本站自2005年开始,过刊仍然提供下载 ,新 刊在半年内将不提供下载, 欢迎订阅
   Publishing Science    首页
湖北编辑学会主办  
 
2005年第五期  
 
目 录

卷首语
·走好出版转制的路 / 宗 诚
专论·特约稿
·出版转制引发的思考 / 王仿子
·建立事后审查制度略考 / 袁 亮
编辑学·编辑工作
·电子编辑和电子出版物:概念、起源和早期发展(下) / 林穗芳
·编辑的情绪与情绪调控 / 姬建敏
·图书编辑与期刊编辑的角色差异 / 何海龙
出版学·出版工作
·编辑出版学专业教育需要总结和提高 / 邵益文
·出版集团治理结构问题刍议 / 杨海波
·论出版同质化竞争 / 马北海
·出版项目制:出版社持续发展的动力 / 姜 华
·出版业国有资产流失原因及对策探析 / 许举信
·试论期刊核心竞争力的培育 / 庄 严
数字技术·多媒体·网络出版
·谈电子文献语料的校对 / 于立滨
·网络发行之路 / 朱河囡
书苑掇英
·质量滑坡——出版繁荣背后的隐忧 / 赵襄玲 刘 辉
·我们怎样参加图书订货会 / 吴 言
·出版业的人力资源管理 / 余海燕
·重视出版社作者队伍建设 / 梁 虹
·解读组合 / 安 民
编辑史·出版史
·古代书院的藏书与刻书 / 曾建华
编辑随笔
·漫话编辑的八种情境 / 关开澄
品书录
·丧钟为谁而鸣 / 载文葆
·评《编辑心理论》 / 张自然

 

谈电子文献语料的校对

于立滨
摘 要: 电子文献语料的校对,使校对工作进入一个全新的领域。它与传统校对既有联系,又有区别,必须实行机校与纸校相结合,忠实原文与实施规范相结合。
关键词: 电子文献语料 校对

    随着计算机的广泛应用,电子化已经涉及到辞书编纂的各个方面,如语料的采集、存储和编纂的过程及辞书的发布形式等等。电子语料库作为辞书语料的汇集,已逐渐成为许多辞书编纂的基础。它不仅在很多方面给辞书带来创新,而且将辞书编纂推向一个新高度。随着这种新形势的发展,校对工作也进入一个全新的领域——电子文献语料的校对。
    电子语料库的建立,已有40多年的历史,到20世纪80年代,开始出现专门为辞书编纂服务的语料库。但在20世纪90年代之前,电子语料库基本上是英语的。1992年以后,随着中文信息处理技术的突破性进展,汉语语料库也逐渐在我国建立,在语言研究等方面发挥了越来越大的作用,并逐步运用到辞书的编纂上。电子文献语料的采集,就成为令人关注的问题。它不仅涉及到语料的选择,规模的形成,至关重要的是它的准确性。电子语料的重要意义,就在于它具有长久的生命力,使用价值高,可以说是一次投资,终身受益。因此,电子语料的准确,就成为一件不容忽视的重要事情。如果一个语料库虽然达到了一定的规模,但差错率比较高,那么它的使用价值就会大打折扣。要保证电子语料的准确,在很大程度上要依赖于语料的校对。这就给传统的校对工作提出了新的课题,特别是电子文献语料的制作具有来源范围广、信息量大、工艺程序多、准确度要求高的特点,因而也给校对工作提出了更高的要求。对于校对人员来说,这无疑是一个新的挑战。
    近几年来,商务印书馆一直在着手建设为辞书编纂服务的语料库,并在充分论证、作了明确的需求分析的基础上,通过招标,与北大方正电子有限公司共同研发了知识产权归商务所有的“商务印书馆辞书语料库及编纂系统”这一工程项目。而原始文献语料的采集,是该语料库系统中的一个重要组成部分。为了保证这个工程项目的顺利进行,商务配备了专门的语料库编辑和录校人员,我就在这时从校对科调入,成为专职的电子文献语料的校对人员。经过一段时间的工作实践,如古代文献《六十种曲》(约360万字)和现代文献《散文特写选》(约140万字)的录入和校对,我逐步认识到电子文献语料的校对与传统意义上的校对既有联系,又有区别。与传统的校对工作相比,电子文献语料的校对具有以下两个重要特点。


一、 机校与纸校相结合


    电子文献语料的制作首先要将文献语料输入到计算机中,实现文献语料的数字化。而输入的手段一般不外乎手工录入和电子扫描。如条件许可,应尽可能地采用电子扫描,这样效率要高得多。通过目前比较成熟的文字识别技术,可以较快地实现输入的文献语料由扫描的图像转化为可以编辑加工的编码文字。商务印书馆辞书语料库系统采用的文字识别软件,是由北大方正集成、北京书同文数字化技术有限公司提供的“数码大师”软件。“数码大师”是一款对书面资源信息实施数字化加工的软件工具,它将纸张载体或微缩载体经过扫描而成的文字图像信息实施切分、识别,然后转换成为编码文字。同时,它还具有功能强大的机器校对手段,为语料的校对提供了方便。在操作程序上,“数码大师”首先对扫描的文字图像进行自动切分,并可从可能切分错误的字和漏切的字两个方面进行检查。像《六十种曲》的纸质书是竖排、繁体、列线不清晰,加之印刷的质量不好并年代已久,有的字迹会出现断笔或模糊不清,机器自动切分难免出现错误,通过检查可以提高切分的正确率。自动切分和切分检查完成后,就可以进入机校的程序了。“数码大师”的机校包括两类。一是聚类校对,它是针对切分识别后的结果进行横向校对,将识别后的相同的字及相关的图像从每一页中提取出来,汇聚在一起进行校对,这样可以进行批量处理,提高工作效率。二是图文校对,它是针对切分识别后的结果进行纵向校对,也就是按照文献语料的自然顺序将扫描成的文字图像和识别后的文字并列显示,图像与文字一一对应,这样对于因图像不清晰且难以识别的字可以结合上下文的内容来作出判断。通过聚类校对和图文校对,可以进一步发现和改正错切和漏切的字,大大降低差错率。
    经过机器识别、校对后,电子文献语料虽然已经减少了大量错误,仍不能保证其准确性。原因是显示器屏幕显示不清,有些字的细微差别还是不易察觉,所以仍会存在一些漏校的错误。我们在校对《六十种曲》时,就发现了很多实际的问题。如:
由于这些字形体十分相近,在机器切分、识别中很容易发生错误,在机校过程中也很容易漏过去。还有一种情况是文献语料中的字,在计算机字库中并不存在,因而无法识别或代之以形体相近的字。这些问题,都需要进一步采取措施加以解决。

    经过摸索,我们感到采用人机互动、机校和纸校相结合的方式能较好地解决这个问题。也就是在机校的基础上,将文献语料打印出来,拿纸校样和文献原书进行对校,通过传统的对校方法,逐字逐行地对应比照,可以进一步发现和纠正机校中未能解决的错误。由此可见,人校在电子文献语料的校对程序中,仍然是十分必要的。机校和人校相结合,就可以保证校对的质量,形成准确可靠的电子文献语料。


二、忠实原文与实施规范相结合


    在校对过程中,我们还遇到这样一个突出问题:校对无疑要忠实原文,再现文献语料的原貌,但原始文献历史久远,文字情况十分复杂,很多地方与现行的语言文字规范不尽一致。我们的语料是为辞书编纂服务的,辞书不仅要体现语言文字使用的历史状况,而且担负着推广语言文字规范的重要使命。语料库的作用,是为辞书的编纂提供可靠的例证依据。因此,电子文献语料的准确可靠,不仅表现在对原文的忠实,还体现在语言文字使用上的规范。基于以上认识,我们在校对中注意处理好以下几方面的关系。
    1.繁体与简体。中国古代文献都是以繁体字形式出现的,而现行规范汉字是简化字,为了方便辞书编纂者使用语料,需要把这类语料分成繁体和简体两种版本。像《六十种曲》,我们先把它制成繁体版本,然后再通过计算机的繁简转换功能转化成简体版本,在转化过程中,就会发现不少问题。有的转得不对,有的不该转的也转了。这些问题需要我们校对人员依据《简化字总表》予以核校、纠正;有些超出《简化字总表》范围的字,还需要依据其类推的原则提示出来。
    2.旧字形与新字形。旧字形是与《印刷通用汉字字形表》整理过的标准字形相对而言的。同一个字,写法上与现行的规范字在笔画结构和笔画数上存在一些差异。旧有文献很多都是用的旧字形,像《六十种曲》就是如此。考虑到文字的规范性,我们将语料中的旧字形改为新字形。为此,参照了《汉语大字典》《辞源》《辞海》等几部辞书的《新旧字形对照表》,在校对中发现一个改正一个。既保留了文献语料的原貌,又符合文字规范的要求。
    3.异形字与正体字。异形字是指同一个汉字的不同书写形式,包括异体字、俗写字等,是与通行使用的正体字相对而言的。古代原始文献中存在着大量的异形字,将异形字改为正体字,也是电子文献语料校对工作的一个重要任务。
    4.异形词与规范词。异形词是指汉语书面语中同音、同义而书写形式不同的词语。由于历史的原因,文献语料中的异形词并不少见。2001年,教育部和国家语委发布了《第一批异形词整理表》,为这类词语的规范使用提供了依据。在校对《六十种曲》和《散文特写选》的过程中,我们也把《第一批异形词整理表》作为检校的依据之一。不同的是,为慎重起见,我们对这类异形词不是在语料上直接改动,而是加括弧标注出来。既尊重了历史的原貌,又利于语言文字的规范性引导。如案语(按语)、褓姆(保姆)、本份(本分)、笔划(笔画)、禀承(秉承)等。
    电子语料库的建设,是一项方兴未艾的事业,有许多新的工作在等待着我们,也会遇到许多新的问题需要我们去解决。但我们从中深深体会到,校对工作在电子文献语料的制作程序中是一个十分重要的环节,起着十分关键的作用。它不仅为语料的准确可靠提供保障,而且可以在发现的诸多问题中为中文信息处理的改进和完善提供数据,提供第一手材料,这是传统的校对工作无法做到的。


(作者单位:商务印书馆)  

 (ID:804)
© 2001-2003 出版科学杂志 版权所有
报刊转载必须征得同意并支付稿酬,网络转载必须注明作者及本刊网址
武汉大学信息管理学院4楼403室 邮政编码430072 电 话:027 68753799 传 真: 68753799 E-mail: cbkx@163.com


鄂ICP备05002068号