辞书数字出版：花开自有时

    孙述学

    

    

    当下，数字出版如火如荼，汹涌澎湃。而辞书则因为它的一些特性，成为数字出版的急先锋。2012年3月，已走过240多年历史的《大英百科全书》宣布将停止发行印刷版，当2010版全部售出后，将不再印刷任何纸质《大英百科全书》。同年，全世界最权威的英语词典——《牛津英语大词典》编委会宣布，《牛津英语大词典》从第四版起将停止推出纸质版，全部改为网上付费查询。英语学习词典的五大品牌牛津（Oxford）、朗文（Longman）、麦克米伦（Macmillan）、剑桥（Cambridge）、柯林斯（Collins）也纷纷推出光盘版、网络版、APP应用程序。一时间，辞书的数字出版已形成一股股浩浩荡荡的大潮。

    作为中国现代出版业的著名品牌社，商务印书馆以出版高品质的辞书和学术著作而享有盛名。与过去每一个历史变革的关口一样，当下的商务印书馆选择了顺应时势，积极创新，将辞书的各种资源盘活，开发适销对路的数字产品，为用户提供优质的知识服务，成为商务印书馆数字出版的重要方向。本文结合商务印书馆近年来开展数字出版的实际工作，谈谈辞书数字化的相关体会。

    一、做好顶层设计

    顶层设计包括五个层面：资源层面、产品层面、方法层面、营销层面、人才层面。

    资源层面，首先要考虑自己有哪些可把控的资源。细说来，就是指哪些辞书拥有网络信息传播权，哪些辞书结构化数据已完成，哪些辞书资源是市场迫切需要的。其次还要考虑资源的垄断性和可持续性。数字出版时代，品牌、无形资产的重要性相对于纸质出版时代有过之而无不及。最后要考虑的是连横还是合纵：一个出版社不管有多少资源，总会存在数据方面的不足，如何去“连横”，与拥有同类资源的出版社合作，就成为一个不得不考虑的重要问题；深度挖掘既有的存量资源，实现 “合纵”，将本社的资源进行充分的整合，是出版社当前数字出版的重要途径。商务印书馆辞书资源主要是语言习得类的工具书，种类较多，汉语的、外语的、汉外外汉的都有，字典、词典、语典都有，古代的、近代的、现代的都有，小学生、中学生、大学生使用的都有，多数都有自主知识产权，并且已完成数百本辞书的结构化。品牌自不必待言，国内出版社无人出其右。但“连横”方面，可考虑的空间还很多，比如上海辞书出版社的《辞海》，比如中国大百科全书出版社的《中国大百科全书》等。

    产品层面，要考虑的问题也不少，如：产品是数据库还是APP，APP是Web APP 还是Native APP？产品形态是提供在线服务还是镜像安装？多媒体内容如何置入，置入的比例有多大？检索的方式如何在纸质词典的基础上实现大的突破？辞书资源的使用场景有哪些，是独立应用还是依附于特定的教育、学习类产品应用？产品的服务对象是什么，是服务于少数民族汉语习得还是外国人学汉语，面向基础教育还是语言文字工作者？

    方法层面，则要考虑是全新编纂，还是对已有结构化内容动态重组，如何提供增值功能。以《商务印书馆百种精品工具书数据库》为例，它将商务印书有价值的100多种辞书结构化、碎片化，在此基础上，动态重组，资源整合，加入多种数字产品功能，形成富有增值服务的新型数字辞书数据库。

    营销层面，则要考虑营销的模式是B2B还是B2C？市场范围是在国内还是在海外？辞书内容如何黏着用户？收费与还是免费？以及定价的合理性，不同消费对象的不同营销策略和产品知识产权的保护等。

    人才层面，则要考虑如何建立一支既懂数字出版，又懂得辞书编辑的队伍。这支队伍，要负责与外包技术开发商沟通与把控，处理XML结构化的各种问题，辞书数字化标准的制定，编辑编纂系统的技术支持等。

    二、以数据资源的整理为基础和出发点

    数据资源的整理，对于数字出版的重要性是无论怎样强调都不为过的，这一点已是共识。辞书的数字资源整理，有它自己的特点：一是条目化。纸质辞书的数据资源整理不同于一般图书，它是完全条目化的，一本辞书要以词条为单位，少则两三万条，多则上百万条，每条记录下要分出好多字段，对这些字段还要进行规范化的标引，整理起来相当费时费力。二是强调标准化与规范化。辞书数据资源的整理，必须在DTD/Schema（DTD、Schema均为XML的验证机制）的约束下进行，否则，庞大的辞书资源就不可能进行有效的整合。由于不同辞书体例的不同，实践中标准和规范的制定相当复杂，如果用一个统一的DTD去约束所有的辞书，则缺乏灵活性，一些个性化的属性很难得以充分描述。而一书一DTD，统一起来则会有很多冲突，对数据的整合不利。这就需要我们处理时有相当的技巧。

    商务印书馆投入大量人力物力财力，详细分析了近70本辞书的结构，提取形成DTD，在确立辞书加工标引规范的基础上，对汉语词典54种、英汉词典20种、外汉词典36种，合计110种，21个语种，3.5亿文字，360万词条进行了数据化。总计形成3.5亿余字，360余万条目（字、词、语）的高度结构化数据。结构化后标引的数据、DTD的制定，为商务印书馆辞书的数字出版纵横捭阖提供了现实的可能。目前，这些结构化的数据，一方面为开发多种数字产品提供了坚实的基础，另一方面也将逐步应用到传统纸质辞书的编纂中，为其提供有价值的帮助。

    三、呼唤变革编纂编辑方式

    目前的数字出版都是“倒着走”，都是在已有的纸书基础上开发，而不是从编辑起始，即数字出版与纸质出版结伴而行。图书如此，辞书亦然。

    辞书编辑编纂流程的再造，要考虑的因素很多，上面的条目化当然是基准点，除此之外，还要考虑内容与流程管理，编纂与修订兼顾，修改痕迹的保留、版本对比、造字与集外字（中文字符集Unicode编码以外的字）的处理、协同编纂、质量控制与专项检查、编辑过程的搜集等。它的关键技术有DTD、XML、CSS等（DTD——辞书元素结构规则的汇总，俗称模板；XML——遵循构架规则、颗粒化拆分后的辞书内容，俗称标注内容；CSS——XML内容在编纂平台中交互编辑、在线打印或发布展示的形式定义，俗称版式）。

    商务印书馆从2002年就开始语料库方面的基础建设，近年来，逐渐形成 “三库两台”的框架思路，即辞书语料库、辞书资源库、辞书数据库、编辑编纂系统平台和排版平台。“三库两台”中，“三库”是上游，将为辞书的数字出版提供源源不断的来源；“两台”是中游，建设完成后，将是生产方式的变革，会极大提高辞书的出版效率，同时为传统出版和数字出版提供高效服务。这些珍贵的资源和先进的生产方式，是商务印书馆辞书出版的核心竞争力，是商务印书馆处于领先地位的重要保障。生产方式的数字化，是商务辞书数字出版的重要特色，也是需要继续加以高度重视的环节。

    四、推进产品向服务跨越

    辞书数字出版，大体上要经过四个阶段：第一个阶段是纸质书的翻版；第二个阶段是在前面阶段的基础上加入多媒体内容和强化检索方式；第三个阶段是动态重组，提供增值服务；第四个阶段是针对用户需要，提供个性化知识服务。

    商务印书馆辞书的数字出版，目前正处在第三个阶段，正积极向第四个阶段迈进。

    以《商务印书馆百种精品工具书》为例，它涵盖商务印书馆100种精品中外文辞书全部数据，总字数3亿余，条目（字目、词目、语目）约360万条，内容权威，品种齐全，规模巨大；融入音频、视频等多媒体技术；具有强大、科学的专项检索和高级检索功能。在该数据库中查检一个字词，将会返回与这个字词相关的词语、成语、俗语、谚语、歇后语、惯用语、名言及专科词语等，融汇读音、释义、用法、文化百科等知识，实现了知识的动态重组和资源深度整合，方便的内部跳转，强大灵活的检索甚至可以据意查词。

    另一个拳头产品《牛津高阶英汉双解词典》第7版APP，则着重针对国内用户学英语，提供诸多增值功能，如所有词目均真人发音，并配有英式、美式两种读音；可在英汉双解、英文词典、英汉词典之间自由切换；完整模式与简洁模式可自定义例证、音标、习语等元素的显示与隐藏；其中的图片可以根据需要放大或缩小；特别按照研究生入学考试、四六级英语考试词汇列表，针对性地组合形成考试词语词典，考试词语可以灵活分级和添加相关词语；对查询词语可以分类加入书签，利用iCloud实现不同设备间的同步；词典查询支持通配符等模糊查询，支持在短语、例证中查询，输入查询时，提示书写相似词目，具有点词即时跳转查询功能。

    值得一提的还有《商务馆学汉语字典》（The Commercial Press Dictionary of Contemporary Chinese）APP，它是供外国人习得汉语的，除提供汉字真人语音（包括字头和词条）和汉字笔顺动画外，它的精彩之处还在于检索方式的全面革新上：摄像头扫描识别法查询汉字；麦克风语音识别法查询汉字；文本直接输入法查询汉字；利用设备本身手写输入功能，输入汉字；输入简单的英文，亦可查到汉字或词语。另外，还可以HSK分级索引、英汉索引、拼音索引查询字词；示例中的字、词，可以点击跳转查询字或词；字头末尾提供相关词列表，可以点击查询相关词。此外，还提供生词本与学习计划。这些都为外国人学汉语提供了极大的方便，以数字技术解决了外国人学汉语时输入查检词的困难。从理论上讲，就是提供了诸多贴心的增值服务。

    五、变革思维

    在辞书的数字出版中，思维的变革的确很实在、很重要，很多时候还是决定性的。

    比如拿什么辞书资源做数字出版，决策时需要魄力。辞书的数字出版需要勇气和决心，要敢于投入。有时候，囿于传统思维，出版企业不敢或者不愿意把核心产品拿出来做数字化，而总是以一些边角碎料做尝试。这带来的结果就是产品没特色、缺乏竞争力，耗费人力、资金，最终却没有市场。很难想象一本平时滞销的辞书，经过数字化改造就能“立马咸鱼翻身”。商务印书馆在Kindle内置时就选择了《现代汉语词典》和《新华词典》，在做百种精品工具书数据库时，就包括《新华字典》《现代汉语学习词典》等，在做APP时，拿出了《牛津高阶英汉双解词典》。这些工具书都是商务印书馆的顶级品牌，都是压箱底的资源，商务印书馆把它们拿出来做数字出版，才能取得不俗的业绩。

    辞书的数字出版，要高度重视技术。“内容为王”没有错，但在辞书的数字出版方面，我们实在不能忽视技术的巨大作用。有观点认为技术不是数字出版的问题，反正市面上都有，只要有思路和想法，数字辞书就能很好地实现。虽然言之有理，但从另一个角度来考虑，如果技术获取的时间成本和经济成本都比较高的话，出版社就不能算拥有技术，一些好的想法就只能漂浮着，不能落地和实现。还有，就是技术可能反过来，深度影响内容。辞书数字出版必须对此有清醒认识，比如语料库的建设会让选词立目更科学，释义更精确，例证更优秀。上面讨论过的一些技术，对辞书的查检方式，可以说是颠覆性的。技术对内容的影响既深且广，它推动着数字辞书以一种新颖的面目惊艳示人，也昭示数字辞书的美好未来。

    （作者单位：商务印书馆数字出版中心）