郭立鑫 劉雨晴 袁嘉新

摘 ?要：本文通過對國內(nèi)外多個經(jīng)典歷史檔案專題知識庫案例進行分析，梳理總結(jié)出歷史檔案專題知識庫構(gòu)建的思路脈絡(luò)、敘事主題、實施流程、技術(shù)應(yīng)用、可視化展示和人文關(guān)懷的共性特點，并提出當(dāng)前歷史檔案專題知識庫建設(shè)中面臨的困難以及應(yīng)對策略，旨在為歷史檔案專題知識庫的建設(shè)和發(fā)展提供參考。

關(guān)鍵詞：歷史檔案；專題知識庫；數(shù)據(jù)挖掘；數(shù)字人文

Abstract： Through the analysis of several classic cases of historical archives thematic knowledge base at home and abroad， this paper summarizes the common features of the construction of historical archives thematic knowledge base， including the train of thought， narrative theme， implementation process， technology application， visual display and humanistic care， and puts forward the difficulties faced in the construction of historical archives thematic knowledge base and coping strategies， aiming to provide reference for the construction and development of historical archives thematic knowledge base.

Keywords： Historical archives; Thematic knowledge base; Data mining; Digital Humanities

歷史檔案是指形成時間較早，離當(dāng)前較久遠且主要起歷史文化作用的檔案。隨著信息技術(shù)的發(fā)展，大量歷史檔案已經(jīng)完成數(shù)字化、數(shù)據(jù)化，海量信息資源給檔案利用帶來新挑戰(zhàn)。從“小而深”的角度開展歷史檔案資源開發(fā)利用，建立歷史檔案專題知識庫成為眾多文化機構(gòu)和檔案機構(gòu)的首選方案。本文所討論的歷史檔案專題知識庫主要是指以特定專題歷史檔案作為知識來源，對檔案信息進行整理、分析和重組，利用計算機來表達、存儲和管理歷史檔案元數(shù)據(jù)，對歷史檔案資源進行知識管理，并主動為用戶提供知識服務(wù)的歷史檔案資源開發(fā)利用方式。近年來，數(shù)字人文視角下的歷史檔案開發(fā)利用研究逐漸深入。ALISON ABBOTT認(rèn)為“威尼斯時光機項目”將揭露隱藏的歷史，幫助學(xué)者重塑對過去的理解。[1]牛力、高晨翔等學(xué)者將檔案研究路徑概括為“發(fā)現(xiàn)”“重構(gòu)”與“故事化”三層原語。[2]姚天泓、陳艷梅等人基于CIDOC-CRM本體模型對張學(xué)良史料資源進行了語義化知識組織研究。[3]這些研究成果為歷史檔案專題知識庫的建設(shè)開辟了新的數(shù)字人文研究視角，推動了歷史檔案從“數(shù)字化”向“數(shù)據(jù)化”“知識化”方向轉(zhuǎn)型發(fā)展。

1 典型案例介紹

1.1 “歐洲時光機”（European Time Machine）。威尼斯時光機是由EPFL和威尼斯Ca'Foscari大學(xué)發(fā)起的一項先驅(qū)性國際數(shù)字人文科學(xué)計劃，該項目的第一階段（2012-2019年）創(chuàng)建了最大的威尼斯地質(zhì)歷史及其演變數(shù)據(jù)庫，第二階段（2020-2028年）專注于開發(fā)威尼斯鏡像世界，全新的“歐洲時光機”則是“威尼斯時光機”項目的延伸與發(fā)展。“時光機”旨在利用最新的數(shù)字技術(shù)和基礎(chǔ)設(shè)施結(jié)合歐洲豐富的歷史，構(gòu)建一個集體數(shù)字信息系統(tǒng)，用于描繪歐洲經(jīng)濟、社會、文化和地理跨時代的演變，[4]各領(lǐng)域?qū)I(yè)知識共同賦能“時光機”工程，為歐洲城市規(guī)劃提供新視域。[5]

1.2“協(xié)作歐洲數(shù)字檔案研究基礎(chǔ)設(shè)施”（CENDARI）。協(xié)作歐洲數(shù)字檔案研究基礎(chǔ)設(shè)施（Collaborative European Digital Archival Research Infrastructure，簡稱CENDARI）是一項由歐盟資助的歷史檔案資源類人文研究項目（2012-2016），旨在開發(fā)一個研究基礎(chǔ)設(shè)施，以促進對跨國歷史問題的資源獲取和研究。CENDARI立足于全球各文化遺產(chǎn)機構(gòu)已有的數(shù)字化工作基礎(chǔ)，篩選出第一次世界大戰(zhàn)和中世紀(jì)文化兩大專題檔案資源進行整合和管控。[6]采取參與式設(shè)計的方式，將80多萬份檔案和歷史資料集成到項目開發(fā)的工具和服務(wù)集合中，由專業(yè)的歷史學(xué)家提出一個通用的歷史知識整理框架，用戶可通過CENDARI對歷史資源進行深度著錄標(biāo)引、關(guān)聯(lián)重構(gòu)和可視化呈現(xiàn)。[7]

1.3 “盛宣懷檔案知識庫”。上海圖書館建設(shè)的“盛宣懷檔案知識庫”是研究中國近代史的第一手史料寶庫，是盛宣懷家族自1850年至1936年間的記錄，內(nèi)容涉及政治、經(jīng)濟、社會、軍事、外交、金融、貿(mào)易和教育等方面。該項目在檔案領(lǐng)域應(yīng)用了數(shù)字人文方法和關(guān)聯(lián)數(shù)據(jù)技術(shù)，利用時空分析法、社會關(guān)系分析法和交互式的可視化手段來挖掘、分析、構(gòu)建、繪制和展示檔案資源中顯性知識、隱形知識以及它們之間的關(guān)聯(lián)?！笆⑿麘褭n案知識庫”網(wǎng)站不但以關(guān)系圖譜的形式表現(xiàn)人物收發(fā)信函、電報的往來關(guān)系，而且上載了館藏盛宣懷檔案掃描件供讀者查閱利用。

1.4 “記憶高遷”數(shù)字記憶?！坝洃浉哌w，爰得我所——高遷數(shù)字記憶”項目依據(jù)“多維敘事”的理念，以“前站后庫”架構(gòu)同步建設(shè)“記憶高遷”網(wǎng)站和“高遷數(shù)字資源庫”，設(shè)計相關(guān)數(shù)字創(chuàng)意產(chǎn)品，旨在對高遷古村歷史文化進行數(shù)字化保護與傳承。[8]“高遷數(shù)字資源庫”中的數(shù)字資源分別以文獻遺產(chǎn)、建筑空間、家族先賢和精神文化等主題進行分類管理，并以關(guān)聯(lián)實體方式對文本資源進行深度標(biāo)簽化，為更深層次的文本挖掘和數(shù)據(jù)關(guān)聯(lián)奠定基礎(chǔ)。項目利用知識圖譜工具Protégé軟件創(chuàng)建本體網(wǎng)絡(luò)--高遷古村文脈圖譜，實現(xiàn)了面向內(nèi)容的語義組織，形成古村落實體庫，并以可視化的形式呈現(xiàn)。[9]

2 案例共性特征分析

2.1 主線脈絡(luò)清晰。歷史檔案具有多維多模多態(tài)的特點，在建設(shè)知識庫過程中，由于要素關(guān)系雜亂、涉及方面廣等問題，易出現(xiàn)敘事主線不明確、難以厘清脈絡(luò)、無法深入挖掘?qū)ｎ}亮點、敘事平庸以及缺少特色展示的情況。但上述四個典型案例均具有主題特征鮮明，主線描述清晰的具象化特點，比如，單獨的專題人物知識庫圍繞著人物線索進行延伸設(shè)計，而城市記憶則可認(rèn)為是多個小型專題知識庫的集合關(guān)聯(lián)體，選取了具有共同特點的歷史檔案材料，對事件、人物、組織、地點和時序五個要素進行合理關(guān)聯(lián)，確定建設(shè)脈絡(luò)主線。

2.2 敘事主題多元。合適的開展角度以及清晰的敘事主題影響著歷史檔案專題知識庫建設(shè)成效，數(shù)字化的歷史檔案被認(rèn)為是待挖掘的數(shù)據(jù)，在數(shù)據(jù)挖掘過程中應(yīng)注重檔案之間的內(nèi)在聯(lián)系，對各要素進行精準(zhǔn)標(biāo)注以及合理關(guān)聯(lián)。上述案例在明確敘事主線的前提下（如圍繞著某人物/某事件/某地區(qū)展開），選擇了多種主題（要素）關(guān)聯(lián)展示的形式，敘事主題和展現(xiàn)方式如圖1所示。

2.3 構(gòu)建流程規(guī)范。對上述歷史檔案專題知識庫案例分析后不難發(fā)現(xiàn)，歷史檔案資源經(jīng)歷了“數(shù)字化-數(shù)據(jù)化-知識化-可視化”的處理流程。數(shù)字化階段，上述案例都在建設(shè)初期完成了歷史檔案資源數(shù)字化或立足于已有的數(shù)字化工作基礎(chǔ)，包括了對所選專題相關(guān)的歷史檔案資源進行收集篩選、整理集合，在資料相對完善的基礎(chǔ)上，利用掃描、格式轉(zhuǎn)換和文本識別等技術(shù)將歷史檔案資源轉(zhuǎn)換為機器可讀的信息流。數(shù)據(jù)化階段，如“盛宣懷檔案知識庫”應(yīng)用各類技術(shù)手段（數(shù)據(jù)分析、分類篩選）對盛宣懷檔案數(shù)據(jù)進行了分類整合與數(shù)據(jù)清理，清理掉重復(fù)的、無用的知識，對專題檔案知識進行歸類，為后續(xù)的歷史檔案知識組織與管理做準(zhǔn)備。知識化階段，案例應(yīng)用前沿數(shù)字技術(shù)在海量的、成熟的、完整的數(shù)據(jù)資源基礎(chǔ)上進行深度挖掘，開發(fā)檔案數(shù)據(jù)內(nèi)在關(guān)聯(lián)與價值，以不同要素進行合理關(guān)聯(lián)?？梢暬A段，主要體現(xiàn)在歷史檔案知識展示平臺的搭建，實現(xiàn)檔案檢索、檔案展示和知識發(fā)現(xiàn)功能，上述案例的可視化成果分別以模型展覽、檔案系統(tǒng)、門戶網(wǎng)站、微信小程序和移動端APP等形式展現(xiàn)。

2.4 知識獲取可視化。案例都充分結(jié)合傳統(tǒng)媒介方法、數(shù)字技術(shù)和數(shù)字藝術(shù)對歷史檔案開發(fā)利用，后端以復(fù)雜數(shù)據(jù)處理的歷史檔案數(shù)據(jù)庫作為支撐，前端以簡約實用的網(wǎng)站形式創(chuàng)意呈現(xiàn)。這種挖掘原本隱藏在檔案之中的信息并搭建交互式平臺進行可視化展示，其本質(zhì)是簡化社會公眾、專家學(xué)者們獲取歷史檔案內(nèi)在知識的流程，強化用戶與歷史檔案資源之間的交互聯(lián)系，以期用戶可以從歷史檔案可視化成果展示中獲取更多的知識與靈感。[10]如“記憶高遷”以古色古韻的門戶網(wǎng)站作為展示窗口，CENDARI可通過webvowl工具進行可視化探索，利用者知識獲取的途徑更加簡單快捷。

2.5 數(shù)字人文技術(shù)得以深入應(yīng)用。數(shù)字人文從方法論角度顛覆了學(xué)科的基本邊界，為歷史檔案知識庫提供了搭建新型研究方法、知識體系、呈現(xiàn)方式和理論框架的途徑。威尼斯時光機案例中，研究者通過原始檔案材料，利用自然語言處理、數(shù)據(jù)挖掘、數(shù)據(jù)關(guān)聯(lián)、本體構(gòu)建等新興技術(shù)與理念，對歷史檔案資源進行數(shù)據(jù)分析與處理，并利用H5、VR/AR、GIS、知識圖譜、3D建模等視覺交互方式對生成的知識進行展示，以此探尋以數(shù)據(jù)驅(qū)動的歷史檔案知識庫開發(fā)利用的新方法。

2.6 用戶體驗更加注重人文關(guān)懷。歷史檔案專題知識庫區(qū)別于商業(yè)、物聯(lián)網(wǎng)等類別知識庫的一點是：除了利用數(shù)字技術(shù)完成數(shù)據(jù)挖掘、關(guān)聯(lián)和展示外，還更加注重在數(shù)字技術(shù)維度外的人文關(guān)懷價值的展現(xiàn)。上述成功案例中，都極其重視宗教、文化、民俗甚至人們精神世界之間的關(guān)聯(lián)，且在展示上也嘗試契合人們多維視聽融合的需求，如“歐洲時光機”勾勒模擬出千年前的生活場景，“盛宣懷檔案知識庫”以時空結(jié)合的形式還原歷史事件，“記憶高遷”則給觀眾帶來沉浸式的瀏覽體驗，體現(xiàn)出了對利用者更加需要的人文關(guān)懷設(shè)計理念。

3 啟示與思考

3.1 專題知識庫建設(shè)是數(shù)據(jù)化轉(zhuǎn)型的要求。目前，國內(nèi)歷史檔案專題知識庫建設(shè)整體處于萌芽期，即數(shù)字化建設(shè)階段，大規(guī)模的歷史檔案已完成數(shù)字化轉(zhuǎn)換，以非結(jié)構(gòu)化的形式進行存儲，輔助以少量結(jié)構(gòu)化描述，如標(biāo)題、簡介、圖片描述等，在這一階段的歷史檔案仍具有巨大開發(fā)潛力，知識亟須挖掘。國內(nèi)外也有相當(dāng)一部分的檔案館、圖書館等公共文化事業(yè)機構(gòu)正處于建設(shè)發(fā)展期，即數(shù)據(jù)化建設(shè)階段，已完成歷史檔案材料數(shù)字化，將研究重心轉(zhuǎn)移至檔案材料的數(shù)據(jù)化，如利用文本識別工具對海量檔案資源進行“翻譯”，對其內(nèi)容進行分析、標(biāo)注和摘要提取，該階段是知識庫進一步建設(shè)發(fā)展的重要基礎(chǔ)。當(dāng)下國內(nèi)外歷史檔案專題知識庫研究的熱點集中在數(shù)字人文上（知識化建設(shè)階段），通過多領(lǐng)域、多學(xué)科通力協(xié)作，引入知識圖譜、AI、GIS、AR/VR和本體等前沿技術(shù)對海量歷史檔案數(shù)據(jù)進行知識組織與關(guān)聯(lián)，并以可視化的形態(tài)展現(xiàn)，一些前沿項目如“歐洲時光機”仍在如火如荼地進行中。

3.2 歷史檔案專題知識庫建設(shè)面臨諸多挑戰(zhàn)。一是歷史檔案專題知識庫的理論和實踐研究不夠深入，表現(xiàn)在國內(nèi)學(xué)者在檔案領(lǐng)域知識庫的研究主要集中在構(gòu)建原則、構(gòu)建方法、系統(tǒng)設(shè)計等理論層面，但對歷史檔案知識庫的基本概念還沒有科學(xué)系統(tǒng)的定義，與檔案資源庫的區(qū)別與聯(lián)系界定上仍然模糊，在數(shù)字人文指導(dǎo)下的歷史檔案專題知識庫的研究路徑和方法還不夠具體，特別是建設(shè)實證依然偏少，相關(guān)標(biāo)準(zhǔn)規(guī)范仍然缺位；二是專題知識庫產(chǎn)品復(fù)用困難，隨著全國數(shù)字檔案館的加快建設(shè)，檔案信息資源管理系統(tǒng)已經(jīng)比較成熟，出現(xiàn)了不同功能的市場化產(chǎn)品可供選擇，但在專題資源知識庫建設(shè)上，檔案信息資源管理系統(tǒng)復(fù)用較為困難，難以滿足知識庫需求，市場上產(chǎn)品研發(fā)薄弱導(dǎo)致相關(guān)軟件產(chǎn)品還不成熟；三是檔案資源由“分散”至“高度集中”，在知識庫建設(shè)過程中可能會出現(xiàn)歷史檔案資源分散保存的情況，不同文化機構(gòu)和檔案機構(gòu)各自為政，開發(fā)多以自身擁有資源為主，一定程度上影響了對整體歷史發(fā)展動態(tài)的理解與闡述；四是檔案資源數(shù)據(jù)化工程量大，耗時久，歷史檔案項目跨度久，一部分原因是在檔案收集與整理環(huán)節(jié)，歷史檔案數(shù)據(jù)轉(zhuǎn)換工程浩大，“大而全”的項目一時之間難以完成；五是公眾重“觀看”輕“參與”，雖然一些項目依托數(shù)字技術(shù)完成了歷史檔案的知識化與展示，但通常情況是用戶“走馬觀花”式的瀏覽網(wǎng)站，無法代入到“歷史重現(xiàn)”的場景；六是多元主體協(xié)同機制尚未得以建立，歷史檔案專題知識庫的建設(shè)離不開政產(chǎn)學(xué)研多元融合以及多方機構(gòu)的深入合作，同時也離不開公眾的參與，這不同程度制約了知識庫服務(wù)效能的釋放。

3.3 歷史檔案專題知識庫建設(shè)的應(yīng)對策略。針對上述挑戰(zhàn)，筆者提出如下應(yīng)對策略：一是加強歷史檔案專題知識庫的可行性研究。在保證檔案資源相對完整的情況下，可選取已有數(shù)據(jù)化基礎(chǔ)或數(shù)據(jù)化工作量經(jīng)評估合理的，且具有代表性的檔案專題進行“試水”，在實施“小而深”的知識庫建設(shè)中總結(jié)偏差與不足，今后可在初期經(jīng)驗的基礎(chǔ)上持續(xù)拓展推廣，逐步完成歷史檔案專題知識庫建設(shè)工作，特別是用標(biāo)準(zhǔn)化、規(guī)范化推進知識庫的產(chǎn)品化。二是可從宏觀和微觀兩個角度開展檔案資源收集工作。在宏觀層面上，需將分散在不同組織、個體手中歷史檔案資源進行匯總，微觀層面上，需在浩如煙海的檔案資源中進行所需專題的篩選、收集與整合，最終目的是將分散在各處的多源異構(gòu)數(shù)據(jù)源化零為整，建立“歷史專題檔案資源池”。三是增強歷史檔案專題知識庫展示平臺的交互性。首先提供互動渠道，可通過網(wǎng)絡(luò)征集檔案素材甚至收集專家學(xué)者的指導(dǎo)建議，其次增加平臺趣味性，以游戲的形式來邀請社會公眾作為“玩家”，在玩樂的同時加深知識記憶，最后可以考慮推出知識定向服務(wù)，吸引穩(wěn)定用戶群體參與進來。四是協(xié)調(diào)多方配合、協(xié)同開發(fā)建設(shè)?？梢钥紤]由政府牽頭敲定方向，檔案館、圖書館等機構(gòu)作為核心驅(qū)動力量提供數(shù)據(jù)源，推動學(xué)界、社會界的聯(lián)動（高校人才、科技企業(yè)協(xié)同創(chuàng)新），借助數(shù)字技術(shù)研發(fā)專題庫、知識庫產(chǎn)品，除了橫向的多方機構(gòu)跨界合作，也可考慮縱向不同層級間的合作，以及采取邀請社會公眾參與的眾包形式。

4 結(jié)語

歷史檔案專題知識庫的建設(shè)是一項長期且艱巨的數(shù)字人文工程，不僅對歷史文化傳承有著重要意義，對學(xué)術(shù)研究、紅色教育以及旅游宣傳也極具價值。筆者認(rèn)為在數(shù)字人文環(huán)境下，歷史檔案專題知識庫的建設(shè)可從以下兩方面推動：一是綜合現(xiàn)有歷史檔案資源，圍繞著地區(qū)特色、文化研究和革命歷史等熱點，加強專題數(shù)據(jù)庫建設(shè)，盡可能保證歷史檔案的完整性與連續(xù)性；二是借鑒國內(nèi)外優(yōu)秀案例，引入數(shù)字人文理念，應(yīng)用AI、知識圖譜等先進技術(shù)賦能歷史檔案開發(fā)，打破傳統(tǒng)檔案利用服務(wù)的局限，在數(shù)字環(huán)境下對歷史檔案資源進行深度挖掘、知識組織與互動展示利用。通過以上兩方面推動歷史檔案專題知識庫建設(shè)，可以解決歷史檔案資源分散的問題，增加歷史檔案對公眾的吸引力，變被動為主動，加強歷史檔案知識服務(wù)，達到歷史檔案資源增值再利用的效果，從而實現(xiàn)歷史檔案資源開發(fā)利用工作的創(chuàng)新發(fā)展。

*本文系國家檔案局科技項目“面向深度利用的歷史檔案資源專題知識庫構(gòu)建技術(shù)與方法研究”（項目編號2021-X-30）的研究成果之一。

參考文獻：

[1]Alison Abbott.The‘time machine reconstructing ancient Venices social networks[J].

Nature，2017，546：341-344.

[2]牛力，高晨翔，張宇鋒，閆石，徐擁軍.發(fā)現(xiàn)、重構(gòu)與故事化：數(shù)字人文視角下檔案研究的路徑與方法[J].中國圖書館學(xué)報，2021，47（01）：88-107.

[3]姚天泓，陳艷梅，劉革，魯超.基于CIDOC-CRM的數(shù)字人文史料資源語義化知識組織研究——以張學(xué)良史料資源為例[J].圖書館學(xué)刊，2019，41（07）：35-43.

[4]Time Machine EU.About Us：Members[EB/OL].[2022-06-09].https：//www.timemachine.eu/members/.

[5]龍家慶.數(shù)字人文項目中檔案數(shù)據(jù)開發(fā)工具及應(yīng)用研究——以“歐洲時光機”為例[J].北京檔案，2021（03）：10-15.

[6]楊茜茜.數(shù)字人文視野下的歷史檔案資源整理與開發(fā)路徑探析——兼論檔案管理中的歷史主義與邏輯主義思想[J]檔案學(xué)通訊，2019（02）：17-22.

[7]Boukhelifa N，Bryant M，Boulatovic N，et al.The CENDARI Infrastructure[J/OL].ACM Journal on Computing and.

Cultural Heritage，2018，11（02）：Article 8[2022-09-14].https：//arxiv.org/pdf/1612.05239v1.pdf.

[8]馮惠玲，梁繼紅，馬林青.臺州古村落數(shù)字記憶平臺建設(shè)研究——以高遷古村為例[J].中國檔案，2019（05）：74-75.

[9]馮惠玲.數(shù)字人文視角下的數(shù)字記憶——兼議數(shù)字記憶的方法特點[J].數(shù)字人文研究，2021，1（01）：87-95.

[10]張衛(wèi)東，左娜.面向數(shù)字人文的館藏資源可視化研究[J].情報理論與實踐，2018（09）：102-107.

（作者單位：1.河南省檔案館 郭立鑫，碩士，一級主任科員；2.上海信聯(lián)信息發(fā)展股份有限公司 劉雨晴，碩士，咨詢顧問；袁嘉新，碩士，計算機高級咨詢顧問 ?來稿日期：2022-10-20）