由中国人民大学信息资源管理学院冯惠玲教授、加小双副教授主讲的《数字人文导论》是中国人民大学本科生“数字人文荣誉辅修学位”系列课程之一，选课学生涵盖本、硕、博三类。课程内容包括数字人文导论（理论讲解、案例分享）和数字人文项目设计（实践操作）。
本系列推文共12期，是该课程学生课堂展示的成果报道。第四期由信息资源管理学院2019级本科生李慧和国学院2019级本科生王鑫共同完成，以台湾大学资讯工程学系项洁教授主持的“DocuSky数位人文学术研究平台”项目为研究对象，对该项目的背景、内容设计、实现路径、项目成果和特色进行系统梳理，最后对该项目进行评析，总结对今后数字人文项目的启示。
Docusky数位人文学术研究平台
概况
图1 工具界面
l 标记与编辑：为需要研究的语词添加标记(tag)，以便日后浏览和统计分析；
l 转换文本格式：将表格、 纯文字、MARKUS等格式的文本与诠释资料转换为DocuXML格式，以便上传至云端的个人资料库和后续的统计、分析、可视化；
l 建库与重整：将本地DocuXML文件上传至云端，并进行整理；
l 探勘与分析：对资料进行各式分析和统计，如统计词频、分析语言风格、撷取同类型词汇等；
l GIS与视觉化：允许用户查询历史地名、整合地理信息、绘制多层地图。
平台资源简介
图2 资源关联
平台上的资源主要是外部资源，包括：
l CBETA:汉文佛典
l CTEXT:中国哲学书电子化计划
l Kanripo:汉籍资料库
l WikiSource:发布处于公有领域或者法律上允许自由发布的原文本
l CBDB:中国历代人物传记资料库
平台上的工具和资源目前仍在不断完善中。
平台架构
图3 平台结构示意
左侧是客户端，使用者通过浏览器进行操作；右侧是服务端。其中，web tools是上文提到的五类工具；使用者通过工具操作个人资料库（Personal DBs），这个操作过程由中间层（Web API，Off-line-Tools,Data Access Layer）实现。
特色
1.通用性。设计开发者杜协昌教授指出：“工具开发时，不必然假设需运用在某份特定的文本上”，也就是说，工具对所有文本都适用，工具具有通用性。
2.个人化。正如平台“研究目的”所说，该平台让人文研究者不必再步步仰赖信息科技专家，自主且自由地融合数字科技进行人文研究。
3.标准化。杜协昌教授：“因为使用者的文本涵盖了文字内容、诠释资料以及标记信息，而每位研究者关心的主题和研究取径又各自不同，我们从方法论的角度出发，认为必须设计一套通用且有弹性的格式（DocuXml），才能对多样化的文本内容进行妥善的处理”。DocuSky平台在XML（可扩展标记语言）的基础上，设计了DocuXML格式，能够对文字内容、诠释资料和标记信息进行妥善的处理。
评析
适用方向
宫词不是主流的诗歌创作，历代诗话鲜有论及，这就导致在阅读宫词时难以把握不同作家与作品间艺术水平的高低。又由于题材的单调重复，人工阅读体验效率低下，适于交给机器处理。
陈汉文在研究宋白《宫词》百首时即应用了DocuSky进行词频统计和文风分析。图3及表1来自其论文《论宋白〈宫词〉百首的字词运用及其文学意义》，讨论宋白《宫词》百首对宋人清雅诗风的影响。
图4 宋白、王建、王珪常用词对比
表1 宋白及王建的单音节词使用频率对比
又如丁声树《诗经“式”字考》。丁声树考证的大致思路是“对于一个未确定意义的词，如果它出现时，另一个词也连带着经常出现，那么二者之间很可能存在意义上的联系”，从描述上便可知适用词频统计。在《诗经》文本中提取出所有含“式”的句子，再统计这些文本的词频，再与原始文本词频进行比较（见表2）。快速发现“式”与“无”的对应关系，确定训诂。
表2 《诗经》词频对比
批判分析
该工具（见图5）没有识别词性的功能，导致无法满足句法方面的要求。其次，面对“釐”、“赉”等词时可能因为义项较为生僻，工具识别不到所以忽略，但是这些例句在研究过程中的价值是并不因为生僻而降低。
图5 文本撷词工具
除了历史研究，经常用到对读方法的是语言学。美中不足的是，docusky所提供对读系统（见图6）目前仅支持相同语言的对比。梵汉、藏汉对音等多语种比较尚属阙如。
但docusky所关联的、由法鼓文理学院开发的dedu工具则支持梵汉藏巴多语言对读。
图6 文本对读工具
总结
利用此类工具回望过去的学术成果，会发现很多研究方法都可以交给机器执行，从而集中精力于一途。该平台试图让人文学者自由自主地利用什伯之器而不必仰求于人。
物无全美，该平台所提供的诸工具还有不少值得改进之处。例如本平台所提倡的通用性是基于文学、史学的通用性，于语言学注目甚少。同时，标注的层次和深度有待拓展，目前其标记库仅支持人名、地名和职官等。数据分析的数量存在限制，词频统计功能语料超过十万字仅能输出乱码。
瑕不掩瑜，DocuSky涉及数字人文的诸多方面，无论是优点还是缺陷，都给日后的项目带来宝贵的经验。
参考文献
[1]杜协昌.DocuSky：个人文字数据库的建构与分析平台[J].数位典藏与数位人文,2018(2):71-90.
[2]陈汉文.论宋白《宫词》百首的字词运用及其文学意义[J].数位典藏与数位人文,2021(7):1-36.
[3]丁声树.诗经“式”字说[J].历史语言研究所集刊第六册,1936:487-495.
编辑：李慧 王鑫
排版：李慧 王鑫
公众号账号：rucdh2019
网址：http：//dh.ruc.edu.cn
邮箱：rucdh@ruc.edu.cn
中国人民大学数字人文研究中心集人民大学多学科优势，秉持融合文理、协同创新之理念，开展数字人文理论研究、实践探索、人才培养和学术交流。
原文始发于微信公众号（数字人文研究）：课堂案例分享 | “DocuSky数位人文学术研究平台”介绍评析
