語義出版在農學古籍整理中的應用研究

李明杰 劉 峰

（武漢大學信息管理學院，武漢，430072）

1 引 言

1949年至今，我國古籍整理事業取得了輝煌成就，但對于古代科技文獻仍存在整體發展不充分、學科分布不平衡、利用方式不鮮活等問題：公開出版的整理成果約2000種，不足現存古代科技文獻總量的1/10；絕大多數成果為中醫藥典籍，無法反映先賢智慧的全貌[1]；已有的古代科技文獻整理成果大多停留在文本復原、內容組織的層面，未能充分闡釋其時代價值，特別是在與當下鄉村振興、健康中國等重大戰略相結合的活化利用方面存在明顯不足。

當前，國家正在推進古籍整理向“文本結構化、知識體系化、利用智能化”轉型[2]，而語義出版所具有的內容結構化、數據融合化、信息可視化、對象關聯化、閱讀個性化[3]等特征，正好與之相契合。作為結合自然語言處理、本體可視化等技術發展起來的一種新興出版形態，語義出版在古代科技文獻整理中的應用，恰可彌補古代科技文獻活化利用的不足。而且，古代科技文獻在語義出版的適用性方面，具備了一定基礎：有的古代科技文獻內部形成了獨立的知識分類體系（如《本草綱目》就建立了1個16部、60類的藥物分類法）；有的古代科技文獻之間因為著述過程中的采摭與編錄，形成了錯綜復雜的引證關系；另外，還構建了《中國中醫藥學主題詞表》這樣的專業性知識組織系統。

有鑒于此，筆者以自編的《中國古代科技文獻總目（農學卷）》（以下簡稱《總目》，稿本）為書目本體的數據來源，探討語義出版在農學古籍整理中的應用途徑與方法，以期為其他學科門類的古代科技文獻的整理提供一定的參考。

2 農學古籍數字化及漢文古籍語義出版進展

2001年6月，由南京農業大學整合中國農業遺產研究室在內的相關學科力量成立的中華農業文明研究院，承擔了中央級科研院所科技基礎性工作專項“中國農業典籍的搜集、整理與保存”項目，拉開了農學古籍數字化的序幕。該項目歷時兩年，除編纂出版《中國農業古籍目錄》（收編存目農書2084種，新增書目1441種）外，并設計制作了包括《齊民要術》《農政全書》等16種善本書在內的農學古籍的電子光盤版[4]。此后，中華農業文明研究院還建成了包括《古農書題錄數據庫》《農業古籍全文庫》在內的首個中國農史學科信息門戶[5]，并在該項目實踐基礎上對農學古籍數字化的理念、技術、服務等各方面進行了探研[6][7][8][9][10]。同時推進的項目還有國家科研院所社會公益性研究專項“中國農業科技遺產數字化保護與利用研究”、中央級公益性科研院所基本科研業務費專項資金項目“中國傳統農業資料搜集與整理研究”等。

清華大學科技史暨古文獻研究所在CALIS一、二期特色庫項目資助下先后建成“中國工程技術史料數據庫”（2001）、“中國水利史數字圖書館模型”（2008）等，后將資源整合成為“中國科技史數字圖書館資料庫”，其子庫“科技典籍全文庫”的工程技術類和“中國工程發明史專題庫”的農業機械類目均包含有農學古籍[11]。

2002年，中國農業大學圖書館利用清華同方專業數據庫制作管理系統（Tongfang Professional Information System，TPI）開發了“農書古籍圖片庫”，包括9種農學古籍的電子光盤，后又將其網絡化為“農書古籍圖片數據庫”和“農書古籍全文圖片數據庫”。中國農業科學院農業信息研究所承擔的2004—2006年度國家科技基礎性工作專項“農業古籍珍藏及全文數字化研究與建設”，依托其下轄國家農業圖書館所藏的農書、史書、志書、類書，利用清華同方專業數據庫制作管理系統首次進行了大規模的農學古籍數字化，著錄了13044冊古籍的書目信息，鏈接了6000余冊古籍的數字對象[12]。該項目的理論成果較多著眼于組織管理和方案設計[13][14][15][16][17]，較少涉及清華同方專業數據庫制作管理系統的技術實現[18][19]。

隨著Web2.0在我國的推廣，農業古籍數字化也逐漸從文本的復原性逐步向語義的闡釋性和內容的組織性整理轉移：南京農業大學侯漢清教授的團隊承擔的2009—2011年度國家社會科學基金重點項目“文化典籍整理與開發的智能技術研究”對農業古籍的自動斷句標點、自動編纂等取得突破性進展[20][21]，西南大學承擔的國家“十一五”文化發展規劃重要項目《中華大典·農業典》6個分典借助媒介技術和數字化系統，實現了數字化編纂[22]。豐富的農學古籍數字化實踐活動推動了可視化、元數據、云計算、大數據等關鍵技術的研究和應用進展[23][24][25]。

近年來“數字人文”的興起促進了跨學科研究，農學古籍數字化研究的主體也不再局限于農林或科技史學者，如山東大學儒學高等研究院王加華教授團隊承擔的2020年度國家社會科學基金重大項目“中國古代農耕圖像的搜集、整理與研究”最終將以數據庫的形式予以呈現[26]，武漢大學信息管理學院吳平教授的團隊承擔的2021年度國家社會科學基金重大項目“中國古農書的搜集、整理與研究”將探索古農書創造性轉化和創新性傳播的路徑、構建古農書資源開放共享與知識服務平臺作為預期成果[27]。

與古籍數字化相比，古籍的語義出版尚處于起步階段。陋見所及，僅有中華書局古聯數字傳媒科技有限公司開發的“中華經典古籍庫”具備語義出版的概念特征[28]，但該庫是以已經整理出版的古籍點校本為基礎，還不是真正意義上的語義出版[29]。其內容組織和服務形態有如下特色：第一，標引人名、篇目、事件、地點、職官、紀年等專名，并建立分類主題詞表，在此基礎上實現繁簡字、異體字、異稱等不同語詞指向同一概念的關聯檢索；第二，內嵌“聯機詞典”“紀年換算”功能，通過字典、年表等工具書實現古籍文本的語義化增強，在某些特定情況下可以視為自動注釋；第三，可選定某段文本進行全庫檢索，方便查找參考文獻、引證文獻和共引文獻等，從而實現多維度、跨學科的語義關聯。

3 語義出版在農學古籍整理中的應用

3.1 農學古籍數字資源的語義組織

作為數字出版的高級階段，語義出版要求將農學古籍轉換成數字形態作為基礎資源。而為了實現農學古籍數字資源的大規模組織、管理和利用，就需要開發農學古籍知識庫。利用元數據標準將農學古籍數字資源納入RDF的知識表示是建立農學古籍知識庫的首要步驟，因此筆者參考《古籍類元數據規范》[30]，設計出能突出農學古籍數字資源特點并滿足農林或科技史知識組織和檢索需求的“農學古籍元數據（Metadata for Ancient Agricultural Books，MAAB）”，如表 1 所示。

表1 農學古籍元數據的17個元素構成

3.1.1 農學古籍知識單元的識別

知識單元是客觀知識系統中具有實際意義的基本單位，具有意義完整性、表達獨立性、粒度多元性等特征[31]。根據開發農學古籍知識庫的實際需求，農學古籍的知識單元被劃分為3種類型，即以文獻整體為陳述對象的粗粒度知識單元、以文獻中具備查考價值篇章為陳述對象的中粒度知識單元和以人、時、地、事、物要素為陳述對象的細粒度知識單元。

粗粒度知識單元分為2個模塊：第一，單種農學古籍或古農書叢集的描述，例如《神農》二十篇“其內容應該是關于農耕技術的”、《農圃四書》四卷“有《稻品》《蠶經》《魚經》《藝菊書》各一卷”；第二，多種農學古籍或古農書叢集的相關文物，例如包含了《農圃四書》四卷、《農桑輯要》七卷等在內的《格致叢書》。

中粒度知識單元分為4個模塊：第一，農田水利地圖，例如光緒刻本《山東黃河全圖》一冊為地圖集、《江蘇水利圖說》二卷每篇卷首繪有一幅地圖并附以簡要文字；第二，人、事、物圖像，例如諸本王禎《農書·農器圖譜》有281幅至306幅不等的插圖、光緒刻本《武林掌故叢編·捍海塘志》有《武肅王像》等；第三，表譜，例如天啟刻崇禎增修本《南河志》卷二《年表》、萬歷《古香齋寶藏蔡帖》本《荔枝譜》第七篇載有建安荔枝的32個品種；第四，手冊，例如元刻本《蕃牧纂驗方》卷上有“四時調適法”等、明刻本《問水集》卷一有“植柳六法”等。

細粒度知識單元分為3個模塊：第一，創作，例如《水經》三卷的創作者為桑欽，創作方式為撰，創作時間為東漢，創作地點為洛陽；第二，版本，包括當前的所在位置和過往的出版發行、流傳經歷，例如木活字本《種田雜說》一卷現藏中國國家圖書館，出版時間為清光緒二十九年（1903），出版地點為撫郡學堂；第三，科技遺產，包括但不限于農業科技遺產，例如《趙氏》五篇的相關知識“代田法”，乾隆《武英殿聚珍版叢書》本《農書》的相關知識“木活字印刷術”。

上述9個模塊的知識單元有助于處理農學古籍中不完整、不明確的信息，并將其納入通用的語義關聯模型[32]。

3.1.2 創建農學古籍的語義關聯

上述知識單元構成了農學古籍知識庫的節點（node），語義關聯則為其邊（edge）。農學古籍的語義關聯可以分為內部關聯和外部關聯兩類，前者指知識單元之間固有的實體、屬性之間的關系，后者借助網絡本體和知識組織系統實現知識單元的有序化、網絡化。

第一，內部關聯。

實體關系。美國國會圖書館的芭芭拉·蒂利特（Barbara Tillett）博士曾從“文物—作品”“等同—衍生”兩個向度區分了23種書目實體之間的關系[33]，對于農學古籍而言，可以簡化為表2所示的18種關系。

表2 農學古籍的18種書目實體關系

屬性關系。通過提取、分析和匹配描述性元素的屬性值，可以發現共有相關知識、相關文物等關系，見圖1，但是創作者、創作時間等節點僅為字面量而非本體。

圖1 農學古籍元數據的數據模型

第二，外部關聯。

科技遺產的本體化。《農業科學敘詞表》和《中國農業百科全書》是我國農業農村部指定的知識組織系統，前者已經設計出結構嚴謹、模塊齊全、功能完備、使用友好的敘詞庫系統[34]，后者僅有委托數字出版商制作的網絡版，故采用前者為主、后者為輔的做法。先將標識農業科技遺產的語詞與《農業科學敘詞表》正式或非正式敘詞進行模式匹配，若有未命中的語詞，再利用《中國農業百科全書》進行手動查詢。

人物的本體化。農學古籍涉及到的人物主要有創作者、出版者、印刷者和舊藏者，但是人物之間固有的語義關聯較少，不具備知識組織和檢索的意義。調用《上海圖書館人名規范庫》的應用程序編程接口（Application on Programming Interface，API）[35]， 可 以 自 動生成特定人物關系圖譜。筆者以《蠶桑備要》的作者盛宣懷為例，建立了人物本體，見圖2。

圖2 盛宣懷的人物關系圖譜

時間的本體化。時間本體不僅有實體識別、語義標注和標簽構建等應用[36]，而且能使表譜的知識內容有序化、可視化：調用《中國歷史紀年表》的應用程序編程接口構建時間軸[37]，將表譜的文字通過OCR技術保留排版格式識別，將朝代、紀年文字與時間軸匹配，而較低一格的文字作為時間軸上發生的事、存在的物，見圖3。

圖3 《泉河史》卷之五《職官表·寧陽分司》可視化

地理名稱的本體化。流傳經歷和所在地理位置的屬性值中含有大量的收藏機構，但是處于分散狀態，故不“足以備學者顧問”[38]。根據《收藏機構名錄》提供的“館藏機構—所在地區—地理名詞”三元組和《開放街圖》提供的地理空間數據[39][40]，實現農學古籍收藏機構的地理分布的可視化，見圖4。可視化的意義不僅在于提供更多檢索入口，更對特色館藏建設、館際資源共享等圖書館工作的開展大有助益。

圖4 我國農學古籍的收藏數量分布圖

地理名稱的本體化過程較為復雜；首先要通過“創作時間”這一修飾詞對地圖進行斷代，然后OCR技術識別地圖中的文字說明，接著調用《中國歷史地理信息系統》應用程序編程接口進行自動匹配[41]，最終得到農田水利地圖和斷代歷史地圖疊加的圖層，見圖5。

圖5 《太湖全圖》和清宣統三年（1911）歷史地圖

3.2 構建農學古籍知識庫的服務模式

開發農學古籍知識庫的最終目的是提供智能服務，使用戶能夠根據需求和情境獲取信息，故筆者設計了3種服務模式：語義檢索、情境感知和關系推理。

3.2.1 語義檢索模式

語義檢索是基于概念的檢索技術，它使用存儲在被檢索數據集外的附加語義信息提高檢索效率、優化經典模型[42]。語義檢索的優勢首先體現在聯想查詢（Prediction Queries）：第一，外來語詞拓寬了用戶群體，通過傳教士的外文原名、古人姓名的漢語拼音進行檢索，方便海外學者使用；第二，同義詞提高了查全率，通過字、號等人物異稱檢索人物知識單元；第三，準同義詞揭示了相關科技遺產，例如“旱”的近義詞為“干”，泛指詞為“災”，反義詞為“澇”。

語義檢索實現了知識單元的詞義消歧（Word Sense Disambiguation）：在檢索結果較多的情況下，推薦使用限義詞在檢索界面區分二者，如檢索“大順元年”即出現“大順元年（唐代）”和“大順元年（張獻忠）”兩個選項；在檢索結果較少的情況下，用戶可以通過人物關系、地理位置等可視化圖譜自行甄別所需信息。

語義檢索提供了多分面的瀏覽式檢索（Index Browsing）：第一，書目類表不僅顯示古籍分類法固有的等級關系，而且揭示古籍及其不同版本之間的書目關系，有助于研究古代農林或科技史、考辨農學古籍版本源流；第二，創作時間和出版時間都盡量顯示準確年份，與僅顯示朝代的漢文古籍數據庫相比，更加充分地體現了農學知識和社會背景的互動關系。

3.2.2 情境感知模式

所謂情境是指任何一個有助于刻畫用戶目前所處狀態的信息，可以是個體、設備、任務和時空等要素的存在方式或運動狀態[43]。情境感知能適應不同用戶的治學興趣和信息需求，從而提高農學古籍知識庫的利用率。原則上，情境可以映射任何一個元素，但出于用戶界面易用性的考慮，僅設計了下列4種情境感知模型，見表3。

表3 情境感知模型

3.2.3 關系推理模式

關系推理通過推理引擎將邏輯規則運用到知識庫中，實現信息挖掘從而為用戶的自然語言檢索式提供解決方案[44]，具體應用到農學古籍知識庫有知識補全、語義糾錯和智能問答3種場景。

知識補全是基于現有知識單元和語義關聯推斷出新關系的過程，主要運用了演繹推理的邏輯規則。以人物關系為例：已知盛宣懷和謝庭芝在晚清義賑中為合作關系，而且謝庭芝為謝家福之侄，則可以推知謝庭芝為清末民初人。

語義糾錯實現了半自動檢測并修改知識庫中實體、屬性、關系等錯誤，主要運用了歸納推理的邏輯規則。以書目實體為例：現狀屬性取值為“亡佚”的書目實體一般沒有鏈接數字對象，而佚書《農桑撮要》七卷卻有數字對象，經過核驗果然發現是同名異書引發的錯誤。

智能問答基于問答系統（Question Answering System）從知識庫的結構化的信息內容中對答案進行推理。中粒度知識單元在此過程中發揮著關鍵作用，例如用戶提問“錢镠的長相是什么樣的”，先通過人物本體匹配錢镠的謚號“武肅王”，從而找到《武肅王像》。

4 農學古籍語義出版的前景與挑戰

農學古籍知識庫作為一個真正的語義出版物，固然具有廣闊的前景，但也存在一些比較棘手的挑戰，在今后的運營和維護中需要格外注意。農學古籍知識庫的應用前景可以概括為如下3點：第一，為中華民族農業史梳理了堅實而系統的文獻依據，并與傳世文物、考古發掘和田野調查成果相互印證，有助于回答中華文明起源、形成和發展的基本圖景、內在機制以及各區域文明演進路徑等重大問題；第二，為古籍尤其是古代科技文獻的數字化工作提供了完備而可行的解決方案，開發其他類型古籍知識庫以農學古籍知識庫為原型，可以復用代碼以減小工作量；第三，為農學古籍的自然語言處理建設了大量而優質的語料庫，農學古籍知識庫標引了大量知識單元，適合作為古籍自動分詞、斷句、標點或校勘的訓練集。

農學古籍知識庫面臨的挑戰首先來自于基礎層，最突出的問題在于缺乏健全的古籍數字化標準規范體系：古籍數字資源加工標準有《古籍印刷通用字規范字形表》，但古籍數字化硬件設備和加工方式均無國家標準；古籍數字資源管理標準多停留在描述、分類層次，未深入到知識組織；古籍數字資源的應用、服務和古籍數字化工作的標準，也都處在探索階段。挑戰還來自于資源層：古籍的著作權早已進入公有領域，但是館藏機構將古籍進行數字化之后形成的數據庫享有匯編作品和計算機軟件的法律地位，批量下載并進一步開發需要遵守我國相關法律和國際通用的知識共享許可協議。

注 釋

[1] 孫顯斌.中國科技典籍整理的回顧與思考（上）[J].古籍整理出版情況簡報，2018：565

[2] 新華社.中共中央辦公廳、國務院辦公廳印發《關于推進新時代古籍工作的意見》[EB/OL].[2022-06-27].http：//www.gov.cn/zhengce/2022-04/11/content_5684555.htm

[3] 王曉光，陳孝禹.語義出版：數字時代科學交流系統新模型[J].出版科學，2012（4）：81-86

[4] 農業文明網.中國傳統文化研究的一項重要基礎工程[EB/OL].[2022-06-27].http：// www.icac.edu.cn/info/1083/1406.htm

[5] 王雅戈，沈志忠.“中國農業科技遺產信息數據庫建設”項目研究簡報[J].中國農史，2007（1）：138-140

[6] 曹玲，常娥，薛春香.農史研究的新工具：中國農業遺產信息平臺的設計與構建[J].中國農史，2006（1）：127-133

[7] 何琳，曹玲.農業古籍本體的構建及其檢索機制研究[J].現代圖書情報技術，2006（12）：37-39+53

[8] 常娥，侯漢清.農業古籍自動編纂的設計和研究[J].南京農業大學學報（社會科學版），2007（1）：99-104

[9] 常娥，侯漢清，曹玲.古籍自動校勘的研究和實現[J].中文信息學報，2007（2）：83-88

[10] 宋靜，殷子，李群.王禎《農書》在文獻學、數字化方面的現狀研究[J].農業網絡信息，2008（1）：67-69

[11] 清華大學圖書館.中國科技史數字圖書館資料庫[DB/OL].[2022-06-27].http：//166.111.120.21：4237/home/database/htm/browse.htm

[12] 盛玲玉.國家農業圖書館農業古籍數據化的探討與實現[J].農業圖書情報學刊，2005（12）：11-13+16

[13] 常春，潘淑春，盧文林，等.基于圖像的數字化農業古籍全文檢索方案[J].情報雜志，2005（6）：56-57

[14] 常春，潘淑春.農業古籍數字化項目的建設意義和SWOT分析[J].情報雜志，2005（11）：117-118+121

[15] 常春，張桂英.農業古籍數字圖書館項目評價方案[J].現代情報，2005（11）：59-61

[16] 盛玲玉.農業古籍圖文數據庫建設中的質量管理與控制[J].農業網絡信息，2007（11）：90-92

[17] 盧文林.農業古籍數據庫建立和著錄實踐[J].農業圖書情報學刊，2011（11）：23-26

[18] 金晨，牛離平.農業古籍全文數字化加工技術[J].農業圖書情報學刊，2005（10）：8-9

[19] 牛離平.國家農業圖書館古籍數字圖像館藏建設的研究[J].農業圖書情報學刊，2005（10）：10-12

[20] 黃建年，侯漢清.農業古籍斷句標點模式研究[J].中文信息學報，2008（4）：31-38

[21] 常娥.農史專題資料自動編纂系統的構建與測試[J].圖書館學研究，2009（6）：10-14

[22] 毛春，周安平.探索古籍整理與出版新路徑：《中華大典·農業典》數字化編纂出版探究[J].出版發行研究，2018（6）：58-60

[23] 胡以濤，惠富平.農業文化遺產保護中的數字化技術應用前景初探[J].中國農史，2015（4）：120-126

[24] 胡以濤，惠富平.元數據方法在數字人文視域下的應用探索：以農業文化遺產為例[J].圖書館，2019（1）：82-87

[25] 胡最，閔慶文.構建農業文化遺產數字化保護的概念框架探討[J].地球信息科學學報，2021（9）：1632-1645

[26] 蒙錦賢.國家社科基金重大項目“中國古代農耕圖像的搜集、整理與研究”開題論證會暨“圖像敘事與農耕傳統”論壇成功舉行[EB/OL].[2022-06-27].https：//www.rxgdyjy.sdu.edu.cn/info/1017/7749.htm

[27] 武漢大學廣東研究院.國家社科基金重大項目“中國古農書的搜集、整理與研究”舉行開題報告會[EB/OL].[2022-06-27].http：//www.whunf.com/news_view.php?SortID=12&ID=3020

[28] 中華書局有限公司下屬古聯（北京）數字傳媒科技有限公司.中華經典古籍庫[DB/OL].[2022-06-27].http：//publish.ancientbooks.cn/docShuju/platform.jspx

[29] Kuhn T， Dumontier M. Genuine semantic publishing[J]. Data Science， 2017， 1（1-2）：139-154

[30] 國家圖書館.古籍類元數據規范（征求意見稿）[S/OL].[2022-06-27].https：//www.lib.pku.edu.cn/portal/sites/default/ fi les/news/cms/resupload/0000001494/29.pdf

[31] 王子舟.圖書館學是什么[M].北京：北京大學出版社，2019：24

[32] Patel A， Jain S， Shandilya S K. Data of semantic web as unit of knowledge[J]. Journal of Web Engineering， 2018， 17（8）： 647-674

[33] Tillett B B. Bibliographic relationships[M]//Relationships in the Organization of Knowledge.Dordrecht： Springer， 2001 ： 19-35

[34] 中國農業科學院.農業科學敘詞表（網絡版）[DB/OL].[2022-06-27].http：//211.103.202.31： 8080/cat

[35] 上海圖書館.上海圖書館人名規范庫[DB/OL].[2022-06-27]. http：//names.library.sh.cn/mrgf/home/index

[36] 唐振貴，羅錦坤.中國古代時間本體：細化數字人文研究的時間軸向[J].圖書館雜志，2022（4）：87-95+37

[37] 上海圖書館.中國歷史紀年表[DB/OL].[2022-06-27].http：//data.library.sh.cn/dynasty/main

[38] 湯志鈞，湯仁澤編.梁啟超全集·第十集·論著十[M].北京：中國人民大學出版社，2018：772

[39] 上海圖書館.機構名錄[DB/OL].[2022-06-27].http：//data.library.sh.cn/organization/main

[40] The Open Street Map Foundation.Open Street Map [DB/OL]. [2022-06-27]. https：//www.openstreetmap.org

[41] Center of Historical Geographical Studies of Fudan University， Harvard-Yenching Institute， etc..China Historical CHGIS[DB/OL]. [2022-06-27]. https：//www.openstreetmap.org

[42] Hyv?nen E. Publishing and using cultural heritage linked data on the semantic web[M]. Cham ：Springer Nature Switzerland AG， 2018 ： 109

[43] 鐘義信.機制主義人工智能理論[M].北京：北京郵電大學出版社，2020：127

[44] Pearl J. Probabilistic reasoning in intelligent systems： networks of plausible inference[M]. San Francisco ： Morgan Kaufmann Publishers， 1988 ： 28