內(nèi)容深度發(fā)現(xiàn)下的非結(jié)構(gòu)化數(shù)字記憶遺產(chǎn)知識(shí)組織
——以口述梅州僑批史料保護(hù)為例*

李建偉

2013年6月，“僑批檔案——海外華僑銀信”被聯(lián)合國(guó)教科文組織正式列入《世界記憶名錄》。僑批是由海外華僑通過(guò)民間機(jī)構(gòu)匯寄回國(guó)內(nèi)親人的家書，它具有匯款功能，銀信合一。這種歷經(jīng)百年的家書是海外僑胞緊密聯(lián)系祖國(guó)親人的紐帶，其飽含豐富的情感，客觀記錄了近150年以來(lái)身處異邦的華僑華人以及國(guó)內(nèi)家鄉(xiāng)親人的家庭、事業(yè)、生產(chǎn)和生活的真實(shí)情況，反映了僑居國(guó)和祖國(guó)的社會(huì)變遷和發(fā)展進(jìn)程，被贊譽(yù)為跨越百年又兼通中外的“敦煌文書”[1]。

1 口述歷史與梅州僑批

1.1 口述歷史的發(fā)展

口述資料與文字資料、實(shí)物資料一樣都是重要的人類知識(shí)表現(xiàn)形式[2]。無(wú)論是西方的《荷馬史詩(shī)》還是中國(guó)的《論語(yǔ)》《詩(shī)經(jīng)》等，都是先經(jīng)過(guò)口述，后又利用文字記錄的結(jié)果[3]。1948年，美國(guó)哥倫比亞大學(xué)巴特勒?qǐng)D書館始創(chuàng)了口述歷史研究室，首次提出“口述史”的概念，標(biāo)志著著現(xiàn)代口述史學(xué)的誕生。該中心關(guān)注政治歷史，利用多媒體手段記錄和保存歷史檔案，并以搶救文化民俗、重要地方歷史為首要目標(biāo)。現(xiàn)如今，口述歷史在美國(guó)已經(jīng)發(fā)展成為社會(huì)科學(xué)的一種基本研究方法，口述歷史相關(guān)機(jī)構(gòu)蓬勃興起，項(xiàng)目廣泛，資源豐富，尤其是口述歷史研究中對(duì)資源的加工整理、組織標(biāo)引以及內(nèi)容揭示的技術(shù)方法，為各國(guó)開(kāi)展口述歷史工作提供了良好的借鑒。新加坡口述歷史的發(fā)展也獨(dú)樹(shù)一幟，從1979年由5 人口述歷史小組進(jìn)行的“新加坡先驅(qū)人物”“新加坡政治發(fā)展史(1945-1965年)”項(xiàng)目開(kāi)始，到2011年倡導(dǎo)全民參與的“新加坡記憶工程”，開(kāi)啟了各社會(huì)階層“自下而上”來(lái)敘述歷史、民眾共同保護(hù)國(guó)家集體記憶的新模式[4]。新加坡口述歷史工作的成功經(jīng)驗(yàn)豐富，在口述工作的標(biāo)準(zhǔn)與規(guī)范化控制、檔案管理與修復(fù)以及軟環(huán)境建設(shè)方面成績(jī)斐然。

信息技術(shù)的飛速進(jìn)步，不斷改變著傳統(tǒng)檔案文獻(xiàn)的記錄與保存方式，也給傳統(tǒng)地方文化的保護(hù)帶來(lái)了巨大的機(jī)遇?，F(xiàn)代口述史歷經(jīng)半個(gè)多世紀(jì)的發(fā)展，世界各地已有許多著名的口述歷史項(xiàng)目，如美國(guó)加利福尼亞大學(xué)的USC Shoah 基金會(huì)機(jī)構(gòu)保存有53000 多個(gè)大屠殺幸存者的視頻訪談[5]；Ellis Island 的口述歷史項(xiàng)目用于分享美國(guó)埃里斯島的移民歷史記錄；2010年10月開(kāi)始的蘇格蘭SRP 項(xiàng)目(Scotland’s Rural Past)，探索蘇格蘭農(nóng)村原始過(guò)去以及原著民生活的歷史[6]。1980年代起，國(guó)外口述歷史的先進(jìn)方法逐漸引入我國(guó)，引起國(guó)內(nèi)學(xué)界越來(lái)越多的重視，成為圖書檔案工作的新視野。國(guó)內(nèi)各大圖書館、檔案館紛紛啟動(dòng)口述歷史項(xiàng)目，以搶救和保護(hù)歷史資源，如2012年國(guó)家圖書館的“中國(guó)記憶”項(xiàng)目旨在記錄歷史、傳承民族記憶；2015年，廣東省立中山圖書館曾邀請(qǐng)8 位抗戰(zhàn)老兵口述抗戰(zhàn)時(shí)期的崢嶸歲月[7]?？谑鰵v史是活著的歷史，國(guó)內(nèi)外諸多成功的口述歷史項(xiàng)目表明，數(shù)字信息技術(shù)是文化留存的有效手段，口述歷史推動(dòng)了文化的傳播與利用。

1.2 開(kāi)展口述梅州僑批的意義與現(xiàn)狀

傳統(tǒng)僑批文獻(xiàn)是記錄社會(huì)實(shí)踐的原始記錄，為廣大海外華僑的社會(huì)記憶建構(gòu)提供知識(shí)給養(yǎng)。作為文化遺存，僑批的研究需要在更為廣闊的視角下，對(duì)僑批歷史上相關(guān)的人、事、物等方面展開(kāi)更為廣泛且細(xì)致的探究，擴(kuò)大僑批歷史研究的新視線和新領(lǐng)域[8]。多元的信息時(shí)代要求僑批的保護(hù)不能再是單一的文獻(xiàn)保護(hù)，也應(yīng)重視百姓民眾記憶中留存的相關(guān)歷史資料的收集與保護(hù)?？谑鰞S批利用錄音、錄像等多媒體手段通過(guò)訪談的方式真實(shí)記錄人們所知、所聞、所經(jīng)歷的事件，獲取豐富又鮮活的史料，讓瀕危的僑批記憶永久留存。

近年來(lái)，廣東省政府機(jī)構(gòu)、文化部門以及學(xué)術(shù)界較重視僑批檔案的保護(hù)，也意識(shí)到口述僑批檔案的重要性，如廣東省文化廳、檔案館、住房和城鄉(xiāng)建設(shè)廳于2017年組織發(fā)起了“尋訪僑批銀信后人”活動(dòng)[9]。對(duì)于梅州地區(qū)而言，地方政府與檔案機(jī)構(gòu)重視傳統(tǒng)僑批檔案的搶救保護(hù)，僑批原件不斷被收集整理，相關(guān)史料文獻(xiàn)被充分發(fā)掘，圍繞僑批保護(hù)的研討也日益增加，但研究成果更多局限于僑批文本的釋讀以及文獻(xiàn)研究領(lǐng)域；對(duì)于口述僑批的研究和實(shí)踐則才剛剛起步?，F(xiàn)今加快口述梅州僑批收集顯得尤為迫切，尤其是大部分歷史見(jiàn)證人年事已高，一些珍貴的歷史記憶將面臨消失，若不及時(shí)挖掘搶救，這份蘊(yùn)含獨(dú)特學(xué)術(shù)價(jià)值的珍稀人文遺產(chǎn)將蒙受更大的損失。

2017年，嘉應(yīng)學(xué)院圖書館正式啟動(dòng)口述梅州僑批保護(hù)項(xiàng)目，依據(jù)僑批保護(hù)工作的搶救性、獨(dú)特性以及公眾興趣度進(jìn)行選題規(guī)劃，避免資源保護(hù)的盲目性與無(wú)序性。項(xiàng)目分為5 個(gè)子項(xiàng)目，共8 個(gè)專題，如“百姓述說(shuō)僑批故事”項(xiàng)目，以百姓的視角訴說(shuō)“親人的記憶”、“水客與僑匯”以及“僑批局的歲月”，讓后輩了解僑批的價(jià)值、華僑的開(kāi)拓貢獻(xiàn)精神以及當(dāng)事人彼時(shí)的心境和所處環(huán)境。其它專題還包括“弘揚(yáng)優(yōu)秀客家道德文化”“僑批文化研究”“典型時(shí)代特征的僑批”“僑批與文化、藝術(shù)”等。目前，相關(guān)口述史料的征集以及故事采集獲得階段性成果，共進(jìn)行了超過(guò)120 次的采訪，共獲取了83 名受訪者的口述材料，收錄了約107 時(shí)長(zhǎng)的錄音和視頻資源，成果處于加工整理及資源信息系統(tǒng)功能優(yōu)化完善階段。下文就口述梅州僑批史料數(shù)字倉(cāng)儲(chǔ)系統(tǒng)構(gòu)建，口述史料的標(biāo)引加工、主題索引系統(tǒng)創(chuàng)新進(jìn)行探討。

2 口述梅州僑批史料的數(shù)字倉(cāng)儲(chǔ)系統(tǒng)構(gòu)建

2.1 資源的采集加工與評(píng)估整理

采集口述資源是保存口述歷史的關(guān)鍵。根植于百姓記憶之中的歷史，只有經(jīng)過(guò)收集和記錄，才能成為可以利用的實(shí)物檔案。梅州華人華僑眾多，口述僑批題材資源豐富，訪談對(duì)象范圍寬泛，但限于人力、物力因素制約，選擇合適的資源范圍成為關(guān)鍵?？谑鲈L談地域范圍首選水客活躍或僑批業(yè)務(wù)經(jīng)營(yíng)興旺的典型鄉(xiāng)鎮(zhèn)，如梅縣松口鎮(zhèn)——客家人下南洋的第一站、過(guò)往水客活動(dòng)和僑批流轉(zhuǎn)的樞紐，以及包括百侯、南口、茶陽(yáng)、丙村等近20 個(gè)著名僑鄉(xiāng)。僑批機(jī)構(gòu)對(duì)象則遴選梅縣的福記批局、同裕，大埔縣饒?jiān)疵?、同安堂?6 家僑批局作為資源采集目標(biāo)，同時(shí)主動(dòng)到相關(guān)僑批保護(hù)機(jī)構(gòu)、學(xué)術(shù)研究中心搜尋僑批故事，邀請(qǐng)專家學(xué)者解讀僑批歷史?？蚨ㄙY源范圍后，進(jìn)行訪談對(duì)象線索的收集，利用網(wǎng)絡(luò)社交媒體尋訪僑批后人，通過(guò)郵件、電話或走訪方式聯(lián)系相關(guān)的受訪對(duì)象，邀請(qǐng)僑批后人講述僑批故事，聆聽(tīng)塵封于百姓心中的有關(guān)僑批的往事。記憶的細(xì)節(jié)正是歷史片段的展示，專題建設(shè)讓碎片化的記憶聚合成主題鮮明的僑批故事。

成功的口述訪談?dòng)匈嚥稍L者與被訪者之間的溝通、理解。若想通過(guò)對(duì)話的方式構(gòu)建一段歷史，一方面要確認(rèn)受訪對(duì)象或事件的親歷者記憶客觀、邏輯清晰，因?yàn)槟：闵⒌挠洃涬y以反映事件的真實(shí)面；另一方面首選歷史事件的親歷者、知情人或關(guān)聯(lián)度較高的人。歷史本身是鮮活生動(dòng)的，由于歷史久遠(yuǎn)，加之部分訪談對(duì)象年高體弱、記憶力衰退，口述內(nèi)容可能會(huì)有訛誤虛夸。整理者需要結(jié)合文獻(xiàn)史實(shí)或其它口述材料對(duì)素材進(jìn)行加工、整理，最大程度地還原歷史。整理口述僑批，應(yīng)本著客觀與真實(shí)的原則，盡可能尊重口述者的原意去表述歷史，讓口述檔案成為歷史憑證，同傳統(tǒng)僑批一樣發(fā)揮史料價(jià)值。經(jīng)篩選的口述史料是除去重復(fù)的、虛假的內(nèi)容，而非為說(shuō)明某種觀點(diǎn)去找例證，或者為印證某一結(jié)論牽強(qiáng)附會(huì)歷史名人和事件。

錄音筆、DV 等數(shù)碼器材的不斷推陳出新，為口述資源的采錄提供了更先進(jìn)的手段?？谑鰞S批應(yīng)堅(jiān)持原生態(tài)的影視記錄手法，避免藝術(shù)化、故事化，力求真實(shí)。素材的采集盡量采用高品質(zhì)錄音麥克風(fēng)實(shí)現(xiàn)無(wú)損專業(yè)錄音，以清晰留存記憶者的聲音。音頻采錄主要為wav、MP3、amr 主流格式，波特率不低于192kbps；如果是其它途徑獲取的獨(dú)立的音頻文件，則利用專業(yè)轉(zhuǎn)換軟件將格式轉(zhuǎn)換為MP3 格式。視頻采錄主要包括div、MP4 多媒體類型，畫面清晰度較高，并且適合在網(wǎng)絡(luò)上傳播。另外，利用數(shù)字水印信息防止網(wǎng)絡(luò)盜版侵權(quán)行為，保護(hù)共享資源的知識(shí)產(chǎn)權(quán)。

2.2 口述資源的智能轉(zhuǎn)錄

梅州地區(qū)以客家話為方言，口述僑批的大部分采訪對(duì)象為普通老百姓，年齡較大且普通話水平較低?？谑鲈L談是一種帶有溝通性質(zhì)的工作，為了獲得較好的訪談效果，部分訪談允許訪談?wù)吲c受訪者用客家方言交流。為方便互聯(lián)網(wǎng)用戶利用口述檔案，需要把有重要價(jià)值的口述錄音、視頻轉(zhuǎn)錄為文字稿。資源轉(zhuǎn)錄，一可更加明確表示人物故事，二可增強(qiáng)讀者的興趣度，克服因不了解客家方言不愿聆聽(tīng)訪談的障礙，推進(jìn)文化的推廣傳承。目前一些實(shí)用的智能語(yǔ)音轉(zhuǎn)換工具可以實(shí)現(xiàn)語(yǔ)言聽(tīng)寫、轉(zhuǎn)寫功能，如“搜狗聽(tīng)寫”，準(zhǔn)確率超過(guò)95%。為克服地方方言造成的語(yǔ)音識(shí)別困難，除人工聽(tīng)打文字稿外，還可以采用人工復(fù)述為普通話再進(jìn)行自動(dòng)語(yǔ)音識(shí)別。

口述轉(zhuǎn)寫往往過(guò)于碎片化而需再根據(jù)口述內(nèi)容進(jìn)行人工分段，以方便閱讀與歸檔保存?？谑鲛D(zhuǎn)錄應(yīng)忠于受訪者真實(shí)意圖，除明顯的年代、地名、人物等方面有出入時(shí)需即時(shí)糾正外，還應(yīng)盡量從調(diào)整邏輯結(jié)構(gòu)、理順文法等技術(shù)層面進(jìn)行整理加工，體現(xiàn)口述史料的原始性價(jià)值。過(guò)于口語(yǔ)化的句子轉(zhuǎn)化為書面語(yǔ)時(shí)，應(yīng)注意聯(lián)系上下文將語(yǔ)句結(jié)構(gòu)補(bǔ)充完整，如縮略語(yǔ)“46年”補(bǔ)充完整為“1946年”。部分講述人在敘述僑批時(shí)使用了隱語(yǔ)行話，如迪卡、藥丸等；僑批中隨信匯寄銀錢的數(shù)目、收訖的日期等使用了舊時(shí)的稱謂，如國(guó)幣、大洋、銀元、民國(guó)等，則需要加以注釋。同時(shí)要注意轉(zhuǎn)錄內(nèi)容的選擇，對(duì)于與訪談主題無(wú)關(guān)的導(dǎo)入式寒暄、個(gè)人隱私、邏輯思維混亂和矛盾等內(nèi)容謹(jǐn)慎轉(zhuǎn)錄或不轉(zhuǎn)錄。口述材料如果與現(xiàn)存史料不符，需要佐證糾正，存疑的信息盡量佐證材料與矛盾信息同時(shí)備注，利于研究者考究核查。

2.3 口述僑批史料元數(shù)據(jù)規(guī)范的設(shè)計(jì)與創(chuàng)新

口述史料學(xué)術(shù)研究?jī)r(jià)值高，但數(shù)據(jù)量大，題材復(fù)雜多樣，云存儲(chǔ)技術(shù)為口述僑批的保存提供了無(wú)限的空間，然而要從日漸龐大的資源中挖掘到可利用的價(jià)值，就得提升資源元數(shù)據(jù)的質(zhì)量，重視與傳統(tǒng)檔案機(jī)構(gòu)和互聯(lián)網(wǎng)資源的整合方式。元數(shù)據(jù)是描述口述史料數(shù)據(jù)屬性的信息，元素設(shè)計(jì)并非多而全，而是注重功能實(shí)用、直觀。規(guī)范元數(shù)據(jù)目的是方便與異構(gòu)平臺(tái)數(shù)據(jù)庫(kù)信息資源元數(shù)據(jù)進(jìn)行數(shù)據(jù)收割、映射和轉(zhuǎn)換等，使不同機(jī)構(gòu)保存的資源能夠通過(guò)網(wǎng)絡(luò)兼容格式整合在一起。同時(shí)元數(shù)據(jù)的完整性也直接影響資源管理系統(tǒng)的性能，而系統(tǒng)最需要為用戶提供的是僑批口述資源有關(guān)“人物”“時(shí)間”“地點(diǎn)”“歷史背景”“人物社會(huì)關(guān)系”“主題特征”等關(guān)鍵信息，還需要說(shuō)明載體形態(tài)項(xiàng)中所涉及的數(shù)量、格式、版權(quán)等要素。

目前描述多媒體資料的元數(shù)據(jù)規(guī)范豐富多樣，嘉應(yīng)學(xué)院圖書館參考借鑒《口述歷史編目手冊(cè)》以及2016年國(guó)家檔案局的《口述歷史電子檔案元數(shù)據(jù)方案》，結(jié)合客家文化的特點(diǎn)，集成設(shè)計(jì)元數(shù)據(jù)方案，見(jiàn)表1。采用集成設(shè)計(jì)的思路規(guī)范僑批口述資源元數(shù)據(jù)模型，可以有效保證信息特征抽取、結(jié)構(gòu)化深度整序，支持模糊、精確搜索，幫助不同信息能力的用戶都能以最符合自己的檢索習(xí)慣，方便快捷地識(shí)別、獲取感興趣的資源內(nèi)容。經(jīng)過(guò)統(tǒng)一格式轉(zhuǎn)換和規(guī)范化預(yù)處理的元數(shù)據(jù)記錄，完成對(duì)不同載體、格式資源內(nèi)容的有效揭示，可將某些具有相似內(nèi)容特征的音頻、視頻、圖片等口述資源關(guān)聯(lián)在一起，實(shí)現(xiàn)基于知識(shí)關(guān)聯(lián)的多類型信息資源的深度聚合，增進(jìn)信息資源共享效度。

表1 梅州口述僑批電子檔案元數(shù)據(jù)表以及實(shí)例

（續(xù)上表）

3 非結(jié)構(gòu)化僑批數(shù)字記憶資源深層知識(shí)組織與揭示的實(shí)證探究

3.1 基于知識(shí)發(fā)現(xiàn)的口述僑批資源系統(tǒng)

目前，相關(guān)口述僑批單個(gè)采訪視頻/音頻文件約50 分鐘，主題內(nèi)容豐富。對(duì)多媒體資源元數(shù)據(jù)進(jìn)行標(biāo)引后，文件保存在數(shù)據(jù)庫(kù)外部存儲(chǔ)空間。該方式是一種基于目錄式的多媒體文件倉(cāng)儲(chǔ)管理，用戶通過(guò)關(guān)鍵詞、時(shí)間、人物等途徑進(jìn)行資源檢索調(diào)用，優(yōu)點(diǎn)是數(shù)據(jù)庫(kù)結(jié)構(gòu)較簡(jiǎn)單，不受文件類型限制；缺點(diǎn)是系統(tǒng)將符合匹配條件的結(jié)果返回給用戶后，用戶不能對(duì)多媒體蘊(yùn)含的內(nèi)容進(jìn)行檢索，無(wú)法識(shí)別檔案里所講述的內(nèi)容，系統(tǒng)僅僅提供資源保存管理功能。

口述僑批的使命是記錄社會(huì)百姓的相關(guān)歷史，使它成為歷史的一部分。如果有價(jià)值的相關(guān)史料仍然隱藏在龐雜的信息中，用戶較難發(fā)現(xiàn)時(shí)，其使命也就難于很好完成。因此口述僑批的重要任務(wù)是幫助發(fā)現(xiàn)歷史，為用戶構(gòu)建較科學(xué)的資源知識(shí)發(fā)現(xiàn)系統(tǒng)，為大規(guī)模的口述史料提供精準(zhǔn)有效的資源發(fā)現(xiàn)入口。信息時(shí)代，用戶查找利用信息資源的要求越來(lái)越高，僑批口述資源發(fā)現(xiàn)系統(tǒng)目標(biāo)是基于內(nèi)容的深層知識(shí)發(fā)現(xiàn)，從非結(jié)構(gòu)化多媒體文件中提取關(guān)聯(lián)內(nèi)容，如某個(gè)有價(jià)值的故事情節(jié)、數(shù)據(jù)、場(chǎng)景等，根據(jù)這些線索從海量數(shù)據(jù)庫(kù)信息中聚合更多主題相似的數(shù)據(jù)，提升用戶的閱讀興趣，實(shí)現(xiàn)史料價(jià)值最大化。

3.2 基于轉(zhuǎn)錄文本檢索的視頻同步系統(tǒng)

口述采訪記錄都是語(yǔ)音、視頻多媒體文件，媒體文件被轉(zhuǎn)錄成文本，用戶利用關(guān)鍵詞檢索后，仍需要在語(yǔ)音/視頻中搜尋信息相應(yīng)的時(shí)刻。為增強(qiáng)口述歷史的用戶體驗(yàn)，平臺(tái)管理系統(tǒng)應(yīng)用PHP 開(kāi)發(fā)的免費(fèi)開(kāi)源的“口述歷史元數(shù)據(jù)同步器”(Oral History Metadata Synchronizer，OHMS)功能插件。OHMS 由“同步器”與“查看器”組成?！巴狡鳌币苑昼姙殚g隔對(duì)目標(biāo)記錄分段，將與多媒體實(shí)際時(shí)刻相同步的時(shí)間標(biāo)簽嵌入轉(zhuǎn)錄文本中。時(shí)間標(biāo)簽的嵌入是在轉(zhuǎn)錄文本中進(jìn)行，邊聽(tīng)邊看邊產(chǎn)生，廉價(jià)而高效，如圖1所示。時(shí)間標(biāo)簽實(shí)現(xiàn)轉(zhuǎn)錄文本與音/視頻時(shí)刻的精確匹配，用戶輸入搜索詞檢索后，每條符合條件的記錄可精確指向?qū)?yīng)時(shí)間點(diǎn)的多媒體內(nèi)容，方便即刻瀏覽播放。“同步器”使轉(zhuǎn)錄文本與音/視頻之間建立起一座橋梁，實(shí)現(xiàn)對(duì)多媒體對(duì)象語(yǔ)義內(nèi)容及上下文進(jìn)行關(guān)聯(lián)檢索，讓用戶更快捷有效地獲取所需資源和利用口述采訪中有用信息。

圖1 時(shí)間標(biāo)簽工作機(jī)制

“查看器”是前端平臺(tái)，結(jié)合用戶查找、利用資源的習(xí)慣，在一個(gè)集成的空間里為用戶提供口述記錄及與之同步的轉(zhuǎn)錄文本，多維度揭示信息資源。如圖2，用戶在“李淼講述華僑姑姑李冬妹的故事”中搜索“水客”，所有匹配結(jié)果在右邊區(qū)域列表呈現(xiàn)，左邊區(qū)域顯示預(yù)先用“時(shí)間標(biāo)簽”間隔的記錄片段，用戶點(diǎn)擊相應(yīng)的“時(shí)間標(biāo)簽”即可播放對(duì)應(yīng)時(shí)刻的采訪。在同一前端界面實(shí)現(xiàn)多媒體資源與轉(zhuǎn)錄文本的關(guān)聯(lián)匹配，迅速、準(zhǔn)確為用戶提供所需信息。

圖2 提供口述記錄及與之同步的轉(zhuǎn)錄文本的展示界面

3.3 非結(jié)構(gòu)化多媒體資源主題索引

自動(dòng)語(yǔ)音識(shí)別是替代人工轉(zhuǎn)錄的有效技術(shù)，但對(duì)于仍保留客家方言采訪的口述梅州僑批而言，其識(shí)別率受到極大的限制。如果為口述數(shù)據(jù)庫(kù)所有資源制作轉(zhuǎn)錄，把轉(zhuǎn)錄文本作為資源搜索的唯一入口，顯然資金、人員和時(shí)間成本巨大。但轉(zhuǎn)錄也有其局限性：假設(shè)敘述者長(zhǎng)時(shí)間敘述形容印尼社會(huì)生活中原住民與華僑之間種族歧視的歷史，里面卻沒(méi)有提及到“歧視”一詞，當(dāng)用戶選用“歧視”進(jìn)行搜索就合乎邏輯，然而搜索注定失敗，因?yàn)橹v述人并沒(méi)有實(shí)質(zhì)映射到相關(guān)的描述性概念。為此僑批平臺(tái)著重將口述音/視頻資源依據(jù)其所蘊(yùn)含的內(nèi)容特征進(jìn)行主題索引，加工標(biāo)引形成知識(shí)元，服務(wù)用戶的內(nèi)容主題發(fā)現(xiàn)。

3.3.1 主題索引機(jī)制設(shè)計(jì)

數(shù)字采訪上傳數(shù)據(jù)庫(kù)后，工作人員根據(jù)被索引對(duì)象而確定內(nèi)容主題，對(duì)主題價(jià)值較高的時(shí)間點(diǎn)進(jìn)行部分轉(zhuǎn)錄，設(shè)置關(guān)鍵詞，利用敘述性描述方法對(duì)該視頻片段進(jìn)行具體描述，形成位置印記。所提取的位置印記特征將存入特征數(shù)據(jù)庫(kù)，與對(duì)應(yīng)媒體建立索引聯(lián)系。

主題索引的關(guān)鍵是從視頻中篩選出關(guān)鍵的資源片段，同時(shí)準(zhǔn)確描述內(nèi)容特征。索引者細(xì)聽(tīng)采訪錄音，選擇他們想描述的部分，打開(kāi)索引對(duì)話框，包含有時(shí)間戳(自動(dòng)填充)、標(biāo)題、部分記錄、關(guān)鍵字、主題、描述、超鏈接等字段，如圖3所示。索引完成后，點(diǎn)擊“保存”進(jìn)行下一段資源描述。索引器可以以15 秒為間隔后退或快進(jìn)，方便將時(shí)間戳準(zhǔn)確定位在內(nèi)容初始處。OHMS 允許用戶創(chuàng)建敘詞表，主題和關(guān)鍵詞等字段可以從敘詞表中選擇填充，實(shí)現(xiàn)對(duì)有價(jià)值的知識(shí)元的快速索引。對(duì)于不能承擔(dān)大規(guī)模資源轉(zhuǎn)錄的地方文化保護(hù)項(xiàng)目而言，利用索引可以增強(qiáng)用戶檢索和利用訪談資源的效率，還大大節(jié)省了建設(shè)資金。一個(gè)小時(shí)的訪談通?；ㄙM(fèi)兩到三個(gè)小時(shí)進(jìn)行索引，這取決于資源內(nèi)容的特異性。

圖3 OHMS索引模塊(后臺(tái)終端)

主題索引提取可作為檢索標(biāo)志的位置印記作為檢索入口；查詢系統(tǒng)則將用戶檢索詞與媒體特征庫(kù)里存儲(chǔ)的媒體特征進(jìn)行相似性匹配，發(fā)現(xiàn)符合用戶要求的媒體內(nèi)容。預(yù)先設(shè)置的位置印記實(shí)現(xiàn)幫助用戶快速導(dǎo)讀到訪談中的焦點(diǎn)內(nèi)容，給讀者帶來(lái)身臨其境的面對(duì)面的訪談感覺(jué)。圖4是對(duì)李淼采訪記錄的資源索引用戶前端界面，當(dāng)搜索“僑批”時(shí)，所有用“僑批”做標(biāo)引描述的視頻片段都會(huì)被檢索出來(lái)，用戶只按需選擇播放采訪記錄對(duì)應(yīng)的精華時(shí)刻。瀏覽界面展示訪談?dòng)涗洉r(shí)，也會(huì)提供“轉(zhuǎn)錄”和“索引”兩種功能候選項(xiàng)，選擇“索引”，用戶能夠快速瀏覽或搜索采訪內(nèi)容；當(dāng)需要文本查找時(shí)，即可切換到“轉(zhuǎn)錄”，以進(jìn)行更具體精確的信息搜索。

3.3.2 非結(jié)構(gòu)多媒體資源深層內(nèi)容特征揭示

多媒體內(nèi)容索引可滿足高信息、低成本、高效率、大規(guī)模的口述僑批資源建設(shè)目標(biāo)，可更好地平衡檢索準(zhǔn)確性和資源轉(zhuǎn)錄成本的矛盾，也大大縮短了訪談?dòng)涗洀闹谱鞯接脩粼L問(wèn)的時(shí)間周期。與逐字逐句的轉(zhuǎn)錄相比，索引的另一個(gè)獨(dú)特優(yōu)勢(shì)是將受訪者表述的隱性詞匯或語(yǔ)義模糊的自然語(yǔ)言轉(zhuǎn)換為概念清晰明確的控制性詞匯。假如被采訪者在敘述印尼爪哇巴達(dá)維亞城(今雅加達(dá))排華、反華時(shí)代教育歧視的有關(guān)信息細(xì)節(jié)時(shí)，可能沒(méi)有說(shuō)出“教育歧視”一詞；但一個(gè)優(yōu)秀的索引者可以將口述人的自然語(yǔ)言，如“我們使用單獨(dú)的飲水機(jī)和洗手間”“我們?nèi)ゲ煌膶W(xué)?！被颉拔覀冏诠财嚨暮竺妗钡日Z(yǔ)句概念變成“教育歧視”這個(gè)規(guī)范詞。此外索引者也可以將經(jīng)常搜索的關(guān)鍵詞，如“公共汽車”“水設(shè)施”“公共場(chǎng)所”等歸類為受控詞匯表中的“教育歧視”上傳系統(tǒng)保存。相對(duì)于傳統(tǒng)單一的文件查詢獲取服務(wù)，基于多媒體內(nèi)容特征的主題索引，可以為用戶提供基于知識(shí)節(jié)點(diǎn)的深度聚合，也方便讀者從大型口述多媒體數(shù)據(jù)庫(kù)集中發(fā)現(xiàn)和分析出更多隱含的歷史細(xì)節(jié)，如通過(guò)僑眷們飽含感情的敘述，能更好地再現(xiàn)中國(guó)僑民以往的生活場(chǎng)景，讓用戶更深切體會(huì)僑眷們?cè)?jīng)所承受的身體與精神的雙重創(chuàng)痛。

圖4 OHMS索引瀏覽器用戶前端界面

4 結(jié)語(yǔ)

信息時(shí)代，與傳統(tǒng)檔案機(jī)構(gòu)建構(gòu)社會(huì)記憶“自上而下”方式不同，口述梅州僑批保護(hù)項(xiàng)目開(kāi)啟了“自下而上”建構(gòu)僑批記憶的方式，給相關(guān)人員提供了回憶和敘說(shuō)過(guò)去的平臺(tái)，將客家海外華僑遷徙發(fā)展的歷史片段轉(zhuǎn)化為可留存和傳承的“數(shù)字記憶”。僑批多媒體內(nèi)容的深層知識(shí)揭示，方便用戶從海量的數(shù)據(jù)庫(kù)集中提取有價(jià)值的歷史故事，實(shí)現(xiàn)基于內(nèi)容的深層知識(shí)發(fā)現(xiàn)以及史料價(jià)值最大化。生動(dòng)具體的僑批口述歷史檔案，為客家地區(qū)歷史文化研究提供了的第一手資料，互聯(lián)網(wǎng)為共同傾聽(tīng)歷史回音提供了手段與途徑，極大地彌補(bǔ)了文字材料在記錄方面的缺失。

隨著時(shí)代的變遷，僑批的實(shí)用價(jià)值逐漸消淡，但其承載的歷史文化意義仍然牽動(dòng)著海外華僑華人的家國(guó)情結(jié)[10]。僑批是記載僑胞生存經(jīng)驗(yàn)和情感體驗(yàn)的知識(shí)容器，口述僑批并非僅僅是個(gè)人或家族的記憶，而是整個(gè)中國(guó)移民群體的記憶。僑批口述資源訪談并不局限于祖國(guó)用戶，更需要滿足多語(yǔ)言文化背景下的全球客家華人對(duì)資源的使用，僑批元數(shù)據(jù)標(biāo)準(zhǔn)要確保整個(gè)資源生命周期內(nèi)更好地促進(jìn)資源共享與服務(wù)融合，必須努力完善每一個(gè)口述歷史采訪記錄中所嵌入的資源描述，并能夠有效地將用戶的信息需求與檔案資源內(nèi)容緊密關(guān)聯(lián)起來(lái)。未來(lái)，隨著自動(dòng)語(yǔ)音識(shí)別和人工智能技術(shù)的成熟，將增強(qiáng)在線口述歷史訪談檔案的存取能力，為建設(shè)大型口述歷史數(shù)據(jù)集提供更強(qiáng)大的技術(shù)支持。