[中图分类号]H087[文献标识码]A[文章编号]1001-5442(2000)03-0056-05 电子计算机诞生虽然不到50年，却推动人类以空前迅速的速度进入了信息社会。信息社会的主要特征，是利用计算机进行信息处理，信息革命的浪潮正以汹涌澎湃之势，覆盖人类生活的所有领域。语言是人类最重要的交际工具，是人类社会最早至今也是最重要的信息载体，因此，计算机科学从产生之日起，就同语言学结下了不解之缘，语言信息处理理所当然成为当代信息革命的一个重要领域。 自从1946年世界上第一台电子计算机产生，计算机科学就和语言科学结下了不解之缘。计算语言学(Computational Linguistics)，又称语言信息处理，是一门综合性的交叉学科，它涉及到计算机科学、语言学、数学、声学、生理学、心理学和社会学等学科，其中最主要的就是计算机科学和语言学。一方面可以利用语言学的研究成果，促进计算机科学的发展，一方面也可以利用计算机技术，进行语言学的研究。后者，我们可以仿照CAD、CAI，称之为语言学的计算机辅助研究。(Computer-Assisted Research,CAR) 汉语的CAR，最先是在现代汉语领域展开，工作主要是自然语言分析、情报检索、词语统计、风格研究、汉字信息处理等方面。汉语史的CAR，起步相对较晚，工作主要是古籍电子文本的复制，而且由于各种条件的限制，主要是一些研究机构、公司和出版社在进行一些相关工作。最近几年来，计算机技术取得了前所未有的飞跃发展，硬件成本急剧下降，个人电脑迅速进入家庭，存贮量越来越大，速度越来越快，功能越来越强大，操作越来越简单，开始有越来越多的语言学家运用计算机技术进行汉语史的本体研究，本文所说的汉语史的CAR，指的就是这种基于个人电脑的专家研究工作。 我们认为，汉语史的CAR，大致可以分为电子文献的生产，电子语料库的建设，专家知识数据库的开发和专用软件的研制几个方面。下面分别对这几个问题的内容、性质和特点进行一些讨论。 一、电子文献的生产。 文献保存了人类文明的所有成果，对于人类社会的发展有着不可估量的作用。文献的传统载体，主要是纸张，电子计算机使文献有了新的载体——磁盘、磁带和光盘等。电子文献比起纸质文献，有着占据空间极小，存贮量大，检索方便，传输迅速，保存期长等优势，因此，美国有著名的“古腾堡计划”(Project Cutenberg)，以每天10万页大约5-6千万字的速度，把各种人类知识遗产转换到因特网上，但是关心教育和知识生产的人士仍然认为这个速度“太慢了”，无法消化人类知识的总资产。 电子文献比起纸质文献，并不就是文献载体的简单转换。电子文献可以利用计算机技术，进行多途径的检索，相关信息的全方位的查阅，迅速准确的分析归纳，文献利用、转换和再生产的一体化，这些功能是传统文献所无法具备的。因此，电子文献的生产是汉语史CAR的先决条件和最基础的工作，也是汉语史CAR开始得最早，取得成果最多的工作。 中国大陆、香港、台湾和海外日本等地的大学、科研团体和出版机构，都进行过电子文献生产这方面的工作。其中成绩最为显著的，应该是北京书同文公司的“文渊阁四库全书电子版”和台北中央研究院的“汉籍电子文献资料库”。“文渊阁四库全书电子版”工程是中国“国家九五重点电子出版项目”，分为“原文及标题检索版”（简称标题版）和“原文及全文检索版”（简称全文版）。标题版即图形版，可以按类属、书目、著者、朝代、卷内标题检索阅读所需文献；全文版除了有标题版的检索功能外，还有全文检索功能，并且配有一些电子形式的工具书，可以帮助读者解决有关的训诂学、文献学的问题。中央研究院的“汉籍电子文献资料库”的开发，至今已经有十四年，计划选择对中国传统人文研究具有重要价值的古代文献，建立全文电子资料库，现在已经完成的有包括二十五史、十三经在内的中国唐代以前的大部分重要文献，并将逐步纳入穴代以下的重要文献。在底本上，“汉籍电子文献资料库”不象“四库全书电子版”受到文渊阁本的限制，而注意了选择好的版本，同时也包括了许多现代学者的标点校注整理本，因此，更符合专家学者进行研究工作的需要。 现存的中国古籍，据有关专家估计，应该在八至十万种左右，目前生产的电子文献，只是其中通行的常用的一部分。专家进行科学研究时，却往往要使用一些不常见的专门的文献，即使是通行的古籍，由于文献学和语言学上的原因，要使用那些特殊的版本。在这样的情况下，汉语史研究者只能自己生产电子文献。 电子文献的形式，主要有文本文件形式和图形文件形式。文本文件是将古籍文字录入计算机，转换成数字形式而形成，图形形式是将古籍版面扫描输入计算机，存为图象而形成。这两种形式，分别相当于纸质文献中的排点本和影印本。 图形型的电子文献，可以保存古籍的原貌，不仅是文字的各种变体，如讹字、缺笔，墨丁、空围，笔画丰腴瘦劲，而且连版面行款，纸质墨色，都可以逼真地加以反映，可以让善本、孤本古籍在存贮传输上获得一个新的途径。这在古籍的研究上，显然是文本文件所无法代替的。但是，图形文件占据的存贮空间巨大，检索手段有限，一般只能按页阅读。这些问题的改进和解决，还有待于计算机技术的发展。所以，现在电子文献的主要形式，还是文本形式。
