于后續(xù)檢索發(fā)現(xiàn)和資源推薦服務，幫助用戶在尋求相關資源時可自行快速獲取更多關聯(lián)研究內(nèi)容。

圖3 徽州文書數(shù)據(jù)“稅”相關類型與地稅數(shù)據(jù)知識節(jié)點提取

4.3 實現(xiàn)徽州文書數(shù)據(jù)共建共享

特色數(shù)據(jù)庫建設往往需要耗費大量人力物力，而圖書館也面臨資源有限、經(jīng)費匱乏的現(xiàn)狀［8］。因此，合理的共建共享機制將直接影響資源共建、機構(gòu)合作。在本平臺徽州文書資源的共建共享機制上共設計有3層獨立方案，包括數(shù)據(jù)庫層面元數(shù)據(jù)字段標準化、接口層面鑒權API 數(shù)據(jù)共享、服務層面資源授權下載，以多層次的數(shù)據(jù)共建共享，充分保障資源的通用性和專業(yè)性。

數(shù)據(jù)庫層面元數(shù)據(jù)字段標準化，平臺在分析徽州文書特征基礎上定義了其元數(shù)據(jù)的17 種字段，其中充分考慮兼容都柏林核心集（Dublin Core Element Set）元素字段，保證與其他類型數(shù)據(jù)庫的兼容性，提供數(shù)據(jù)共建共享的底層標準基礎。

接口層面鑒權API數(shù)據(jù)共享，API是元數(shù)據(jù)標準可解析后數(shù)據(jù)實現(xiàn)同步獲取的主要途徑之一，平臺API 可通過請求令牌信息識別訪問者身份實現(xiàn)數(shù)據(jù)通信，對平臺合作機構(gòu)可提供全面且可定制化的數(shù)據(jù)支持。

服務層面資源授權下載，平臺支持授權個人用戶按權限導出資源字段標準、資源發(fā)布文件和原始文件，通過基于合作平臺的用戶互認等機制，即可擴大平臺間用戶群體，在用戶層面實現(xiàn)資源共享。

4.4 資源高效多維度檢索發(fā)現(xiàn)體系

徽州文書資源庫平臺資源發(fā)現(xiàn)通過多維度多渠道的方式，降低平臺資源發(fā)現(xiàn)難度（具體見圖4所示）。具體服務中以自主檢索、復合檢索、多維篩選、關聯(lián)推薦等形式組合，通過多個入口提取命中資源數(shù)據(jù)，增加服務廣度；結(jié)合資源主題詞、類型、年代、地域等特征信息，便于簡化數(shù)據(jù)字段索引設置，提升數(shù)據(jù)提取效率，提升發(fā)現(xiàn)深度；遵從主題詞匹配優(yōu)先并使用瀏覽量、資源評分等參數(shù)的混合排序規(guī)則，優(yōu)化展示排序。最終實現(xiàn)從元數(shù)據(jù)、分析數(shù)據(jù)、知識點關聯(lián)數(shù)據(jù)等多個維度完成資源數(shù)據(jù)的整體發(fā)現(xiàn)，實現(xiàn)用戶對所需資源的高效準確定位和發(fā)現(xiàn)。

圖4 徽州文書檢索服務頁面

5 結(jié)語

徽州文書資源庫平臺實現(xiàn)對我館徽州文書資源的數(shù)字化存儲、管理和檢索功能，初步建設徽州文書知識圖譜和資源推薦系統(tǒng)。在建設過程和試用過程中，筆者對徽州文書資源庫平臺擬定了進一步完善平臺通用性功能的完善方向。同時，在知識圖譜構(gòu)建和檢索發(fā)現(xiàn)上進一步挖掘資源內(nèi)容中的人、物、事節(jié)點，進而組建更完善的語義網(wǎng)，使資源使用者尤其是研究學者可以更好地進行內(nèi)容發(fā)現(xiàn)、挖掘和分析。但還存在加工過程遵從以專用元數(shù)據(jù)標準處理收割數(shù)據(jù)資源、以發(fā)布應用文件規(guī)范對資源加工進行各維度閾值限制、平臺資源加工僅支持人工輸入構(gòu)建全文數(shù)據(jù)等不足，在數(shù)字人文理論與技術發(fā)展的當下，這也是本平臺后續(xù)發(fā)展需要重點攻克的內(nèi)容。