IT4L20142014年图书馆前沿技术论坛 � 

“数字人文与语义技术”

主办： � 上海市图书馆学会 �  �  �  �  �  �  � DCMI都柏林核心元数据 � 

中图学会数字图书馆研究与建设委员会 �  �  �  �  �  �  � 上海图书馆

承办： � 上海市图书馆学会信息技术专业委员会

协办： � 南京大学数图技术实验室 �  � 万达信息股份有限公司

http://society.library.sh.cn

本次会议简要议程上午： � 

• 刘炜：数字人文与关联数据 � 

• 曾蕾：语义技术与知识再发现--探索心得 � 

茶歇（10:10-10:20） � 

• 秦健：从欧美数字人文奖助项目说开去 � 

• 林海青：用GIS数据呈现历史事件--以洋务运动为例 � 

• 张亮：数字人文中的IT推动力——以二十世纪中国人物志原型系统为例

本次会议简要议程午餐（12:00-13:30） � 

下午 � 

• 王曼隽：“上海年华”回顾与展望 � 

• 杨佳：数字人文中的可视化技术 � 

• 夏翠娟：以书目框架建模的上图家谱知识库系统 � 

• 陈涛、张永娟：关联数据在生化学会会员系统中的应用 � 

专家面对面（主持：曾蕾教授） � 

• 抽奖

刘炜 kevenlw@gmail.com

人文研究中的计算： 数据、平台与技术

IT4L2014

数字人文与关联数据 Digital Humanities and Linked Data

IT4L2014

刘炜 kevenlw@gmail.com

内容

•什么是数字人文？

•人文何以下嫁数字？

•数字人文与图书馆

•数字人文与关联数据

什么是数字人文？

什么是数字人文？

什么是数字人文？

数字人文是一个重要的多学科(交叉)领域，指应用数字技术从事人文科学研究。旨在建立应用和模型，不仅是一种以信息技术作为工具的新型研究，为人文科学创建新的应用和新的模型，而且促进计算机科学的进步。同时它也研究信息技术对于文化遗产和人类记忆机构，图书馆档案馆以及数字文化的影响。

什么是数字人文？

A working definition:

Application of digital resources and methods to humanistic inquiry. 应用数字资源与方法回答人文问题

——Waters 2013, 4

什么是“人文”？ “人文”一词起源于文艺复兴时期意大利学者，指对于经典的研究（Classic Study），对应于以神为中心的神学研究

包括艺术、文学、音乐、舞蹈、喜剧、建筑、哲学等人类文化的各种表达

涉及语言学（古代或现代），文学，历史，哲学，宗教（有意思的是，甚至包括了神学），视觉和行为艺术等，有时还包括人类学、地区研究、传播学、文化研究、法律等。

数字人文是—— 应用计算机（数字）技术研究人文科学的统称。

• 并非一个学科，而是一个多学科交叉领域

• 数字与人文已超越了工具和对象的关系，是一种互相渗透、彼此强化的关系

• 数字方法正在为人文科学创建新的应用、建立新的范式和模型，人文科学又反过来促进了计算机科学的发展

https://twitter.com/scott_bot/status/465264351494955008/photo/1

人文就是人文。就像并不存在印刷人文一样，当所有的人文都负载于数字媒体的之上，其实就无所谓“数字”人文了 然而这并不是说我们可以无视数字技术的力量，或对数字技术的巨大缺陷视而不见，而只能说数字成了人性的一部分而变得更加重要，我们迫切需要有一种新的人文解释，来驾驭这种新的“人性”。

数字如何高攀人文？

罗伯特·•∙布撒神父（1913-2011） � 数字人文的先驱和奠基者 � 

耶稣会会士，计算机语言的发明者，超文本应用的先驱，伟大的和不朽的托马斯全集索引的编纂者

Saint Thomas Aquinas!1225 - 1274

Thomas Watson!1874 - 1956

Roberto A. Busa!1913 - 2011

• 词语在⽂文本中的位置 • 特殊参考标识 • 词语本⾝身 • ⽂文本中词语的数量 • 前⼀一个词语中第⼀一个字⺟母 • 后⼀一个词语中的第⼀一个字⺟母 • 表格卡⽚片号 • 款⺫⽬目卡⽚片号

数字人文典型案例

1. 经典案例：布撒神父托马斯全集索引

2. 莎士比亚及红楼梦研究

3. Europeana、DPLA、美国记忆等

4. Mapping the Republic of Letters 知识界通信地图

5. London Lives 伦敦生灵

6. Biblion 书世界

7. 达尔文、魏特曼、牛顿、唐吉坷德等项目

翻译⾃自 Willard MaCarty数字⼈人⽂文全景图(2002.5)

通讯与超媒体技术

方法论 � Methodological � Commons

文本分析

数据库设计

音乐检索与分析图像处理

数据分析

语⾔言⽂文学

宗教神学

哲学研究

法律

历史研究

表演艺术 物质

⽂文化

⾳音乐

哲学（本体论、科学哲学、认识论、历史哲学等）

计算机科学（编程、系统、界⾯面设计、⼈人⼯工智能、超⽂文本、数字图书馆、编码技术。）

语⾔言学（⽂文集语⾔言处理，计算语⾔言学）

社会学（学科观察、知识科学等）

历史学（历史学、⼈人类学、科技史）

⽂文学艺术（创造性想像⼒力、修辞学与设计、翻译）

数字人文关键技术 • 文本编码标准（TEI）、电子编辑与出版

• 数字文学

• 文本分析与挖掘

• 多媒体搜索中的沉浸与虚拟环境

• 3D 图像技术与激光扫描技术

• 数字图形设计

• 信息美学

• 计算机游戏与人文

• 人文领域的超级计算

• GIS高级应用

• 语义技术

data$

method''

• 数据和方法，是数字人文的两大支柱

• 目前这两大支柱都面临新的革命：

1. 数据-大数据：知识单元的细粒度化，知识组织的语义化，知识呈现的可视化

2. 方法-云计算：全网域，软件即服务，平台及服务，见所未见、能所不能

数字人文与图书馆

⽂文本分析

媒体库

专题资源库

名⼈人⼿手稿或档案

……

数字⼈人⽂文

数字图书馆

数字人文支持中心

• 美国国家人文基金会（NEH）

• 日本科学技术振兴机构（JST）

• 德国研究基金会（DFG）

• 英国信息系统联合委员会（JISC）

• 澳大利亚联邦政府创新、产业、科学与研究部（DIISR）

• 梅隆基金会（Mellon Foundation）

• 麦克阿瑟基金会（MacArthur Foundation）

• 国际图书馆联合会（IFLA）

• 图书馆与信息资源委员会（CLIR）

• 美国博物馆和图书馆服务协会（ARL）

图书馆已经在做的

• 获取资源

• 进行数字化工作

• 建立机构库

• 提供馆际互借服务

• 按需扫描及类似服务（数码相机翻拍）

• 参与研究（学科馆员融入一线嵌入过程）

• 数据庋藏以及数据图书馆员

来⾃自OCLC《Does Every Research Library Need a Digital Humanities Center?》 http://oclc.org/content/dam/research/publications/library/2014/oclcresearch-digital-humanities-center-2014.pdf

图书馆作为数字人文中心

• 将现有的服务打包为“虚拟数字人文中心”；

• 开展不同机构有关数字人文的项目合作

• 帮助学者制定保存性需求计划

• 拓展机构库以适应数字人文数字对象的管理

• 开展各类机构在国际间对数字人文的投入

• 拓展使用和强化学术元数据的渠道

• 在数字化开始初期咨询数字人文专家

• 参与数字人文项目并从开始就保证期可持续性

• 作为数字人文中心运作

来⾃自OCLC《Does Every Research Library Need a Digital Humanities Center?》 http://oclc.org/content/dam/research/publications/library/2014/oclcresearch-digital-humanities-center-2014.pdf

• 提供资源支持

• 开展项目研究

• 建设平台开发工具

• 作为成果与人才孵化器

• 举办示范与推介活动

• 申请研究经费，开展合作

• 使成果积淀下来、可持续发展

图书馆作为数字人文中心的作用

已开展数字人文研究的图书馆

• 古籍善本（3126）、稿本（4246 ）、抄本（1733）、刻本（2022），共计11127种

• 普通古籍（12.9万种，MARC）

• 家谱（2.1万种）

• 盛宣怀档案（17.8万件）

• 近代图书（21.3万种）

• 近代期刊（8142种）

• 近代期刊论文（314万篇）

• 旧日文图书（4.1万种MARC）

• 旧西文图书（5.6万种）

全国报刊索引情况： 总体情况：从1833年至今，总量4500万条，报刊总数4.5万余种，年更新数据400余万条 !

数据库情况 1.全国报刊索引数据库（1833年至今） 收录万余种，年更新300万条。 2.晚清期刊全文数据库（1833-1911） 300余种期刊，28万篇文献 3.民国时期期刊全文数据库（1911-1949） 25000余种期刊，1000万篇文献 4.北华捷报/字林西报全文数据库（1850-1951） 50万版

数字人文与关联数据

关联数据的作用

一、数据发布

关联数据四原则• 原则一：使用URI作为任何事物的标识名称

Use URIs as names for things；

• 原则二：使用HTTP URI使任何人都可以访问名称 Use HTTP URIs so that people can look up those names；

• 原则三：当有人访问名称时，提供有用的［RDF］信息 When someone looks up a name, provide useful ［RDF］ information

• 原则四：尽可能提供相关的URI以使人们发现更多的信息 Include links to other URIs so that they can discover more things

二、数据关联

关联数据的作用

http://richard.cyganiak.de/2007/10/lod/lod-datasets_2011-09-19_colored.png

各类数字化

各类标引加工

典藏管理（文献层+数据层）

上海年华*海上风华 整合检索服务

开放资源

数字人文 资源发现

Eupeana

DPLA

e-ScienceDigital Humanity

我们能做什么？1. 早期：莎士比亚及红楼梦研究

2. Eupeana、DPLA、美国记忆等

3. Mapping the Republic of Letters 知识界通信地图

4. London Lives 伦敦生灵

5. Biblion 书世界

6. 达尔文、魏特曼、牛顿等项目 叶永烈、名人手稿

上海年华*图片库*电影记忆...

盛宣怀档案

家谱、年谱、图片库、碑帖库

增强型电子书？

各类数字化

各类标引加工

典藏管理（文献层+数据层）

上海年华*海上风华 整合检索服务

外购资源 � 开放资源

数字人文 资源发现

叶永烈、名人手稿上海年华*图片库*电影记忆盛宣怀档案

家谱、年谱、图片库、碑帖库

增强型电子书？

家谱

本图由上海图书馆夏翠娟绘制

DH举例：盛宣怀档案本体

数量：17.8万件，1亿多字 时间：自1856年至1936年跨度80年（前20年为其父亲盛康所记，死后20年为后人所记） 类型：日记、信函、文稿、帐册、上谕、奏折、文件登记簿、号簿、目录、账册、单据、发票、剪报、请帖等等。 盛宣怀家族史、盛宣怀与赈灾、盛宣怀与铁路、盛宣怀与近代教育、盛宣怀与西学、盛宣怀与晚清官场等 涉及重大事件如洋务运动、义和团运动、辛亥革命、中日战争、中外商务谈判、四川保路运动、东南互保事件等； 涉及人物如孙中山、李鸿章、黄兴、谭嗣同、梁启超、翁同和、沈葆桢、郑观应、张之洞、左宗棠、丁汝昌、袁世凯、辜鸿铭、胡雪岩、詹天佑等三千余人；

王元化先生说：“‘盛档’原件如能公布，将能补史之阙，纠史之偏，正史之讹。”