数字人文 vs 电子科学(“数字人文与语义技术”会议报告随记)

今天参加上海市图书馆学会举办的2014年图书馆前沿技术论坛(IT4L)“数字人文与语义技术”。因为注册了这个会议,所以对数字人文就特别关注起来。其实今年2月OCLC发布研究报告《每个研究图书馆都需要一个数字人文中心么?》时就下载了的,但一直没有看。
Does Every Research Library Need a Digital Humanities Center? / Jennifer Schaffner , Ricky Erway. OCLC Research, February 2014. ISBN 978-1-55653-466-9. 18 p.

直觉“数字人文”就是用计算方式进行人文科学研究——比如以前就听说过的用文学作品语料库统计分析写作风格之类,只是那时可能没有用这个名词。今日午餐时和几位说起为什么没有数字科学,以为自然科学是通过实验做研究的、不似人文科学更依赖思辨,需要用计算的方式进行定量研究。待回到家中,才发现我的电脑收藏中不知何时已建有e-sci文件夹。查维基百科,自然科学和数字人文对应的,或许就是电子科学吧——当然采用的方法肯定不同,就是人文科学中也不会相同。
维基百科词条:Digital Humanities  vs e-Science 

———-“数字人文与语义技术”会议报告随记———-
刘炜《数字人文与关联数据》是入门课,从起源讲到“云中上图”。像上图这样的图书馆,还真有很多资源可做。
特别有感觉的是说数字人文不是学科,而是研究领域……(待看PPT)。

曾蕾《语义技术应用与知识再发现》举例说明如何用图情一直以来的强项,即基于图书馆资源的半结构数据,用语义技术做挖掘。报告中提到无结构的大数据、有结构的智慧数据(smart data)和半结构的XML文档(概念来自《数字人文杂志》:Big? Smart? Clean? Messy? Data in the Humanities / CHRISTOF SCHÖC)。
另外,第一次听说CCO(Cataloging Cultural Objects)图像标引三层次:一描述、二辨识(即主题)、三阐述(即意义)——有一种豁然开朗的感觉。

秦健《从欧美数字人文奖励项目说开去》对受资助项目做了归类。从数据类型上说,既包括非结构化的文本,也包括结构化的包括GIS数据集,以及数字和纸质地图、各种档案、音乐信息、语音文档、图像数据。

不同的人文科学肯定会有不同的数字人文方法,比如前述文学作品研究,与林海青《用GIS数据呈现历史事件》介绍的空间历史学,就完全不同。
除此报告外,其他报告所举例子也有不少地图应用。人文科学、社会科学研究中,与时间、地点相关的内容是相当重要的。
AHA 2014: Getting Started in Digital History Spatial History & hGIS Breakout Session

复旦大学张亮《数字人文中的IT推动力-以二十世纪中国人物志数字图书馆原型系统为例》,介绍了名为“数风流人物”的原型系统。数据来源是国家社科基金重大课题“中国人物传记数据库”,原库有5万余人,PDF全文检索。原型系统只取了十多个人(?),从时间、地理、人物关系等予以揭示。

上图杨佳《数字人文中的可视化技术》将可视化技术分为五类,举了不少例子,需慢慢消化。

上图夏翠娟《以书目框架建模的上图家谱知识库系统》介绍上图已用BIBFRAME构建了家谱本体,并对预期服务作了十分丰富的设想。可做的不少,能做到多少自然是另一个问题,夏MM自己提出了在数据加工、初始数据清洗、实例和规范数据提取、不同时代地理信息差别及纠错机制上的问题及困境。
雨师提问则是另一个问题:本体要做到何种深度,才能达到把金庸与徐志摩关联起来?答案是BIBFRAME是文献本体,还需要内容本体(要加上谱系本体)——深为受教。
对于夏MM提出的问题,张亮教授对数据清洗的看法我还是很同意的:清洗不可能准确,能做多少是多少。——大数据中,信息缺失或错误不可避免,未必影响结果,只是对采用的方法肯定有影响。

最后中科院生命科学信息中心陈涛、张永娟《关联数据在生化学会会员系统中的应用》,基于上海社科基金课题。利用PubMed数据,采用非关系型数据库、RDF数据进行关联,对中国生物化学与分子生物学会部分会员的个人发文信息、人际关系等进行揭示,还可对会员进行相关内容与会员的推荐。
系统做得相当好。比较遗憾的是如张亮教授提问所指出的,生化领域有PubMed的RDF数据可用,此法对其他领域未必适用。

注:下午迟到,很遗憾错过了上图王曼隽《上海年华的故事》。
P.S. 佩服sogg边听报告边给出提及内容链接的本事。

———联想的分割线———-
各报告介绍的众多实例、原型系统、设想,很有启发。期待PPT分享,再细细看过。
联想到本馆,有一个《中国年谱数据库》,一直以来用者了了。而年谱中可挖掘的数据,包括人物、时间、地点、事件、人物关系……完全可以比肩家谱。如果有意试水数字人文,倒也是个不错的数据源。
秦健教授在问答环节中指出:图书馆从提供数据资源,到提供数据产品。这大概就是图书馆要有一个数字人文中心的理由吧?