“全息字典”：古今漢字任你查

　　快捷、權威、形象——準確查找一個難檢字的相關信息再不用跑遍古籍閱覽室，翻便“大部頭”，只需輕點鼠標——登錄漢字全息資源應用系統(tǒng)，點擊現(xiàn)代通用字集，搜索要查找的字，不僅能夠顯示其現(xiàn)代字形、字音、字義信息，還可以查到該字從甲骨文、金文到篆書、楷書的歷史字形演變過程，從《說文》《爾雅》《方言》《釋名》一直到《康熙字典》等歷代辭書對該字的釋義，及其在一些常用古籍文獻中被使用的情況。

　　日前，國家語委重大基礎資源建設項目“通用漢字全息數(shù)據(jù)庫建設”的標志性成果“漢字全息資源應用系統(tǒng)”正式啟動上線。該項目旨在運用現(xiàn)代中文信息處理技術，構建一個具有多維關聯(lián)關系、科學系統(tǒng)、高效實用的漢字全息數(shù)據(jù)庫。

　　“無論是初學漢字的小學生，還是研究漢字的學者，系統(tǒng)都可以提供相應的幫助?！表椖恐鞒秩?、北京師范大學教授王立軍介紹，系統(tǒng)采用的多層級字集設計模式，包括常用字集、現(xiàn)代通用字集、古籍印刷通用字集、全字符集等。常用字集可以滿足中小學基礎教育領域的一般需要；現(xiàn)代通用字集可以滿足社會文化領域一般漢字使用者的需要；古籍印刷通用字集面向具備一定古漢語知識、閱讀一般古籍文獻的用戶；全字符集則可以滿足漢字研究的專業(yè)人士需求，為專業(yè)研究提供支撐。

　　借助資源庫，給漢字家族繪家譜

　　作為一名古文字愛好者和研究者，張華的書桌上擺滿了各種字典、工具書——查找一個字在不同時期形、音、義的演變經常要翻閱多部“大部頭”才能找到相對準確、權威的答案，而線上的一些漢字數(shù)據(jù)庫很多又存在收錄不全、權威性差等諸多問題。如今，“漢字全息資源應用系統(tǒng)”的正式上線可能讓他再不用犯難——借助資源庫，“古今漢字任你查”已不再是夢想。

　　本期上線的系統(tǒng)涵蓋字符集4種，其中常用字集3500字，通用規(guī)范字8105字，古籍印刷字16490字，全字符集81722字；還有辭書20種，古籍文獻60種，歷代字形圖415675個。其中包括大量的圖形信息資源和文本信息資源，分別來自古文字拓片、文字編、規(guī)范字表、編碼字符集、歷代辭書、經典文獻、中小學語文教材等，涵蓋了古今各個時期文字的形、音、義、用、碼五大方面的重要信息。

　　這一數(shù)據(jù)庫，可以說是“海量”。如此龐大的信息量，是如何做到相互對應、關聯(lián)的呢？

　　如果說建立數(shù)據(jù)庫是給漢字家族繪制一張家譜，那么建立關聯(lián)則是搞清譜系、輩分等關系?！笆紫仁菨h字屬性的分解。構建一個具有多角度關系的漢字實用數(shù)據(jù)庫，必須以漢字的屬性作為基本的依托?！北本煼洞髮W教授王寧指出，團隊從20世紀90年代開始總結漢字的屬性，除形、音、義之外，還增加碼、用兩個部分。碼是漢字在計算機中的編碼，用是漢字的使用，而且做了大量的屬性細化研究，這樣就有條件將籠統(tǒng)的漢字個體的資源庫，改造為漢字的屬性庫，解決關聯(lián)的多角度問題。

　　王寧解釋：“其次是層次的確立，根據(jù)‘漢字效用遞減率’，我們將漢字分為常用-通用-適用-罕用-無用5個層。第一、二層次涵蓋36000字，以外的字只存記憶，不做深度開發(fā)，這樣一方面可以在應用中擴大有用信息的使用度，另一方面將垃圾信息、無用信息退出關聯(lián)，不干擾有效信息的集合和調用?！?/p>

　　“再次就是中介的尋求，我們繼承傳統(tǒng)語言學的研究成果，以《說文解字》的9353個小篆及其重文為中介來關聯(lián)。古文字的確切識讀，絕大部分是從《說文》開始的，這樣就保證了不同形制、不同字體、不同時代漢字的最大限度關聯(lián)?！蓖鯇幯a充道，正是依靠《說文》小篆這些“核心家族成員”作聯(lián)系，漢字家族內部不同族群的譜系才得以繪制在一起。

　　溝通古今，提供漢字準確屬性信息

　　實現(xiàn)讓通用規(guī)范漢字溝通古文字、繁體字，是該資源庫的又一重要特征。據(jù)介紹，系統(tǒng)的主體字集是國家語委2013年公布的《通用規(guī)范漢字表》的8105個規(guī)范漢字及其關聯(lián)字形?！锻ㄓ靡?guī)范漢字表》屬于簡化字系統(tǒng)，分為一級字表（即常用字表，3500字）、二級字表（3000字）、三級字表（1605字）?！锻ㄓ靡?guī)范漢字表》作為數(shù)據(jù)庫子庫的B庫，直接和A庫（傳承字、繁體字和隸定字）關聯(lián)，進而與小篆等古文字（C庫）關聯(lián)，從而實現(xiàn)了古今、簡繁漢字的有效貫通。

　　如何保證對收錄的每個漢字形、音、義解釋的權威性？

　　王立軍介紹，系統(tǒng)的處理方法是：選取歷代具有代表性的辭書，并選擇最優(yōu)的版本作為搭建框架的基礎素材，以此為基礎建構數(shù)據(jù)之間的深度關聯(lián)。選擇的辭書包括從《爾雅》《說文》《釋名》《方言》《廣韻》《集韻》《康熙字典》《漢語大字典》《新華字典》和《通用規(guī)范漢字字典》等。在字形方面，簡化字的部首采用2009年國家語委發(fā)布的《漢字部首表》，即201個主形部首和99個附形部首，非簡化字采用214部首體系，來源于《康熙字典》。簡化字和繁體字的筆畫數(shù)屬性參考《通用規(guī)范漢字字典》等。結構類型（六書）屬性參考《說文解字》。字音方面，現(xiàn)代漢語拼音和注音字母主要參考《通用規(guī)范漢字字典》和民國時期《國語辭典》等；近代音來源于《中原音韻》；中古音來源于《廣韻》。字義方面，常用義項來源于《通用規(guī)范漢字字典》，并給出歷代辭書的釋義內容。

　　多種屬性的綜合呈現(xiàn)，可以加深人們對每個漢字的理解。比如“既然”的“既”和“即使”的“即”，在使用過程中容易混淆，但參考小篆字形就不會了——“既”是一個人背對著飯桌，表示吃完了，這個字就是表示已經發(fā)生了；而“即”是一個人正對著飯桌，靠近它，還沒吃飯，所以是表示即將進行的。了解了這一層面，理解就加深了，也就很難出錯了。

　　漢字不是一個個“孤零零”的符號，漢語文獻正像軀體的血肉，豐富著漢字殿堂的內容。在每個字的“用例”一欄，系統(tǒng)選取具有代表性的傳世文獻作為古籍用例的來源，包括十三經、二十五史、二十二子等三大典籍系統(tǒng)，提取漢字在這些文獻中的使用例句，供研究者參考使用。

　　多種檢索，滿足不同用戶需求

　　與查字典類似，方便檢索也是系統(tǒng)的一大特征。為方便使用者更便捷地輸入需要檢索的字，系統(tǒng)提供了單字、拼音、部首、部件、筆畫等五種可輸入的檢索方式，使用者可以根據(jù)自己的喜好和需求，選取適合自己的方式。除單字檢索外，還可以滿足綜合檢索、專書檢索和歷代字形檢索。

　　“你看，‘典’字是兩只手捧著書卷，這多么形象，對于文史研究者來說用于研究也太方便了，我現(xiàn)在就想擁有。”剛剛演示完動畫，現(xiàn)場主持人、北京師范大學文學院教授康震興奮地說。

　　“資源庫可作為文字和文化愛好者提高文化知識和綜合素養(yǎng)的學習平臺，為傳統(tǒng)文化愛好者提供權威的學習內容；可以作為基礎教育及漢語國際教育領域的教學平臺，為學生學習、教師備課提供豐富的教學資源，從而更好地服務我國基礎教育；可作為文字學及相關專業(yè)領域專家學者的科研平臺，為專家學者提供對數(shù)據(jù)資源進行深度挖掘的工具，彌補傳統(tǒng)手工獲取資源、聯(lián)系資源方式的局限；可作為漢字類數(shù)字化產品的開發(fā)平臺，為開發(fā)者提供海量的經過專業(yè)學術加工的可靠漢字屬性資源。”王立軍指出。（記者 周世祥 靳曉燕）?

【糾錯】

責任編輯： 韓家慧