出土古文献语料库建设研究[2013]年

1、国 家 社 科 基 金 重 大 项 目工 作 简 报课题名称：出土古文献语料库建设研究批 准 号：10&ZD118首席专家：刘志基 2013年第1期 （总第4期）华东师范大学 2013年7月20日领导批示：本期目录一、中期攻坚学术沙龙研讨纪要（2）二、阶段成果形成亮点，但出版遭遇资金困局（4）中期攻坚研学术沙龙研讨纪要2012年10月18日，国家社科重大项目“出土古文献语料库建设研究”课题组在华东师范大学理科大楼A214会议室召开建设中期攻坚阶段研讨沙龙。课题组主要成员，课题组负责人及各子课题负责人，除了清华大学的赵平安教授有特殊情况未能出席外，均悉数参会，包括华东师大的刘志基、臧克和

2、、董莲池、张再兴、潘玉坤、黄人二教授，以及华南师范大学的白于兰教授。此外，此次沙龙还邀请了诸多课题组外专家参加，如安徽大学中文系徐在国教授、华东师范大学文字中心王元鹿教授和王平教授、以及国外同行专家韩国汉字研究所所长河永三教授、泰国清迈大学的林明明博士、越南太原大学的郭氏娥博士、加拿大麦克玛斯特大学白思芳（Stephanie Balkwill）博士、韩国延世大学的赵星珍博士等。此次沙龙的时间选择，主要考虑了这样两个因素：首先是课题课题刚刚经过国家社科规划办的中期检查，通过中期检查，课题进展情况有了清晰的呈现，存在的问题和困难也一一浮出水面，故此时进行课题进展中期研讨沙龙，正是课题推进急需的一项

3、重要举措。其次，此次沙龙的召开正与教育部人文社科重点研究基地华东师大中国文字研究与应用中心的十二五系列教育部重大项目中期检查相衔接，由于华东师大中国文字研究与应用中心就是本课题的承接单位，因而本课题实际上也是中国文字研究与应用中心十二五科研规划的系列课题群中的一个组成部分，与中心的好几个教育部重点研究基地重大课题具有密切的关联性。沙龙以务实的方式展开。刘志基教授首先介绍了项目进展情况。迄今为止，课题规定任务的完成情况可表述概括为如下几点：一，出土古文献资料本体的收集及数据库输入基本完成。二，截止2011年底的相关考释论着的集成提要完成90%以上。三，跟踪相关考释研究的进展所进行的出土古文献语料

4、释文的修改完成过半。四，文字、语言、考释、文化分类的标注大体达到30%以上。 项目近期将有若干成果推出：一是年内计划推出最终成果语料库测试版。根据本项目最终成果的研究质量监控特点，为保证相关专家尽早介入最终成果的审查并提出修改完善的建议，课题组选择部分已完成阶段任务的数据库，作为本课题首期网络数据库（测试专家审阅版）上线，意在及时征求专家的批评修改意见，以提升最终成果的研究质量。首期网络数据库（测试专家审阅版）由三个主要部分组成：（1）金文数据库；（2）秦简数据库；（3）战国楚简文字数据库。课题已经列入国家重点出版规划的中期成果有如下四种：楚简帛文献引得（2010全国古籍整理出版资助项目）商周

5、金文综类（2012全国古籍整理出版资助项目）中国出土简帛文献引得综录（国家十二五重点出版增补项目）中国汉字文物大系（15卷）（2010国家出版基金项目）近期将推出的主要阶段性工具书成果：1，中国出土简帛文献引得综录郭店楚简卷，上海人民出版社2012年版。2，中国汉字文物大系（15卷），大象出版社2013年版。 另外，郭店简频率词典、包山简频率词典、睡虎地秦简频率词典已编成，正在联系出版中。基于目前课题研究建设的现状，刘志基教授提出了两个属于中期攻坚的重点讨论的议题：第一，关于语言属性标注的问题。关于这个问题，刘志基介绍了基本情况：关于古文字文献语料库建设中语言属性的标注究竟应该标注到何种程度以

6、及覆盖哪些方面，行内专家有不同意见，这在本项目开题中已得到清晰反映，有专家甚至提出古文字文献不宜进行语法标注之类意见。因此，语言属性的标注，究竟如何考虑古文字文献的特点来确定语言属性标注的方略，乃是语料库后期建设的重点问题。第二，关于甲骨文语料库建设问题。刘志基介绍了项目各类古文字数字化平台上建设中甲骨文的建设基础相对薄弱，而甲骨文的资料数量有相对庞大基本情况，对甲骨文语料库建设下一步工作如何加快进度征询对策。随后，在各子课题负责人报告了各自课题研究建设的进展情况的基础上，与会专家对上述重点议题进行了集中讨论。潘玉坤教授首先就语言属性标注中的短语标注问题发表意见，认为古文字语料的短语切分会遇到

7、很大困难，存在一定的可行性问题。董莲池教授提出，对于古文字文献而言，虚词的问题比较重要，而且也有比较深厚的研究的传统，应当作为古文字语料库语言属性标注的重点。刘志基教授认为，古文字文献语料的语言属性标注一定要注意学界的相关释读现状，对于释读基础不能支持的语料属性标注最明智的办法只能是放弃。基于这种认识，对于语料本身，需要进行释读状况的细致分析，根据释读程度来确定语料标注各个层次的对象和范围。出席研讨的国外学者河永三教授教授在表达了对项目成果的热切期待的基础上，对语料库最终成果的系统化以及各语种翻译方面的工作提出了建议。在研讨的最后阶段，各不同文献材料的子课题结合各自的开发研究实践开展了学术交流

8、，白于蓝教授就其承担的“甲骨文语料库建设”、董莲池教授就其承担的“金文语料库建设”、黄人二教授就其承担的“楚简文献语料库建设”报告了工作现状和心得体会。通过此次中期研讨，与会者一致认为，对项目研究进展的整体情况有了清晰的了解，也明确了后阶段研究开发的困难和重点所在，按时保质完成项目建设，是大家共同的目标。阶段成果形成亮点，但出版遭遇资金困局本项目的最终成果虽然设定为网络语料库，但是基于语料库对出土古文献资料数字化形态的穷尽贮存，对最新考释研究成果的充分吸收，以及严苛数字化标准的一字一码的精确文字整理，本项目在研究建设过程中所形成的数字平台客观上成为古文字资料集成性成果的高效孵化器。依据这样一种

9、优势资源，课题组达成了在完成最终成果的过程中努力编纂出版具补缺、创新意义的古文字工具书的共识，这一做法既能提升本课题作为国家社科重大项目对学界的贡献程度和社会影响，同时又是在以正式出版物的要求来对语料库中的资料释读、标注等研究工作进行检验修正，有助于完善本课题的最终成果研究。根据上述认识，课题组没有局限于课题申报论证中的阶段性成果数量种类规定，确定了较多种类具有补缺、创新意义的古文字工具书编纂选题，经过两三年不懈努力，这些选题中的相当部分已经得到很好的社会认可，不但已被入出版计划，而且通过相关出版社申报，得到四项国家级、一项省市级重点出版计划支持：楚简帛文献引得，2010年全国古籍整理出版资助

10、项目中国汉字文物大系（15卷），2010国家出版基金资助项目商周金文综类（14卷），2010全国古籍整理出版资助项目中国出土简帛文献引得综录，“十二五”国家重点图书出版规划增补项目古文字考释提要总览（五卷），上海市“十一五”重点出版项目、“上海市文化发展基金项目” 目前，这些阶段性成果已陆续编纂完成交付出版社，但却不同程度遇到资金困难以致影响顺利出版。兹将相关情况报告如次，期望得到管理部门的支持。一、阶段成果亮点介绍这些编纂选题之所以得到图书出版界的青睐，当然是因为它们具有各自特定的补阙创新性。下面分别简述以上编纂选题的创新特点。1，楚简帛文献引得和中国出土简帛文献引得综录编纂系列这两个获得不

11、同出版项目支持的编纂选题具有一定的关联性，前者的文献材料限定于战国楚简帛；后者则在前者的基础上扩展，包括秦简及重要汉简帛文献。因属于同一个系列，故放在一起简介。该系列图书屬於逐字索引類引得工具书，计划出版18卷，目前已出版的第一卷中国出土简帛文献引得综录·郭店楚简卷呈现了整个编纂系列的基本格局。全书由“释文”、“引得”、“检字”三大部分构成，“释文”、“引得”以楷字释文和简帛文真实原形对照呈现，并辅以网络检索等诸多现代科技手段。其创新特色主要表现为如下几点：第一，战国秦汉简帛文献作为出土古文字文献的一个重要种类，因近数十年来材料不断新出，考释研究不断深入，在中国传统文献系统中愈益占据

12、不可或缺的地位。而在本书面世以前，此种文献材料并没有“引得”这种重要的检索工具与之配套，支持相关研究。因此，将引得这种重要的文献查检工具首次覆盖到战国秦汉简帛文献文献，无疑拓宽了“引得”类工具书的文献材料种类。第二，相对传世文献，战国秦汉简帛文献具有更高的释读难度，本书基于古文字考释研究的最新成果，完成了战国秦汉简帛文献全面整理，并加以多维度解释以扩展引得的读者对象，亦是一件前所未有的系统工程。第三，网络关联的超文本阅读方式，不但提升了检索效率，增添了数据数据的统计功能，扩充了海量相关资料，赋予了引得可持续发展的自我修订完善机制。第四，体现写手典型风格的简文原形逐字呈现，实现了古文字工具书编纂

13、的一大突破，拓展了引得在古文字研究、文字学研究、乃至书法研究诸领域的使用价值。需要指出的是，该编纂系列的创新特点，无不与语料库的数字化研发性质相联系。仅以上述最后一点“简文原形逐字呈现”为例略加说明。现代楷字释文与其古文字原形逐字保真式的同时呈现，对于古文字文献的释读而言具有十分重要的意义，但是这种要求要在具体编纂中真正落实又谈何容易。所幸的是，语料库研发中文字整理要求，恰与引得编纂的简文原形逐字呈现要求相一致。于是，引得编纂的这一难题，就被语料库建设中的文字整理成绩轻松化解了。具体来说，根据古文字构形研究的多层次要求，我们将语料库中古文字原形整理的标准确定为同一写手的同一写法。根据这个标准，

14、必须逐字对其在文献中逐次出现的古文字原形加以审视以决定它是否进入字符集：凡一个写手在同一个字的书写中出于刻意营造差异的目的而采用的多种写法所产生的典型字形，均应确定它们在字符集中的独立地位；而写手在实际书写中，由于种种原因而以手不从心的状态写出的有所变形的字形，则取消它们在字符集中的地位，在本书的原形字给出中以相应的典型字形加以取代。试举一例，以明其详。郭店楚简·语丛一有7个读为“由”的“蟤”字，下表为其原形字整理的相关信息：序号原字图片所出语句简号经整理确定的原形字1或蟤由中出19簡扂2或蟤由外内入19、20簡扂3蟤由中出者淙（仁）、忠、唠（信）21簡擬4蟤由外入者、。21簡擬5蟤

15、由樂智知型刑24、25簡扂6烗蟤由敬乍作95簡銏7凡勿物蟤由望亡生104簡擭上表最后一列为原形字整理结果，不难发现，7个简文用字经整理后归纳为4个能够体现写手典型书风的字形，亦即计算机字体中的4个字符。而整理过程大致如次：首先需要确定这样一个前提，语丛一的简文出自同一个写手的手笔。接下来需要判断的是，哪些字形出自这位原写手刻意求变的一种写法，而哪些字形间的差异出自书写中的无意失控，属于前者的确定其字体中的独立字符地位，属于后者的则取消其独立的字符地位而加以归并。不难发现，1、2、5与3、4属于后一种情况，故可由扂和擬分別加以归并而为其典型代表字形。而扂、擬作为语丛一简文写手的两种写法，从语境看

16、也有着明确的避复动机，它们分别出现在一个具有完整意义的语段中的前后两个意义层次的语句中，故前两个“由（扂）”從“辵”，後兩個“由（擬）”從“止”，从而实现了前后互异的效果。6（銏）、7（擭）分別为语丛一写手“蟤”的另外两个写法之所以能够成立，则是因为它们分別在“扂”和“擬”上又实实在在地添加了“口”旁。很显然，经过如此整理之后，出自各个写手的每个字的每种写法的古文字原形，在字符集中均只保留唯一一个位置，这既营造了语料库中特定文字的查询、统计等数字化处理功能，又使引得编纂“原形逐字呈现”的设想变成可能。附郭店楚简卷中“得”字引得如下，以见其详：1_26咎莫浿（僉憯）漧乎谷欲鷑（）仝鈽令鳩骧乎老子

17、甲51_62不貴難鷑（）之貨諧褝袭斄銙髡老子甲121_162古故不可鷑（）天而崧（新親）鍮齯龀斄鳹儈老子甲281_163亦不可鷑（）而疋疏鳾諧龀斄齱鍟老子甲281_164不可鷑（）而利諧龀斄齱梪老子甲281_165亦不可鷑（）而害鳾諧龀斄齱兩老子甲281_166不可鷑（）而貴諧龀斄齱杁老子甲291_167亦可不可鷑（）而矨（戔賤）鳾龀諧龀斄齱梫老子甲292_28鷑（）之若鼮（纓驚）斄鴢嗇圍老子乙63_30鷑（）巳已而甬用之鴷刹黍鴵楯老子丙73_35矪（以）鷑（）志於天下与鴷棢棣鳹椟老子丙83_53不貴戁難鷑（）之貨棫褝鮖斄鴢髡老子丙135_101女如不我鷑（）鼨棶鰣枭緇衣186_14而未之鷑（

18、）也樇韣樐齇樏魯穆公問子思48_27智弗思不鷑（）勰鶗鶘鶦勺五行88_66倀長則鷑（）染亭匂五行148_67鷑（）則不亡忘匂亭鶦鼥五行1411_25弗鷑（）涧矣雴鷺樜成之聞之1111_31未有可鷑（）也者樭鱪晷樼鷸黊成之聞之1211_37名弗鷑（）涧矣攴雴鷺樜成之聞之1313_168铎（近）鷑（）之壴矣弸齇橞鹃性自命出3613_173弗鷑（）之壴矣雴齇橞鹃性自命出3713_263下交鷑（）眾鴗写齇栀性自命出56-5714_3唯雖绁（堯）求之弗鷑（）也鷭刪齷橞雴齇檋六德714_47鷑（）亓其人則澴舉安焉齇鷰齃鸑鸐梁六德4814_48不鷑（）亓其人則止也齯齇鷰齃鸑劆檋六德4814_156喖設外内皆

19、鷑（）也媎黢檢檛齇檋六德36-3715_102上下烋（皆）鷑（）亓其所之胃謂唠（信）枠鹹憭斄鉉鞄鹳晁朾語叢一6515_131夬缺生虖乎未鷑（）也垀鹫侧枞斄義語叢一9116_75此烬（圖）鷑（）嚏乗氭斄剂語叢二5017_64莫鷑（）膳善亓其所麮枭愽枱羴語叢三4717_86鷑（）者樂枭鹿枚語叢三5918_12旣鷑（）丌其級急、言必又有及麶鴷龘髮、伐杞杛杜語叢四52，商周金文综类（15卷）该书屬於商周金文逐字索引類引得工具书。其创新性可表述为如下几点：一是收录资料集大成。目前收录商周有铭铜器已达18349件，拓本20047件，下限为2013年5月，宋代以来截止当今所发表的商周青铜器铭文基本囊括无遗，

20、资料的“集成”化程度超越了既有的各种金文著录。二是充分吸收了当今铜器断代和古文字考释新的研究成果，使所收铜器在断代标注上与学科前沿对接，更为科学、精确；而器铭的释文，亦充分反映当今古文字考释的优秀成果，实现了释字与古文字考释学科前沿的对接。三是实现楷书释文单字引得与拓本原形字单字引得相对应，并逐个文句下标注著录、出典和时代等相关属性。附该书样张如下：3，中国汉字文物大系（15卷）该编纂选题，实际是基于整个语料库字际关系确定工作而产生的。该成果既是项目研究过程中的必然副产品,也是语料库下阶段研究开发的一个不可或缺的支撑点。具体来说，该书是一部系统收录历代各类文物上所见文字的原始形态并附文句以反映

21、具体语境，进而进行文字源流梳理的专书，在汉字形义源流和书体发展演变轨迹的全面真实呈现的同时，可以从一个特定的视角，展示中华文化传承发展脉络。每字之下，先列字头，字头后括号内列其小篆字形，然后按断代先后收录见于各种文物的字形。断代相同者，按字形所附着的文物类型类聚排序。字形所附着的文物类型相同而有书体差异者，再按书体排序。每字所收各字形之后，列出其所出文物（或相关著录）的名称、时代及相关语段的释文。对于能突出体现某种文字变化发展的字形，以按语的形式在相关字形下作简要说明。每字各字形收录完毕之后，进行该字“源流综论”，源流梳理既描述、阐释文字形义的历时演变，也注重揭示特定文字产生前的借字记词（假借

22、字）现象。全书按说文解字14卷540部首结构正文，第15卷为附录。共1200万字。该书的价值，至少体现在如下几个方面:其一，由于本书所系统呈现的历代实物文字尽可能体现汉字形义发展演变轨迹，足以为文字学研究、汉字应用与教学提供第一手材料;其二，本书所收字形尽量反映字形视觉之美的丰富多样性，这可为书法创作、欣赏和研究创建一个真实历史字样资源库;其三，本书收字努力反映不同断代和种类器物所附着文字的风格特征，这对于历史、考古研究的某些门类和环节，特别是文物鉴定研究将提供重要的参照物资料。关于该书的创新，可以通过与既有同类型书籍的比较来说明。呈现汉宁历史形态的书籍，该书并非始作俑者，传统的“字汇”“文宁

23、编”亦是此类书籍。但若以陈寅惜先生“作一部文化史”的要求来看，既有的“字汇”“文字编”往往存在着种种缺陷：一是字形不真。即此类书籍所呈现之字形大多出于今人摹写，书法水准高低姑且不论，丢失诸多原始信息是确定无疑的了；其次是不能贯通。即其所呈现的汉字资料，只是汉字发展史长河巾的某一横断流域，有的是专类字编，如甲骨文编(金文编，有的是断代字编，如(战国文字编秦汉魏晋篆隶文字编；再次是信息不全。只给字形，不附其所出文例，乃是传统“字汇”“文字编”的通例。而文字语境的缺失，每每会模糊文字本体的而貌。显而易见，传统“字汇”“文字编”的上述种种不足，正是本书编纂中所着意突破的重点。从这个意义上说，作为一部系

24、统收录历代各类文物上所见文字的原始形态并着意揭示其种种发展演变轨迹的实物文字资料整理类专书，该书具有突破或曰首创的意义。4，古文字考释提要总览（五册）该编纂选题，基于语料库的“电子诂林”的目标设定而成立。语料库在完成巨量古文字考释研究论著的整理、提要并与原始文献字词单位全面邦定的基础上，该编纂成果也就水到渠成了。由于语料库的建设实际开始于本课题立项以前，所以该编纂选题也是在课题立项前已经起步，因此被列入上海市“十一五”重点出版项目。当然，这不应该影响该编纂选题作为本项目阶段成果的性质。 该书的补阙创新性，一方面表现为在“集成”性上超越既有同类成果，收录截止于2012年的古文字考释意见55000

25、余条，数量上是古文字诂林的两倍，全书出齐后当是迄今收录材料最多的古文字集释类工具书。另一方面，又表现为呈现形式的细致周到，对接现代社会网络阅读方式，构建了一种传统文本与网络检索资料互补的复合型阅读载体，即在编者所在单位教育部人文社会科学重点研究基地华东师范大学中国文字研究与应用中心网站“文字网”（）上，为该书的纸质图书专设检索窗口，读者在阅读纸质图书时，可以查询各种相关补充和修订资料。仅以55000余条考释论著提要中一个样条为例简说如下：其中第一列为“字头”，第二列为“古文字原形及其文献出处”，第三列为“隶古定”，第四列为“字形类型”，第五列为“考释提要”，第六列为“考释论著的出处”，第七列为

26、“文字网关联号”。而其中前六列中的文字，既是该书纸质本必须的信息，又是与该书网络检索资源的一个关联路径：“字头”列，其中文字标明考释者认定的古文字字形的字头归属。通过网上的字头检索，可以检索所有认定为该字的考释意见和涉及的具体文字材料。“古文字原形及其文献出处”列，标明作为考释论著具体考释对象的古文字原形，如果考释论著明确所考字形所出的具体文献，则在所列原形后注明具体文献出处。如“样条”第2列中的“”即为第5列的论著提要所考释的对象，而其后的“鄂君启节”，即表明“”出自战国青铜器“鄂君启节”铭文。古文字原形及其文献出处的设置，除了可以起到明确“考释提要”的涉及对象的作用外，还将形成全书相应的网

27、络检索路径，即通过它们可以将全书涉及相同原形字或相同文献出处的各家考释意见类聚到一起。“隶古定”列，列出与字头结构有差异的原形字的隶古定字形。如“样条”第3列中的“”，结构与第2列中的“”一致，而与第1列中的“上”有明显差异。“隶古定”的设立主要为了形成另一种网上检索路径，即可以将全书涉及相同结构古文字的各家考释意见类聚到一起。“字形类型”，标明考释论著所考字形的类型归属。“样条”第4列中的“金文”，即标明第2列中的“”属于金文。若考释论著所考字形跨类，则此栏空缺。“字形类型”的设置，可以形成专类古文字考释的检索路径。“考释提要”列，给出考释论著具体考释意见的要点。“样条”第5列中的内容，即于

28、省吾先生对“鄂君启节”铭文“”的考释意见提要。作为全书的主体，“考释提要”力求客观、简明地反映考释者的意见，着重反映考释结论，以及关键性的考释论证或论证材料。考释提要具有全文检索功能，在此基础上可以形成一些高级检索，如检索程序通过通假术语，可以把所有考释中认定的通假字筛选出来，等等。 “考释论著的出处”列，依次标明考释者姓名、论著名、论著所出期刊、出版社及出版时间。“样条”第6列中的内容即表示第5列中的文字是出自考古1963年第8期所载于省吾的论文鄂君启节考释。 “考释论著的出处”中的各个要素，都将成为全书的一种检索路径，当然通过它们之间，以及与其他各个字段的相互组合，又可以相应的高级检索。第

29、七列，即“文字网（以上古文字考释提要总览内容的检索路径，在“文字网”上的对应检索窗口见以下载图：传统文本与网络检索资料互补的关联书系阅读载体，其优越性是显而易见的。首先是它可以突破传统文本检索的局限，提供更为便捷的网络数字检索手段。上述各列形成的多路径检索，可模糊可精确，其功能之强大，自然是文本检字不可比拟的，轻点鼠标的瞬间，即可化解文本翻检的种种麻烦。其次是突破传统文本的篇幅限制，以网络资源为纸质图书补充大量的背景资料。而这将大大提升纸质图书的功用和影响力，又可以实现纸质图书篇幅的有效控制。另外，网络关联的呈现形式还有很多好处，比如，能够发挥网络的随时更新功能，及时补充、修正书籍内容，这就突

30、破了光盘电子书的限制，形成了图书不受时间限制的自我完善机制。二、出版资金短缺情况上述编纂成果因为均与语料库建设具有很直接的表里关系，因此随着语料库的建设的按计划推进，目前的编纂情况均属顺利。但是在出版过程中遇到不小的困难，主要原因，在于资金。如前所述，这些编纂成果因其穷尽、集成特性，都具有很大的体量，虽然已经获得了一些来自政府的出版资助，但相对出版所需资金量而言，缺口尚大。因此，这些成果要通过出版正式面世，都存在不同程度的困难。中国出土简帛文献引得综录，按申报规划计15种：每种篇幅为大16开1000-1200页，字数在100万字以上，全书总计大约20000页，2000万字以上。而目前所获得的出

31、版资助仅为2010年全国古籍整理出版资助项目的6万元，根据出版社核算，这点经费在出版该书第一卷郭店楚简卷过程中已经用罄。该书虽然也被列入“十二五”国家重点图书出版规划增补项目，但这只是有名誉无资金的项目。因此，该系列的后续成果如包山楚简卷等虽已交稿，但出版社尚无明确的出书时间安排。商周金文综类，全书共14卷，每卷篇幅为8开1200-1500页，全书总计大约8开25000页。该编纂系列虽然获得2012年全国古籍整理出版资助项目的34万元出版资助，但这笔资助却只是该书前4卷的资助（上海人民出版社申报资助时明确资助的对象为“商周金文综类1-4卷”），而4卷以后部分的资助，上海人民出版社虽然也申报了2013年全国古籍整理出版资助项目，但因种种原因未能获批。因此，该系列后10卷的出版资金尚没有着落。古文字考