越南漢喃檔案文獻(xiàn)的數(shù)字化保護(hù)問(wèn)題與策略分析

衛(wèi)冉

摘? 要：大量以漢字和喃字為書寫文字的漢喃檔案文獻(xiàn)的數(shù)字化保護(hù)，是漢喃文獻(xiàn)長(zhǎng)期保存與研究的必要方法。針對(duì)越南漢喃檔案文獻(xiàn)數(shù)字化工作存在的問(wèn)題，提出了培育復(fù)合型專業(yè)人員和擴(kuò)大社會(huì)力量參與、建立漢喃文獻(xiàn)專業(yè)字庫(kù)詞庫(kù)及對(duì)照譯文庫(kù)、提高文字識(shí)別技術(shù)、保護(hù)知識(shí)產(chǎn)權(quán)等相應(yīng)對(duì)策。漢喃檔案文獻(xiàn)數(shù)字化對(duì)中國(guó)包括漢文文獻(xiàn)及少數(shù)民族（如京族）檔案文獻(xiàn)的數(shù)字化具有重要參考價(jià)值。

關(guān)鍵詞：越南;漢喃檔案文獻(xiàn);數(shù)字化;文字識(shí)別技術(shù)

Abstract： The digital protection of a large number of Chinese literature Archives with Chinese characters and Han Nom characters is a necessary method for the preservation and research of Han Nom literature. In view of the problems existing in the digitization of Han Nom literature and Archives in Vietnam， corresponding countermeasures such as cultivating compound professionals and expanding the participation of social forces， establishing professional word database and comparative translation library， improving text recognition technology and protecting intellectual property rights are proposed. The digitization of Han Nom Archives is of important reference value to the digitization of Chinese literature and ethnic minorities（such as Jing Nationality）.

Keywords： Vietnam; Han nom literature archives; Digitalization; Character recognition technology

越南作為東亞漢字文化圈的重要成員，從古至今留下了大量以漢字和喃字為書寫文字的漢喃檔案文獻(xiàn)。由于越南在近代進(jìn)行了文字改革，以羅馬字母為拼寫方式的越南國(guó)文代替了漢喃文字，使得漢喃檔案文獻(xiàn)難以解讀，因此漢喃檔案文獻(xiàn)的數(shù)字化工程十分重要。中國(guó)學(xué)者在越南漢喃檔案文獻(xiàn)的數(shù)字化問(wèn)題研究中具有一定的地緣及文化背景優(yōu)勢(shì)。越南漢喃檔案文獻(xiàn)數(shù)字化工程作為中國(guó)國(guó)內(nèi)包括漢文文獻(xiàn)及少數(shù)民族（如京族）檔案文獻(xiàn)數(shù)字化工程的海外參照來(lái)進(jìn)行分析研究具有積極意義。

1 越南漢喃檔案文獻(xiàn)數(shù)字化現(xiàn)狀概述

1.1 越南漢喃檔案文獻(xiàn)的來(lái)源。越南漢喃檔案文獻(xiàn)是在漢文化廣泛傳播于越南國(guó)家的歷史背景下，以漢字和喃字為書寫符號(hào)的、具有越南地域特征及越南文化特色的檔案文獻(xiàn)集合。按照文獻(xiàn)來(lái)源分類，包含如下四大類別[1]：

①?gòu)闹袊?guó)傳入越南的漢文檔案文獻(xiàn)，例如《資治通鑒》《金剛經(jīng)》。②產(chǎn)生并保存于越南本土的漢喃檔案文獻(xiàn)，例如《大越史略》《葦野合集》。越南漢喃文獻(xiàn)中的絕大多數(shù)產(chǎn)生并保存于越南本土。③產(chǎn)生于越南但流傳于越南境外的漢喃檔案文獻(xiàn)，例如法國(guó)遠(yuǎn)東學(xué)院收藏的越南漢喃文獻(xiàn)《越南封誥冊(cè)錄》《本朝庶政雜編》。④在越南境外重抄重印重編的越南漢喃檔案文獻(xiàn)，例如中國(guó)國(guó)家圖書館收藏的兩種在中國(guó)刊刻的越南漢喃文獻(xiàn)《皇越地輿志》《南圻六省地輿志》。越南漢喃檔案具有龐大的存量及豐富的種類，其文字載體為漢字及喃字。記錄媒介主要包括紙張、碑刻、雕版等形式。

1.2 越南漢喃檔案文獻(xiàn)的數(shù)字化現(xiàn)狀

1.2.1 越南國(guó)家圖書館的數(shù)字化漢喃檔案文獻(xiàn)。越南國(guó)家圖書館擁有越南國(guó)內(nèi)規(guī)模最大的漢喃文獻(xiàn)古籍的書庫(kù)，共收藏約5200本漢喃文獻(xiàn)古籍。目前已有將近3000本數(shù)字化的漢喃檔案文獻(xiàn)，其中漢喃文獻(xiàn)典藏古籍?dāng)?shù)字化工程官網(wǎng)收錄了1258本數(shù)字化漢喃檔案文獻(xiàn)，約19.2萬(wàn)頁(yè)。[2]

1.2.2 越南國(guó)家檔案局的數(shù)字化漢喃檔案文獻(xiàn)。阮朝朱批：包括皇帝的冊(cè)封、旨諭、詔書;六部、都察院、機(jī)密院等的晉封文件以及從1802年到1945年的11代皇帝批準(zhǔn)的奏章，共有738份，用漢字編寫在疊紙上，現(xiàn)在已對(duì)734份進(jìn)行數(shù)字化，相當(dāng)于3.6萬(wàn)頁(yè)。[2]

1.2.3 越南社會(huì)科學(xué)院的數(shù)字化漢喃檔案文獻(xiàn)。目錄資料庫(kù)包括659411份表格，文件格式數(shù)字化的數(shù)量為1.06萬(wàn)本（170萬(wàn)頁(yè)）。特殊格式的數(shù)字化資料：材料為竹簡(jiǎn)、陶土、竹葉、疊紙的有1250版，漢喃檔案材料有1.6萬(wàn)頁(yè)、漢喃文獻(xiàn)古籍有374本、法文書籍1.73萬(wàn)頁(yè)、村規(guī)1.14萬(wàn)頁(yè)、碑碣13210面、圖片2.25萬(wàn)張。[2]

1.2.4 越南各地方圖書館數(shù)字化漢喃檔案文獻(xiàn)。以承天-順化省圖書館的數(shù)字化漢喃檔案文獻(xiàn)材料為例：從2009年至2012年，該館已配合胡志明市圖書館“在承天-順化地區(qū)搜集并數(shù)字化漢喃資料”，至今已對(duì)86864頁(yè)資料（包括書籍、詔書、冊(cè)封、家譜等）進(jìn)行數(shù)字化。[2]

1.2.5 越南境外的世界各國(guó)收藏的數(shù)字化漢喃檔案文獻(xiàn)。2006年“越南漢喃文獻(xiàn)保存協(xié)會(huì)”聯(lián)合越南國(guó)家圖書館，創(chuàng)立“漢喃古籍文獻(xiàn)典藏?cái)?shù)位化計(jì)劃”項(xiàng)目，將越南國(guó)家圖書館所藏部分漢喃檔案文獻(xiàn)進(jìn)行掃描存儲(chǔ)，至今已完成2000多份漢喃檔案文獻(xiàn)的數(shù)字化工作，并免費(fèi)提供在線查詢和閱讀服務(wù)。

2008年由越南漢喃研究院和越南漢喃文獻(xiàn)保存協(xié)會(huì)合作出版的漢喃字符編碼庫(kù)記錄了19981個(gè)漢喃字符。越南國(guó)家圖書館、日本東京大學(xué)東洋文化研究所、日本國(guó)會(huì)圖書館、越南漢喃文化研究院等機(jī)構(gòu)不同程度地對(duì)所藏越南漢喃檔案文獻(xiàn)進(jìn)行了數(shù)字化整理（表1）。

2 越南漢喃檔案文獻(xiàn)數(shù)字化工作存在的問(wèn)題

2.1 復(fù)合型專業(yè)人員缺乏及社會(huì)參與度低。越南漢喃檔案文獻(xiàn)散布收藏于越南、中國(guó)、日本、法國(guó)、美國(guó)等不同國(guó)家的各個(gè)單位，而全世界既精通漢文又精通喃文的學(xué)者專家十分稀少，據(jù)估計(jì)能夠精通喃文并閱讀漢喃文獻(xiàn)的專家不足百人，[1]高校中漢喃專業(yè)培養(yǎng)的學(xué)生數(shù)量也比較少;而現(xiàn)階段越南從事數(shù)字文獻(xiàn)的人員當(dāng)中，精通文史哲的學(xué)者鮮有涉足數(shù)學(xué)計(jì)算機(jī)信息技術(shù)研究領(lǐng)域的，熟悉編程和網(wǎng)絡(luò)程序設(shè)計(jì)的IT工作者鮮有懂校對(duì)翻譯古籍文獻(xiàn)的。培訓(xùn)課程及培訓(xùn)質(zhì)量的不足導(dǎo)致人員缺乏，[2]加上越南漢喃檔案文獻(xiàn)的數(shù)字化采集、整理、存儲(chǔ)、傳輸過(guò)程對(duì)專業(yè)知識(shí)和技能、操作規(guī)范的特定要求，加大復(fù)合型專業(yè)人員的數(shù)量和提升培養(yǎng)質(zhì)量成為越南漢喃文獻(xiàn)數(shù)字化工作的當(dāng)務(wù)之急。

隨著國(guó)語(yǔ)字被廣泛普及，漢喃文字的出現(xiàn)頻率越來(lái)越低，經(jīng)筆者走訪過(guò)的十幾座越南佛教寺廟來(lái)看，近三分之一佛寺內(nèi)的漢喃字對(duì)聯(lián)及橫批已被越南國(guó)語(yǔ)字對(duì)聯(lián)及橫批所取代，漢喃文字在當(dāng)代越南不斷被國(guó)語(yǔ)字侵蝕。漢喃文字在越南的宣傳和振興任重道遠(yuǎn)。

2.2 漢喃專業(yè)字庫(kù)詞庫(kù)及對(duì)照譯文庫(kù)建設(shè)存在缺失?，F(xiàn)階段錄入的漢喃字符可參見表2。

以VNPF官網(wǎng)為例，當(dāng)前的漢喃字庫(kù)和詞庫(kù)存在著收錄不全面、更新頻率低、與Unicode編碼不能一一對(duì)應(yīng)等問(wèn)題，漢喃檔案文獻(xiàn)對(duì)照譯文庫(kù)存在翻譯質(zhì)量差、對(duì)應(yīng)語(yǔ)種較少、收錄不全面、更新頻率低等問(wèn)題，這些問(wèn)題大大地阻礙了檔案文獻(xiàn)數(shù)字化工作的效率提升，并降低了使用者的體驗(yàn)度。

例如喃字“? ? ”本意是漢字“厚”的意思，對(duì)應(yīng)了越南語(yǔ)“dày”，但借用這個(gè)字來(lái)記錄越南語(yǔ)的“giày”（漢語(yǔ)是鞋的意思）時(shí)，字形與字義之間無(wú)關(guān)，而在VNPF漢喃字檢索庫(kù)中卻難以查到這個(gè)用法。另外針對(duì)漢喃字同音同義異形問(wèn)題，越南語(yǔ)“dày”對(duì)應(yīng)了“苔”“? ? ?”“? ? ?”等六個(gè)漢喃字，這六個(gè)漢喃字注釋完全相同，但其各自Unicode編碼卻相差較大，且互相間毫無(wú)關(guān)聯(lián)。

當(dāng)前的VNPF網(wǎng)站的漢喃字?jǐn)?shù)據(jù)庫(kù)能實(shí)現(xiàn)單向的檢索漢喃字，及由輸入漢喃字（文字格式）來(lái)識(shí)別Unicode編碼、越南國(guó)語(yǔ)字、英語(yǔ)、漢語(yǔ)拼音、粵語(yǔ)拼音、倉(cāng)頡輸入法、部首筆畫法等一系列格式，但無(wú)法實(shí)現(xiàn)由一系列復(fù)雜的編碼或文字輸入格式組合來(lái)檢索出一句或一段漢喃文字。另外，把喃字文本轉(zhuǎn)化為國(guó)語(yǔ)字文本，面臨著古代越南語(yǔ)語(yǔ)音轉(zhuǎn)化為現(xiàn)代越南語(yǔ)語(yǔ)音的問(wèn)題，而古代語(yǔ)音和現(xiàn)代語(yǔ)音有很大的區(qū)別，如古代的雙輔音在現(xiàn)代越南語(yǔ)中已完全消失。[5]

2.3 漢喃文字識(shí)別技術(shù)水平準(zhǔn)確率偏低。由于越南漢喃檔案文獻(xiàn)的書寫格式及文字形式多樣，除了占多數(shù)的漢文檔案文獻(xiàn)（可參照中國(guó)漢字文字識(shí)別的經(jīng)驗(yàn)）外，還有相當(dāng)數(shù)量的喃文文獻(xiàn)及漢喃對(duì)照檔案文獻(xiàn)，并且存在文字分布密集和數(shù)據(jù)標(biāo)注稀缺的現(xiàn)象，造成文字檢測(cè)及文本行切割存在一定困難，文字識(shí)別工作需要考慮諸多因素。另外，計(jì)算機(jī)文字識(shí)別易受漢喃字書寫及印刷格式影響，字體及文字傾斜可能造成計(jì)算機(jī)識(shí)別偏差。

當(dāng)前針對(duì)漢喃檔案文獻(xiàn)的文字識(shí)別技術(shù)仍然存在部分信息無(wú)法識(shí)別、文本切割排序混亂、特殊格式文獻(xiàn)識(shí)別失靈、識(shí)別準(zhǔn)確率有待提高等問(wèn)題。例如，針對(duì)喃字的文字識(shí)別技術(shù)仍存在較大的提升空間：目前的計(jì)算機(jī)漢喃檔案文獻(xiàn)識(shí)別準(zhǔn)確率可以達(dá)到97%左右。[6]相對(duì)而言，針對(duì)中國(guó)漢文文獻(xiàn)及日本日文文獻(xiàn)的計(jì)算機(jī)文字識(shí)別技術(shù)準(zhǔn)確率已能達(dá)到99.5%以上，[7]準(zhǔn)確率提升空間還比較大。

2.4 漢喃檔案文獻(xiàn)數(shù)字化資源知識(shí)產(chǎn)權(quán)侵權(quán)嚴(yán)重。越南關(guān)于知識(shí)產(chǎn)權(quán)的規(guī)定仍存在著一些不足，如權(quán)利界定不明晰、規(guī)定與國(guó)際慣例相沖突等。[8]非法印刷圖書是現(xiàn)在越南出版領(lǐng)域所有侵犯著作權(quán)行為中最為普遍而嚴(yán)重的違法行為。

越南信息與通訊部出版局資料顯示，越南工業(yè)印刷廠數(shù)量已增至1500家（2012年數(shù)據(jù)），其中只有三分之一的印刷廠受《出版法》所約束與調(diào)節(jié)。印刷活動(dòng)正往更復(fù)的方向演化，非法印刷的弊端仍在 擴(kuò)大，國(guó)家的管理工作也因此而遇到很多困難。[9]

漢喃檔案文獻(xiàn)數(shù)字化出版過(guò)程存在知識(shí)產(chǎn)權(quán)意識(shí)淡薄、侵權(quán)行為隱蔽、盜版印刷頻繁等問(wèn)題，知識(shí)產(chǎn)權(quán)糾紛多發(fā)且危害性大。該方面的違法對(duì)象類型眾多、涉及范圍廣泛，從出版社（向未注冊(cè)、登記著作權(quán)或以翻譯為名義的侵權(quán)稿件頒發(fā)出版證書）到印刷廠（印量超過(guò)所申請(qǐng)的數(shù)量）均存在。

數(shù)字化資源的知識(shí)產(chǎn)權(quán)保護(hù)除了具有傳統(tǒng)條件下的知識(shí)產(chǎn)權(quán)特征，還具有由互聯(lián)網(wǎng)的海量性、便利性、時(shí)效性、匿名性等性質(zhì)決定的新特征，需要采取新的方法和思維加以保護(hù)。

3 越南漢喃檔案文獻(xiàn)數(shù)字化保護(hù)策略

3.1 提升專業(yè)人員培養(yǎng)數(shù)量和質(zhì)量，擴(kuò)大社會(huì)參與力量。首先，需要越南各高校根據(jù)具體情況增設(shè)漢喃專業(yè)、圖書館學(xué)專業(yè)、歷史學(xué)專業(yè)、計(jì)算機(jī)專業(yè)、新聞傳播專業(yè)并增加招生人數(shù)，以及針對(duì)高校學(xué)生和社會(huì)大眾推出漢喃文獻(xiàn)及文獻(xiàn)數(shù)字化相關(guān)課程與講座，利用互聯(lián)網(wǎng)實(shí)現(xiàn)漢喃文獻(xiàn)數(shù)字化專業(yè)人員的發(fā)掘、培養(yǎng)與深入學(xué)習(xí)工作。其次，應(yīng)當(dāng)針對(duì)專業(yè)人員，定期舉行一系列的漢喃檔案文獻(xiàn)數(shù)字化知識(shí)學(xué)習(xí)培訓(xùn)及考試考核活動(dòng)。再次，設(shè)立漢喃文獻(xiàn)專家組及檔案文獻(xiàn)數(shù)字化專家組，定期舉辦專題研討會(huì)和技術(shù)交流會(huì)。最后，借助網(wǎng)絡(luò)眾包平臺(tái)，非定向招募普通用戶的參與，提高檔案文獻(xiàn)數(shù)字化工作的整體效率。此外，針對(duì)漢喃文獻(xiàn)中專業(yè)性程度高的核心文獻(xiàn)，采用“定向眾包”的形式招募一定數(shù)量的漢喃文獻(xiàn)領(lǐng)域研究專家，形成“網(wǎng)絡(luò)大眾+領(lǐng)域?qū)＜摇钡碾p向眾包合作模式[10]，實(shí)現(xiàn)多方力量的高效聯(lián)合。

3.2 創(chuàng)新建立漢喃文獻(xiàn)專業(yè)字庫(kù)、詞庫(kù)及對(duì)照譯文庫(kù)方法。因?yàn)樵侥蠞h喃文獻(xiàn)中存在使用喃字、避諱、俗語(yǔ)等造成的新字體和詞匯，有別于傳統(tǒng)漢字結(jié)構(gòu)，無(wú)法完全依靠目前的漢字識(shí)別系統(tǒng)進(jìn)行辨識(shí)和數(shù)字化，所以建立越南漢喃文獻(xiàn)專屬的字庫(kù)和詞庫(kù)就顯得尤為重要。

通過(guò)搜索漢喃檔案文獻(xiàn)來(lái)收集漢喃字符并建立漢喃文獻(xiàn)專業(yè)字庫(kù)、詞庫(kù)，是一種有效且令人信服的解決方案。字庫(kù)、詞庫(kù)中的每個(gè)漢喃字符都需要使用多個(gè)漢喃文獻(xiàn)著作中引用的摘錄進(jìn)行注釋，并在所示示例的上下文中解釋每個(gè)字符的組成結(jié)構(gòu)。

數(shù)字化漢喃字庫(kù)、詞庫(kù)需要結(jié)合文本發(fā)掘等最新技術(shù)，便于互聯(lián)網(wǎng)推廣和搜索（通過(guò)越南國(guó)語(yǔ)字，英文，漢喃字符，Unicode編碼或一組漢喃字符）。

首先，創(chuàng)建符合Unicode標(biāo)準(zhǔn)的漢喃字體格式。其次，定義數(shù)據(jù)庫(kù)結(jié)構(gòu)，其中必須包含一些必填字段，例如漢喃字符、Unicode編碼、越南國(guó)語(yǔ)字，字符結(jié)構(gòu)，示例，參考文獻(xiàn)等，并保證每一個(gè)漢喃字符都有唯一對(duì)應(yīng)的Unicode編碼。再次，提供最終用戶界面和開發(fā)人員界面，完成不同的系統(tǒng)功能。最后，擴(kuò)展字典以提供統(tǒng)計(jì)和翻譯工具，建立多語(yǔ)種對(duì)照譯文庫(kù)。

3.3 提升漢喃檔案文獻(xiàn)的文字識(shí)別技術(shù)水平。將OCR（Optical Character Recognition，光學(xué)字符識(shí)別）技術(shù)與卷積神經(jīng)網(wǎng)絡(luò)（CNNs）、長(zhǎng)短期記憶（LSTM）和聯(lián)結(jié)主義時(shí)間分類（CTC）等不同的深度學(xué)習(xí)結(jié)構(gòu)相結(jié)合，實(shí)現(xiàn)漢喃檔案文獻(xiàn)的文字識(shí)別。例如，Truyen Van Phan等提出針對(duì)漢喃檔案文獻(xiàn)數(shù)字化信息的處理步驟：非線性歸一化、特征提取、粗分類、細(xì)分類，最終實(shí)現(xiàn)漢喃文獻(xiàn)的字符聚類識(shí)別。

3.4 保護(hù)漢喃檔案文獻(xiàn)數(shù)字化出版的知識(shí)產(chǎn)權(quán)。針對(duì)漢喃檔案文獻(xiàn)數(shù)字化出版過(guò)程中侵權(quán)行為隱蔽、知識(shí)產(chǎn)權(quán)糾紛多發(fā)且危害性大等問(wèn)題，需要采取如下改革措施：

一是創(chuàng)新數(shù)字化出版下的授權(quán)模式，其中數(shù)字化出版領(lǐng)域普遍推行的“授權(quán)要約”模式的版權(quán)授予方式在保護(hù)知識(shí)產(chǎn)權(quán)方面較為科學(xué)有效。

二是重新界定數(shù)字化出版版權(quán)，明確知識(shí)產(chǎn)權(quán)的出版主體，完善侵權(quán)行為的懲罰措施。

三是運(yùn)用知識(shí)產(chǎn)權(quán)保護(hù)加密技術(shù)，保障出版內(nèi)容在發(fā)表與傳播的過(guò)程中的安全性。

四是追究侵權(quán)者的責(zé)任及賠償，越南漢喃檔案文獻(xiàn)數(shù)字化出版業(yè)者遇有知識(shí)產(chǎn)權(quán)被侵犯情形，可以主動(dòng)告知侵權(quán)者或向越南的知識(shí)產(chǎn)權(quán)專責(zé)部門或?qū)＜覍で蠼ㄗh，知識(shí)產(chǎn)權(quán)擁有人可以采取協(xié)商解決、行政訴訟、民事訴訟、刑事訴訟四種方式來(lái)積極追究侵權(quán)者的責(zé)任及賠償。

參考文獻(xiàn)：

[1]劉玉珺.越南漢喃古籍的文獻(xiàn)學(xué)研究[D].揚(yáng)州大學(xué)，2005.

[2]杜氏清水.越南數(shù)字圖書館信息資源共享研究[D].武漢大學(xué)，2015.

[3]魏超.域外漢籍?dāng)?shù)字化探析——以越南漢喃文獻(xiàn)為中心[J].圖書館論壇，2018，38（05）：6-11.

[4]Sino-Vietnamese characters facts for kids[EB/OL].[2020-3-10].https：//kids.kiddle.co/Sino-Vietnamese_characters#CITEREFThe_Unicode_Consortium2012.

[5]宋文長(zhǎng)（TONG VAN TRUONG）.冰封與潛流——越南漢字文化傳承模式現(xiàn)代變遷研究[D].西南大學(xué)，2008.

[6]王璇，鄧菊英.越南跨系統(tǒng)區(qū)域圖書館聯(lián)盟建設(shè)探析——以越南研究教育網(wǎng)VinaREN為例[J].圖書館雜志，2016，35（08）：86-95+102.

[7]NGUYEN，Cong Kha;NGUYEN，Cuong Tuan;MASAKI，Nakagawa.Tens of thousands of Nom character recognition by deep convolution neural networks.In：Proceedings of the 4th International Workshop on Historical Document Imaging and Processing.2017.p.37-41.

[8]趙均，范芳花.中越現(xiàn)行出版法律體系對(duì)比研究[J].現(xiàn)代傳播（中國(guó)傳媒大學(xué)學(xué)報(bào)），2019，41（08）：76-79.

[9]任文京，阮黃梅.越南出版業(yè)現(xiàn)狀及其相關(guān)對(duì)策[J].河北大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2017，42（02）：133-137.

[10]席運(yùn)江，林瑤瑤，廖曉，俞寬.基于網(wǎng)絡(luò)眾包模式的海量歷史文獻(xiàn)數(shù)字化處理方法研究[J].現(xiàn)代情報(bào)，2019，39（02）：161-168+177.