服務甲骨學研究的文獻數字化平臺建設

張瑞紅，劉永革

(安陽師范學院 甲骨文信息處理教育部重點實驗室，河南 安陽 455000)

甲骨檔案是目前我國可見的最古老的檔案實物，是鐫刻于龜甲與獸骨上，記錄殷商和西周早期上至國家政事、農事、征伐，下至王室祭祀、狩獵、巡游、疾病、生育等重要事宜的檔案(1)王永：《論甲骨檔案的學術價值——紀念甲骨檔案發現一百周年》，《浙江檔案》1999第3期。；所記錄文字——甲骨文，也是目前我國發現的最早的成系統的文字。研究甲骨文是挖掘甲骨檔案，近距離觀察殷商和西周早期社會，了解中國上古史和早期國家社會形態的重要前提。2014年5月30日，習近平總書記在北京視察工作中指出：“中國字是中國文化傳承的標志，殷墟甲骨文距離現在3000多年，3000多年來漢字結構沒有變，這種傳承是真正的中華基因。”(2)《習近平看望少年兒童:精忠報國是一生的目標》，http://www. xinhuanet.com// politics/ 2014-05/30/ c_11109 43512.htm，2014-5-30。2016年5月17日習近平總書記在哲學社會科學工作座談會上的重要講話明確指出：“要重視發展具有重要文化價值和傳承意義的‘絕學’、冷門學科，如甲骨文等古文字研究等，要重視這些學科，確保有人做、有傳承。”(3)《習近平在哲學社會科學工作座談會上的講話》，http://politics. people.com.cn/n1/2016/0518/ c1024-28361421-4.html，2016-5-19。2017年甲骨文入選《世界記憶名錄》。2019年11月1日孫春蘭副總理在人民大會堂主持召開“紀念甲骨文發現120周年座談會”，習近平總書記發來紀念甲骨文發現和研究120周年的賀信，談到：“殷墟甲骨文的重大發現在中華文明乃至人類文明發展史上具有劃時代的意義。甲骨文是迄今為止中國發現的年代最早的成熟文字系統，是漢字的源頭和中華優秀傳統文化的根脈，值得倍加珍視，更好傳承發展。”(4)《習近平致甲骨文發現和研究120周年的賀信》，http://www.xinhuanet.com/politics/leaders/2019-11/02/ c_1125184398.htm，2019-11-2。給甲骨文研究者極大的鼓勵與鞭策，甲骨文等古文字研究必將進入一個嶄新的發展階段，讓‘絕學’、冷門學科蘊含的中華優秀傳統文化得以更好地傳承和發展。

為了發揮甲骨文對中華優秀傳統文化的傳承作用，響應中央要求，2016年全國哲學社會科學規劃辦公室啟動“大數據、云平臺支持下的甲骨文字考釋研究”國家社科基金重大委托項目，共有9個子課題獲批立項，我校獲批3項，筆者所在團隊承擔了“甲骨文大數據云平臺技術研究”子課題，該課題預期目標是“三庫一平臺”，即建成一個集甲骨文字形庫、甲骨著錄庫(含甲骨綴合庫)、甲骨文獻庫為一體的數字化服務平臺，為甲骨學專家研究殷商史、考釋甲骨文字、開展甲骨綴合等提供快捷、全面的數字化資源服務，為全面深化甲骨文研究提供信息技術支持，對構建中國上古史、文化遺產保護、文化傳承等具有尤為重要的學術價值和社會意義。

一、甲骨文文獻資源數字化平臺建設的必要性

1.甲骨文研究高度依賴資源占有量，共享卷帙浩繁的甲骨文資料尤為必要

從1899年王懿榮辨識出商代晚期龜甲獸骨上的文字開始，對甲骨文的研究成為一些學者一生孜孜不倦的追求，在甲骨文材料收集、整理、刊布方面付出巨大心血，為研究甲骨學奠定了堅實的基礎。如今，經過幾代甲骨學人的不懈努力，甲骨文研究已經成為一門具有嚴密規律、有豐富研究資料和多方面研究課題的舉世矚目的國際性顯學——甲骨學。(5)宋鎮豪：《歲末年初對甲骨學的思考和期待》，http://cass.cssn.cn/xuebuweiyuan/201812/t20181228_4802379. html，2018-12-28。但是甲骨學的研究特別是甲骨文字的釋讀不是孤立地以甲骨片上的文字為對象，而是與古文字學、考古學、歷史學、古代科學史、歷史文獻學、人類學等其他相關學科緊密聯系的，(6)江銘虎：《自然語言處理》，高等教育出版社，2006年。甲骨文的研究高度依賴專家知識，成為一名甲骨文專家可能要付出畢生精力，培養一名甲骨文專家難度可想而知。不說甲骨學專家隱性知識傳承的難度有多大，僅獲取甲骨學專家多年研究積累、使用的資料難度就很大。而且甲骨學研究還是冷門學科，除了各大數據庫收錄的文獻，早期的研究成果大多分散地收藏在不同的甲骨學者手中，或者分散地珍藏在不同的圖書館，特別是一些早期的研究專書、論文獲取難度和成本很大，所以傳統的資料獲取方式嚴重地阻礙了甲骨文初學者的進展，對甲骨學人才的培養也極為不利，共享甲骨文專家卷帙浩繁的資料尤為必要。

2.甲骨學深入研究面臨重重困難，借助信息技術改善傳統研究方式勢在必行

經過幾代歷史學家、考古學家、甲骨學者的不懈努力，甲骨文研究已經取得的豐碩的成果，大大地加深了我們對殷商和西周早期社會的認識。但是全面深化研究面臨著許多難題，如甲骨文考釋，據統計目前大約發現5000多個甲骨文字，已釋讀的只有約1500字，釋讀新的甲骨文字需要大量的線索，但是出土的約16萬片甲骨片分散地收藏在國內外不同的地方；(7)葛亮：《一百二十年來甲骨文材料的初步統計》，《漢語漢字研究》2019年第4期。一些早期研究甲骨文的珍貴文獻資料分散在不同的甲骨文專家手中，幾代學者通過墨拓、摹繪、照相、文字敘述等編撰的甲骨文著錄等一批工具書，購買成本昂貴、翻閱不太方便，考釋新字的難度極大。另外已經發表的甲骨片中95%的是碎片，只有將來源于同一片的甲骨碎片綴合在一起，才能為考釋提供更為完整的信息。甲骨文研究必須依賴大量的文獻資料，殷墟發掘90多年也出土了浩如煙海的相關資料，僅依賴少數專家的知識積累和大腦記憶，在海量的資料中尋找綴合、考釋線索，收效甚微，傳統的研究方法迫切需要借助信息技術進行改善；利用現代信息技術、人工智能技術改變傳統研究方式勢在必行。

因此，為了貫徹習近平總書記的講話精神，順應文化傳承的新時代要求，確保甲骨文等古文字研究有人做、有傳承；為了共享卷帙浩繁的甲骨文資料，為后來研究者提供豐富的資源；為了深挖甲骨文文獻資源的價值，為甲骨文考釋、綴合提供支持，永久保存甲骨文寶藏，建設甲骨文文獻數字化平臺十分必要。

二、服務甲骨學研究的文獻資源數字化平臺建設

1.甲骨文文獻資源數字化平臺建設的宗旨

甲骨文文獻資源數字化平臺由中國社會科學院學部委員，中國社會科學院甲骨學殷商史研究中心主任宋鎮豪先生指導建設，長期與國內、臺灣地區、海外的甲骨文研究領域的知名專家保持聯絡與交流，與國內外從事文字計算研究的科研院所合作，確保甲骨文文獻資源平臺建設的權威性。建設的宗旨是不遺漏每一部著錄，不錯過每一片甲骨，竭盡全力收集每一部專書、每一篇文獻，以期建成資料最齊全的數字化平臺；收集甲骨文發現120年來所有出版著錄，目前已收集整理甲骨文著錄246部，含大批海外出版著錄、孤本絕本，同時收集研究文獻29708篇(含專書282部)。以期建成形式最多樣、內容最豐富的資源服務平臺，甲骨統領、著錄為綱，著錄不僅有拓片、摹本、照片，后期還要加入3D圖像；對每部著錄中的甲骨片進行裁剪、分類、存儲和管理，對甲骨片上的每一個字進行截取，做到清楚每一片甲骨的身世，精細到每一片甲骨上的字，建立甲骨片、著錄關聯信息，建立甲骨文字、文獻關聯信息，為后期實現人工智能技術輔助甲骨文研究提供智能化知識服務奠定基礎。

2.甲骨文文獻資源數字化平臺——三庫一平臺

(1)甲骨文字形庫

甲骨文數字化的首要任務是建立甲骨文字形庫，這是實現甲骨文字在計算機中編輯、輸入的基礎，但是甲骨文字不像現在的漢字具有統一的標準規范，尤為復雜，如異體字、合體字較多，還有約三分之二未識字，所以甲骨學者對甲骨文字形的認同也存在差異。(8)栗青生、吳琴霞、楊玉星：《甲骨文字形動態描述庫及其字形生成技術研究》，《北京大學學報(自然科學版)》2013年第1期。影響較大的是香港中文大學沈建華等確定的包括異體字在內的六千多個甲骨文字形。(9)沈建華、曹錦炎：《新編甲骨文字形總表》，香港中文大學出版社，2001年。以沈建華的甲骨文字形為參考，結合前人研究成果，在甲骨文專家指導下，收集整理已發現的全部甲骨文字(包括異形體)。團隊中既懂甲骨文又會甲骨文書法的專業人士，參考原片逐字核對校驗，修改誤摹、誤收、重收及衍生字頭與字形，合理調整部首與歸部，正確處理異形字的分列與歸并，形成一份綜合各家之長又有所修訂與補正的獨立的甲骨文字形表，用毛筆書寫了甲骨文字形，包括172個部首和4049個甲骨文單字，具體見圖1：甲骨字形庫，提供了輸入單字、拼音和句子三種檢索方式。在甲骨字形庫的基礎上，研制了在線手寫甲骨文輸入法、筆畫輸入法、拼音輸入法、部首輸入法等，以滿足各類用戶的甲骨文獻編輯、輸入和信息檢索的要求。

圖1 甲骨文字形庫

(2)甲骨著錄庫(含甲骨綴合庫)

①甲骨著錄庫

甲骨著錄是甲骨學者在搜集、整理甲骨片的過程中，采用墨拓(拓片)、摹繪(摹本)、照相、文字敘述等方式，將甲骨文客觀地復原后刊布出來，并記錄有甲骨形狀、卜甲與卜骨上的卜兆和鉆鑿、甲骨上雕刻的花紋等信息的資料。(10)顧紹通：《甲骨文數字化處理研究述評》，《西華大學學報(自然科學版)》2010年第5期。1903年劉鶚從搜集到的甲骨片中精選墨拓了1058片，以石印出版的《鐵云藏龜》是我國甲骨學史上的第一部著錄書，使甲骨文由只供少數學者在書齋里觀賞的古董，變為可以研究的珍貴史料，是甲骨文領域專家學者開展研究的第一手資料。1978至1982年中華書局出版的《甲骨文合集》就是一部甲骨著錄的集大成，共13冊，選錄了甲骨發現后80年的已著錄和未著錄的殷墟出土的甲骨拓本﹑照片和摹本﹐共41956片。(11)西沐、柳學智：《關于甲骨文價值認知的分析——紀念甲骨文發現111周年(1899-2010)》，《中國美術》2011年第3期。一部《甲骨文合集》就如此之巨，更何況120年來，先后出土了約16萬片，甲骨學者還在不斷地整理刊布甲骨著錄，傳統的方式讓甲骨學研究不僅是一項智力活動還是一項體力活動，而且費用開支巨大。甲骨著錄數字化將為甲骨文研究提供極大的便利，并可節約大量的費用和資源。

甲骨著錄庫計劃收錄甲骨著錄246部，一期整理46部，利用高清掃描儀對紙質出版的著錄進行掃描。除了對甲骨文著錄書進行信息標注外，由于著錄中的每片甲骨都有自身獨有的信息，如卜辭、鉆鑿、兆紋、載體等，所以將著錄中的每片甲骨裁剪下來，提取著錄文獻中每片甲骨的信息，如出土地、館藏地、著拓號、選定號、原骨拓藏，館藏編號，記錄載體(龜甲、獸骨)、記錄形式(拓片、摹本、照相)、分期情況、分組情況、著錄情況、原文、釋文等。(12)熊晶、焦清局、史小松：《甲骨文著錄綜合信息化系統設計與實現》，《信息技術與信息化》2018年第10期。每部甲骨著錄中的每片甲骨都根據其提供的編號或者制定編號規則命名后，上傳至數字化平臺的著錄庫中保存，一期的46部，共收錄112517片甲骨信息，具體見圖2：甲骨著錄庫。甲骨著錄庫可以通過甲骨片號、釋文、館藏編號、記錄形式、出處等條件單獨或者組合檢索，放大每張著錄圖片可以清晰看到甲骨上的文字。

圖2 甲骨著錄庫

②甲骨綴合庫

在甲骨文科學發掘前，大多甲骨是農民耕田或盜掘所得，加之甲骨承載著文字、占卜、工藝技術等大量信息，并在地下埋藏三千多年，十分脆弱易碎，所以大多是碎片，已經發表的甲骨片約95%是碎片，將殘存的甲骨進行綴合是除了發掘甲骨之外，獲得甲骨新材料的重要途徑，故甲骨綴合堪稱“再發掘”。王國維是最早進行甲骨綴合的學者，通過綴合修正了《史記·殷本紀》中商王世系，就是典型例證。(13)王大德：《王國維與殷墟甲骨檔案》，《檔案學通訊》1993年第5期。以黃天樹、林宏明為代表的學者在甲骨綴合方面成績斐然，甲骨綴合成為甲骨學研究中成果最為豐碩的一個領域。除了甲骨收藏者外，學者綴合甲骨大多情況下利用拓片，有些學者利用摹本也可做綴合，但是依靠學者記憶在約16萬甲骨中尋找綴合的線索，猶如大海撈針，有時發現線索完成了綴合，很有可能其他學者已經綴合過了，重復勞動浪費學者時間精力而且工作量巨大。

甲骨綴合庫存儲了學者們已經綴合過的甲骨信息，包括甲骨主片號與可以進行綴合的甲骨號碼等信息，具體見圖3 ：甲骨綴合庫。甲骨學者可以檢索、查詢到已經綴合的甲骨信息，防止重復勞動。同時，也為甲骨學者開展考釋等研究提供了重要的盡可能完整的參考材料。每一片新綴合的甲骨，無論是否有新字或者重要內容出現，都是有意義的。

圖3 甲骨綴合庫

(3)甲骨文文獻庫

甲骨文本身是一種文獻，但是這里的甲骨文獻不是指考古意義上的出土文獻，而是甲骨文發現120年來，甲骨學者研究甲骨文的論文、專書，著錄除外。雖然我國知網、萬方、維普、超星等各大數據庫都收錄了與甲骨文研究相關的論文、專書，但是由于各大文獻數據庫建設的時間遠晚于甲骨文發現后學者研究的時間，所以很多早期的研究成果大多未收錄，如早期甲骨四堂的論文獲取難度大，建設甲骨文獻數據庫，實現甲骨文研究資料的數字化，一直是甲骨學者的愿望。但是早期甲骨文獻資源的特點，如手寫體、繁體字、豎排且有時又會出現雙排并列的不規則排版、未識字圖片嵌入、未識字不同部首拼合而成等，還有一些早期的專書很難獲得，購買的時間、經濟成本都很高，很多問題使得甲骨文獻庫的建設困難重重。

中國社會科學院學部委員、甲骨學殷商史研究中心主任宋鎮豪先生是甲骨文研究領域的領軍人物，主編了《甲骨文獻集成》(40冊)和《百年甲骨學論著目》，收集整理了大量的甲骨文研究文獻，將大量資料提供給我們。利用高清掃描儀將早期沒有被各大數據庫收錄的論文、專書進行掃描，對圖像進行合并。根據甲骨文文獻資源特點，設計數據庫類型，依據應用方式定制論文和專書數據庫的元數據，并確定數據加工的標準和規范，制定出XML Schema；根據制定的數字資源庫元數據和Schema標準，對收集整理的甲骨文文獻資源進行數字化加工，并根據元數據規范標引各個數據項和結構化拆分，一期完成了29426篇文獻和282部專書的數字化加工和元數據標引，上傳至數字化平臺的文獻庫中保存，具體見圖4：甲骨文文獻庫。甲骨文文獻庫提供題名、作者、關鍵詞、摘要等多種檢索途徑，可在線瀏覽和下載。而且，如果甲骨文研究領域的學者有我們庫中未收錄的文獻，可以自行上傳，經過管理員審核后可以入庫，為不斷豐富該庫資源提供了途徑。

圖4 甲骨文文獻庫

(4)面向服務的甲骨文文獻資源數字化平臺

甲骨文文獻資源數字化平臺是一個集甲骨文字形庫、著錄庫(含綴合庫)、文獻庫為一體的全面、權威的甲骨學研究資料獲取平臺，已經具備甲骨文手寫輸入、部首輸入、拼音輸入、著錄檢索、已綴合甲骨查詢、文獻查詢等功能，對各類甲骨文研究資源進行統一建設、發布、管理和維護，具體見圖5：甲骨文文獻資源數字化平臺——殷契文淵，一期工程完成后，該平臺已在2019年10月18日“紀念甲骨文發現120周年國際學術研討會”上，面向全世界發布，用戶注冊后可免費使用平臺上所有資源，網址為http://jgw.aynu. edu. cn/ajaxpage/ home2.0/index.html。在一定程度上破解了以往甲骨文研究資料獲取難的問題，為甲骨學領域的專家學者以及普通用戶提供了前所未有的便利。面向未來，在知識層面，從著錄上裁剪的每片甲骨，碎片化的標注；從每片甲骨上截取的每個甲骨字，形成研究的數據集，精細到了字；收集到的每篇文獻依據元數據規范標引，形成碎片化的XML文檔，為建立甲骨片、著錄關聯信息，建立甲骨文字、文獻關聯信息打下了堅實的基礎，讓借助現代信息技術為甲骨文專家提供更全面、更智能的圖像檢索、語義檢索、個性化推送等知識服務成為可能。

圖5 甲骨文文獻資源數字化平臺——殷契文淵

四、未來發展——智能化知識服務

目前，二期工程正在進行，甲骨文字形庫將繼續整理、補充新近出版的甲骨著錄中的“新見字”，設計甲骨文Unicode編碼，爭取成為行業標準，積極參與甲骨文GB或Unicode標準的制定；甲骨著錄庫將完成解放前38部著錄入庫工作，還要采集補充3D圖像數據；甲骨綴合將利用甲骨著錄庫中的圖片，應用數字圖像邊緣檢測方法等對甲骨碎片進行拼接，綴合甲骨或者提供更多綴合線索；甲骨文文獻庫將繼續收集臺灣、日本等甲骨文學者的研究成果；結合甲骨文字庫，應用文檔分析技術、光學字符識別技術對著錄、甲骨文獻中的甲骨字進行識別，建立三庫關聯信息，提供智能化知識服務。為利用人工智能、深度學習等先進的信息技術，開展甲骨文字形分析、甲骨文字檢測、甲骨文識別、甲骨文語言計算和知識推理等研究，輔助甲骨文考釋和綴合提供數據支撐。面向未來，雖然實現完全意義上智能化知識服務還有一定距離，但是在國內外甲骨文專家學者和國內外從事文字計算研究的科研院所的幫助下，在國家促進中華優秀傳統文化傳承和發展，提升中華民族文化自信和文化軟實力戰略支持下，該平臺的建設一定可以取得豐碩成果，更好地服務甲骨學研究。