数位典藏系统缺字处理及应用.PDFVIP

數位典藏系統缺字處理及應用 黃國倫 蕭人豪 李家豪 陳心渝 中央研究院資訊科學研究所 { kulun, jenhao, chahao, kwakwai8}@.tw 摘要 集合（close set ），而漢字為表意方式，自古迄 自『數位典藏國家型科技計畫』執行以 今隨著時空環境改變，衍生有字音、字義、 來，已有大量的典藏品進行數位化工作，並 字形之變化，且漢字不斷會有新字、新詞產 且產出包括 Metadata 資料及多媒體的檔案。 生，而這些字卻無法完全包含在系統交換碼 然而在Metadata 建置時，常會遭遇到漢字資 中，因而無法被著錄，此即為缺字問題。尤 料處理時，部份的罕用字或古字的字形是系 其在處理古代文獻時，此問題更為嚴重。為 統交換碼所沒有的，因而無法被著錄至典藏 了解決漢字數位化問題，常用的方法是利用 系統中，也就是所謂的「缺字問題」[1] 。為 使用者造字區內自行新增所需之缺字，但此 了解決缺字問題，中央研究院資訊科學研究 方法在面對資料檢索及交換時會遭遇資料錯 所文獻處理實驗室發展出漢字構形資料庫， 誤或無法讀取等問題，故並未徹底解決缺字 在資料庫中字形是利用部件及字根的組合方 問題，再加上當使用者造的字越來越多時， 式來表達，故透過有限的部件及構字符號， 複雜的管理問題也隨之而來，例如： 即可組出無限的字形，此稱為構字式[2] ，因 1. 大量的缺字資料整理及造字工作，將大 而得以解決缺字問題。故本文章將針對典藏 幅增加著錄成本。 系統如何整合構字式之處理技術，並利用漢 2. 造字數量累積越多時，便難以人工化方 字構形資料庫中所建立的漢字字形提供數位 式管理。 典藏系統運用在缺字輸入、識別、查詢和後 3. 使用者造字區編碼空間有限，缺字數量 續的處理，以達成典藏資料之著錄、流通、 同樣受到限制。 分享、整合與再利用。所以不但可以解決一 4. 各典藏單位或系統間自行造的字可能會 般自行造字所產生的問題外，也可實際整合 出現相同編碼，造成資訊分享的困難。 至目前既有典藏系統中，因此可做為典藏單 位或相關技術人員缺字處理時之參考。 此外，當協助各個典藏單位建置典藏系 統時，不同的內容主題對於缺字之需求欄位 關鍵字：數位典藏、缺字、構字式、漢字構 也會有所差異，例如在動物、器物、書畫、 形資料庫 金石拓片、善本古籍、考古主題中的資料庫 對於缺字需求欄位如下： 1. 動物- 台大動物學生態模式資料庫 ：以 1. 前言 界、門、綱、目、科、屬、種之生物分 在漢字數位化過程中，常會遇到系統字 類規則為主，生物領堿知識為輔，記錄 元編碼中並無法包含中文罕用字、古字，原 各物種的特性描述、標本、採集地等相 因在於西方文字為拼字方式僅使用有限的字 關資訊，為具有物種分類架構管理、多 母即可表示所有的字，是屬於封閉式的字母 媒體管理與呈現、安全控管之動物學數 位典藏系統。 2. 書畫-故宮書畫典藏資料庫 ：典藏故宮博 綜合上表，可發現缺字常發生在兩種屬 物院書畫處所保存之珍貴文史資料、書 性的內容中，一為「人名」，中國人自古迄今