數(shù)字化辭書的技術(shù)基礎

吳明致+劉天旸+張小東

摘要數(shù)字出版產(chǎn)業(yè)的迅猛發(fā)展使傳統(tǒng)出版業(yè)面臨新媒體和新業(yè)態(tài)的嚴峻挑戰(zhàn)。實現(xiàn)辭書出版向數(shù)字化轉(zhuǎn)型和融合發(fā)展，出版大量優(yōu)質(zhì)的數(shù)字化辭書，可以更好地滿足用戶的需要。廣泛采用先進技術(shù)和生產(chǎn)方式，對加快辭書數(shù)字化轉(zhuǎn)型，提高數(shù)字化辭書的質(zhì)量，具有重要作用。文章根據(jù)我國辭書的特點、實現(xiàn)數(shù)字化轉(zhuǎn)型的需求，扼要介紹可支持數(shù)字化辭書發(fā)展的計算機信息技術(shù)。

關鍵詞辭書出版數(shù)字化技術(shù)基礎

當今，以數(shù)字通信技術(shù)、多媒體交互技術(shù)、移動互聯(lián)網(wǎng)技術(shù)為代表的技術(shù)革命正在改變和重塑傳統(tǒng)出版業(yè)。數(shù)字出版以數(shù)字技術(shù)為核心，對傳統(tǒng)出版理念、出版流程、傳播方式發(fā)起了一場全方位的顛覆性創(chuàng)新。與傳統(tǒng)出版相比，數(shù)字出版具有周期短、傳輸快、空間大、即時化、交互性、查閱方便、綠色環(huán)保等諸多優(yōu)點。

辭書是圖書中十分重要的一類，歷來被視為“沒有圍墻的大學”“不開口的老師”，在方便用戶解惑釋疑、擴充知識、提高文化修養(yǎng)、順利進行社會交際諸方面具有特殊的作用。辭書實現(xiàn)數(shù)字化轉(zhuǎn)型發(fā)展，可借助計算機信息技術(shù)更好地為用戶服務，多維度地滿足用戶需求。當然，因為數(shù)字出版的技術(shù)含量高，辭書數(shù)字化發(fā)展也極其需要先進的計算機信息技術(shù)支持。

從我國辭書界的現(xiàn)狀來看，尚有相當多的辭書編纂者和辭書出版單位的出版專業(yè)技術(shù)人員，由于置身于非信息技術(shù)行業(yè)，對現(xiàn)今的計算機信息技術(shù)前沿狀況不夠了解，從而影響了采用已有先進技術(shù)來發(fā)展數(shù)字化辭書的主動性和積極性——或者根本不涉及數(shù)字出版，或者還在使用一些效率并不高的手段加工、制作數(shù)字化辭書，或者盲目地自行或委托相關企業(yè)重復研發(fā)一些技術(shù)系統(tǒng)。有鑒于此，本文擬對可以直接應用于數(shù)字化辭書的一些現(xiàn)有技術(shù)做簡要的分析、介紹，以有助于加快辭書出版數(shù)字化轉(zhuǎn)型的步伐。

一、 多樣化的內(nèi)容展示技術(shù)

（一） 支持全終端顯示

隨著互聯(lián)網(wǎng)及移動互聯(lián)網(wǎng)的發(fā)展，個人計算機、平板電腦、手機、手持閱讀器等新媒介成為人們主要的信息渠道來源。與此相適應，使制作完成的數(shù)字化辭書自動適應用戶接收終端的特點，在技術(shù)上已經(jīng)沒有任何障礙。數(shù)字化辭書能夠很方便地同時支持PC端web服務、移動App及第三方應用內(nèi)的使用場景，滿足用戶隨時隨地使用辭書的需求。

（二） 支持富媒體形態(tài)

數(shù)字化辭書與傳統(tǒng)紙質(zhì)辭書的區(qū)別之一，就是“富媒體”，即可以同時運用多種媒體手段。在已經(jīng)較為成熟的信息技術(shù)支持下，富媒體形態(tài)的數(shù)字化辭書已經(jīng)能夠?qū)崿F(xiàn)這樣一些功能：

1. 文本內(nèi)容顯示

采用流式排版技術(shù)，系統(tǒng)會根據(jù)用戶使用的終端設備屏幕特點進行自適應顯示，自動調(diào)整字行長度，保證在所有終端上均可完整顯示整個字行，用戶不必左右移動顯示窗口就能順利閱讀。

對于一些非標準字符（也稱“集外字”，如甲骨文、金文、篆文，古籍中的異體字、俗字，為辨識漢字形體或者展示漢字的筆畫順序而舉的“缺胳膊少腿”的字例，等等），以往考慮到數(shù)字化辭書需在網(wǎng)絡上傳播而一般只能用圖片形式置于文本內(nèi)，不僅不能隨意縮放和進行檢索，而且常常不夠清晰。現(xiàn)在對非標準字符已經(jīng)能夠準確地構(gòu)造并通過網(wǎng)絡在各種終端上正常顯示，而且可與既有標準字庫內(nèi)的字符一樣隨意縮放、自如檢索。

2. 圖片內(nèi)容顯示

在用戶瀏覽時，辭書中的圖片會以縮略圖的方式顯示小圖。用戶點擊圖片后就會自動顯示原始圖片供用戶仔細觀看，用戶還可按自己的需要對原始圖片進行放大/縮小操作。數(shù)學公式、化合物分子式的顯示，也與圖片基本相同。

此外，紙質(zhì)辭書中的圖片只能從一個方向展現(xiàn)物品或者景色，而數(shù)字化辭書可利用360度全景技術(shù)生成全景視圖，從而讓圖片中的對象自動或人機互動響應地做360度旋轉(zhuǎn)，讓用戶逐一觀察到物品的各個側(cè)面或者四面八方的景象。利用動畫展示技術(shù)，可以生動地表現(xiàn)物品內(nèi)部的動態(tài)變化，如植物的生長機制、食物在人體內(nèi)的消化過程、發(fā)動機的運行原理等。

3. 音頻、視頻內(nèi)容播放

數(shù)字化辭書中如果包含用音頻、視頻方式表現(xiàn)的信息內(nèi)容，用戶利用辭書頁面上設置的播放控制器，就可以根據(jù)自己的需要實現(xiàn)開始播放、暫停、停止播放等功能，通過相應的音頻或視頻信息來加深對辭書內(nèi)容的理解。播放時顯示的進度條能夠隨時告訴用戶已經(jīng)播放了多少內(nèi)容、還有多少內(nèi)容，音頻、視頻內(nèi)容的總時長為多少等。

此外，音頻、視頻內(nèi)容也可由用戶選擇設置自動播放與否，而播放視頻內(nèi)容時用戶還可對全屏播放或自適應屏幕播放進行選擇。

鑒于數(shù)字化辭書中音頻與視頻內(nèi)容所包含的信息容量更加豐富，這些音頻、視頻內(nèi)容有可能時長較長。數(shù)字化辭書可以幫助用戶精確定位到想要查看的音頻、視頻片段，既可以節(jié)省時間，提高效率，又可以減少非必要的整個音頻、視頻文件傳輸?shù)牧髁砍杀尽?/p>

（三） 支持多維度智能檢索

多維度智能檢索包括全文檢索、單獨資源檢索、圖片檢索、音視頻檢索、全文關鍵詞檢索、跨庫檢索等方式，可滿足用戶對數(shù)字化辭書內(nèi)容資源的全方位提取和利用。

在檢索所采用的查詢方法和檢索結(jié)果的呈現(xiàn)上，通過相應的技術(shù)支持，數(shù)字化辭書也能夠大大優(yōu)化。根據(jù)不同用戶的知識水平、使用習慣等，數(shù)字化辭書能夠提供多角度的檢索方法，不僅像紙質(zhì)辭書那樣可利用音序法、筆畫筆形法、部首筆畫法等在相應的索引中查詢目標字詞，還可通過在檢索框內(nèi)用多種輸入方法（如直接打字、復制粘貼相應字符）輸入目標字詞查詢，或者點擊辭書中設置的“熱詞”通過超鏈接直接轉(zhuǎn)到目標條目。

除此之外，數(shù)字化辭書還能實現(xiàn)“簡繁體同查并現(xiàn)”，即無論用戶提交的待檢字詞是簡化字形式還是繁體字形式，檢索系統(tǒng)能夠自動將互相對應的簡、繁體字視為同一個字進行查檢，而呈現(xiàn)的檢索結(jié)果也是既有簡化字文本，又有繁體字文本。在進行跨庫檢索時，用戶可以免除分別輸入簡化字和繁體字的繁瑣。

數(shù)字化辭書還可以實現(xiàn)智能搜索，幫助用戶更準確地查找到其需要的內(nèi)容。借助人工智能技術(shù)手段，數(shù)字化辭書可以不再拘泥于用戶所輸入待查語句的字面本身，而是透過現(xiàn)象看本質(zhì)，通過與知識庫的結(jié)合，準確地捕捉到用戶所輸入內(nèi)容的真正意圖，并以此來進行搜索，從而更準確地向用戶返回最符合其需求的搜索結(jié)果。endprint

用戶的檢索輸入可以不限于文本輸入方式，數(shù)字化辭書可結(jié)合語音識別技術(shù)來實現(xiàn)語音輸入關鍵詞。語音輸入的語言單位不限于詞（單音詞或多音詞），還可以是短語或短句。通過分詞技術(shù)、語境分析技術(shù)、語義分析技術(shù)等方法，計算機能夠較準確地識別用戶意圖，從而更便捷地滿足用戶需求。

二、 數(shù)字化辭書資源加工與管理技術(shù)

（一） 辭書資源結(jié)構(gòu)化加工

對傳統(tǒng)出版企業(yè)（尤其是專業(yè)的辭書出版企業(yè)）來說，將已有紙質(zhì)辭書通過數(shù)字化加工制作成數(shù)字化辭書，是當前最為迫切的出版內(nèi)容資源開發(fā)、利用、整合的途徑。為此，需要對辭書出版資源進行結(jié)構(gòu)化標引，以實現(xiàn)內(nèi)容資源的匯聚與可控性。

將紙質(zhì)辭書內(nèi)容轉(zhuǎn)化為二進制數(shù)字形態(tài)，不必耗費大量人力重新輸入，可對辭書頁面掃描后，利用光學字符識別（Optical Character Recognition，簡稱OCR）技術(shù)獲得數(shù)字文檔，對照原書校對后，再實施結(jié)構(gòu)化加工。對已經(jīng)采用數(shù)字形式保存的辭書資源（如電子排版文件，或者作者用計算機撰寫的條目），可以直接進行結(jié)構(gòu)化加工。

辭書資源數(shù)字化加工過程中的許多工作，諸如碎片結(jié)構(gòu)化標引、格式轉(zhuǎn)換、元數(shù)據(jù)標引等，都有相應的工具軟件支持，可較快地形成采用XML（Extensible Markup Language，可擴展標記語言）定義的結(jié)構(gòu)化數(shù)字文檔。尤其是辭書，原本結(jié)構(gòu)、格式就比一般圖書規(guī)整（格型性是辭書的特征之一），結(jié)合人工智能和機器學習技術(shù)，資源加工的過程能夠更加智能化，可以自動完成更多的工作，只在必要環(huán)節(jié)才需要人工介入處理。這就極大地提高了生產(chǎn)效率，節(jié)約了生產(chǎn)成本。

在辭書資源數(shù)字化加工過程中，針對音頻、視頻內(nèi)容資源可以采用流媒體碎片化標引技術(shù)進行局部（即片段）標引，從而實現(xiàn)音頻、視頻內(nèi)容的標記式“虛擬分割”。這種方法不同于物理分割文件，不會破壞音頻、視頻文件本身的完整性。

（二） 辭書資源編輯加工

數(shù)字化協(xié)同編輯系統(tǒng)平臺支持多用戶共同在線工作。利用該平臺進行新辭書的選題開發(fā)和審稿、編輯加工，可以大大提高工作效率，縮短出版周期。

辭書編纂對體例的要求特別高。以往辭書編輯在處理稿件時，除了審核內(nèi)容的正誤之外，常常需要花費大量時間對稿件體例進行修改、調(diào)整。數(shù)字化協(xié)同編輯系統(tǒng)平臺能夠按照具體辭書的特點，事先準備好各類條目的模板，作者編寫條目時就像填表一樣把有關內(nèi)容置于相應的規(guī)定位置，而且有些模式化的用語可以讓作者在規(guī)定的詞表中選擇。這樣形成的辭書條目就可以保證體例統(tǒng)一、規(guī)整，有利于編輯集中精力于內(nèi)容的審核、加工，而不必在體例上再耗費時間和精力。同時，作者和責任編輯及復審、終審人員都在同一平臺上工作，相互溝通十分方便，可以在作者編寫階段就及時發(fā)現(xiàn)一些問題，并對原先所定體例中的不足之處進行完善。

數(shù)字化協(xié)同編輯系統(tǒng)平臺不僅僅定位于辭書內(nèi)容的編輯工作，更多地是用于各種數(shù)字出版產(chǎn)品的加工和制作，是一種全新的內(nèi)容生產(chǎn)平臺，其特點主要有：

第一，靈活多樣的內(nèi)容結(jié)構(gòu)化重組。利用該平臺，出版單位能夠很方便地將已經(jīng)實現(xiàn)碎片化、結(jié)構(gòu)化的辭書資源靈活地重新開發(fā)、整合、增添多媒體表現(xiàn)方式等，生產(chǎn)出釋疑解惑更加到位、更加切合用戶需求的各種新辭書。

第二，在線的交互式排版。平臺集成多種排版發(fā)布的模板，并與多種排版系統(tǒng)實現(xiàn)對接。技術(shù)編輯人員可以基于XML完成辭書內(nèi)容的交互式排版，直接在線實現(xiàn)可視化的文本、表格、公式、圖片、音頻、視頻、鏈接等各種元素的混合編排，再按照紙質(zhì)辭書、一般數(shù)字辭書、交互式多媒體數(shù)字辭書等不同形態(tài)辭書產(chǎn)品的不同特點，選擇相應的模板發(fā)布，真正達到“一次編輯、多元發(fā)布”。

第三，在線知識化標引。知識標引是數(shù)字化辭書開發(fā)、整合中很關鍵的一個環(huán)節(jié)，需要按照專業(yè)知識體系對辭書中的知識元、知識點等進行標引。需要由熟知學科、專業(yè)知識的專門人士來完成。作者和責任編輯是最了解辭書內(nèi)容的，可由他們在平臺上在線合作完成知識標引和主題標引。這可以使標引所用的關鍵詞比較規(guī)整、統(tǒng)一。

第四，扎實掌握進度。辭書編纂常常是多人合作的項目，在數(shù)字化協(xié)同編輯系統(tǒng)平臺上，主編和責任編輯都能隨時把握各位編寫者的工作進度，并針對存在的問題及時進行人力或工作任務量的調(diào)整，從而可保證辭書的編纂按預定計劃完成。

（三） 數(shù)字化辭書資源管理

數(shù)字資源管理技術(shù)是數(shù)字化辭書出版的底層支撐系統(tǒng)。它可將原來分散的文本、圖片、音頻、視頻等多種形式的數(shù)字內(nèi)容資源匯聚、整理、加工標引以后，統(tǒng)一存儲在數(shù)字化全媒體資源庫中進行管理、挖掘和服務。其核心目標是為數(shù)字化辭書出版提供一個集數(shù)據(jù)存儲、管理、檢索、加工、發(fā)布和服務于一身的資源服務中心，對各個業(yè)務系統(tǒng)提供數(shù)據(jù)支撐。

數(shù)字資源管理系統(tǒng)還支持版本管理，版權(quán)信息管理，以及資源的復用、導出管理。

此外，在數(shù)字化辭書的營銷方面，有會員管理系統(tǒng)，按內(nèi)容、時間、地域、用戶數(shù)量靈活組合的多種計價模式，有用戶數(shù)據(jù)采集分析等方面的新興技術(shù)可供使用，以不斷擴大數(shù)字化辭書的傳播范圍，提高營銷的效率。此不贅述。

三、 辭書的數(shù)字版權(quán)保護技術(shù)

發(fā)展和創(chuàng)新技術(shù)保護手段，可以有效地從源頭上切斷非法復制、傳播和利用作品的途徑。從技術(shù)方面對數(shù)字化辭書內(nèi)容進行保護，是一種“未雨綢繆”的預防措施，比“事后補救”的保護方法更加有效。

數(shù)字版權(quán)保護技術(shù)已經(jīng)能夠解決以下幾方面的問題：

一是數(shù)據(jù)內(nèi)容保護。利用數(shù)據(jù)加密技術(shù)、數(shù)據(jù)包安裝保護技術(shù)和數(shù)據(jù)授權(quán)控制技術(shù)，銷售網(wǎng)站要從版權(quán)權(quán)利人那里得到數(shù)字化辭書的銷售許可后才能向用戶銷售。用戶通過網(wǎng)上支付方式購買使用權(quán)，獲得授權(quán)后才能閱讀辭書內(nèi)容，進行各種查詢，但是不能將整部辭書下載，并且銷售的次數(shù)由軟件自動計數(shù)，版權(quán)權(quán)利人可據(jù)以與銷售網(wǎng)站進行款項結(jié)算。endprint

二是文本內(nèi)容保護。利用相應的軟件，版權(quán)權(quán)利人能夠?qū)τ脩舻奈谋緩椭菩袨檫M行有效控制。最為嚴格的是嚴禁復制，用戶只能閱讀辭書文本內(nèi)容，但是不能對屏幕上出現(xiàn)的內(nèi)容進行包括打印在內(nèi)的任何方式的復制，甚至連一般計算機操作系統(tǒng)自帶的或第三方軟件提供的“截屏”功能、屏幕錄像功能等，都可被禁止。其次是受限復制，即允許用戶在專門獲得授權(quán)后，可以為善意的合理引用、搜集資料而適當復制辭書的部分詞條，但是每次復制的字符數(shù)量是受到控制的，而且在24小時內(nèi)只能復制一定的次數(shù)，過量復制會被版權(quán)保護系統(tǒng)自動禁止。

三是圖片內(nèi)容保護。通過數(shù)字水印技術(shù)，可以在辭書的圖片中嵌入人類感官不能直接感知的隱蔽型版權(quán)標志。這樣，如果有侵權(quán)者把從數(shù)字化辭書中復制下來的圖片用于非法目的，版權(quán)權(quán)利人就可以很容易地鑒別相應圖片的來源，并以此為證據(jù)請求法律保護。當然，如果用戶出于善意目的復制圖片，只要符合著作權(quán)法的規(guī)定，那就不會影響使用。離線庫圖片粉碎技術(shù)則對圖片實施更加嚴格的版權(quán)保護，其實際效果與對文本的嚴禁復制類似。用戶只有在其接收終端設備與權(quán)利人的數(shù)字化辭書發(fā)布服務器聯(lián)機的狀態(tài)下，才能正常看到辭書中的圖片。一旦接收終端與服務器斷開連接，圖片就自動粉碎，變成無法辨認的亂碼。顯然，在這樣的情況下，圖片也是不能復制的。

四是內(nèi)容篡改防范。利用這種技術(shù)，消費者對接收終端上呈現(xiàn)的文字、圖片等內(nèi)容，都只能觀看，但是無法修改。這就能始終保證數(shù)字化辭書的內(nèi)容不被他人歪曲、變更，有效地保護版權(quán)權(quán)利人的作品完整權(quán)。

四、 結(jié)語

數(shù)字出版是以數(shù)據(jù)通信技術(shù)、移動互聯(lián)網(wǎng)技術(shù)、多媒體技術(shù)、智能化技術(shù)等高新技術(shù)為基礎，融合與傳承人類文明和傳統(tǒng)出版內(nèi)容而發(fā)展起來的新興出版業(yè)態(tài)，它的出現(xiàn)不會完全取代傳統(tǒng)紙質(zhì)出版物，但將在出版物市場中拓展出新的盈利空間和傳播渠道。這為辭書出版帶來了前所未有的生機與活力，為增強和完善辭書的使用價值與服務價值提供了現(xiàn)實的可能性。

辭書出版與數(shù)字信息技術(shù)的融合發(fā)展，是辭書出版的戰(zhàn)略性轉(zhuǎn)型，極具歷史意義。借助于數(shù)字信息技術(shù)的大發(fā)展，打造辭書出版的新時代，是歷史發(fā)展的必然趨勢。傳統(tǒng)的辭書編纂者和出版者要充分發(fā)揮自身優(yōu)勢，強強聯(lián)合謀共贏，立足創(chuàng)新拓發(fā)展，積極利用新興媒體和新技術(shù)改造編纂、出版流程，在跨媒體、多終端的數(shù)字化出版道路上探尋新的發(fā)展空間。

參考文獻

1. 金翔宇，孫正興，張福炎.一種中文文檔的非受限無詞典抽詞方法.中文信息學報，2001（6）： 34—40.

2. 李廣超，李欣.中國傳統(tǒng)出版企業(yè)的數(shù)字化轉(zhuǎn)型.今傳媒，2014（12）： 77—79.

3. 李自滿.傳統(tǒng)出版企業(yè)數(shù)字化轉(zhuǎn)型升級現(xiàn)狀及對策——以中國商務出版社為例.出版廣角，2015（5）： 34—36.

4. 王金鳳.我國出版社數(shù)字出版的版權(quán)問題與對策研究.安徽大學碩士學位論文，2011.

5. 楊慧娟.傳統(tǒng)出版向數(shù)字出版的轉(zhuǎn)型及創(chuàng)新研究.鄭州大學碩士學位論文，2013.

6. 曾偉，霍思遠.數(shù)字出版版權(quán)保護存在的問題及對策研究.新聞界，2015（3）： 50—53.

7. 張國強.我國數(shù)字化辭書的現(xiàn)狀與問題.辭書研究，2007（2）： 12—20.

8. 張紹麟.辭書與數(shù)字化研究.上海： 上海辭書出版社，2005.

（吳明致大數(shù)據(jù)治理與服務重點實驗室上海201203）

（劉天旸北京大學信息科學技術(shù)學院智能科學系北京100871）

（張小東上海精靈天下數(shù)字技術(shù)有限公司上海201210）

（責任編輯馬沙）endprint