龙语瀚堂典籍数据库.ppt

目 录 一、公司介绍——龙戴特信息 二、技术背景——四字节处理技术 三、龙语瀚堂典籍数据库介绍 四、龙语瀚堂典籍数据库检索 一、公司介绍——龙戴特信息 致力于为学术图书馆等机构提供系列信息资源产品和技术解决方案 LexisNexis公司合作，LexisNexis? 系列 专业数据库系统引进 “龙语翰堂典籍数据库”—汉学数字化研究平台。 “龙语财经信息分析系统”—专为金融教育打造的分析工具和信息资源 公司介绍——龙戴特信息 首批获得国家创新基金支持 北京市高新技术企业 获得国家双软认证资格 公司理念——传播知识给追求知识的人 二、技术背景——四字节处理技术 1、应用背景 2、技术背景 3、汉学研究进入四字节时代 以下情况您是否遇到？ 1：遇到生僻汉字无法输入 2：需要自备许多不同的字库 3：僻字较多的文章无法被他人所正常阅读 4：网上浏览古籍等数据库，需要下载浏览器 5：不同浏览器的数据库，需要不停切换 6：通常网上的古籍数据库错误率较高，仍需 对照原文 7：那些还没有隶定的古文字如何实现数字化 应用背景介绍——图书 纸本图书：利用古代版本 影印出版 计算机化：扫描成像 应用缺陷：无法实现检 索、编辑功 能，不利于传 播和再利用 应用背景介绍——古籍数据库 目前古籍数据库的共同不足 ——对生僻汉字的处理没有达到通用的解决方案 生僻汉字的录入、显示、编辑无法很好解决, 难以在通用平台上运行 对生僻汉字出现频率较高的小学类古籍，甲骨文、金文等出土文献处理被搁置 六千人口面临公民基本权利难以得到保障的困境 技术背景介绍——单字节、二字节、四字节 单字节——针对英文、数字及常用标点符即128个容量 二字节——计算机技术处理中文的里程碑，即32768个字 符容量，其中，汉字总量约27000个，这其中 还包 括日本、韩国等国使用的汉字 ，真正中 国所用的汉字约有2万个 四字节——大量的生僻汉字都被置于四字节编码空间，目 前约有5万个左右 计算机二字节的局限性 对生僻字符，尤其是生僻汉字无法使用 通用的计算机软件工具没有对生僻字符、少数民族字符进行管理 一般中文古籍中约，1‰在二字节字符集之外 古代字书、小学类典籍中5%的字符在二字节字符集之外，成为古籍数字化工作的瓶颈 如果仅仅在二字节中解决文字问题，最多使用27558个汉字，加上自行造字 人名、地名中的生僻汉字问题 单字节、二字节、四字节 2004年6月，国际统一标准编码组织IRG已经决定汉语古文字单独地、全部地进行国际标准编码。EXT-C区编码工作已经在东亚主要国家紧张进行。 生僻汉字数字化的前提 编码问题的解决 Unicode组织把5万多生僻汉字置于四字节编码区，并确定了统一 编码。 国际通用的生僻字字库 “方正-超大字符集”所包含的5万多生僻汉字已于6年前预装在了微软的操作平台上 用户的电脑要求：Windows2000或windowsXP的操作系统 officeXP或office2003以上 终南山古樓觀說經台石刻楹聯太上老君作十四字養生訣 〔左身右寶〕〔左身右丹〕〔上丙下火〕〔左木右上石右下土〕〔上命下心〕〔左千右萬〕〔上左自上右家下水〕 〔左正右青〕〔左人（偏旁）右上道右下寸〕〔左人（偏旁）右上法右下心〕〔左至右成〕〔左水（三點）右上夭右下井〕〔左人（偏旁）右上在右下內〕〔左九右真〕 终南山古樓觀說經台石刻楹聯太上老君作十四字養生訣 軉??????????， 靕????臹????。 释文: 玉爐燒煉延年藥， 正道行修溢壽丹。 三、龙语瀚堂典籍数据库介绍 龙语瀚堂典籍数据库内容 龙语瀚堂典籍数据库内容处理原则 龙语瀚堂典籍数据库特点 龙语瀚堂典籍数据库未来发展方向 龙语瀚堂典籍数据库内容 核心数据——小学工具类 小学类做到内容含量第一 该类数据是龙语瀚堂的核心 差错率小于1/10000 全库无造字，所有生僻字可自由编辑 提供原书影像对应 核心数据——出土文献类 陆续提供出土原件的照片、线图、铭文拓片 陆续提供铭文临摹、器物物理数据、出处等 信息 提供对原件文字的注释 龙语瀚堂典籍数据库特点——技术特点 全球唯一可支持四字节自然语言全文检索引擎 采用国际编码标准，全库无造字 通用浏览