資料庫說明 Introduction
人類有一個古老的夢想:在一個地方裝下古往今來所有的知識——以所有語言寫成的所有的書籍。許多年以前,人們曾大致造出了這樣的圖書館, 建造於西元前300年的亞歷山大圖書館,當時就是被設計成用來放置已知世界的所有羊皮卷。
在相當一段時間內,它裏面放置了約50萬個羊皮卷,大概占了當時所有圖書的30%~70%。 但是即使在亞歷山大圖書館被毀壞之前,能夠把所有知識放在一幢房子的時代也已經過去了。
從那以後,持續的資訊膨脹超越了我們的保存能力。
從蘇美爾人的黏土寫字版時代至今,人類至少已經“出版”了3200萬冊書、7.5億篇文章、2500萬首歌、5億幅圖畫、50萬部電影、300萬個視頻短片和電視節目。
所有這些東西大都分佈在世界各地的圖書館、檔案館和私人收藏者手中。
網路技術的出現和檢索引擎的發展,使得人類可以從新審視將所有的知識放在一個地方的古老夢想了。 目前人類已經完成了將人類第一個10%的知識,網頁形態的非可信知識,進行收集和管理的工作。
進入新的世紀以來,資訊產業出現了一個巨大的變化,這個變化雖然悄無聲息,卻是最基本的,也是革命性的,那就是Unicode替換了ASCII碼作為資訊高速公路的基石,
人們使用全世界統一的數學符號在單一平臺上進行資訊交換的理想變成了現實。
2006年7月發佈的Unicode 5.0標準已經將世界統一的字元總數推進到98,884個(過去國標是七千二百個,臺灣Big5為一萬三千個,我們在這種環境下生活了二十年),
而目前的編碼字元絕大部分是東亞字元,並且大部分採用四位元組編碼的方式進行字元管理。Unicode的最終目標是90萬個字元編碼。這一變革不僅給西方的硬體和軟體巨頭們帶來巨大的商機,
也為建構超級知識庫提供了可能性,使得人們可以開始整理存在於世界上的第二個10%的知識——印製在紙質媒介上的、圖文對應的可信知識。一個值得關注的現像是, 由於歷史原因,東亞的文獻在數量上和字元使用量上都具有壓倒性的優勢,東亞應該也必將能夠成為建構超級知識庫的主力軍。從中國歷史上看文字字元的使用情況,
不論什麼朝代,超過三千個字以上都屬於生僻字,只要不進行文字學和古文獻研究,三千字都可以解決99%的問題。但是,要完整保存所有的文獻,則必須瞭解和掌握全部字元。
從這個意義上講,西方主導的Unicode編碼舞臺,上演的將是東方的歌舞。
《瀚堂典藏》是目前唯一採用國際通用的超大字元集進行加工校勘的古籍資料庫,其最大特色是文本精准無缺字,並採用高速檢索技術整合各個分庫。 瀚堂在廣泛收集版本和精細校勘的基礎上,致力於建構巨型文獻平臺,以圖文對照的電子圖書館的高新技術形式,以檔案夾分類的書目樹模式,完整保存典籍文獻,提供讀者存真、
快捷,並可以方便查詢、研究、閱讀和推廣的資訊服務。
Hytung Ancient Book Database
The unique Hytung Ancient Book Database (HYTUNG BOOKS), based on Hytung UTF-16 Search
Engine and standard Unicode-5, covers a wide array of ancient Chinese dictionaries,
etymologies, literature and archaeological writings etc. As a research platform
for the sinologists over the world, HYTUNG BOOKS is compatible with Microsoft OS
and common internet browsers, and it ends the history of sinology research relying
on handwriting, picture replacement or creating symbols when publishing.
Hytung search engine can manage over 70,000 different characters on a universal
platform. The natural language search engine can search a string of characters within
milliseconds from 30 Gigabyte UTF-16 full text materials. At this time, Hytung Books
has collected 30,000 copies of ancient Chinese books and archaeological materials,
with over 1 billion characters and 5 million book images. All the data are managed
within 10 million records or metadata, and the text and image in every record are
associated with each other. It is very easy to review the text by the original images.
The resources collected in the database are primarily focused on about 200 copies
of Chinese ancient etymological and classical dictionaries, historical literature,
unearthed picture writings such as oracle bone inscriptions and bronze inscriptions,
seals, bamboo slips and silk character writings which are organized together with
their related images and photos. Some Japanese ancient dictionaries and western
classics on Sinology will be added into the database as well. All the ancient materials
are full of uncommon characters, and have been edited critically and collated carefully
in order to guarantee the database cited as an authority. Hytung has published the
revised versions of the two famous Chinese dictionaries, Shuo Wen Jie Zi《說文解字》and
Kangxi Dictionary《康熙字典》in 2005 and 2008 respectively.