因疫情影響，近半年來高校等研究單位的師生大都避疫在家，無法正常利用圖書館資源。自2020年4月起，由北京大學(xué)、南開大學(xué)等高校青年學(xué)者發(fā)起的“文獻(xiàn)挖掘整理研究會”決定在線舉辦第三次文獻(xiàn)沙龍，以助力文史學(xué)者更好運(yùn)用線上資源以推進(jìn)研究。本次沙龍邀請北京大學(xué)（中文系、歷史系、信管系）、清華大學(xué)、復(fù)旦大學(xué)、南開大學(xué)、臺灣“清華大學(xué)”、中華書局等單位的學(xué)者，圍繞“瘟疫時(shí)期的網(wǎng)絡(luò)資源”“學(xué)術(shù)檢索的過去現(xiàn)在和未來”“古典文獻(xiàn)資源的整合與導(dǎo)航”“中華書局的數(shù)字資源與使用”“史實(shí)數(shù)據(jù)的關(guān)系表達(dá)”六個(gè)議題展開研討。

第二場對談“學(xué)術(shù)檢索的過去、現(xiàn)在和未來”由史睿（北京大學(xué)中古史研究中心副研究員）主持，與談嘉賓黃一農(nóng)（臺灣“中研院”院士、臺灣清華大學(xué)歷史所教授）、蘇芃（南京師范大學(xué)文學(xué)院教授）、李旻（復(fù)旦大學(xué)計(jì)算機(jī)科學(xué)技術(shù)學(xué)院講師）、劉姝然（北京大學(xué)信息管理系碩士研究生）參與研討，本文系此次對談的摘錄稿下篇。

劉姝然：從檢索系統(tǒng)的開發(fā)者角度，從Information Science這個(gè)專業(yè)出發(fā)，怎么思考檢索系統(tǒng)如何更好地服務(wù)于文史研究，今天我想分享這方面的內(nèi)容。

我們專業(yè)和計(jì)算機(jī)學(xué)科有交叉，但其實(shí)也和古典文獻(xiàn)專業(yè)有一些淵源。北大信息管理系本來叫圖書館學(xué)系，早期的圖書館學(xué)專業(yè)可能更關(guān)注對“書”的組織和檢索，而隨著信息技術(shù)的發(fā)展，現(xiàn)在我們重新介入“數(shù)字人文”領(lǐng)域，會在關(guān)注“書”這種信息載體外，更加關(guān)注“書”里的信息、知識。怎樣用命名實(shí)體識別之類的技術(shù)從這些文本中提取知識單元，對知識進(jìn)行更加細(xì)粒度化的組織，如何構(gòu)建知識圖譜，這是我們關(guān)心的問題。比如說，我們實(shí)驗(yàn)室對《宋元學(xué)案》做處理，把里面的人、地、時(shí)等實(shí)體都提取出來，建立實(shí)體和實(shí)體之間的聯(lián)系，構(gòu)建知識圖譜，再用可視化方式來呈現(xiàn)書中的師承關(guān)系，書中所反映的史實(shí)就“立體”起來了。

那么，這種可視化系統(tǒng)有沒有可能成為新媒介環(huán)境下的一種檢索系統(tǒng)？例如我們在這些可視化界面中可能會發(fā)現(xiàn)一些有趣的視覺現(xiàn)象，這有沒有可能讓我們發(fā)現(xiàn)某些有價(jià)值的新問題？我去問文史專業(yè)的同學(xué)，他們說，這類可視化系統(tǒng)就像是給一本書的做了個(gè)“目錄”，能夠幫助讀者快速定位信息，高效地找到需要細(xì)讀的文本。這是不是也是某種“檢索”？ 檢索系統(tǒng)有沒有可能是可視化的？如何利用信息技術(shù)去高效地實(shí)現(xiàn)這樣的檢索系統(tǒng)？這是我們專業(yè)的同學(xué)所關(guān)心的。

從人類文字誕生的那一刻起，如何快速從大量的記錄在各種各樣的存儲媒介中查找和獲取信息，就成為一個(gè)引人注目的問題。這個(gè)問題關(guān)系到人類如何主動獲取自己需要的知識，所以說，計(jì)算機(jī)專家們對于檢索系統(tǒng)的研究，其實(shí)和剛才老師們從人文研究角度去討論的問題，是有很深的聯(lián)系的，其內(nèi)在的脈絡(luò)是——如何讓人高效地獲取信息？所以我們以前研究書目如何編輯，現(xiàn)在研究書內(nèi)部的信息和知識如何組織、如何被檢索。以前我們查找信息去圖書館，現(xiàn)在我們需要“數(shù)字圖書館”，需要對數(shù)字資源的合理組織，需要更好用的學(xué)術(shù)檢索系統(tǒng)。

很多人覺得現(xiàn)在的學(xué)術(shù)檢索系統(tǒng)大多不太好用，無法做到模糊檢索、檢索詞推薦、合理的檢索結(jié)果排序等等，百度、谷歌能做到，甚至京東、淘寶也能做到，但學(xué)術(shù)檢索系統(tǒng)還停留在關(guān)鍵詞匹配檢索的階段。那么，學(xué)術(shù)檢索系統(tǒng)有沒有可能模仿商業(yè)搜索引擎的路徑向更易用的方向發(fā)展呢？關(guān)于這一點(diǎn)，我有一些暢想。比如，京東有“語義檢索”，你搜一個(gè)詞，它可以聯(lián)想出一些另外的詞給你做推薦，它是一個(gè)基于語義的檢索，而不是呆板的關(guān)鍵詞匹配，學(xué)術(shù)檢索有沒有可能做到這樣？又比如，淘寶有“分面檢索”，你如果搜“顯示屏”，它會告訴你可以從接口類型、尺寸、面板、類型等角度去做篩選，以更快地獲取到你想要的那個(gè)型號，那么，學(xué)術(shù)檢索有沒有可能也這樣，從不同方面去輔助你檢索到自己想要的某本文獻(xiàn)？再比如，我們現(xiàn)在可以直接用自然語言和谷歌對話，你去在搜索框中問谷歌蘇格拉底最聰明的學(xué)生是誰、姚明的身高是多少，它是可以回答的。中文領(lǐng)域，百度也有類似的功能，最近新出現(xiàn)的 MAGI知識圖譜搜索引擎，不僅可以回答這些問題，還可以去溯源機(jī)器是從哪些語料中去學(xué)習(xí)到的這一條的，這在學(xué)術(shù)檢索場景下是非常有必要的，也就是說，我們不僅要將從文本中提取出來的結(jié)構(gòu)化信息展示給用戶，還需要告訴用戶，這是從哪一個(gè)文獻(xiàn)中提取出來的，為什么這樣提取，也就是提供其“論證過程”， 你如果不認(rèn)可，可以去溯源，甚至糾正。還有一些更好玩的腦洞，比如，既然有今日頭條這樣的推薦系統(tǒng)，有沒有可能有學(xué)術(shù)頭條、學(xué)科頭條？能不能根據(jù)用戶需求、自身所關(guān)注的領(lǐng)域，把最新的一些研究成果主動推薦給用戶？

現(xiàn)在的學(xué)術(shù)檢索還只能滿足“查詢式搜索”的需求，也就是，輸入一個(gè)關(guān)鍵詞，然后做全文匹配，出來包括這個(gè)詞的所有文章。但是我覺得對于文史研究者來說，更重要的是“研究型搜索”，我們得到的檢索結(jié)果可能不是唯一的，我們的檢索過程可能是迭代式的、漸進(jìn)性的，是不斷變換檢索詞，不斷逼近自己想要的答案的過程。那么在這個(gè)過程中，我們可能會經(jīng)常去重構(gòu)檢索詞，就是重新?lián)Q一個(gè)檢索詞再去檢索，慢慢找到自己想要的某個(gè)檢索詞。系統(tǒng)開發(fā)者們非常關(guān)注這種檢索詞的重構(gòu)，我們在想，機(jī)器能不能去學(xué)習(xí)到這些檢索詞的變化？ 用戶輸入的第一個(gè)詞什么？第二次檢索詞為什么變了？這里面發(fā)生了什么樣的需求轉(zhuǎn)變，捕捉到這種需求之后，機(jī)器有沒有可能去滿足它？我覺得檢索一個(gè)信息，和生活中找一個(gè)東西，最大不同是，信息檢索其實(shí)本質(zhì)上也是一個(gè)認(rèn)知重構(gòu)的過程，那有沒有可能將這種認(rèn)知重構(gòu)的過程用可視化檢索詞的方式展現(xiàn)出來？這些問題都是開發(fā)者們正在探索的，希望我們可以通過這些研究，更好地滿足人文學(xué)者的檢索需求。

“檢索”和“瀏覽”是人類最重要的兩種信息行為。“瀏覽”也很重要，在有目的或無目的的瀏覽過程中，可能會產(chǎn)生一些信息的“偶遇”，無意中發(fā)現(xiàn)的一些本來沒見過的東西，但這些東西對我們的研究可能非常重要。這讓我想到，其實(shí)圖書館的閉架會大大減少這種“無目的瀏覽”的機(jī)會，也就減少了“信息偶遇”，對研究和獲取信息是有負(fù)面影響的。在“數(shù)字圖書館”中，我們也需要避免這種“閉架”，讓學(xué)者們有機(jī)會“無目的地瀏覽”到數(shù)字資源，以引發(fā)一些研究靈感。

我在思考這些問題的過程中，越來越意識到，技術(shù)專家、系統(tǒng)設(shè)計(jì)者和人文研究者需要更深度的對話。比如我們一直在講知識的結(jié)構(gòu)化提取，知識圖譜構(gòu)建，但是有哪些實(shí)體需要提取？實(shí)體之間有哪些關(guān)系？這些關(guān)系具體怎么定義？這都需要引入大量的專門知識，也讓人文學(xué)者參與進(jìn)來。希望可以通過我們共同的努力、更廣泛的對話，去逐步構(gòu)建一個(gè)更好用的學(xué)術(shù)檢索平臺，一個(gè)作為人文研究基礎(chǔ)設(shè)施的“數(shù)字圖書館”。

史睿：有了現(xiàn)代的電子檢索的手段，我們獲取信息的視野有什么樣的變化？如果以一個(gè)光學(xué)鏡片做比喻的話，可以說我們得到了一個(gè)視野非常寬廣的魚眼鏡頭，但同時(shí)鏡頭焦距變得特別短，視野中的內(nèi)容發(fā)生了嚴(yán)重的畸變。所以獲得廣闊視野的同時(shí)，我們也有很多的損失。這樣的狀況，讓我們重新審視新舊媒體在知識管理體系上的張力，思考要怎么對待這個(gè)問題。

我今天想講的是，從上世紀(jì)90年代開始，“知識發(fā)現(xiàn)”這個(gè)詞在計(jì)算機(jī)科學(xué)領(lǐng)域受到更多的關(guān)注。那個(gè)時(shí)候我剛剛開始自己圖書館員的職業(yè)生涯，我也學(xué)習(xí)到很多這方面的知識。我們在進(jìn)入一個(gè)跨越傳統(tǒng)媒體到新媒體的時(shí)代。那么在這個(gè)時(shí)代，是不是舊的媒體就已經(jīng)完全死掉了呢？如果紙本書只是作為一個(gè)知識載體的話，那這個(gè)載體被時(shí)代拋棄，沒有什么遺憾。但實(shí)際上書籍也是一個(gè)知識管理模型，這是紙本媒體的隱形特征。這些知識管理模型所承載的功能，應(yīng)該平滑地轉(zhuǎn)移到新媒體中，如果沒有完成這個(gè)過程就拋棄一切舊媒體，一定是不明智的。但是問題在于，我們發(fā)現(xiàn)知識管理模型的“平滑轉(zhuǎn)移”并不是自然而然的一個(gè)過程，需要付出很大的努力。

從戰(zhàn)后到21世紀(jì)初，新媒體的信息處理功能經(jīng)過了七八十年的發(fā)展歷程。在這段歷程中，計(jì)算機(jī)的信息處理能力、人機(jī)交互能力有很大的進(jìn)步，但是還有很多功能，比如說自然語言處理、語義檢索、知識發(fā)現(xiàn)，尚無完美解決方案，讓我們不能滿意。我認(rèn)為新媒體有其“原罪”：即信息黑洞和信息失序。這么說也許有點(diǎn)過分，但是我想用這個(gè)詞提醒大家注意。

所謂信息黑洞，是指網(wǎng)絡(luò)上的信息今天有一個(gè)訪問地址，明天它遷移了，我們就找不到。更糟糕的是信息失序，當(dāng)我們找一條信息的時(shí)候，計(jì)算機(jī)不能將信息放在人類熟悉的知識序列中顯示，并同時(shí)帶給我們與之密切關(guān)聯(lián)的一系列的其它信息。比如，以前我們在圖書館查書的時(shí)候，用卡片目錄去查，每張卡片都是編排在某個(gè)分類體系之下，它不僅告訴我們有這一本書，而且還通過卡片排序告訴與之有關(guān)聯(lián)的其圖書。這就是清代學(xué)者章學(xué)誠《校讎通義》所說的“即類求書”。這種功能在我們開始進(jìn)入到電子書目檢索以后，基本上已經(jīng)完全喪失了。僅僅是這樣一種很明確，而且很傳統(tǒng)的知識管理的辦法，在新媒體介入以后也發(fā)生了知識模型的破壞和知識線索的斷裂。知識組合形式、知識關(guān)聯(lián)形式、邏輯關(guān)聯(lián)形式，其實(shí)在新媒體中都沒有平滑地轉(zhuǎn)移過來，我們對這種現(xiàn)象感到非常焦慮。

在這樣一個(gè)新舊媒體交錯(cuò)的時(shí)代，對于舊的、傳統(tǒng)媒體時(shí)代的知識管理體系，我們必須了解它經(jīng)歷了怎樣的演變過程，積累了怎樣的經(jīng)驗(yàn)，哪些模型、哪些技術(shù)，我們今天可以善加利用？哈佛大學(xué)燕京學(xué)社編纂處的《引得》叢書是洪業(yè)先生與哈佛大學(xué)燕京學(xué)社在中國開辦引得編纂處，幾十年的時(shí)間里編了數(shù)十種的古籍索引，對于中國現(xiàn)代學(xué)術(shù)的建立起了重大的作用。回望人類歷史，我們發(fā)現(xiàn)，所有在媒體轉(zhuǎn)變的時(shí)代，都伴隨著知識管理模式的轉(zhuǎn)變，而且這兩種變革的疊加會往往激發(fā)新的學(xué)術(shù)路徑、學(xué)術(shù)思考方向的變化。比如說，在東漢末期到魏晉時(shí)代，傳統(tǒng)經(jīng)學(xué)格局積累的知識越來越多，但是同時(shí)打破這一格局、重新組織知識的辦法也逐漸產(chǎn)生。從形態(tài)上看，我們看到有編纂《皇覽》這樣的類書，還有王充《論衡》這樣打破學(xué)科體系壁壘的通論，所以這個(gè)時(shí)代學(xué)術(shù)有大的飛躍性發(fā)展。從那個(gè)時(shí)代往下發(fā)展，我們可以看到，像北宋初期雕版印刷術(shù)的產(chǎn)生和與之相配套的人類歷史上最早書籍索引的出現(xiàn)，都對學(xué)術(shù)的演進(jìn)，甚至人類的思維產(chǎn)生了巨大的影響。在洪業(yè)先生的引得編纂處所取得的成就當(dāng)中，我們可以看到中國學(xué)術(shù)從前近代進(jìn)入了近代這樣的一個(gè)變化。這關(guān)系到我們今天討論的主題，就是學(xué)術(shù)檢索。就像早先幾位老師們所說的，以前的學(xué)者，他們要靠背誦很多東西來把知識儲存在自己腦子里，但當(dāng)知識的數(shù)量非常大，超過人的記憶能力的時(shí)候，那要怎么處理，如何去重組呢？這就是要依靠學(xué)術(shù)共同體的工作，把它做一個(gè)重新的組合。復(fù)旦大學(xué)李旻老師展示的清代人物數(shù)據(jù)庫，任何人大概都沒有辦法憑自己的記憶掌握這么多的人物信息，家世、婚姻這樣的關(guān)聯(lián)，只有做了索引或者做了數(shù)據(jù)庫以后，才能夠超越一個(gè)人自己的生命歷程和他的記憶承受能力，實(shí)現(xiàn)更大的飛躍和對更多文獻(xiàn)的掌握與處理。這個(gè)歷程的開端就是當(dāng)年在私立燕京大學(xué)、國立北平圖書館、中法漢學(xué)研究所里所做的那些索引編纂事業(yè)，也是今天學(xué)術(shù)檢索必須延續(xù)下去的必經(jīng)之路。

我認(rèn)為書籍是知識的載體，也是管理形式，目錄是前近代學(xué)術(shù)的一個(gè)基本組織形式。我們進(jìn)入圖書館，在沒有現(xiàn)在的搜索引擎之前，獲取知識的途徑就是查目錄卡片。索引又給我們在目錄之外另加了一個(gè)新管理形式，它的出現(xiàn)是建立現(xiàn)代學(xué)術(shù)的基礎(chǔ)。首先它不是以書為單位的，而是以有意義的關(guān)鍵詞為單位，它知識粒度明顯比書或者是篇章這樣的粒度要細(xì)膩的多。在關(guān)鍵詞這樣細(xì)膩知識粒度的基礎(chǔ)上，我們可以做更多更深入的、更專精的學(xué)問。有了這樣的功能，每個(gè)學(xué)者都可以在超越個(gè)體的經(jīng)驗(yàn)和能力之上，做很多事情。

索引，乃至一切傳統(tǒng)檢索工具，本質(zhì)上都是揭示人類知識內(nèi)在關(guān)聯(lián)的認(rèn)知方式，而且完全符合人類的認(rèn)識習(xí)慣。徹底研究索引的原理和特性，能給我們帶來極大的啟示。知識中的確定性的內(nèi)在關(guān)聯(lián)提取出來，總結(jié)成為規(guī)則。索引所揭示的知識規(guī)則，是構(gòu)建新媒體時(shí)代人類知識的體系的基礎(chǔ)，也是實(shí)現(xiàn)知識發(fā)現(xiàn)新方案的基礎(chǔ)。索引具有三種功能：它是學(xué)術(shù)進(jìn)階的工具，知識發(fā)現(xiàn)的手段，也是學(xué)術(shù)評價(jià)的標(biāo)準(zhǔn)。我們認(rèn)為傳統(tǒng)的檢索工具，其實(shí)是人類認(rèn)知思維的外在表現(xiàn)。索引有兩種形態(tài)，分別代表了人類的兩種認(rèn)知形式，即知識擴(kuò)展和模式識別。知識擴(kuò)展又分為兩種形式，其一是單向度的知識擴(kuò)展模型，就是在同一個(gè)文獻(xiàn)內(nèi)部提出某些關(guān)鍵詞制成索引，當(dāng)讀者在一個(gè)段落中發(fā)現(xiàn)其中一個(gè)關(guān)鍵詞，可以經(jīng)由索引擴(kuò)展到本書其他段落、篇章中的其他同一關(guān)鍵詞，這是一個(gè)閉合循環(huán)的知識擴(kuò)展模型；其二是開放性的知識擴(kuò)展，就是讀者在書中發(fā)現(xiàn)一個(gè)關(guān)鍵詞，通過綜合索引跳轉(zhuǎn)至多種文獻(xiàn)中與之相關(guān)的關(guān)鍵詞，從而再去擴(kuò)展到其他文獻(xiàn)。在這個(gè)模型之上，如果把多個(gè)知識關(guān)聯(lián)序列進(jìn)行疊加，我們又掌握了一個(gè)新的認(rèn)知形式，就是模式識別。就像李旻老師所說的，我們以自己的學(xué)術(shù)研究目的為出發(fā)點(diǎn)的檢索途徑。我們不是說通過一個(gè)已知的關(guān)鍵詞去找它在文獻(xiàn)中出現(xiàn)的位置，而是根據(jù)某些邊際條件探索某個(gè)關(guān)鍵詞集，即獲取位于一個(gè)相關(guān)知識序列中的知識集合。比如說，我們綜合利用唐代的士族世系表、科舉年表（登科錄）、職官年表，探索士族出身的文士通過科舉途徑入仕和此后的升遷途徑中較之寒門子弟有何優(yōu)勢，甚至結(jié)合士族郡望表進(jìn)一步細(xì)致分析不同地域士族的升降與科舉之間的關(guān)系。模式識別是學(xué)術(shù)研究中更為高級的思維過程。

在學(xué)術(shù)研究中經(jīng)常碰到這樣的情況，我們實(shí)際上只有一些邊際條件，不知道具體目標(biāo)，這種情況下，我們是不是可以織成一個(gè)“知識發(fā)現(xiàn)”的魚網(wǎng)去捕獲信息，根據(jù)確定的邊界條件在海量數(shù)據(jù)里獲取有相關(guān)性的有序的知識集合。這個(gè)知識集合，它所有的知識點(diǎn)都是在一個(gè)知識關(guān)聯(lián)的網(wǎng)絡(luò)體系當(dāng)中，不是單個(gè)的珠子，而是固定在一串項(xiàng)鏈上，我們可以知道它的定位，知道它跟其它知識之間的關(guān)聯(lián)。這樣的知識集合比任何搜索引擎得到的數(shù)據(jù)集更準(zhǔn)確、更有效，讓我們提高效率，而且提高準(zhǔn)確度，這在學(xué)術(shù)研究中更為重要，能夠快速獲得我們所需要的。知識圖譜正是用以實(shí)現(xiàn)模式識別思維功能的方案，它由多個(gè)知識本體庫以及多個(gè)知識模型組成，把這些知識模型進(jìn)行疊加以實(shí)現(xiàn)模式識別功能。知識圖譜的綜合架構(gòu)有點(diǎn)像分子模型，任何一個(gè)知識點(diǎn)都能夠在它的生物鏈上找到，而每個(gè)生物鏈跟其他的生物鏈之間還有一種關(guān)聯(lián)，那么我們可以通過它的顏色、大小、方向來定位它到底是哪一個(gè)具體的知識。我們看單獨(dú)的知識點(diǎn)，它是海量中一個(gè)不確定的點(diǎn)，但是當(dāng)我們把不同來源的知識進(jìn)行拼合的時(shí)候，其實(shí)它就變成了一個(gè)某種七巧板拼成的固定形狀，它每一個(gè)單塊都是不可移動的，是互相關(guān)聯(lián)從而互相限定的。那么，以往所有的問題、錯(cuò)誤,包括誤解，其實(shí)都可以在這個(gè)體系中再認(rèn)識。這種知識管理方案能夠讓我們把傳統(tǒng)媒體中經(jīng)驗(yàn)、知識和智慧，平滑地移入在新媒體中，讓我們能夠?qū)崿F(xiàn)基于規(guī)則的方案和基于統(tǒng)計(jì)的方案的完美結(jié)合，也就是基于計(jì)算機(jī)技術(shù)的和基于專業(yè)領(lǐng)域知識的知識管理方案的完美結(jié)合，并且實(shí)現(xiàn)更高的人工智能，輔助人類更加廣闊、深入地認(rèn)識主觀世界和客觀世界。

（本場文字稿由涂亮、何青紅、廖家燕、孫紹丹、潘君杰、鄭闖輝、張國棟整理，經(jīng)史睿、劉姝然審定）