張謇研究數據庫建設與應用研究

摘要：該文概述了南通大學張謇研究文獻數據庫的建設背景、收錄范圍、數據庫的平臺架構，功能結構，張謇研究文獻數字化過程中的電子書加工、元數據編目操作流程，以及檢索功能的實現。在此基礎上提出了利用張謇研究數據庫進行張謇研究社會網絡分析和基于本體的張謇研究與江海文化深度開發的構思與應用。以大數據、人工智能技術為依托，整理分析文獻與文獻、文獻與人物、人物與人物之間關聯關系，為“講好張謇故事、傳承張謇精神”提供一套完整的知識管理平臺。在此基礎上實現“江海文化”文獻實例知識的關聯分析與推理查詢，有益于推動知識組織方法在地方文化領域的數字化實踐，推動地方傳統文化的傳承與發展。

關鍵詞：張謇；數據庫；TPI；知識管理；數字化；應用

中圖分類號：K25 " " " " " " " " " " " 文獻標識碼：A " " " " " " " " 文章編號：2096-4110（2023）08（b）-0085-06

Research on the Construction and Application of the Database of Zhang Jian

LI Qiang， QIAN Zhiyong

（Nantong University Library， Nantong Jiangsu， 226019， China）

Abstract： This paper summarizes the construction background， coverage scope， platform framework and function structure of the database of Zhang Jian research literature in Nantong University， as well as the operation flow of electronic book processing and metadata cataloging and the realization of retrieval function in the digitization process of Zhang Jian research literature. On this basis， the utilization of the Zhang Jian research database for social network analysis of Zhang Jian research and the conception and application for deeply developing the ontology-based Zhang Jian research and the \"Jianghai culture\" are put forward further. Supported by metadata and artificial intelligence technology， it sorts out and analyzes the relationship between literature and literature， literature and characters， and characters and characters， providing a complete knowledge management platform for \"telling the story of Zhang Jian well and inheriting the spirit of Zhang Jian\". Based on this， the correlation analysis and inference inquiry of the literature case knowledge about \"Jianghai culture\" are realized， which is beneficial to promote the digital research of knowledge organization method in the field of local culture， and promote the inheritance and development of regional traditional culture.

Key words： Zhang Jian; Database; TPI; Knowledge management; Digitization; Application

張謇為清末狀元，是“中國近代第一城”（工程院院士吳良鏞語）——南通的締造者。早在1956年2月毛澤東主席在接見黃炎培時，曾表示，提起民族工業，在中國近代史上有4個人不能忘記，其中“輕工業不能忘記海門的張謇”。2020年習近平總書記在南通考察時指出：“張謇是中國民營企業家的先賢和楷模”，2020年習近平總書記在企業家座談會上稱張謇是“愛國企業家的典范”[1]。張謇也是南通大學創始人。本文通過南通大學張謇研究文獻數據庫的建設和應用研究，實現“江海文化”文獻實例知識的關聯分析與推理查詢，有益于推動知識組織方法在地方文化領域的數字化研究，推動地域傳統文化的傳承與發展[2]。

1 張謇研究數據庫的建設基礎

張謇高舉“實業救國”“教育興國”的大旗，立足南通，惠及全國。一個多世紀以來，南通大學秉持張謇精神，堅守“道德優美、學術純粹”的教育初心，培養時代新人；堅持“祈通中西、力求精進”的教育原則，賦予新的時代內涵；堅定“學必期于用、用必適于地”的教育理念，扎根中國大地辦教育。近年來，南通大學堅決貫徹執行習近平總書記關于哲學社會科學工作的重要論述，堅持把黨的領導貫穿到哲學社會科學工作的全領域、全過程。

20世紀30年代以來，國內外近代史學者持續不斷開展張謇及其相關文獻研究，成立了多個張謇研究機構，如江蘇省張謇研究會、南通市張謇研究中心、南通大學張謇研究所、海門張謇研究會等。自1987年舉辦了首屆張謇國際學術研討會以來，至2015年已在南京、北京、南通、上海等地舉辦了六屆會議，影響深遠。第七屆研討會將在2023年張謇誕辰170周年之際在南通市舉辦[3]。有關張謇先生研究的專著、論文和網絡上的文章數以萬計。對中國知網（CNKI）以主題詞“張謇”進行“篇關摘”檢索結果顯示，期刊研究論文2 386篇，博碩士學位論文176篇，還有數百篇會議報紙及其他文獻等，網上OPAC書目查詢結果顯示：國家圖書館約有368種張謇研究相關論著，上海圖書館、南京圖書館、北京大學圖書館、復旦大學圖書館、南京大學圖書館等國內知名圖書館也有不同程度的收藏，其中當以南通市圖書館、南通大學圖書館收藏為最多。南通是張謇先生的故鄉和創辦實業的主要地區，南通市圖書館、檔案館以及南通大學圖書館收藏有大量張謇先生的著作、文章、檔案、圖片、音視頻等珍貴歷史資料。過去，由于技術、人力、研究方式、政策指引等因素，使得研究工作在一定程度上遇到了很多困難，早期的數字化工作甚至還需要大量的人工參與，海量的張謇研究資料分散于各研究場所，且網絡上的張謇研究資源較為分散且質量不一；因此需要收集與張謇有關的名錄、論文、原著、照片、圖像、音視屏等各種知識信息，然后利用數字化技術和文獻知識組織理論、技術、工具對其進行加工、整理，使之合理呈現，最終形成張謇研究文獻特色數據庫，以幫助研究張謇的學者研究，為網絡用戶提供相關文獻資源。

南通大學圖書館長期致力于張謇學文獻的收集、整理與保護，構建張謇特色數據庫，利用數字化技術、語義知識組織工具和人工智能新方法對張謇文獻進行數字化保護和利用。綜合利用國內外領先的古籍數字人文平臺和古籍資源庫收集張謇手稿、檔案、信札、詩文等原始文獻。采用機器OCR識別輔助人工校對瀕危文獻，將圖像文件轉為可編輯的文檔，再利用關鍵詞精準定位整理古籍文獻。通過關系圖譜鏈接人物、地域以及時間，關聯多種資源類型數據進行展示，把文化背后的關系找出來并以圖片的方式顯示。早在2003年起南通大學圖書館規劃建設張謇研究特色數據庫，2005年該數據可被列入江蘇省高校文獻信息保障系統（Jalis）二期特色數據庫建設子項目[4]。2011年該數據庫被教育部“211工程”高等教育文獻保障系統三期“專題特色數據庫”子項目立項。2012年在Calis三期全國高校專題特色庫子項目驗收評比中被評為二等獎。2013年簽訂Jalis特色資源整合平臺項目參建協議，張謇研究特色數據庫對全省高校提供開放服務，成為南通地區江海文化研究和南通大學國家級精品課程《中國古代文學》的重要線上資源。經過20余年的資源收集、整理和研究，2021年，張謇研究數據庫建設正式成為南通大學圖書館“十四五”重點建設項目。目前，南通大學圖書館在此基礎上正在以大數據、人工智能技術為依托，整理分析文獻與文獻、文獻與人物、人物與人物之間關聯關系，按需呈現知識圖譜，為“講好張謇故事、傳承張謇精神”提供一套完整的知識管理平臺。下文結合實踐論述張謇知識庫建設的架構、子系統功能及其實現。

2 基于TPI平臺構建張謇研究數據庫

張謇研究文獻數據庫建設是基于清華同方TPI6.0平臺，張謇研究文獻數字化的含義包括兩層含義：一是對原有已收集到的文獻進行數字化加工轉化，即把以紙張為載體的印刷版文獻信息利用光學字符識別轉化為用計算機存儲設備存儲的電子版信息，并實現形式轉換后的計算機管理，網絡傳輸和數字化存取。二是對轉化后的電子版信息進行采集加工，建設新的數字化文獻資源，進行整合、組織、分類形成東亞文獻的數字化資源體系，通過網絡供遠程用戶檢索、查詢和利用[5]。清華同方TPI專業數據庫制作管理系統是同方知網（北京）技術有限公司自主研制的數字化圖書館資源加工與發布平臺，它是一套基于網絡平臺上用于知識倉庫創建、生產、管理、維護和發布的工具軟件系統。TPI的加工系統包括內容管理平臺、電子書制作工具（Bookshop）、元數據編目系統。實現原始文獻資料的數字化和組織；內容發布（CPS）、檢索網關與TPI檢索服務器一起實現了資源發布[6]。

2.1 平臺總體架構

張謇研究數據庫建設平臺使用的檢索系統是基于清華同方自主開發的KBASE數據庫管理系統，能夠實現信息的組織、存儲與檢索。它是以管理文本、網頁、檔案、文獻等非結構化數據為主的數據庫管理系統，擁有高效、準確的全文檢索特點，全文檢索速度快，能夠做到實用化的數據庫管理系統；同時支持服務器群集，可以將多個獨立的服務器整合，從而使得非結構化數據存儲管理能力強大，能夠為千萬用戶提供穩定的信息檢索服務；基于關系數據庫全文檢索網關可以整合多種異構數據源，為用戶提供信息資源的統一搜索；還有先進的中文智能信息處理能力、易用的檢索語言、支持多種編碼等多個特點。

張謇研究文獻資源數字化建設的加工系統基于清華同方TPIVer6.0信息資源建設與管理平臺，其主要功能包括內容管理平臺、電子書制作工具、數據庫制作工具（見圖1）。支持的元數據標準格式為DC、MARC，同時也支持與其他元數據之間的映射與轉換。針對都柏林核心元數據集DC簡練、易于理解、可擴展并且能夠和其他元數據形式進行橋接的特性[7]，能夠使圖書館的數字資源很輕松地實現共建共享。此外該平臺的黑白二值圖像壓縮技術使得數據占用的存儲空間較少，能夠提高信息傳播速度。

2.2 Bookshop電子書加工系統

Bookshop是清華同方光盤股份有限公司自主研發的電子書加工工具。通過該工具可以把書籍、報刊、公文等各類紙張文檔，通過書頁掃描、書頁圖像處理、目錄樹編改、書頁壓縮等過程簡單快速地形成電子書籍。也可以把已有各種電子文件，如WORD、PDF、HTML、PS、S2、S72、PS2、PSD、TXT等格式文件，通過本公司自主研發的打印驅動轉化為電子書籍。

Bookshop支持各類紙張文檔加工成電子書的全過程。其中包括書頁圖像掃描及管理、書頁圖像處理、書頁圖像識別導入及編改、目錄加工處理、書頁圖像及目錄合并形成電子書。為適應大規模圖書加工業務，該工具對部分工藝還設計了批處理工作方式，用于電子書流水線加工[8]。BookShop包含書頁加工過程中所必需的圖像處理功能，包括書頁高速成批掃描、自動傾斜校正、去噪、剪裁、翻轉、灰度圖像頁自動搜索、灰度區自動標記、灰度圖像頁亮度及對比度的調整。Bookshop還具有為圖書加工所設計的特殊圖像處理功能，如整書去除裝訂孔、整書裁邊、內容居中等。Bookshop對上述大部分工藝設計了批處理工作方式，以適應流水線加工。Bookshop支持批圖像處理，包括批圖像反相、批圖像翻轉180、批圖像右轉90、批圖像左轉90、批圖像傾斜校正、批圖像去躁、批圖像版心校正、本書圖像邊緣抹白、本書剪裁裝訂孔、本書裁邊、本書增加圖章、智能二值化及處理。在書頁列表區（書頁樹）中選擇要識別的圖像頁，選擇“文檔處理/圖像識別”菜單項，或在文檔處理欄上點擊“圖像識別”按鈕，Bookshop將選擇的圖像頁進行識別。可以在“識別結果區”參照“圖像顯示區”修改識別不正確的文字。Bookshop支持全部圖像識別功能。

Bookshop目錄識別利用目錄塊文字信息，對全文進行搜索、識別，從而自動生成目錄樹。Bookshop提供方便的、可視化的目錄樹編改環境。可修改目錄項對應的物理頁碼、增加目錄項、刪除目錄項和移動目錄項等。對于無目錄的文檔，利用該工具還可以手工建立目錄樹，以利于導航瀏覽。Bookshop生成電子書模塊對書頁掃描圖像進行壓縮、打包處理，形成電子書。Bookshop還能利用打印驅動把WORD、PDF、HTML、PS、S2、S72、PS2、PSD、TXT等已有的各種電子文件格式轉換為瀏覽器可識別的NH文件格式。該模塊也具備批處理能力。如果有目錄樹，Bookshop在生成電子書的過程中，自動把目錄樹并入打包文件中，形成帶目錄樹的電子書。

2.3 元數據編目系統。

TPI6.0元數據編目工具是對各種文檔進行標引、分類等加工的工具，把各種類型的數字對象加工成有序資源，為數據庫提供直觀導航與多途徑檢索[9]。可標引文件格式包括：KDH、NH、PDF、CAJ、TXT、HTM、HTML、XML、EML、ASP、DOC、PPT、TIF、BMP、JPG、JPEG、GIF文件等。

內容管理器和元數據編目加工系統的數據庫。內容管理器的模塊分布分為：內容管理區、內容瀏覽器和菜單欄部分。內容管理區主要包括用戶管理、數據管理、模板管理、分布式管理和模板信息。該內容區能查看的內容會受到管理員為用戶所設置的權限限制。所能夠執行操作的功能也是會受到管理員用戶所設置的權限限制。按照張謇研究文獻的類型，張謇研究文獻數據庫構建包括：張謇著述庫、張謇研究著作庫、張謇研究檔案資料庫、張謇研究期刊論文庫、張謇研究學位論文庫、張謇研究報紙論文庫、張謇研究圖片庫、張謇研究多媒體資源庫、張謇研究演示文稿等，此外還設計了張謇研究網絡資源導航庫等。

通過內容管理器在每個數據庫中所提供的功能有：基本信息、字段信息、記錄信息、分類導航4個部分。在記錄信息部分中可以添加元數據，右鍵單擊記錄信息部分，會出現菜單欄，選擇添加元數據會彈出字段信息的所有字段，用戶可根據字段來填寫字段內容，也可以連續添加或者對某字段內容打開修改。確定完善好字段信息之后點擊確定就可以增加一條新的元數據編目數據。記錄信息因為是所有元數據的集成地，所以當增加完成一條元數據之后，會在成千上萬條元數據編目中存在。字段檢索功能可以在最短的時間內找到最新增添的一條元數據。在內容管理器菜單欄中有記錄下拉菜單欄可以選擇記錄檢索，可以選擇單項檢索和組合檢索。記錄信息部分還可以將每個元數據的作為任務分發給服務器組中的用戶，由管理員分發元數據編目的任務。管理員可以為每個成員設置對元數據操作的權限。

經過近20年的數據庫建設，張謇研究數據庫已經完成張謇研究著作庫578部，張謇著述5 926條，張謇研究期刊論文5 861篇，張謇研究檔案資料507件，張謇研究學位論文692篇，張謇研究會議論文1 238篇，張謇研究報紙論文1 969篇，張謇研究圖片1 023幅，張謇研究網絡資料3 017個等，具有跨庫檢索等多功能的張謇專題研究文獻集合（見圖2）。

張謇研究數據庫建成以后，由于文獻類型豐富、資料收集全、更新快，且地方特色鮮明，充分服務于地方經濟文化建設，實用性強；同時軟件選用符合CALIS標準，便于共享，數據組織、數據標引規范；檢索途徑多，界面友好方便，因而得到張謇研究學者的高度肯定。已經成為南通市江海文化、張謇研究的重要資源，并已在江蘇省高校圖書館共享。

3 張謇研究數據庫應用研究

3.1 張謇研究關鍵詞共現網絡研究

利用張謇研究數據庫，可以通過社會網絡分析工具進行關鍵詞共現網絡分析，作者群合作網絡分析、研究引文和機構關聯分析等基于數據庫的張謇研究文獻計量研究。例如，利用社會網絡分析工具UCINET，分析張謇研究數據庫中的期刊論文關鍵詞共現網絡分析，分析近30年張謇研究的熱點趨勢，如圖3所示。

3.2 張謇學數字人文深度開發研究

在此基礎上研究構建張謇學數字人文平臺。平臺自底向上分3個層次，包括信息資源層、整合支撐層和應用層。第一層是張謇研究信息資源層。首先，制定不同類型張謇學文獻數據資源的加工規范。包括《張謇著述采集和加工規范》《張謇圖像資源采集和加工規范》《張謇檔案資源采集和加工規范》等。其次，制定張謇學文獻數字化識別的參數標準、保存格式、方法步驟等規范。最后，構建張謇學文獻知識庫。數字資源采集和數字化加工系統支持基于眾包參與的在線審校和提交方式。數據存儲支持關聯數據（RDF）格式轉換和三元組存儲的主流關系型數據庫，系統遵循安全接口協議。第二層是張謇學文獻資源整合支撐層。整合支撐平臺的主要功能是獲取和組織各種類型元數據規范，并通過網關接口和應用接口訪問外部元數據，同時要求系統支持張謇語義詞典的標注、張謇知識本體建模、命名實體抽取和存儲，實現關系數據庫到關聯數據（RDF）的映射轉換。第三層是張謇學文獻數字人文服務應用層。張謇學稀見文獻發現研究。首先，基于張謇學稀見文獻的屬性特征，將張謇學文獻與文獻中的實體知識進行關聯，通過關聯發現更多的文獻線索，不斷豐富張謇學文獻。其次，為人文學者利用微博、推特和其他社交媒介創建學者圈、主題社區，關聯相關的學術博客、網站和個人空間并通過用戶注冊實現張謇瀕危稀見文獻資源的個性化推送，促進張謇學稀見文獻網絡化傳播與利用[10]。

4 結束語

南通大學圖書館長期致力于張謇稀見文獻的收集、整理與保護，構建張謇文獻數據庫，利用數字化技術、語義知識組織工具和人工智能新方法對張謇文獻進行數字化保護和利用。在收集張謇稀見文獻的過程中，綜合利用國內外先進的古籍數字人文平臺和古籍資源庫，如上海圖書館古籍聯合目錄及循證平臺、哈佛大學哈佛燕京圖書館藏中文善本特藏資源庫、東京大學東洋文化研究所漢籍全文影像數據庫等，收集張謇手稿、檔案、信札、詩文等原始文獻。采用機器OCR識別輔助人工校對張謇稀見文獻，將圖像文件轉為可編輯的文檔，再利用關鍵詞精準定位整理古籍文獻。通過關系圖譜鏈接人物、地域以及時間，關聯多種資源類型數據進行展示，把文化背后的關系找出來并以圖的方式顯示。目前已經收集整理稀見張謇手稿、信札、詩文、檔案、地方志、著述等一千余種。同時通過知識圖譜推理，發現更多文獻證據鏈，考證和發現更多散佚民間和域外的珍本、孤本、手稿、信札、檔案等瀕危文獻。為了將書寫在古籍里的文字都活起來，探索運用GPT類技術融入虛擬博物館，讓“中國近代第一城”活起來，提供超越時空、沉浸式、集中的展覽，豐富用戶的文化體驗。用戶能夠通過虛擬現實技術人機交互式參觀博物館等文化遺產場所，感受南通近代瀕危歷史遺跡的生命力。

本文概述了南通大學張謇研究文獻數據庫的建設背景、收錄范圍、數據庫的平臺架構，功能結構，張謇研究文獻數字化過程中的電子書加工與元數據編目操作流程以及檢索功能的實現。在此基礎上進一步提出了利用張謇研究數據庫進行張謇研究社會網絡分析和基于本體的張謇研究與江海文化深度開發的構思與應用。以大數據、人工智能技術為依托，整理分析文獻與文獻、文獻與人物、人物與人物之間關聯關系，為“講好張謇故事、傳承張謇精神”提供一套完整的知識管理平臺。

參考文獻

[1] 張謇-百度百科[EB/OL].（2006-4-27）[2023-07-09].https：//baike.baidu.com/item/張謇/1129763？fromModule= lemma_search-box.

[2] 徐晨飛，倪媛，錢智勇.基于本體的“江海文化”文獻知識組織體系構建研究[J].現代情報，2015，35（10）：62-71.

[3] 高研院組織召開“第七屆張謇國際學術研討會”籌備會議.[EB/OL].（2022-09-18）[2023-7-9].https：//ias.nju.edu.cn/f5/a3/c13160a587171/page.htm.

[4] 端木藝.特色數據庫的內容揭示：以基于TPI平臺的張謇研究特色數據庫為例[J].中國索引，2009，7（1）：50-53.

[5] 李筑寧.關于古籍資源數字化建設中幾個問題的探討[J].圖書情報工作，2010（S1）：312-315.

[6] 林水燦.利用TPI系統建設教學參考信息數據庫：兼論廈門理工學院“教學參考信息數據庫”的建設[J].計算機光盤軟件與應用，2012（9）：225-227.

[7] 鄧嘉墚.紙質檔案數字化質量控制與管理[D].蘇州：蘇州大學，2017.

[8] 姜瑩瑩，劉佳音.高校圖書館航空特色資源庫建設實踐與思考：以南京航空航天大學為例[J].情報探索，2018（8）：83-87.

[9] 周林興，張笑瑋.基于信息組織維度的公共檔案館社會影響力建構探析[J].蘭臺世界，2022（5）：26-33.

[10]徐毅.面向國家文化數字化戰略的圖書館創新實踐：以張謇學瀕危稀見文獻數字化保護和利用為例[J].新世紀圖書館，2022（11）：20-29，96.