數字人文背景下的東盟信息資源重構與利用

覃 熙，李佳輝，蘇瑞竹

(廣西民族大學 a.圖書館；b.管理學院，廣西 南寧 530006)

1 數字人文：資源重構技術

數字人文從最早的“人文計算”產生以來發展至今，無數學者對其內涵外延作了研究和論證，業內統指人文學者運用計算思維，將研究對象通過計算機軟件以可關聯、可計算和可視化的方式進行知識重構，便于開展統計分析和信息挖掘。研究者通過這種思維方式，發現人文學科中蘊藏的特征和規律以及隱藏的新知識，為研究對象的發展趨勢作出判斷提供依據。

傳統的人文研究范式是對基礎性材料進行思辨、歸納、解釋的定性分析模式以及線性、深度、細讀的閱讀，“人文計算”將數理統計的研究方法引入人文領域，對海量的不同文本進行綜合定量分析。而“數字人文”，在“人文計算”的基礎上，增加包含了信息組織可視化，將信息轉變為圖形從而生成二次知識。美國伊利諾伊州立大學教授John Unsworth認為，“數字人文”是高效計算和人文溝通的一種建模方式，將人文知識的發現、標注、比較、引用、取樣、詮釋以及呈現等過程都通過計算機技術改變了其模式。作為新興的研究手段，數字人文被大量運用于歷史、考古、文學等學科領域，將學科知識進行單元細粒度化、語義化，為人們提供了全新的研究視角和工具手段。劉煒等歸納了傳統人文各領域的數字化特征，將“六經”，即《詩經》《尚書》《禮》《易》《樂經》《春秋》對應當代人文研究體系的“語言學”“政治學”“社會學”“哲學”“藝術”和“史學”，當數字技術進入這些領域時，學科研究的深度和廣度得到很大拓展。因此數字人文不僅是一種學科研究范式、一種人文計算的工具集合、一種研究意識共同體，從更簡單的表象上來看，它就是一種知識重構的技術集合。由于其知識的關聯度大大增加，知識的語義描述擴展為多個維度，從而呈現出更加豐富的表現結構。

數字人文技術把沒有形體的數據、文字、概念和故事變成畫面，通過人類最發達的視覺系統，幫助缺乏數字直覺的學習者加深理解和體驗，開展數據背后意義的抽象思考。目前，學界通過數字技術進行知識重組的研究日漸豐富，研究者通過文本分析工具研究語言現象和規律、分析哲學的概念語義，結合多地圖疊加技術展現各種學科知識在時間上的演化過程以及空間分布，挖掘歷史人物的行蹤軌跡和人物關系。我們樂于發現數字技術為人文學科帶來的計算結果，如通過武則天稱謂的詞頻變化統計、朝代分布、文獻分布和地理空間聚合分布等多個觀察維度，能夠得出歷史上人們對武則天的客觀評價；通過法律語言學的分析方法鑒別《布谷鳥的呼喚》的真實作者與《哈利·波特》的作者J.K.羅琳是同一人；通過對《左傳》里的事件、人物信息進行結構特征的計量算法，用可視化結果分析《左傳》里的人物在同一事件中出現的概率、人物關系特點以及人物地位表述。多媒體映像技術可對藝術和歷史進行史料的解釋和重建再現。例如，用全息影像展示清明上河圖；利用應用數據庫《3D實景莫高窟》展示“數字敦煌”“虛擬洞窟”等；通過歷史地理信息系統，實現古代道路和城市復原以及語言民族變遷調查地圖的形成。數字技術的魅力不僅可應用在學術上，還可以通過其可視化的知識表現形式應用于政治決策。19世紀，英國護士和統計學家Florence Nightingale，為一些不太能理解傳統統計報表的公務人員制作了一種色彩繽紛的圖表，即歷史上著名的“南丁格爾玫瑰圖”，用以揭示軍醫院季節性的死亡率，得到當時的國家政府高層包括軍方人士和維多利亞女王對醫事改良的支持。

2 東盟信息資源建設現狀

2015年，我國發布《推動共建絲綢之路經濟帶和21世紀海上絲綢之路的愿景與行動》，“一帶一路”正式進入全面實施階段。東南亞航線是“21世紀海上絲綢之路”的第一段，東南亞多國與中國海陸相連。自2003年起，中國與東盟各國建立了和平穩定的戰略伙伴關系；2011年，中國—東盟中心正式成立，著力促進中國與東盟各領域合作。從政府到科研機構，從高校到企業，對東盟貿易、投資、教育、文化、旅游、信息媒體等全方位的研究日益深入。各類信息服務機構為東盟的研究開展了大量信息保障工作，目前已有多個東盟信息資源收集整理數據平臺并各具特色。

2.1 國內數據基礎保障能力提升

東盟信息資源保障體系的構建，是新時代中國自主創新道路實施創新驅動以及“一帶一路”建設的重要支撐，經過多年的探索和實踐，我國構建了多個東盟信息資源保障中心和平臺。例如，中國社會科學院亞太與全球戰略研究院建設的“東南亞研究網”，其中收錄了2008—2016年國內出版的部分東南亞研究學術著作以及各類期刊公開發表的東南亞研究文獻，同時鏈接了如文萊政策和戰略研究所、老撾國家經濟研究中心、緬甸戰略和國際問題研究所、柬埔寨合作與和平研究所、越南中央經濟管理研究所、泰國朱拉隆功大學社會研究所、菲律賓發展研究所、印尼經濟研究中心等30多所東南亞研究機構的官網。社會科學文獻出版社構建的“一帶一路”數據庫，設置九大功能子庫，從研究、實踐、資訊等方面服務三大主流用戶。廣西社會科學院東南亞研究所、云南社會科學院東南亞研究所、社會科學文獻出版社以及臺灣東南亞學會、臺灣政策研究中心亞太研究小組等，這些學術機構均收藏了大量的東盟文獻信息資源。圍繞“中國—東盟信息港”的建設，多家具備數字產業優勢的平臺開發了專門的公司，發揮大數據分析處理的平臺特色帶動了不少數字經濟專項的開發。此外，還有圍繞大湄公河次區域經濟合作開發的各類數據庫，如中尺度行政區劃地理信息系統數據庫(GMS_AdmBnd)等。國內多所院校以及香港、臺灣地區的不少大學均設立東南亞研究機構，在東盟文獻信息資源(特別是東盟語種文獻)建設方面也形成了區域地方特色。此外，我國關于東盟研究的成果豐富，在期刊、會議、報告、報紙、圖書、學位論文以及各類平臺開放。

2.2 國外數據來源日益廣泛

發達的互聯網為我們提供了海量的東盟國家發展統計數據。聯合國商貿易統計數據庫是目前全球數據量最多、最權威的國際商品貿易信息資源庫，收集了 6 000 多種商品、近17億個數據，數據最早可回溯至1962年；全球可持續發展指標數據庫結合全球可持續發展峰會確立的17項總目標和169項子目標以及相應的SDG指標數據庫，數據涵蓋社會、經濟、環境三大領域；服務貿易數據庫涵蓋近十多年來200個經濟體服務進出口的服務數量；世界發展指標數據庫包含200多個國家和18個地區的社會、經濟、財政、自然資源和環境等各方面，共695種發展指數的統計數據；環境、社會和公司治理數據庫將世界各國的溫室氣體排放量、人口變化和男女平等的進展程度等17種指標一元化；全球金融發展數據庫收錄136個國家的外債與金融流程數據資料，涵蓋217個參數的統計數據；國家統計局也做了六大洲多個國家的統計網站的鏈接，亞洲部分涵蓋29個國家，其中東盟國家有7個，發布包含GDP、CPI、人口普查、糧食產量等多種統計指標國家數據。

探尋東盟國家的文化資源，有些國家電子書資源相對豐富，如泰國的移動電子書網站，印尼的Gramedia的電子書平臺、Wayang Force綜合類書籍與雜志等。一些東盟國家的機構知識庫以及高校的學位論文庫相對健全，如新加坡國立大學學位論文庫、泰國朱拉隆功大學學位論文數據庫等。東盟各國及地方政府網站或facebook的官方賬號，地方新聞媒體、綜合門戶網站、社會團體網站、論壇等是當地政治、經濟、社會、文化、科技以及政府信息發布的集中平臺，如越南河內市政府官網，泰國馬哈沙拉坎府facebook賬戶，泰國的《民族報》《泰國日報(英文版)》《暹羅日報(泰文版)》、泰聯網等網站，緬甸的旅游信息網、果敢論壇，新加坡南安藝文社、菲律賓華裔青年聯合會Kaisa Para Kaunlaraan等。自中國—東盟自由貿易區成立以來，東南亞國家之間民間的“微”交流愈加頻繁，社交平臺上出現了難以計數的公眾號，如“泰語泰國”“大緬甸”“緬甸今日”“泰國中文網”“老撾快訊”“醉美緬甸”“泰國妞”等，都屬于實時信息來源。

2.3 東盟信息資源建設的新挑戰

“十三五”期間，東盟基礎資源的建設在資源深度加工和整合、數據庫的建設與組織、保障平臺的建設與維護等方面都加大了創新力度，東盟信息資源保障的能力和水平顯著提升。但隨著數字人文的興起，研究人員對數據有著更豐富和更深層的訴求，而當下，東盟信息資源建設仍然是以數據集散建設模式為主，這種傳統知識組織形式下的數據材料之間缺乏有意義的關聯，如時序性、地理信息以及其他元素之間的數據支持，數據粒度大且分散，沒有形成多維度的關聯組織和精細化的計算分析，使用者只能通過零散的原始數據進行孤立分析，難以發現數據所包含的深層問題。目前，東盟信息資源建設取得的成就只是一種建設式的改變，而不是重構式的改革。面對復雜變幻的信息技術環境和日益增長的用戶信息需求，東盟信息資源供給不平衡、不充分，信息資源組織方式單一，個性化和集成化服務程度不高，信息資源開發利用不足與無序濫用的現象亟待改善。

隨著國際競爭局勢的加劇，國內對東盟國家發展的研究需求提高，數字人文技術的出現帶來了全新信息環境的形成以及科學研究范式的轉變，也為東盟信息資源保障體系帶來了改革契機，東盟信息資源的組織方式和保障機制都有待重新界定和設計。數字人文技術的出現促進了科技手段與傳統人文學科的融合，也引發了信息資源保障體系建設利用思路的轉變，“十四五”發展規劃對我國數字資源保障建設提出新的戰略要求，東盟信息資源重組的發展方向是知識關聯、定量分析和深度挖掘。我們有必要研究如何擴充信息的知識表達，把異形數據、大顆粒度的信息進行內容關聯和聚集，建立東盟數字資源服務堆棧，實現東盟信息資源的存儲、重構、挖掘和知識發現，以滿足信息價值深度挖掘和再創造的用戶需求作為出發點和歸宿，支撐我國“一帶一路”信息資源保障任務順利推進。

3 東盟數字資源堆棧的搭建

利用數字分析技術對東盟信息資源進行組織和重構，需要搭建一個以用戶響應機制為出發點的集數據抓取處理、資源語義重構性描述、認知計算功能三位一體的數字資源堆棧，包含數據棧、語義棧、用戶棧，每一層面都運用下一層的能力，我們討論信息從堆棧底層向上直至用戶需求響應的實現理念，提出數字人文堆棧平臺的思路。平臺設計采用Python編程技術結合Hadoop架構作為基礎，對數據流進行控制和可視化展示，以實現數字人文堆棧模型(見圖1)和數字人文平臺架構體系(見圖2)。

圖1 數字人文堆棧模型

圖2 數字人文分析平臺架構體系

3.1 數據棧

數據的處理是資源堆棧搭建的重要根基。以定量二維表格式為代表的結構化數據，儲存于關系型數據庫當中，這類數據的存、取、用技術成熟。常規做法是利用DBMS驅動對結構數據源進行ETL操作(提取、轉換、載入)。這部分數據較為規范，可使用Sqoop工具，根據中介數據結構在數據源采集數據時確保數據類型得到準確處理，形成格式統一且能夠直接利用的元數據，存儲在Hbase元數據庫當中。

而文本、影音、短視頻等無法使用數據二元結構邏輯表現對信息進行表示的這類數據可歸納為非結構化和半結構化形式數據。例如，東盟各國語種媒體資料這類非結構化數據，則專門需要通過NLP(自然語言處理)技術，識別文本中的關鍵信息元。使用Avro工具對這部分信息元進行JSON字符串或二進制編碼進序列化處理，將提取的元數據保存在Hive數據庫當中。

非結構化的數據，沒有嚴格的格式限定，對信息在堆棧當中的描述是有利的，信息可以在堆棧當中自由流入以及更新。利用自然手段對非結構化數據有針對性地挖掘，根據用戶自建模式來檢索信息。非結構化數據不再是信息資源的附加描述，當中也包含著豐富的可關聯、可統計、可視化資源，能夠對數據進行多維度描述。

3.2 語義棧

信息在數字系統中是數據結構和控制結構的組合，堆棧建設信息元的存儲和利用需要深度清洗、轉換、重排、載入等操作，以滿足信息的準確重組和推理。用戶可提取Hbase中的數據進行深度清洗，再將元數據載入Hive數據庫當中，用于信息統計業務。數據集的錯誤需要在被采集時進行了糾正和重塑，Hbase中的元數據主要是滿足信息實時業務的利用。

信息推理是語義棧的重要職能，海量數據集在這里進行算法學習，得到目標數據在特定領域里的訓練模型，實現信息推理。TensorFlow作為深度學習的框架，除了能夠提供各類預測算法，還提供了強化學習的算法。強化學習算法能夠讓具有決策能力的智能實體，通過感應外界環境的變化而激發自身作出決策。當前，自然語言處理技術也得到深度學習助力，解決了語義匹配當中語義相似度的問題。

選擇和利用好適當的工具可以提高數據載入的工作效率，節約數據準備時間，有利于數據有效進入用戶響應環節。

3.3 用戶棧

用戶棧的建設前提是要做好用戶對東盟信息資源重構的需求預判。東盟信息不僅是資源集散地，更是為國家戰略提供智力支持的重要材料。信息的重構并不是將原有的數據消除或是新建，而是當源數據集的表現方式不能滿足用戶需求時，用戶棧需要將數據分析形成二次信息元數據自行重組利用，實現系統人機交互。數據集內的數據意義在堆棧當中是可以進行重復利用的，并且可以隨用戶使用不斷完善和擴充，形成優質的數據集。

信息重構的重點，不僅有數據處理技術，還有用戶響應機制。用戶是知識的開發者，他們通過文本和時空數據集成，用專業的研究方式進行知識發現，形成新的知識組織形式。便于用戶易懂易用的圖形化展示工具可呈現數據之間的關聯和規律，讓抽象的信息具體化，有助于研究者發現信息包含的知識，展示高質量的數據內容可提升信息交互的高率性、可靠性、專業性。在Python編程框架對數據的可視化提供豐富的工具支持，使用Matplotlib繪圖庫，能夠輕松繪制多種類型的二維圖表，也可利用mpl_toolkits.mplot3d工具庫實現三維圖表繪制。在Superset平臺可以使用SQL語句連接數據庫對大型數據實時展示提供快速切片，構建合理的儀表盤。

4 東盟信息資源重構后的開發利用

東盟數字資源堆棧搭建成型后，用戶進入資源平臺，面對的既是已經組織成型的數據結構，也是一個多維度人機交互使用的信息系統。在這里，用戶不僅是數據獲取方，更是二次知識的開發者，數據以各類知識元形式排列，由用戶進行重組重構，發現新的知識和規律，并上傳平臺進行二次知識共享。

4.1 數據統計分析

用戶根據需求，自行圍繞東盟十國信息資源形成主題建制，數據棧已經圍繞年份、國家、領域等時間、空間、發展維度描述進行變量編碼，并提供開放式結構便于用戶進行數據統計以及相關性分析。例如，關聯性分析、數據過濾、矩陣散點、用戶畫像、三維聚類、特征篩選、回歸分析、帕累托圖等分析可視化，協助用戶全面觀察研究領域的歷史數據。數據棧提供的算法可以計算東盟各國之間的差距與關系，深層次挖掘東盟各國的發展與變遷，同時對信息的來源、行業領域、數據特征等多種維度進行關聯，利用趨勢推理技術發現不同維度數據之間包含的關系。例如，東盟十國的GDP以及相關商貿、航運等行業的發展指數，與人口總數、就業失業人數共18個字段的數據資源進行交叉融合，以三維聚類散點圖方式進行組織重構，得到東盟十國經貿人口發展概況的對比散點圖，能夠實現1個界面18個維度的東盟各國綜合指數分析(見圖3)。

圖3 東盟十國經貿人口數據交叉重組和三維聚類分析

4.2 文本分析處理

東盟數字資源堆棧能夠滿足用戶對文本的粒度化知識分析，提供文本資源全文閱覽和統計分析的功能。堆棧具備的提煉關鍵詞、過濾降噪、分詞、詞性分析、專有名詞識別、知識圖譜、情感分析、自動摘要、主題識別、生成故事流等知識重組技術，可提供知識圖譜服務。以“越南自衛反擊戰”詞云圖為例，不同的字體大小和位置展示了其關鍵詞和高頻詞(見圖4)。又如，用戶在某國皇室人物及關系地位進行文本研究時被冗長的人名和復雜的地位關系所困擾，專有名詞識別技術可以將文本導出形成人物關系知識圖譜，以此節約用戶的理解耗時。

圖4 “越南自衛反擊戰”詞云圖

4.3 地理空間信息的有效揭示

具備地理空間觀察視角的用戶可以通過研究數據在地圖上進行分布、組合與變遷動態的重構，能夠通過從空間上反映出的東盟各國經濟、文化、社會發展和變遷，推斷其在歷史上的文化流變與經濟發展的關系。東盟數字資源堆棧儲存了東盟各國主要城市的人口、經濟發展指標、文化建設、疫情概況等數據資源，用戶可以利用地區分布圖、地圖散點圖、連接地圖和三維地區柱狀圖等知識組織工具自行進行觀測。例如，用戶想了解東盟十國和周邊重要國家人口增長率可利用地球儀進行呈現，因為其視覺效果具有較好的對比性和直觀性(見圖5)。

圖5 國家人口增長率地理時空數據圖

4.4 時序分析

東盟數字資源堆棧預判用戶應用需求，將數據的時間屬性進行存儲組合設計。用戶可以利用時序散點圖、極坐標圖、熱力圖、動態圖、周期圖、多系列三維柱狀圖、不同顏色形狀結合觀測的主題河流圖、自變量與因變量的回歸分析、基于數據算法的預測分析、跨庫數據的關聯融合等工具進行時序觀察，觀測數據對象包含的規律、趨勢等信息，如東盟國家二氧化碳排放量對比即是如此(見圖6)。

圖6 東盟國家二氧化碳排放量前五名對比圖

4.5 多源融合

東盟數字資源堆棧具備的異構數據和多源數據的融合、計算、推理和可視化功能，可滿足用戶以下兩種需求：一是用戶對不同維度的聯合觀測需求。這需要更大的數據量以及不同屬性的碎片化數據重新進行有效組合，形成多維關聯的綜合知識圖譜或者實時數據觀測系統。例如，用戶在追蹤特定事件進展時，往往要對網頁、微信、社交平臺、手機應用、論壇、報刊、視頻、問答、評論、廣播電視等媒體進行碎片數據結構轉換以及多源融合，并實現時間范圍、媒體類型、情感屬性、媒體類別、發布地區、精準度、信源等信息類別的自定義動態追蹤，形成個性定制的可視化觀測界面以及多維度動態信息語義分析。例如，“東南亞貿易”的多平臺信息發布實時統計及資源統一入口(見圖7)，用戶可以點擊地圖中高亮城市呈現對應地區、數據源的資源全文，在界面上對系統數據進行糾錯降噪處理。

圖7 “東南亞貿易”的多平臺信息發布實時

二是影響因子分析。用戶對研究對象進行多種維度跨庫綜合分析，以發現外在因素對研究事物發展的內在影響。例如，新冠肺炎疫情與經濟研究數據的多源融合(見圖8)，研究對象是新冠肺炎疫情對經濟的影響，用戶可自行組織疫情基本信息、人口流動信息、經濟影響信息3套基礎數據，重構新冠肺炎疫情與經濟研究數據庫：1)疫情基本信息從每日疫情動態、疫情防控財政專項撥款情況、確診病例分布、確診病例活動軌跡、醫療救治數量統計等數據反映；2)人口流動信息包括各省份及城市的遷入遷出人口數據；3)經濟影響信息由單月主要經濟數據環比表、單月國內GDP、單月宏觀經濟數據等數據組成。在這個研究數據的提供過程中，用戶需具備跨庫數據多維關聯的組織思路，同樣的數據重組原理還可以運用于研究特定事件趨勢及傳播路徑等領域。

圖8 新冠肺炎疫情與經濟研究數據的多源融合組織思路

5 構建東盟信息服務保障體系的思考

基于在東盟信息資源重構工作中面臨的實際問題和挑戰，建設完善的東盟信息資源服務保障體系，可從以下幾個方面展開。

5.1 注重特色建設，構建協同機制

研究單位和高校等信息服務機構提供的東盟文獻信息資源需強調特色，避免重復建設，不僅為實現自身的獨特服務優勢，還有助于為后期的建設方向制訂發展方針。東盟信息資源的組織與利用目前處于供需不平衡的階段，資源組織單位之間要協同創新，建立穩定共贏的合作關系。組建跨學科、跨領域的研究團隊，提升東盟信息資源的整合能力，建設以科研單位、高校圖書館為依托的東盟信息服務保障平臺，形成統一發布數據組織成果的機制，為東盟研究和國家重大戰略提供理性思考和精準服務。

5.2 提升數字思維，加強融合統一

提升資源組織單位以及研究者的數據思維和數據分析處理能力。習近平總書記在主持國家大數據戰略第二次集體學習中強調，“善于獲取數據、分析數據、運用數據，是領導干部做好工作的基本功”。信息資源的組織提供者以及研究用戶，對數據分析運用的思維能力決定了數字人文技術在其研究領域的發揮能力，因此，數據思維和數字人文研究范式的推廣應加入信息素養培訓體系課程中。同時，資源組織單位各行其政的現狀亟須改善，提高數字融合意識，積極搭建交流平臺，擴寬溝通渠道，從資源內容和數據結構上加強統一融合，為后期數據清洗提供良好的數據環境和基礎。

5.3 以應用為導向，完善服務體系

信息資源最終是服務社會。2021年4月，《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》在“十三五”規劃的基礎上再次強調“加強公共數據開放共享”；而在“提高數字化政務服務效能”方面則提到要“加快構建數字技術輔助政府決策機制”，這是大數據在推進政府治理能力提升方面的重要作用。因此，東盟信息資源建設平臺應貫徹應用導向機制，預判與完善用戶的多元需求，增強人機交互與用戶二次開發效能，形成更為專業的知識組織形式，為東盟信息資源組織平臺的發展和完善提供決策參考。

6 結 語

本文將數字人文技術運用于東盟信息資源組織應用中。主要闡述：1)提供東盟信息資源數字人文堆棧搭建的思路，提出數據提供、語義聚合以及用戶服務三個層級；2)介紹部分東盟信息資源數據的獲取渠道以及數據處理經驗；3)提出用戶如何利用數據統計、文本分析、地理空間信息揭示、時序分析等可視化技術對信息資源進行重構的方法；4)為東盟信息資源服務保障體系提出建設性建議。

然而，數字人文技術在東盟信息服務中的應用并非簡單的技術問題，它與東盟信息保障機構的組織架構、研發團隊的技術水平息息相關，這其中，哪些領域的信息資源更適合利用數字人文技術進行深度開發，也是我們今后進行進一步研究的方向。