Bill Endres 的《中世纪手稿的数字化：圣查德福音书的物质性、复原与2D & 3D再现（Digitizing Medieval Manuscripts: The St. Chad Gospels, Materiality, Recoveries, and Representation in 2D & 3D ）》以八世纪 St. Chad Gospels 为核心个案，讨论中世纪手稿数字化如何服务于文本恢复、物质性研究、保存实践与知识再呈现。全书的研究目的在于说明，数字图像并非单纯的复制品，而是一种能够揭示手稿历史层累的研究工具。作者关注羊皮纸、墨水、颜料、磨损、擦除、褪色、装订变形等物质痕迹，试图通过光学成像与后期处理，重新读取肉眼难以辨识的信息，并由此推进古文献学、书籍史和数字人文之间的对话。

本书的创新点首先体现在方法整合上。作者将多光谱成像、替代色彩空间、反射变换成像、历史照片比对和三维呈现结合起来，展示不同技术如何分别处理文字恢复、表面细节观察、颜料损耗追踪和页面形态分析等问题。其次，作者强调开放源代码软件和可操作流程，使高级成像不只属于大型实验室，也能进入普通中世纪研究者的工作方法。最后，本书把技术问题放回手稿的宗教、文化和伦理语境中，讨论文物、开放获取、社区互惠和数字授权等问题，避免把数字化理解为纯粹技术工程。

从研究方向看，本书属于数字手稿学、计算古文献学和物质文本研究的交叉领域。它既面向损毁文本的恢复，也面向手稿长期保存和数字替代物的批判评估。作者尤其关心二维图像的限制，并进一步探索三维成像和虚拟现实作为新型知识空间的可能性。其价值在于提醒研究者，数字化手稿研究的核心并非追求更清晰的图像本身，而是通过图像、算法和物质性分析，重新理解手稿作为历史物、宗教物和知识媒介的复杂生命。

Bill Endres

比尔·恩德雷斯（Bill Endres），数字人文学者，2009年获亚利桑那州立大学博士学位，现任美国俄克拉荷马大学英语系副教授。其核心研究方向是用数字技术挖掘中世纪早期手稿的物质性，不只关注文字内容，更聚焦纸张、刻印、笔迹等肉眼难以察觉的实体特征。至今仍保留着诗歌与修辞学方向的研究兴趣，这也是其早期学术背景的重要组成部分。

研究主线：用数字技术挖掘中世纪早期手稿的物质性，不只关注文字内容，更聚焦纸张、刻印、笔迹等肉眼难以察觉的实体特征。

研究对象：主攻英国利奇菲尔德大教堂藏的公元 8 世纪《圣查德福音书（St Chad Gospels）》，同时覆盖公元 600-850年不列颠群岛产出的所有岛屿手稿（Insular manuscripts）。

研究技术：运用多光谱成像、反射变换成像和高精度 3D 捕获技术开展工作；其中 RTI 可识别无墨干刻的隐形文字，3D 扫描精度达 0.05 毫米，还会通过对比不同年代的数字化图像追踪手稿老化情况。

学术成果：出版专著《Digitizing Medieval Manuscripts: The St Chad Gospels, Materiality, Recoveries, and Representation in 2D & 3D》，并配套发布问答拓展文章《Collecting Light: Q&A with Bill Endres》；搭建学术网站Manuscripts of Lichfield Cathedral，免费开放《圣查德福音书》和《威克利夫圣经（Wycliffe Bible）》的知识共享资源；开发了《圣查德福音书》VR 体验测试版。

专著

期刊论文

书籍章节与会议论文

作者：Bill Endres

出版社：Arc Humanities Press

出版时间：2019年（电子书）/2023年（实体书）

丛书系列：Medieval Media and Culture

ISBN：9781802701227

导论 

视觉奇观的时代——物质性的数字化与光之解密

第一章 

复原：从多光谱成像到替代色彩空间

第二章 

反射变换成像：表面细节的增强观察

第三章 

原本不可知之物：历史照片的数字化与比较

第四章 

神圣器物：开放获取、权力、伦理与互惠

第五章 

知识空间的危机？——虚拟现实之展望

导论 

视觉奇观的时代——物质性的数字化与光之解密

The Age of Visual Wonder: Digitizing Materiality and Unriddling Light

导论为全书建立理论框架和问题意识。作者从手稿随时间变化的物质状态谈起，指出羊皮纸、墨水、颜料、磨损、擦除、水损和褪色都使手稿成为有待重新辨读的历史对象。以 St. Chad Gospels 为核心案例，导论说明该手稿不仅保存了福音书文本，也保存了关于制作地点、书写者、艺术家、颜料层、边注、旅行经历和损毁过程的多重线索。作者的基本关切是，数字化不能停留在图像复制和在线开放层面，还应进一步进入手稿物质性分析。通过将视觉信息转化为数值，研究者可以运用数学处理、光谱成像和三维呈现来发现肉眼难以辨认的内容。导论同时批判二维图像的局限，强调手稿页面并非平面图像，而是具有厚度、弯曲、反光、纹理和损耗轨迹的三维物体。作者由此提出全书的主轴，即以数字成像技术恢复和保存手稿物质性，并在技术、伦理和知识空间三个层面重新理解中世纪手稿。

第一章 

复原：从多光谱成像到替代色彩空间

Recovery: From Multispectral Imaging to Alternative Colour Spaces

第一章集中讨论受损文本和图像的数字恢复方法。作者首先回顾早期使用化学试剂恢复褪色文字的传统，指出这类做法常常对手稿造成不可逆损害。随后，作者转向以光学性质为基础的非侵入式恢复路径，重点说明多光谱成像如何通过紫外、可见光和红外等不同波段捕捉页面反射信息。以 St. Chad Gospels 中水损文字、擦除文字和颜料残迹为例，作者展示了不同材料对不同波长光线的吸收和反射差异。铁胆墨、羊皮纸、碳基墨水和颜料层在光谱中的表现并不相同，恢复效果必须根据具体物质条件判断。本章的一个重要贡献是将高级成像与可操作的后期处理结合起来。作者讨论 ImageJ、替代色彩空间、数学运算、假彩色和去相关拉伸等方法，说明普通彩色图像甚至手机照片也可能通过适当处理产生有价值的恢复结果。此章的核心方向是建立一种可推广的恢复流程，使中世纪研究者能够理解图像、光线和材料之间的关系，并据此选择合适的数字方法。

第二章

反射变换成像：表面细节的增强观察

Reflectance Transformation Imaging: An Enhanced View of Surface Details

第二章讨论反射变换成像在手稿表面细节研究中的作用。与第一章重在恢复受损文字不同，本章关注页面表面起伏、压痕、刻写、墨迹隆起和颜料层状态。作者特别强调干笔书写的重要性。干笔书写通常用尖笔在页面上刻出痕迹，没有墨水，因此在普通光照下极难观察。RTI 通过从多个方向记录光线照射下的表面反应，使研究者能够在数字界面中改变虚拟光源方向，从而凸显细微凹凸。作者采用 highlight RTI 方法，以手持闪光灯模拟半球光源装置，这使该技术更易于实施，也降低了设备门槛。本章不仅说明 RTI 可用于辨认难读的干笔文字，还展示其对格线、压印、墨水和颜料隆起、页面局部损伤等问题的分析价值。其研究意义在于把手稿表面从被动背景转化为可读信息来源。页面的微小物理变化可以揭示书写过程、校订方式、使用痕迹和保存状态，因此 RTI 为古文献学、书籍史和保护研究提供了更细密的观察手段。

第三章 

原本不可知之物：历史照片的数字化与比较

The Otherwise Unknowable: Digitizing and Comparing Historical Photographs

第三章把历史照片纳入数字手稿研究，讨论早期摄影资料在追踪手稿老化和保护史方面的价值。作者指出，新的数字图像并不必然比旧照片包含更多历史信息，因为手稿在过去一百多年中可能已经失去颜料、文字痕迹或页面形态。早期照片记录了手稿在某一时刻、某种光照条件和某种摄影技术下呈现出的状态，因此可以成为分析长期变化的证据。本章以 St. Chad Gospels 的 1887 年照片、photostat 副本、彩色幻灯片、黑白照片和 2010 年多光谱成像项目为材料，说明如何将历史照片数字化、对齐、叠放和调节透明度，以观察颜料脱落、页面压平、边缘变化和过去修复处理的影响。作者也提醒读者，摄影本身具有技术限制，不同相机、镜头、光源和处理方式都会影响图像结果。因此，比较历史照片既能产生关于手稿老化的新知识，也能训练研究者批判性地看待图像证据。本章的研究方向是把摄影档案转化为时间序列材料，使数字化成为研究手稿生命史和保存状态的工具。

第四章 

神圣器物：开放获取、权力、伦理与互惠

Sacred Artefacts: Open Access, Power, Ethics, and Reciprocity

第四章转向数字化的人文和伦理维度，讨论开放获取、权力关系、版权、社区利益和互惠原则。作者认为，对于仍然服务于特定宗教共同体的手稿，研究者不能只把它看作文物资源或文化遗产。St. Chad Gospels 与 Lichfield Cathedral 的宗教生活、地方记忆和共同体身份相连，因此数字化工作本身也是一种社会关系。作者借用民族志中的互惠原则，强调研究者在追求开放获取和学术成果时，需要同时考虑保存机构、宗教共同体和公众使用者的需求与担忧。本章讨论 Creative Commons 授权、数字图像传播、开放数据的实际门槛、社区参与和长期信任关系等问题。作者指出，开放获取并不自动等于公平使用，因为高分辨率图像、多光谱数据和专业软件仍可能构成技术壁垒。真正有效的数字化应提供不同层次的访问方式，使普通观众、地方共同体和专业学者都能获得相应收益。本章的重点在于把数字人文从技术执行推进到责任实践，说明图像开放必须与伦理判断、社区协商和知识回馈结合起来。

第五章 

知识空间的危机？——虚拟现实之展望

A Crisis in Knowledge-Space? A Look Toward Virtual Reality

第五章讨论三维成像、虚拟现实和知识空间问题，是全书从图像处理走向媒介理论的一章。作者认为，二维照片虽然极大扩大了手稿访问范围，却容易削弱研究者对手稿三维属性的理解。手稿页面有弯曲、厚度、纹理、颜料隆起和装订约束，阅读手稿也包含身体姿态、距离、光线和触觉想象等经验。虚拟现实和三维渲染可以在一定程度上恢复这种空间感，使手稿重新作为可被环绕、接近和观察的物质对象出现。作者提出知识空间这一概念，用来理解不同媒介如何组织知识的生产、保存和传播。他梳理了从希腊辩证法、中世纪手稿、印刷书籍到 Web 2.0 的历史变化，说明每一种媒介环境都会塑造特定的认知方式。虚拟现实因此被视为新的知识空间，既提供沉浸式研究和教学的可能，也带来技术门槛、真实性、解释控制和感官替代等问题。本章的研究方向是探索数字手稿的未来形态，尤其是三维技术如何帮助研究者重新思考物质性、临场感和知识传递。

第一章（节选）

水损与磨损文本的修复 

Recovery of Water-D amaged and Worn Text

如前所述，第 90 页在修复水损文本时面临诸多挑战。为评估相关方法与成像技术，我将相同方法应用于两张 RGB 图像，一张是大英图书馆于 2003 年通过高分辨率彩色相机拍摄，另一张是 Bill Endres 于 2010 年通过单色相机拍摄。我将示例限定在前两行的开头部分，因为这部分能有效呈现各类损伤情况。不过将两张图像并列对比后，能发现一处细微但关键的初始差异，2010 年图像中的羊皮纸看起来更偏灰色。对两张图像的颜色直方图进行分析后，这一观察结果得到了证实。按比例来看，2010 年的图像包含更多灰色，这是由红、绿、蓝频率的更大重叠所导致的。这一差异会对修复工作产生影响。

As mentioned, page 90 presents a range of challenges for recovering water-damaged text. To assess methods and imaging, I apply the same methods to two RGB images: one taken by a high-resolution colour camera by the British Library in 2003, and the other by a monochrome camera by Bill Endres in 2010. I limit examples to the beginning of the first two lines because they provide an efficient range of damage. Placing the images side-by-side, however, reveals a subtle but important beginning difference: the parchment in the 2010 image appears greyer. Examining colour histograms for each image affirms this observation. Proportionally, the 2010 image contains more grey, produced by a larger overlap of red, green, and blue frequencies. This difference affects recovery.

数码摄影并非一门精确的科学。不同的数码图像，其像素值存在差异，这会导致直方图的形状发生变化。对于 2010 年的图像，红、绿、蓝的绘图值范围更宽，进而影响了频率的重叠。直方图的谷值与峰值形状也略有不同。出现这类差异的原因在于，即便是高端相机，其传感器的灵敏度以及校准软件也存在区别。滤镜同样会造成差异。彩色数码相机配备拜耳滤镜（Bayer filter），它会阻挡所有频率，只保留每个光电探测器所需的红、绿、蓝频率。这些滤镜的灵敏度存在波动，因此需要不同的校准软件来合并频率，生成符合人眼视觉的彩色图像。不过对于 MSI 而言，当使用 LED 照明时，滤镜并非必要，这就消除了一个重要的变量。因此，不同相机拍摄的图像，所记录的反射光数值也不同。这不仅会导致直方图存在差异，更重要的是，它会使得数码修复的效果出现波动。

Digital photography is not an exact science. For different digital images, the values for pixels vary. This causes the shapes of histograms to vary. For the 2010 image, the graphed values for red, green, and blue are wider, affecting overlap. Valleys and peaks show slightly different shapes. Such differences occur because even in high-end cameras, the sensitivity of sensors and their calibrated software differ. But filters also cause variations. A colour digital camera has a Bayer filter blocking all frequencies except the red, green, or blue desired for each photodetector. The sensitivity of these filters fluctuates, requiring differently calibrated software to merge frequencies and produce a colour image that is realistic to the human eye. For MSI, when LED lighting is used, however, filters are unnecessary. This eliminates a significant variable. Therefore, different cameras produce images that record different values for reflected light. This causes histograms to differ, but importantly, it causes the success of digital recovery to vary.

对于第 90 页，使用 MSI 针对非可见频率拍摄的图像，最多只能实现有限的修复。紫外线光能够带来最佳效果，它能提升铁胆墨水（iron gall ink）书写的字母残留的可见度，这种墨水中的铁会吸收紫外线，而周围的羊皮纸则会反射更多紫外线。此外，由于羊皮纸反射的紫外线比渗透到透印文本中的更多，透印现象会逐渐消退。不过，水损导致变暗的羊皮纸会削弱这一积极效果。变暗的羊皮纸会吸收更多紫外线，因此对比度的提升十分微弱。虽然修复效果有限，但这些结果显示出像素值存在比例差异。这说明将可见与非可见频率的图像进行除法运算，可以增强墨水的痕迹，显现出受损文本的形态，这对于目前仍充满谜团的第一行文本而言意义重大。

For page 90, images taken with MSI for nonvisible frequencies produce, at best, minor recoveries. Ultraviolet light generates the best results. It increases the visibility of remnants of letters written in iron gall ink, the iron absorbing it while surrounding parchment reflects more of it. Furthermore, because parchment reflects more ultraviolet light than penetrates to the bleed-through text, bleed-through fades. However, parchment darkened by water-damage diminishes this positive gain. Darkened parchment absorbs more ultraviolet light. Contrast, therefore, increases only faintly. While recoveries are marginal, they indicate proportional differences for values of pixels. This suggests that dividing images of visible and nonvisible frequencies can enhance traces of ink and reveal patterns for damaged text, significant for the first line, still riddled in mystery.

在确认该墨水并非碳基墨水后，我们发现红外频率无法提供额外信息。例如，850 nm 的图像会让受损文本的残留痕迹消失，其更长的波长会穿透这些痕迹，反而将修复工作引向错误的方向。如前所述，铁胆墨水并不会像碳基墨水那样吸收红外光，因此这类频率最初无法提升对比度。不过，红外频率能够捕捉到比受损墨水更多的透印信息，这就带来了新的机会。通过数学运算，它们提供了另一种生成对比度的可能方式。

Confirming that ink is not carbon-based, infrared frequencies provide no additional information. For example, the image for 850 nm makes remnants of damaged text disappear. Its longer wavelengths pass through them, moving recovery in the wrong direction. As mentioned, iron gall ink does not absorb infrared light as carbon-based inks do; consequently, they are initially unbeneficial for increasing contrast. However, the ability of infrared frequencies to capture more bleed-through than damaged ink presents an opportunity. Through mathematical operations, they provide another possible way to generate contrast.

为尝试进行修复，并为数学运算筛选合适的频率，我将 RGB 多光谱图像分别除以其 638 nm 红、535 nm 绿和 465 nm 蓝通道。这一操作立刻得到了结果。这三个通道都大幅降低了透印带来的干扰，不过除以 465 nm 后，第一行的受损文本显现得最为清晰，即 tori suo。Latin Vulgate 证实了这一修复结果。第 90 页的内容是对 Matthew 20:8 的收尾，这则寓言讲述了工人们在不同时间开始工作，最终却获得相同报酬的故事。武加大译本中对应的预期词汇是 procuratori suo。第 89 页的结尾是 procura，因此 tori 补全了这个单词。suo 在三个结果中都清晰可见，在除以 465 nm 的 RGB 图像中最为明显。通过进一步的除法运算，465 nm 展现出了优化修复效果的潜力，也可用于修复其他存在水损文本的页面。不过 638 nm 和 535 nm 的结果同样有潜力，它们在不同的组合中可能会发挥作用。因此，MSI 拍摄的图像为修复工作提供了大量的可能性。不过，将 RGB 多光谱图像除以非可见频率的尝试并未成功。运算结果显示，850 nm 的像素值与 RGB 图像的像素值比例相似，完成除法后，受损文本的痕迹与透印现象都没有明显变化。在光谱的另一端，除以 365 nm 紫外线的结果同样令人失望，透印的干扰依然过强。不过受损文本显现为明亮的红棕色，这说明找到合适的配对进行除法运算或许能得到不错的结果。

To attempt recovery and identify further frequencies for mathematical operations, I divided the RGB multispectral image by its 638 nm (red), 535 nm (green), and 465 nm (blue) channels. This produced immediate results. All three dramatically decrease the interference caused by bleed-through; however, dividing by 465 nm makes the damaged text on the first line emerge most clearly: tori suo. The Latin Vulgate affirms this recovery. Page 90 begins by concluding Matthew 20:8, a parable about labourers starting their work at fluctuating times but all receiving identical pay. The expected Vulgate words are procuratori suo (his steward). Page 89 ends with procura; therefore, tori completes this word. The suo is evident in all three results, most clearly in the RGB image divided by 465 nm. Through further division, 465 nm shows promise for refining recoveries or producing them for other pages with water-damaged text. However, results from 638 nm and 535 nm also show promise. They could prove effective in different combinations. Therefore, images from MSI provide an excess of possibilities for producing recoveries. Dividing the RGB multispectral image by nonvisible frequencies, however, proved unsuccessful. Division demonstrates that 850 nm has proportionally similar values for pixels as the RGB image. Once divided, traces of damaged text and bleed-through remain relatively the same. At the other end of the spectrum, dividing by 365 nm (ultraviolet) produces likewise disappointing results. Bleed-through still interferes too strongly. However, the damaged text emerges as a bright reddish brown; therefore, finding the appropriate division partner might produce good results.

对于所有修复后的文本，生成伪彩色可以提升对比度。ImageJ 提供了许多颜色表（Look-Up Tables，luts)来实现这一功能。对于受损文本，伪彩色能够提升除以 465 nm、535 nm 和 638 nm 后的图像清晰度，对紫外线图像也有一定的改善作用。如前所述，应用 luts 需要进行实验，同一个 lut 并非总能为每一次修复都提升清晰度。

For any recovered text, generating false colour can increase contrast. ImageJ provides a number of luts for doing so. For the damaged text, false colour enhances clarity for dividing by 465 nm, 535 nm, and 638 nm, and some improvement for ultraviolet. As mentioned, applying luts requires experimentation. The same lut does not always add clarity to each instance of recovery.

无论是 e-Codices 还是 Digital Walters，随着可用的高分辨率手稿图像数量不断增加，中世纪研究者获得了前所未有的机会来深度修复文本内容。这也使得将 RGB 图像拆分为红、绿、蓝三个通道成为了一种极为重要的方法。拆分 RGB 图像本身通常无法直接完成修复，它往往只是第一步。例如，当我拆分大英图书馆拍摄的照片时，得到的三个通道并没有立刻呈现出结果。但将它们与彩色图像进行除法运算后就有了变化。三个通道的运算结果中，透印现象都有所减轻，其中除以红色和蓝色通道的两个结果中，出现了修复效果，分别是 tori 中的 to 和 suo 中的 su。生成伪彩色进一步优化了这些结果，在除以蓝色通道的结果中，我还修复出了 tori 中的 ri。

Whether e-Codices or the Digital Walters, because of the large and growing number of available high-resolution images of manuscripts, medievalists have unprecedented opportunities for recovering profound levels of content. This makes splitting RGB images into their red, green, and blue channels a highly significant method. Splitting RGB images tends not to generate recoveries in their own right. It tends to be the first step. For example, when I split the photograph taken by the British Library, the resulting three channels did not immediately provide results. However, dividing them into the colour image does. In all three, bleed-through lessens; in two, dividing by red and blue, recoveries occur: to of tori and su of suo. Generating false colour enhances these results. For dividing by blue, it leads to recovering ri of tori.

必要时，这些修复结果可以指导后续的数学运算。对于第 90 页的开头部分，虽然目前的结果已经可靠，但如果其他页面的字母更难修复，对单个频率进行除法运算或许能得到更精细的修复效果，并提供特定的处理方法。因此，在已有良好结果的基础上，比如除以 465 nm 的结果，进行下一步操作是合理的。由于 638 nm 的结果是第二好的，我也使用了这个频率，它与 465 nm 的差距足够大。对于铁胆墨水，我更倾向于用较高波长除以较低波长，这会让羊皮纸比修复后的文本更暗，我发现明亮的修复痕迹更容易辨认。不过作为测试，我也将它们反转了，看看更亮的羊皮纸是否能让结果更清晰。

When necessary, results from these recoveries can guide further mathematical operations. For the beginning of page 90, while the results are secure, dividing individual frequencies might produce refined recoveries and provide specific approaches if letters on other pages prove more resistant. Building off good results, such as dividing by 465 nm, therefore, provides a next logical step. Since 638 nm produced the second-best results, I also use this frequency. It provides a nice distance from 465 nm. For iron gall ink, I prefer to divide higher wavelengths by lower ones. This causes parchment to be darker than recoveries. I find bright recoveries more discernible. As a test, however, I reverse them: in case lighter parchment clarifies results.

对频率进行除法运算后，得到的结果通常是页面偏黑，可能只有微弱的可辨认文字行痕迹。对于第 90 页，当用 638 nm 除以 465 nm 时就是这种情况。不过调整直方图后，文本就显现出来了。此时像素值的范围大约在 0 到 3.4804 之间，当将这些值拉伸到完整的 0 到 255 范围后，文本就显现出来了。查看前两行的开头部分，可以发现修复效果十分显著。

Dividing frequencies normally produces results in which pages appear blackish, with perhaps faint hints of discernable lines of script. For page 90, this is the case when dividing 638 nm by 465 nm. Adjusting the histogram, however, reveals the text. In this case, values for pixels range from about 0 to 3.4804. When these values are stretched to cover the full range (0 to 255), the text emerges. A view of the beginning of the first two lines reveals strong recovery.

进一步的实验持续带来了良好的结果，将可见频率互相进行除法运算，都能得到修复效果。例如，用 535 nm 除以 505 nm，以及用 450 nm 除以 592 nm，都能清晰呈现受损文本。在第二个例子中，为了展示修复后的文本呈现为更暗的状态，我用较高频率作为除数。不过我还是更偏好更亮的文本。但羊皮纸的瑕疵或变色可能会让其中一种方式更有效。

Further experimenting continued to produce good results. Dividing visible frequencies into each other all generated recoveries. For example, dividing 535 nm by 505 nm and 450 nm by 592 nm provide good views of the damaged text. In the second example, to demonstrate recovered text appearing darker, I divide by the higher frequency. Again, lighter text is my preference. However, blemishes or discolouration of parchment can cause one or the other to be more beneficial.

紫外线频率的效果依然没有达到预期。将其他各个频率分别除以 365 nm 后，只有一个图像得到了不错的修复效果，即用 850 nm 除以 365 nm。不过这个图像的清晰度，还是比不上通过可见频率除法得到的结果。修复结果可能难以预测，有时手稿的材质与状态会以无法预期的方式影响反射光，导致我们无法获得预期的效果。因此，指导原则虽然重要，但也仅仅是指导而已。面对众多的选择，这些原则能够为我们的方法提供指引，使其系统化。但数码修复本身依然需要不断尝试与实验。

The ultraviolet frequency continued in its trend of not being as beneficial as expected. Dividing each of the other frequencies by 365 nm generates only one image that produces good recoveries: 850 nm by 365 nm. This image, however, provides less clarity than those derived from dividing visible frequencies. Results can be unpredictable. Sometimes, the materiality and condition of a manuscript affect reflected light in ways that do not provide the expected leverage. Therefore, guiding principles are important, but they are just that, guidance. For an otherwise overwhelming number of options, they direct and systematize the approach. However, digital recovery requires play and experimentation.

对于通过除法进行的修复，彩色相机拍摄的图像也提供了更多的机会。不过如前所述，拆分这类图像只能得到三个可用于除法运算的图像，每个通道对应一个，即红、绿、蓝。因此，可能的运算方式仅限于红除以绿、红除以蓝、绿除以蓝，如果需要也可以反转。拆分大英图书馆拍摄的照片后，绿色通道除以蓝色通道的结果得到了稳定的修复效果。应用不同的 luts 生成伪彩色，进一步优化了这些结果。另一种生成伪彩色并完成修复的方式，是合并与 RGB 图像预期不同的频率。例如，可以将绿、蓝和紫外线频率分别对应红、绿、蓝通道，合并生成伪彩色图像。

For recovery by division, images produced by a colour camera also provide further opportunities. However, as mentioned, splitting them produces only three images for division, one for each channel: red, green, and blue. Therefore, the possibilities are limited to dividing red by green, red by blue, and green by blue (and the reverse, if preferred). Splitting the photograph taken by the British Library generated solid recovery for the green-channel divided by blue. Applying different luts generates false colour, enhancing these results. Another way to generate false colour and recovery is to merge different frequencies than those expected for an RGB image. For example, a false colour image can be generated by combining green, blue, and ultraviolet frequencies for the red, green, and blue channels.

不过对于第 90 页，以各种组合合并频率都没有得到有益的结果。但依然存在其他的可能性，除法运算后的频率结果也可以进行合并。例如，将红外频率作为红通道，将一个除法运算后的频率作为绿通道，即 592 nm 除以 505 nm，再将紫外线作为蓝通道，合并后得到了极佳的结果。紫外线频率将更多受损文本的痕迹带入 RGB 图像中，而红外频率则淡化了透印现象。不过对于绿通道而言，用较高频率除以较低频率这一步十分关键，这会让修复后的文本比周围区域更亮，生成所需的对比度。如果将除数与被除数反转，铁胆墨水的痕迹就会变得更暗，不过在我看来，这会让它们的细节更难辨认。

For page 90, however, merging frequencies in various combinations did not generate beneficial results. Nonetheless, further possibilities exist: the results from divided frequencies can also be merged. For example, merging an infrared frequency for the red-channel, a divided frequency for the green (592 nm divided by 505 nm), and the ultraviolet for the blue produces excellent results. The ultraviolet frequency brings more traces of damaged text into the RGB image while infrared fades the bleed-through. However, for the green-channel, dividing the higher frequency by the lower frequency is significant. This causes recovered text to be lighter than its surroundings, generating needed contrast. When the divisor and dividend is reversed, the traces of iron gall ink become darker; however, to my eye, this makes their nuances more difficult to see.

最后，合并通道并不局限于只有一个通道包含除法运算后的频率，两个甚至全部三个通道都可以包含这类结果。在之前的合并图像中，蓝通道效果最好的除法运算结果是 535 nm 除以 465 nm。为了找到这个合适的除法组合，我最初在蓝通道的大致范围内测试结果，之后再逐步扩展。为了给红通道也加入一个除法运算后的结果，我发现 700 nm 除以 625 nm 是个不错的选择。再次说明，优化修复效果需要不断实验。将原始 RGB 图像分别除以三个通道，能让我们初步了解透印与受损文本是如何反射光线的。基于这些结果，我们可以开展有针对性的实验，提升得到有效结果的概率。

Finally, merging channels is not limited to a sole channel containing a divided frequency. Two or all three channels can contain them. In the prior merged image, one of the best divisions for the blue-channel turned out to be 535 nm divided by 465 nm. To find this division, I initially tested results within the general range of the blue-channel and then expanded them. To include a third divided result for the red-channel, I found that 700 nm divided by 625 nm was a good choice. Again, enhancing recoveries requires experimentation. Dividing the original RGB image by its three channels provides initial understanding about how bleed-through and damaged text reflects light. From these results, informed experimentation can proceed, increasing the chance of generating revealing results.

定价：92.00

欧洲文化遗产通用数据空间(Common European Data Space for Cultural Heritage,CE-DSH)是欧盟委员会于2021年11月10日正式启动的旗舰数字倡议，是欧盟数据战略框架下14个战略和公共利益领域数据空间之一。

该数据空间建立在Europeana欧洲数字文化平台之上，旨在为欧洲各地的博物馆、画廊、图书馆和档案馆提供一个可信、可互操作且包容的基础设施，实现文化遗产数据的跨边界、跨部门共享与再利用。它由Europeana基金会领导的联盟负责部署，通过欧盟数字欧洲计划（the DIGITAL Europe programme）提供资金支持。

2021年，欧盟数据战略提出构建单一数据市场的愿景，旨在提升欧洲全球竞争力与数据主权。在重点战略领域搭建欧盟通用、可互操作的数据空间，是该战略的核心支柱。数据空间整合各类数据基础设施与治理框架，助力数据共享，释放数据在创新、经济与社会领域的潜力。

这也是欧盟打造服务公共利益的数字基础设施、追求技术卓越与数字主权整体愿景的重要组成部分，同时坚守隐私安全、网络安全、数据伦理等欧洲核心价值观。文化遗产数据空间，正是欧盟战略性经济领域与公共事业领域可互操作数据空间生态体系的重要一环。

2021年《欧洲文化遗产通用数据空间建议书》正式发布，旨在鼓励并加速欧盟成员国文化遗产数字化与保护工作，提升数据空间内文化遗产内容供给，尤其是三维资源与高清数字资源。助力文化遗产机构把握数字化转型机遇，设定2030年高质量数据发展目标，为跨领域数据复用、创意创新奠定基础。

该政策延续了欧盟自2006年以来的文化遗产数字化投入与规划布局，彼时数字图书馆与欧洲数字文化平台倡议已初具雏形。

当下，多元包容发展，可靠、均衡的信息普惠面临挑战，而欧洲文化遗产承载着历史记忆与价值内核，为欧洲自主塑造未来发展道路提供资源支撑与灵感源泉。欧盟委员会主席冯德莱恩发布的《2024-2029年欧盟委员会政策指导方针》明确提出，要简化民众尤其是年轻一代接触、享用欧洲多元文化遗产的渠道。

地缘政治格局演变、气候环境持续恶化，促使欧洲提前布局，从网络安全与实体安全双重维度完善文化遗产数据韧性保障体系，守护各国数字化建设形成的文化遗产数据资源。

“数据开放”是欧盟2025年发布的《人工智能大陆行动计划》核心要义。该计划旨在挖掘人工智能潜力、防范技术风险，提升欧洲创新竞争力，捍卫民主价值观，保护文化与语言多样性。同时强调，可信、高质量、可互操作的数据集是人工智能安全合规落地的关键支撑。作为2025年11月《数据联盟战略》中“人工智能优质数据计划”的重要内容，欧洲超3000万件文化机构数字化藏品将向人工智能研发开放，扩充欧盟文化与语言资源库。

此外，欧洲文化遗产通用数据空间建设，被纳入欧盟文化战略框架《文化罗盘》20项旗舰行动之一，助力提升欧盟竞争力、发展韧性与社会凝聚力。

“欧洲文化遗产通用数据空间”是欧盟旗舰项目，旨在推动欧洲文化领域数字化转型，赋能数字文化遗产内容创作与复用。其建设深度依托过去二十年间欧洲数字文化平台倡议在欧盟委员会及各成员国政资支持下取得的各项成果。

“欧洲数字文化平台”构想始于2005年，由六国国家元首及政府首脑向欧盟委员会提议打造欧洲数字图书馆。2008年，欧洲数字文化平台官方门户正式上线，成为欧洲数字文化遗产统一访问入口。欧洲数字文化平台基金会作为独立非营利机构在荷兰成立，负责统筹项目建设与运营。

伴随文化遗产行业数字化转型，该平台不断迭代升级，如今已成为欧盟官方标杆性数字文化遗产门户，支持欧盟所有官方语言访问。

2017-2022年，依托欧洲联通设施计划资助，欧洲数字文化平台数字服务基础设施完成搭建与扩容。除门户资源访问功能外，应用程序编程接口及其他机器可读接口，支持数据提供商的元数据与数字资产在教育、科研及其他场景中复用。

多年来，欧洲文化遗产行业联合制定完善数据模型、授权发布规范等标准框架，实现元数据互操作、高质量数据归集与版权信息明晰化。相关标准不仅获得欧洲行业认可，更在全球范围内推广应用。

2022年，依托欧洲数字文化平台数字服务基础设施及2020-2025年战略规划，在欧洲数字化计划资金支持下，“欧洲文化遗产通用数据空间”正式启动建设。凭借深厚发展积淀，该数据空间成为欧盟为数不多的已投入实际运营的行业数据空间。

截至2025年，该数据空间已汇聚欧洲3200余家博物馆、图书馆、档案馆、美术馆的6100余万件数字化文化遗产资源，涵盖艺术品、历史文献、古迹遗址、文物藏品等类型。文化机构共享的数字资产中，约80%可实现不同形式的二次复用。

欧洲数字文化平台成熟的行业社群为数据空间发展提供坚实支撑：数千家文化遗产机构开放数字资源；平台聚合商论坛汇聚国家级、区域级、专题类认证聚合机构，助力中小机构数据共享与经验交流；欧洲数字文化平台网络协会集结近6000名行业专业人士，跨领域提供专业建议，深度参与数据空间建设。

各成员国积极参与并支持数据空间建设，其代表与欧盟委员会共同组成专家组，主导数据空间治理工作。同时成员国联合开展全欧文化推广活动，如“文化三维复刻计划”，汇聚欧洲标志性古迹、遗址与文物的高精度三维模型，欧盟轮值主席国持续为项目提供支持。

图：欧洲数字技术栈灵感源自欧洲栈（EuroStack）——数字主权的欧洲替代方案

图源：denkschets.nl

欧洲文化遗产通用数据空间发展环境持续演变，机遇与挑战并存，深刻影响其2030年发展愿景与核心布局。

（1） 创新技术赋能数据空间扩容，深挖文化遗产数据价值；丰富多元的数据资源催生全新应用场景，为数据持有方与跨行业使用者创造经济价值。

（2） 大数据、人工智能、三维建模、沉浸式技术等新兴技术门槛持续降低，可精准匹配文化遗产行业发展需求。

（3） 欧洲各国、欧盟层面及国际文化遗产相关倡议生态持续壮大；强化协同联动与系统互操作性，是实现大规模数据可持续复用、巩固数据空间标杆地位的关键。

（4） 围绕数据空间形成的文化遗产机构、认证聚合商、数字文创从业者社群不断壮大，成为推动行业数字化转型的重要助力。

相关配套倡议：欧洲文化遗产协作云、欧洲开放科学云、欧洲语言技术联盟、时光机器组织、欧洲创新与技术研究院文化创意板块，以及旅游、传媒等领域专项数据空间。

（1） 人工智能等颠覆性技术快速迭代，对高质量数据需求激增；文化遗产机构愈发希望自主掌控数字数据复用规则，尤其是可商业化变现的数据使用权限。

（2） 中小文化遗产机构缺乏新兴技术应用能力，亟需常态化科普宣传、能力建设与技能培训，缩小数字技能鸿沟。

（3） 各类文化遗产相关倡议各自为战、壁垒森严，难以联动发展；需深化跨界合作，打破行业隔阂，实现资源协同与互联互通。

（4） 部分成员国未将文化遗产数字化纳入国家重点规划、资金投入不足，导致2030年数据空间资源建设目标进度滞后。

2030年前，数据空间将立足机遇、破解挑战：持续归集可信高质量文化遗产内容，依托欧洲数字文化平台门户开放资源，通过应用程序编程接口拓宽大众及行业复用渠道；搭建统一数据目录，实现多源异构数据集溯源式检索；建立数据供需方去中心化交换机制，打通与其他数据空间、行业倡议的互操作通道，适配多类型数据流转与多元使用规则。

打造欧洲文化遗产通用数据空间，实现四大目标：

（1） 持续开放文化遗产资源，推动全民普惠访问；

（2） 优化数据流转体系，赋能欧洲价值创造、产业创新与竞争力提升；

（3） 适配参与主体需求与前沿技术发展趋势，动态迭代升级；

（4） 凝聚多元行业社群，依托可信治理模式、坚守伦理准则与以人为本的数字理念，助力文化遗产行业数字化转型。

2025-2030年战略围绕三大核心优先事项展开，同时贯穿三大横向核心主题，全面支撑数据空间落地、扩容与长效发展：

（1） 人工智能：挖掘人工智能在文化遗产数据应用的潜力，同时以文化遗产数据赋能欧洲人工智能产业发展；

（2） 三维与扩展现实：三维数字化是受损文化遗产保护修复的核心手段，结合扩展现实技术可打造沉浸式体验，活化欧洲文化遗产；

（3） 多语言服务：坚守欧洲文化与语言多样性，保障所有民众可使用母语无障碍访问数据空间资源。

聚焦数据空间扩容升级，筑牢基础设施、标准框架与治理体系，丰富高质量、多类型文化遗产数据供给。

核心痛点

（1） 文化遗产及其他领域数据空间需适配全球化、分布式、跨学科数据交互，实现不同主体、数据类型、语言体系、法律伦理规则的融合互通；

（2） 数字化进程中数据类型迭代加快，老旧数据淘汰、新型数据涌现，需丰富数据粒度、数据类型与共享机制；

（3） 数据开放与人工智能普及背景下，数据溯源、完整性保护、防滥用需求凸显，同时需挖掘文化遗产数据商业价值，助力机构创新商业模式；

（4） 需简化机构数据共享流程，制定可落地的数据共享与融合规范，遵循FAIR数据原则（可检索、可访问、可互操作、可复用）与CARE数据原则（集体普惠、管控权属、责任担当、伦理合规）。

发展目标

（1） 完善并扩容基础设施、标准框架与工具，创新数据共享模式，兼容多元文化遗产数据类型

维护现有数据归集基础设施与标准工具，依托聚合商网络助力机构上传高质量资源；搭建统一数据目录，适配多领域、多用户差异化需求，兼顾数据互联互通与国家数据主权；落地去中心化溯源共享机制，扩大参与主体范围；增设人工智能专用机器可读标识，明确资源版权、来源与使用范围，规范人工智能内容生成与解读行为。

（2） 完善治理机制，保障基础设施、数据、工具与服务的互操作性

优先对接欧盟其他通用数据空间及各国、区域相关倡议，依托通用标准、协议与中间件平台，搭建永久标识符体系，确保数据可溯源、可信任；完善统一政策法规与访问权限保护规则，衔接数据保护、知识产权、竞争法、网络安全等通用法律框架，制定公平可扩展的数据共享规范，适配多元数据、工具与服务场景。

（3） 扩充多语言、高质量、三维及特色数据集

联合全球文化机构、博物馆、图书馆、档案馆及科研院所，持续供给权威可溯源、多语言、高质量文化遗产资源；重点收录濒危文化遗产、热门古迹遗址的三维数字模型，加大数字化程度较低的文化领域资源建设力度；对标2021年建议书2030年发展目标，新增高清数字档案与三维资产，通过数据空间目录开放溯源数据集共享。

聚焦释放数据空间价值，提供多语言便捷访问服务，依托场景化应用，实现文化遗产可信数据跨行业复用。

核心痛点

（1） 技术壁垒、版权限制、授权规则模糊，制约数据访问与二次复用；缺乏统一技术标准与机器可读版权元数据；

（2） 欧盟拥有24种官方语言，语言隔阂严重影响文化遗产资源普惠访问；

（3） 欧洲各类文化数据倡议林立，需强化跨界协作，释放海量数据的创新价值。

发展目标

（1） 打造多语言便捷访问通道，开放可信文化遗产数据

依托欧洲数字文化平台门户，持续面向文化从业者、科研人员、数据科学家及普通民众开放多元文化馆藏；打造专题内容与线上数字展览，拉近民众与欧洲共同历史文化的距离；优化应用程序编程接口与数字工具包，强化检索发现功能，赋能开发者、创作者二次开发；运用人工智能翻译技术，完善24种官方语言全场景服务，实现民众母语无障碍访问。

（2） 以需求为导向打造全新应用场景，拓宽数据复用边界

开放多元可信文化遗产数据，围绕市场需求定制数据集与工具包；借助人工智能、机器学习实现文化数据智能富集、语义检索优化，提升数据可发现性；依托文化遗产数据训练欧洲人工智能模型，留存欧洲文化与语言多样性；通过三维建模与扩展现实技术打造古迹、文物、艺术品沉浸式虚拟体验；兼顾开放数据与授权受限数据的融合复用，创新商业模式与应用场景。

（3） 构建跨界合作生态，赋能数据复用创新

联动文化遗产机构、科研院所、文创产业，对接旅游、传媒、教育、文娱、科技等行业及普通民众；搭建长期可信伙伴关系，依托数据治理、资源适配与工具支撑，匹配不同用户数据需求；引导文创产业将遗产数据融入数字叙事、游戏开发、沉浸式体验，挖掘经济与教育价值；通过黑客马拉松、行业竞赛等形式，推动数据可视化、扩展现实开发、人工智能数据分析等技术创新；深化与其他数据空间及大型行业倡议的联动协作。

以实操化、体系化、可持续方式推进行业数字化转型，为机构与社会带来切实经济与社会效益。

核心痛点

（1） 文化遗产数字化缺乏统一的数据采集、元数据架构、长期保存标准，无成熟认证工作流程保障数字资产真实性、精准性与长效可访问性；

（2） 机构数字技能鸿沟突出，中小机构、民间组织缺乏数字化馆藏、数字保护、人工智能及三维技术应用能力；

（3） 欧洲各国、区域、机构间存在数字发展失衡，行业、学术、文创、科技领域协作碎片化，经验共享不足，创新受阻；

（4） 政策制定者对数字化转型价值认知参差不齐，资金投入规划缺乏长期性与稳定性；欧盟战略与各国落地实施衔接不畅，难以规模化推广创新成果。

发展目标

（1） 牵头制定数字化、数据保护与共享通用标准框架

出台数字化采集、元数据标注、辅助元数据架构、数字资源保存统一标准；适配新兴技术需求，制定人工智能内容策划、数字叙事、非物质文化遗产数字化呈现等认证工作流程；对接欧盟法律法规，保障欧盟资助文化遗产项目标准统一、长期可用与互操作；以通用标准支撑去中心化数据共享，规范目录编撰、数据质量合规、参与者身份认证，融入欧盟数据空间生态体系。

（2） 合规普及人工智能、扩展现实、三维建模、关联开放数据等新兴技术

坚持让新兴技术赋能文化遗产保护传承，而非取而代之；制定人工智能、三维建模、扩展现实在文化遗产领域应用指南与关键绩效指标；搭建人工智能伦理治理框架，规范自动化技术、人工智能元数据生成、数字叙事的合规应用；面向行业从业者推出多语言培训课程与工具，推动文化机构、科研院校、文创产业跨界知识流转与技术普及。

（3） 以包容性建设补齐能力短板

面向全规模机构普及数字工具与技能培训，重点扶持中小机构、资金不足组织及小众社群；根据各成员国机构数字化成熟度，推行分阶段技术落地；依托欧洲数字文化平台网络协会，搭建行业交流、导师帮扶、同业学习机制，缩小机构间数字发展差距。

（4） 联动成员国落实2021年建议书发展目标

依托国家级、区域级、专题级数据聚合商、文化遗产机构及各国项目工作组，深化成员国协作；深入拓展数据空间本地网络，强化区域社群支撑，加大小语种资源建设力度，提升行业规模化、可持续发展能力；联合欧盟轮值主席国，持续开展全欧文化推广活动，放大政策落地成效。

（5） 探索长期投资、制度保障与可持续运营模式

搭建欧盟及各国文化遗产数字化永久治理架构，争取成员国稳定政策与资金支持；探索可持续运营与商业模式，依托场景化应用实现价值共创与收益闭环，保障数据空间长效运转。

人类一直在从一个地方迁移到另一个地方。了解著名移民的故事，以及普通人往返欧洲、在欧洲境内的旅程与生活。

探索历史与当代时尚，以及它们如何影响我们的服装、鞋子、配饰和风格。探索草图、设计和服装，以及T台照片、目录和视频。

探索文物和发掘，了解考古学家对人类历史和史前史的研究。

探索艺术家和艺术运动，发现艺术及其绘画、素描、版画和雕塑的历史故事。

探索技术与工业的历史，从工业革命到工业家、经济学家及普通职场生活的故事。

探索手工制作的书面材料，从纸莎草到纸张。探索从古代到早期印刷时代的文本、插图及其背后人物。

探索地球的物理和人类特征。发现地图和制图者、风景以及那些曾经探索过这些景观的人们。

探索录音、乐谱、乐器和音乐风格，以及作曲家和表演者。

通过绘画、照片和标本的文字，以及研究它们的生物学家和植物学家，探索对动植物的研究。

探索1618年至1980年代的印刷出版物。了解标题、全文文章、广告及其背后的作者。

探索摄影的历史，发现令人惊叹的影像，并了解背后那些摄影师。

探索体育和运动员的历史，通过照片、影片、声音录音和文字记录从日常经历到奥运荣耀的高峰。

通过官方历史、政治和宣传，探索1914-1918年的事件，以及前线和后方未被讲述的个人故事。

以上内容来自官方网站：

https://www.dataspace-culturalheritage.eu/en

经数字人文资讯小编翻译整理而成

如需转载请后台私信联系

编译丨洪冰凤

校对丨罗斯鹏

排版丨魏翔

一、CRTA简介

CRTA，即Chinese Religious Text Authority（宗教书籍规范索引），是一个面向中国宗教文献研究的开放式书目与学术信息平台。它的核心目标并不是提供单一文本的全文阅读，而是为1949年以前产生的中国宗教文献建立可靠、可检索、可关联的资料索引。该项目提供有关中国宗教文本的可靠书目和学术信息，重点关注1949年前的中国宗教文献；截至2026年4月，平台已收录超过6230条记录。

1.CRTA的意义

CRTA的重要性首先体现在它对中国宗教文献的规范化整理。中国宗教文本，尤其是晚明以来的善书、宝卷、道教文献、民间宗教经卷、佛教期刊、寺观志及各类地方性宗教印刷品，长期分散在不同丛书、图书馆、私人收藏和数字资源中。研究者常常面对同一文本多种题名、不同版本、不同收藏地点和复杂出版信息的问题。CRTA试图通过统一的条目结构，将题名、拼音、出版年代、出版地点、文本格式、作者或编者、出版者、所属丛书和馆藏来源等信息集中起来，使研究者能够跨越单一馆藏或单一丛书的限制，对宗教文本进行系统检索和比较。其高级检索页面也显示，用户可以按题名、拼音、出版地点、文本形态、作者、出版者和年代等字段检索条目。

CRTA将传统文献学中的目录、版本、题名和馆藏信息转化为结构化数据。传统研究往往依赖个别目录、馆藏记录或研究者手工比对，而CRTA把这些信息放入一个可查询的数据库环境中，使文本之间的关系可以被系统观察。其次，CRTA的目标之一是连接不同收藏、档案和私人图书馆中的书目信息，并进一步描绘宗教文本生产者、出版者和传播者之间的关系网络。项目说明称，CRTA旨在连接跨收藏、跨档案、跨私人图书馆的书目信息，以呈现宗教文本生产、出版和流通者之间更细致的关系网络。这正是数字人文方法的典型方向：不是只阅读单篇文本，而是通过结构化资料揭示大规模文本群中的模式、关系和流动路径。

2.CRTA的研究范围

从研究范围看，CRTA覆盖中国宗教书籍文化。首页列出的资料来源包括《道藏》《藏外道书》《民间宝卷》《明清民间宗教经卷文献》《善书宝卷研究丛书》《中国民间信仰资料汇编》《中国佛教期刊》等多个大型文本集合，也包括哈佛燕京图书馆、法国国家图书馆、德国巴伐利亚州立图书馆、日本国立国会图书馆、中国国家图书馆、韩国藏书阁、早稻田大学图书馆等机构馆藏。这说明CRTA的对象不是某一种宗教传统内部的经典目录，而是中国宗教出版、流通和收藏网络中的文本整体。

3.CRTA的数据开放

其开放数据页面说明，CRTA wiki的内容以XML格式提供下载，并在每月月初打包更新。这使CRTA不只是一个线上查询工具，也可以成为数字研究的基础数据源。研究者可以下载XML数据，对条目进行再加工，例如统计某类宗教文本的出版年代分布、分析不同地域的出版中心、追踪某类宝卷或善书的传播路径，或者结合GIS、网络分析和数据库技术考察文本、人物、机构、地点之间的关系。

二、用户指南

1. 为新条目创建红色链接

（1） 首先在已有合集页面上创建新条目的链接。

（2） 在包含目标文本的合集页面点击编辑按钮。

（3） 进入编辑界面后，在编辑窗口内滚动文本，找到待新增条目的对应行。

（4） 如需新建链接，请依照以下规范，将文本标题替换为新条目名称：

• 使用文本标题作为条目标题。

• 不要加入朝代、编者姓名、卷数，或文献集页面上可能出现的其他附加信息。

• 例如，潘公免灾宝卷 应写作：
  潘公免灾宝卷 - J202
  即：标题、一个空格、短横线、一个空格、文献集与索引号。

（5） 使用双方括号包裹条目名称与编号，即为站内页面链接代码，示例：[[潘公免灾寶卷 - J202]]。

（6） 滑动至编辑页面底部，点击保存修改。

（7） 此时将返回合集页面，原黑色文字位置会变为红色链接；红色链接代表该条目页面尚未创建。

2. 创建新条目

（1） 点击新条目的红色链接，会进入一个标题为“Creating[你的条目标题]”的页面。

（2） 在新的浏览器标签页中打开Guide:Mock Entry，点击Edit，选中编辑框中的全部代码并复制。Windows系统使用Ctrl+C，Mac系统使用Command+C。

（3） 回到新条目的浏览器标签页，将复制的代码粘贴到编辑框中。之后可以关闭Mock Entry的标签页。

（4） 现在已经有了一个条目的基本结构，但还需要加入自己的数据，并替换所有占位数据。

3. 添加信息框数据

信息框数据会显示在条目右上角的一个小框中。这里输入的数据会被加入数据库，并可通过关键词检索。没有证据支持的数据不建议加入。如果某些贡献者只是推测的，或不确定的出版日期，可把这些内容加入下一节。括号中的附加信息也不支持加入，例如贡献者的朝代名，如(唐)。

在编辑框中，找到Item_infobox部分，并按以下说明逐行替换占位数据。不要更改每一行开头的代码，只需要在等号“=”后添加数据。列举多个字符串时，避免使用中文顿号或中文逗号，应使用英文逗号。

4. 添加条目数据

Item Data部分包含关于文本的自由格式信息。贡献者可以在这里对Item Infobox模板中列出的基本数据作进一步说明。

点击页面顶部的Edit链接，回到编辑窗口。在已经完成的信息框模板之后、__TOC__这一行之前，添加一段简短的条目描述，说明该文本的基本信息。长度不要超过三句话。

之后，可按照以下指南，用来自文本本身的数据替换Item Data模板中的占位内容。如果某个字段没有清晰资料，可留空，不建议填写“No information”或类似表述。这些条目可以很简略，也可以很详细。最低限度上，它们应说明信息框中数据所涉及的任何歧义或复杂情况。

Item_data字段说明:

5. 上传并添加图片

理想情况下，如果有合适图片，条目应提供一张代表性图像作为作品的封面或题名页。

（1） 截取文本封面页或题名页的图片，选择其中更具代表性的一种。将图片缩放，或转换为索引色，大小小于1MB，并保存为jpg或png文件。

（2） 在浏览器新标签页中打开Special : Upload页面。也可以在另一个标签页或窗口中打开主页，然后点击页面最左侧的Upload File。如果需要在上传页面和条目页面之间来回切换，这种方式会更方便。

（3） 点击Browse，在电脑中找到该图片。

（4） 在Destination filename中，可以把文件名从普通的默认文件名改成更便于之后使用的名称，例如：
PanGongBaojuan1865.jpg

（5） 在Summary中，可以简要说明这张图片是什么。如果它只是书籍封面，则不一定需要说明。但如果以后想添加更多图片，在这里说明图片内容和来源会有帮助。

（6） 点击Upload File。上传完成后，会被带到该文件新建的wiki页面。

（7） 编辑新条目，滚动到条目开头附近信息框代码中的|image=这一行。

（8） 将信息框中的No cover.png替换为上传图片的文件名。注意保留开头的File:。

（9） 保存条目，以提交这些更改。

1. 点击红色链接到新作品，将进入一个名为“创建[您的作品标题]”的页面。

2. 在新的浏览器标签页中，打开“Guide：Mock Entry”，点击编辑，选择编辑框中的所有代码并复制（Windows上按Ctrl+C;Mac上的Command+C）

3. 返回浏览器标签页，带着新条目，并将代码粘贴到编辑框中;可以关闭带有模拟条目功能的标签页

4. 有了条目的基本结构，但需要添加自己的数据并替换任何占位数据

5. 回到正在创建新条目的浏览器标签页，将刚才复制的代码粘贴到编辑框中。完成粘贴后，可以关闭Mock Entry的标签页。

6. 新条目已经具备了一个基本结构，但这只是模板结构。接下来还需要加入自己的文本资料，并替换模板中的所有占位内容。

这一步的目的不是完成条目，而是先把CRTA条目的标准框架复制到新页面中。之后的工作才是根据手中的纸本文献或扫描本，逐项填写题名、拼音、出版地点、作者、年代、馆藏来源和其他说明信息

7. 操作提示：在复制Mock Entry时，需要选中编辑框中的全部代码，然后把这些代码完整复制并粘贴到新条目页面中。不要只复制页面显示出来的普通文字，因为条目格式依赖MediaWiki源代码。

条目页面示例

三、当前文本集

四、数据开源

CRTA wiki的内容以XML格式提供下载。数据会在每月月初打包更新，供用户下载。

可复制并粘贴以下链接，并将其中的 YYYY 和 MM 替换为最近的年份和月份：

五、MediaWiki

六、最近更新

1.最近更新的文本条目

密乘课本-I121

密宗法语-I120

妙绘赞释-I117

上师无上供养观行法-I116

觉世新新-H169

吕祖本愿经-H168

孚佑帝君真经-H167

指路宝筏-H166

2. 最近更新的神明页面

赤松道人

启窍星君

石真官

丽农夫子

普济真人

玄真古佛

慈悲大仙

黄龙真人

西眉古佛

铁骨禅师

梧桐古佛

长寿古佛

文通古佛

福禄寿星

长眉大仙

灵祖大帝

镇魔大帝

玉液真人

皓月当空佛

无量度世古佛

无极天尊

吕祖

《数字人文学刊》（Digital Scholarship in the Humanities，简称DSH）是一本国际性的、同行评审的期刊，发表关于人文学科中所有数字学术方面的原创研究，包括但不限于当前被称为数字人文学科的领域。该期刊主要发表长篇和短篇论文报告，理论、方法、实验和应用研究以及书评等。本期内容将选取《数字人文学刊》2026年第1期（Volume 41,Issue 1,April 2026）中的10篇论文进行介绍。

Jonathan Bourne

摘要：奥斯卡・王尔德曾言：“文学与新闻的区别在于，新闻不堪卒读，文学无人问津。” 遗憾的是，王尔德所处的 19 世纪数字化存档新闻文本，其光学字符识别（OCR）结果往往缺失或质量低劣，既降低了档案的可获取性，也使其在象征意义与字面意义上均成为 “不可读文本”。为解决这一问题，本研究采用预训练图像转文本语言模型 Pixtral 12B，对包含 8.4 万页 19 世纪英文报纸与期刊的《19世纪连续出版物典藏》（NCSE）开展光学字符识别。研究将该模型与四种主流OCR方法进行性能对比，结果显示其字符错误率中位数仅为1%，较次优模型低80%。本研究构建的NCSE2.0数据集优化了文章识别效果，具备高质量字符识别文本，并将文本划分为4个类别与17个主题，包含140万条条目与3.21亿个词汇。研究通过主题相似度、可读性与事件追踪分析验证了数据集的应用价值。该数据集免费开放，旨在助力历史学与社会学研究，让21世纪的读者得以足不出户识读这份“不可读文本”，共情王尔德对19世纪新闻水准的遗憾。

Abstract：Oscar Wilde said, ‘The difference between literature and journalism is that journalism is unreadable, and literature is not read’. Unfortunately, the digitally archived journalism of Oscar Wilde’s 19th century often has no or poor quality Optical Character Recognition (OCR), reducing the accessibility of these archives and making them unreadable both figuratively and literally. This paper helps address the issue by performing OCR on ‘The Nineteenth Century Serials Edition’ (NCSE), an 84k-page collection of 19th-century English newspapers and periodicals, using Pixtral 12B, a pre-trained image-to-text language model. The OCR capability of Pixtral was compared to four other OCR approaches, achieving a median character error rate of 1%, 5x lower than the next best model. The resulting NCSE v2.0 dataset features improved article identification, high-quality OCR, and text classified into four types and seventeen topics. The dataset contains 1.4 million entries, and 321 million words. Example use cases demonstrate analysis of topic similarity, readability, and event tracking. NCSE v2.0 is freely available to encourage historical and sociological research. As a result, 21st-century readers can now share Oscar Wilde’s disappointment with 19th-century journalistic standards, reading the unreadable from the comfort of their own computers.

图：边界框 “CLD-1853-07-30_page_2_B0C2R7” 分割为三个子框，重叠区域以深蓝色标注

Figure：Bounding box ‘CLD-1853-07-30_page_2_B0C2R7’ is split into three boxes. Overlap is shown as darker shades of blue.

Daoling Chen , Pengpeng Cheng

摘要：剪纸艺术是中华传统文化中独具特色的非物质文化遗产，当前正面临传承与发展的双重困境。随着剪纸艺人离世、作品损毁流失，部分剪纸品类濒临消亡，其数字化保护工作迫在眉睫。本研究基于改进遗传算法自适应优化Canny算子阈值，结合Grab-Cut算法，实现非遗剪纸纹样的智能化提取与分割。研究首先通过双边滤波对采集的剪纸图像进行平滑处理，提升图像质量；其次采用改进遗传算法优化后的Canny算子，提取剪纸纹样整体轮廓；随后设计Grab-Cut算法，针对性分割剪纸设计元素轮廓，并借助CDR软件处理矢量图像，生成独立可编辑矢量文件；最后通过多种算法对比不同类型剪纸图像的轮廓提取效果。实验结果表明，本研究提出的方法可有效检测剪纸图像纹样真实边缘，完成轮廓提取，纹样各设计元素的像素分割精度达96%以上，为非遗剪纸艺术的数字化保护与创新应用提供了新方法。

Abstract：As a unique intangible cultural heritage in Chinese traditional culture, paper-cut art is now facing the dilemma of inheritance and development, and with the death of paper-cut artists and the damage and loss of paper-cut works, some paper-cut types also disappear. Therefore, the digital protection of paper-cut art is urgent. This research is based on the improved genetic algorithm adaptive optimization of Canny operator threshold and Grab-Cut algorithm to achieve intelligent extraction and segmentation of intangible cultural heritage paper-cut patterns. First, the collected paper-cut images are smoothed by bilateral filtering to improve the image quality. Second, based on the Canny operator optimized by the improved genetic algorithm, the overall contour of the paper-cut pattern is extracted. Then, the Grab-Cut algorithm is designed to segment the contours of decoupage design elements in a targeted way, and the vector image is processed by CDR software to obtain an independent editable vector image. Finally, the contour extraction experiments of different kinds of paper-cut images are compared by different algorithms. The results show that the method proposed in this article can effectively detect the true edge of the pattern in paper-cut images and complete the extraction of the pattern contour, and the accuracy of the segmentation pixels of each design element of paper-cut pattern is greater than 96 per cent. It provides a new method for the digital protection and innovative application of intangible cultural heritage paper-cut art.

图：剪纸图像平滑去噪处理 (a) 原始图像；(b) 增强后图像

Figure：Smoothing and denoising of paper-cut images. (a) Original and (b) enhanced.

Zheyuan Dai , Haitao Liu

摘要：1978年改革开放以来，中国流行音乐产业高速发展，成为全球当代流行音乐的重要组成部分。本研究采用数字人文方法，对1978-2019年当代华语流行歌词开展系统性分析。研究运用文体计量指标布塞曼系数，从静态与动态双维度揭示了歌词文本的高活跃度，佐证了其叙事性的文体本质。歌词情感分析结果显示，文本整体呈现积极基调，而2000年成为重要分水岭，前后两个时期的情感特征呈现显著分化。主题建模分析进一步表明，不同时期歌词的主题分布模式呈现多元化特征，既体现了流行文化的普世性，也彰显了文化与时代语境塑造下的中国本土特质。

Abstract：Since China’s reform and opening-up in 1978, its popular music industry has experienced rapid development and emerged as a significant component of global contemporary pop music. This study conducts a systematic analysis of contemporary Chinese Mandarin pop lyrics (1978–2019) with digital methodologies. A stylometric measurement, the Busemann coefficient, was employed to demonstrate the lyrics’ high textual activity from both static and dynamic perspectives. This finding supports the lyrics’ stylistic essence as narratives. Besides, sentiment analysis of lyrics reveals an overall positive tone, though a significant watershed occurred around the year 2000, marking a divergence between the two periods. Furthermore, analyses with topic modeling demonstrate diversified topic distribution patterns across these periods, reflecting both the universality of popular culture and the distinctive Chinese characteristics shaped by cultural and temporal contexts.

图：潜在狄利克雷分配模型评估：一致性与困惑度对比

Figure：LDA model evaluation: Coherence vs. Perplexity.

Yaqin Fu , Rongrong Fu , Linfeng Li

摘要：本研究选取三位代表性诗人，从词汇意象、时空解构、主题演变与情感表达四个维度，对比分析江南禅诗对高丽汉诗的影响。研究构建基于文本可视化的研究方法，融合词频 - 逆文档频率关键词提取、潜在狄利克雷分配主题建模与情感分析技术，辅以AI大模型新词挖掘与Kimi智能助手分词功能开展研究。研究得出四项核心结论：其一，两类诗歌均以自然与禅意为核心，共享相似的词汇与意象体系；其二，二者均体现永恒视角与历史意识的交织，以及宇宙宏大性与人世现实性的辩证关系；其三，主题演变层面，江南禅诗“自然与禅”的核心内核，在高丽汉诗中转化为“护国、弘法、济世”的三位一体框架；其四，江南禅诗侧重超脱与空寂的审美表达，高丽汉诗则融入世俗生活书写与历史记忆叙事。研究同时证实，该方法可有效提升古典诗歌文本的中文分词精度，彰显了量化对比分析在禅诗跨文化传播与嬗变可视化研究中的核心价值。

Abstract：This study examines the influence of Jiangnan Chan poetry on Goryeo Han poetry through a comparative analysis of three representative poets from four dimensions: vocabulary imagery, spatiotemporal deconstruction, thematic evolution, and emotional expression. It proposes a text visualization-based methodology employing Term Frequency–Inverse Document Frequency (TF-IDF)-based keyword extraction, Latent Dirichlet Allocation (LDA)-based topic modeling, and sentiment analysis, supplemented by neologism mining and Kimi Intelligent Assistant (KIMI)-based word segmentation using AI large models. The results reveal four key findings: (1) both poetries share similar vocabulary and imagery centered on nature and Chan Buddhism; (2) both reflect an interweaving of eternal perspective and historical consciousness, alongside a dialectic between cosmic vastness and human reality; (3) in terms of thematic evolution, the original focus on “Nature and Chan” in Jiangnan poetry was transformed in Goryeo Han poetry into a trinitarian framework of “national protection, Dharma propagation, and social salvation”; and (4) Jiangnan poetry emphasizes transcendence and emptiness, while Goryeo Han poetry incorporates depictions of secular life and historical memory. The findings also suggest that the proposed methodology is effective in improving the accuracy of Chinese word segmentation for ancient poetry texts. This study underscores the value of quantitative comparative analysis in visualizing the intercultural diffusion and transformation of Chan Buddhism poetry.

图：禅诗名词词云图 (a)雪窦重显；(b)杨杰；(c)义天

Figure：Noun word clouds of Chan Buddhism poetry: (a) Xuedou Chongxian; (b) Yang Jie; (c) Yitian.

Michael Gavin , Michael Witmore

摘要：本文提出一种创新研究方法，通过近代早期英语词向量的几何分析解读文化内涵。研究基于17世纪《早期英文图书在线》（EEBO-TCP）语料库，构建语义模型，梳理3.2万余个词汇的道德关联与性别属性。研究依托分布概念分析方法，设定善恶、女性-男性两大启发式坐标轴，将词汇映射至坐标轴中，挖掘语言使用内嵌的规范结构。情境、离散度与斜率等统计指标，揭示了概念与性别道德化宏观范式的适配规律。研究发现，多数词汇集中于“女性/邪恶”象限，而其语义邻域却常向抽象化、男性化与正向语义域倾斜。本研究提出全新指标——道德对比分数，可无监督挖掘文本潜在二元对立关系，识别塑造近代早期话语体系的文化维度，涵盖情感表达、信任机制、社会教化与领土合法性等范畴。研究勾勒出层次丰富的道德语义图景：道德对立并非静态固化，而是相互重叠、动态流变；该模型打破了固定二元对立的认知框架，证实语言是构建与重塑文化价值的动态高维场域。

Abstract：This article introduces a novel approach to understanding cultural meaning through the geometric analysis of word vectors in early modern English. Using a seventeenth-century corpus Early English Books Online (EEBO-TCP), the study constructs semantic models that chart the moral and gendered associations of over 32,000 words. Building on methods from distributional concept analysis, the authors define heuristic axes—good-evil and feminine-masculine—and project words onto these axes to explore normative structures embedded in language use. Statistical metrics such as situation, spread, and slope reveal how concepts align with broader patterns of moralized gender. Notably, most terms cluster in the ‘feminine/evil’ quadrant, yet semantic neighborhoods often slope toward abstract, masculine, and positive domains. A new metric, the moral contrast score, enables unsupervised discovery of latent binaries, identifying the cultural dimensions that structure early modern discourse—from affective expression and trust to social refinement and territorial legitimacy. The result is a richly layered moral landscape, where contrasts are not static but overlapping and mobile. Far from mapping fixed binaries, the model reveals a dynamic, high-dimensional field in which language organizes—and reconfigures—cultural values. This method offers a scalable, interpretive framework for investigating the moral geometry of meaning in historical texts.

图：核心词汇语义邻域图（左上：死亡；右上：戏剧；左下：牙买加；右下：信用）

Figure：The semantic neighborhood of death (upper left), play (upper right), jamaica (lower left), and credit (lower right).

Wei Huang , Yonghui Xie , Junting Li

摘要：汉字在东方文明发展进程中具有核心地位，其构形体系具备系统性特征，而系统科学方法在汉字构形系统研究中的应用仍较为匮乏。为此，本研究基于复杂网络方法，探究现代简体汉字的宏观网络特征与核心系统属性。研究以汉字基础构件为节点、构件关联为边，构建共现网络、有向网络、加权网络三类网络模型及对应的随机对照网络；通过17项通用网络指标量化分析网络特征，深入阐释汉字构形系统的内在属性。研究结果表明，相较于随机网络，汉字构件网络呈现小世界性、无标度性、异配混合性、高中心性与层级组织性五大显著特征；这五大特征印证了汉字构形系统兼具复杂性、鲁棒性与经济性三大属性，分别源于构件的有序组合、紧密联结与高效配置。本研究成果为汉字构形系统的实证研究提供了重要补充。

Abstract：Chinese characters hold pivotal significance in the development of Eastern civilization. While their structural formation exhibits a systematic nature, system science approaches are seldom seen in analyzing the formation system. Therefore, based on complex network methods, this study aims to examine macro-scale network features and the essential system properties of modern simplified Chinese characters. Specifically, three types of networks were constructed: co-occurrence, directed, and weighted networks, along with their random counterparts. In these networks, primitive components served as nodes, and their relationships as edges. Subsequently, seventeen general network metrics were measured to analyze the network features, enabling deeper discussion of the system properties. Research results show that component networks exhibit five distinct network features compared to their random counterparts, including small-world feature, scale-free feature, disassortative mixing, high centrality, and hierarchical organization. These features demonstrate that the formation system displays three properties, namely complexity, robustness, and economy, which emerge respectively from organized, close-knit, and efficient component combinations. These findings serve as a significant supplement to the empirical research on the structural formation system of Chinese characters.

图：真实网络与随机网络全局拓扑图（a、c、e：真实网络；b、d、f：随机网络）

Figure：Global network graphs of real and random networks (a, c, e: network graphs of real networks; b, d, f: network graphs of random networks).

Wenwen Shi , Yi-Tong Cui , Yihong Liu , Weicong Li , Xinlong Li , Jing Sun

摘要：当前关于晚期Z世代对中国非物质文化遗产的审美体验与评价的实证研究仍较为匮乏。本研究以清代颜元庄硖石针刺灯彩画为研究对象，探究大学生群体的审美反馈，聚焦作品主题、潜在审美偏好及其与喜爱度的关联。研究采用双路径研究方法：其一，运用混合设计方差分析与语义差异量表，分析四大主题作品，通过因子分析与聚类分析提取审美潜在维度；其二，开展眼动实验，记录注视时长与注视次数，量化分析眼动指标与主观评分的相关性。研究结果表明：第一，园林主题灯彩画的喜爱度评分显著最高（P<0.001），主题与专业的交互效应不显著（P=0.094），说明不同专业群体的审美偏好具有一致性；第二，研究提取出情绪效价、形式审美、认知唤醒三大潜在维度，揭示了非遗审美的多层级体验结构；第三，潜在审美偏好与喜爱度呈极强正相关（r=0.94，P<0.01），而眼动注视指标与喜爱度无显著相关性（P=0.174；P=0.234）。研究证实，晚期Z世代对传统针刺灯彩艺术的偏好具有主题依赖性，由情绪与认知双重参与塑造。本研究结合主客观测量方法提供实证依据，深化了对晚期Z世代非遗审美认知的理解，为非遗传承与美育推广提供理论支撑。

Abstract：There is a limited empirical research on late Generation Z’s (Gen Z’s) experience and evaluation of Chinese intangible cultural heritage (ICH). This study examines university students’ aesthetic responses to Xiashi Pinprick Lantern Pictures by Yan Yuanzhuang (Qing dynasty), focusing on theme and latent preferences and their relation to liking. Using a dual-path approach, this study conducted (1) a mixed-design ANOVA and semantic differential scale to analyze four themes and extract latent dimensions via factor and cluster analysis, and (2) an eye-tracking experiment to record fixation duration and count, thus assess their correlations with subjective ratings. Results revealed: (1) the garden-themed pictures scored significantly higher in liking level (P < .001), with no significant theme–major interaction effect (P = .094), indicating consistent preferences across disciplines; (2) three latent dimensions, Emotional Valence, Form-Aesthetic, and Cognitive Arousal, were extracted, revealing a multi-layered structure of aesthetic experience; (3) latent preference strongly correlated with liking levels (r = 0.94, P < .01), whereas fixation-based metrics showed no significant correlation (P = .174; P = .234). These findings suggest that Gen Z’s preferences for traditional pinprick lantern art are theme-dependent and shaped by emotional and cognitive engagement. The study offers empirical evidence, through both subjective and objective measures, to better understand how ICH artworks are perceived by late Gen Z audiences, contributing to ICH transmission and the promotion of aesthetic education.

图： 《黛玉葬花》眼动热力图

Figure： Daiyu Burying the Fallen Flowers eye-tracking heatmap.

Yubo Wang , Lüyuan Wang , Fang Xie , Haitao Liu

摘要：本研究探究2000-2025年华语流行歌词的词汇与主题演变，映射大众情感变迁与社会文化转型。现有研究多忽视非西方歌词语料库，本研究填补这一空白，构建涵盖25年、1560首代表性歌曲的华语流行音乐历时语料库。研究采用数字人文方法，融合词频分析、可读性指标与BERTopic主题建模，追踪歌词词汇与主题的历时演变。研究发现，歌词高频词汇始终围绕情感表达、个体自省与人际互动三大核心；类符形符比显著提升，表明歌词词汇丰富度持续增长，文本复杂度呈波动变化，反映出创作风格的动态转向。主题分析识别出浪漫爱情、未来期许、都市生活等12大核心主题，主题结构从自然与时间的抽象表达，逐步转向情感具象化与心理内省化书写；近年来，负面情感主题与自我指涉艺术母题的占比显著上升。本研究为音乐、语言与社会交叉领域研究提供了全新方法论框架，彰显了数字人文工具在大规模歌词分析中，描摹集体情感与文化变迁的核心价值。

Abstract：This study explores the lexical and topic evolution of Chinese popular music lyrics from 2000 to 2025, reflecting changing public sentiments and broader socio-cultural transitions. While prior research has largely overlooked non-Western lyric corpora, this study addresses that gap by constructing the Chinese Popular Music Diachronic Corpus, comprising 1,560 representative popular songs sampled across twenty-five years. Using digital humanities approaches, it integrates word frequency analysis, readability metrics, and BERTopic-based topic modelling to trace lexical and topic evolution of lyrics over time. Findings reveal that high-frequency words consistently revolve around emotional expression, individual introspection, and interpersonal dynamics. Type-token ratio (TTR) has increased significantly, indicating growing lexical diversity, while textual complexity shows fluctuation, reflecting stylistic shifts in song writing. Topic analysis identifies twelve major topics, including romantic love, future aspirations, and urban life, with topic structures evolving from natural and temporal abstraction to emotional concreteness and psychological introspection. Recent years show a significant rise in negative emotional topics and self-referential artistic motifs. This study contributes a novel methodological framework for interdisciplinary research at the intersection of music, language, and society, and underscores the value of digital humanities tools in mapping collective emotions and cultural change through large-scale lyric analysis.

图：各项指标历年变化趋势

Figure：Trends of various metrics over the years.

Kuanyong Qiu , Noah Bubenhofer , Timo Hackel

摘要：现有研究多聚焦单一语言媒体中的人工智能（AI）话语，缺乏跨文化语境的对比分析。本研究优化露丝・沃达克话语分析框架，结合前沿机器学习方法，分析 2018-2023 年中德两国媒体话语中的人工智能表征。研究发现，中德媒体均聚焦本土相关的人工智能议题：中国媒体频繁援引政治人物言论（尤以习近平主席为核心），采用视角建构策略，对人工智能始终持积极立场；德国媒体则侧重科技人物叙事，尤其在ChatGPT发布后，对人工智能持更为批判与审慎的态度。两国媒体话语的差异，源于本土语境塑造的差异化媒介文化体系：中国媒体隶属于政党体系，将人工智能定位为推动经济发展的国家战略核心，传递政府核心立场；德奥瑞三国媒体则呈现多元视角，高度关注人工智能的潜在风险。本研究为各国人工智能政策的解读与制定提供了重要参考依据。

Abstract：Previous studies have primarily focused on artificial intelligence (AI) discourse within specific language media, with limited contrastive analyses across different cultural contexts. This study analyzes the representation of AI in German and Chinese media discourses from 2018 to 2023, employing a modified version of Ruth Wodak’s discourse analysis framework alongside advanced machine learning methods. Our findings indicate that both German and Chinese media concentrate on AI issues pertinent to their regions. Chinese media adopt a perspective strategy by frequently quoting political figures, particularly President Xi Jinping, and consistently maintain a positive stance on AI. Conversely, German media, especially after the launch of ChatGPT, highlight high-tech figures and adopt a more critical and cautious approach toward AI. These differences in media discourses arise from distinct media cultural systems shaped by their respective contexts. In China, media outlets are party-affiliated and promote a narrative framing AI as a national strategic endeavor crucial for economic growth, reflecting governmental viewpoints. In contrast, media from Germany, Austria, and Switzerland present diverse perspectives on AI, expressing significant concerns about its potential risks. This study offers valuable insights for interpreting and formulating AI policies across different nations.

图： 2018-2023 年中国媒体人工智能语料库十大子主题历时变化

Figure:Top ten subtopics over time 2018–2023 in Chinese media AI-related corpus (Color version of the figure is available in the supplementary data).

Eid Mohamed , Said Hassan

摘要：本文融合文化分析与后殖民理论，探究1933-1953年埃及主流文学期刊《箴言》中犹太群体的形象表征。研究运用数字文本分析方法，识别并解读期刊档案中犹太形象的建构范式，揭示两次世界大战之间及战后初期，阿拉伯知识分子在政治张力下对犹太身份的协商与阐释。这一跨学科研究方法实现了量化建模与文本细读的结合，精准剖析文化生产机制，呈现这一关键历史节点阿拉伯印刷话语的内在矛盾性。本研究的核心价值在于，对锡安主义兴起与以色列建国这一重塑阿拉伯世界族群关系的关键时期的媒介文本开展数字化研究：随着阿拉伯犹太人大规模撤离埃及，《箴言》中犹太形象的动态演变，折射出社会层面对民族身份、宗教差异与殖民遗产的集体焦虑。全文分为两部分：第一部分将《箴言》置于反殖民与后奥斯曼知识思潮中，阐释其成为阿拉伯现代性多元理念博弈平台的历史背景；第二部分结合远读与阐释性分析，梳理期刊对犹太人的三重身份建构——现代性符号、西方帝国主义受害者、阿拉伯主权威胁者。这些形象建构并非单纯的历史遗存，更深刻影响着当代族群宗教身份与政治归属感的认知。本研究将数字人文工具与知识生产的后殖民批判相结合，为阿拉伯印刷文化、形象表征与媒介史研究提供了全新的方法论与认识论范式。

Abstract：This article investigates the representation of Jews in al-Risālah, a major Egyptian literary magazine (1933–53), by integrating Cultural Analytics and postcolonial theory. Using digital text analysis methods, it identifies and interprets patterns of Jewish representation within al-Risālah’s archive, uncovering how Arab intellectuals negotiated Jewishness amid the political tensions of the interwar and early postwar periods. This interdisciplinary approach enables a nuanced examination of cultural production, bridging quantitative modelling with close textual reading to reveal the ambivalences of Arab print discourse during a pivotal historical moment. The study’s significance lies in its digital examination of media texts published during the rise of Zionism and the establishment of Israel, an era that reshaped intercommunal relations across the Arab world. As Arab Jews began departing Egypt en masse, al-Risālah’s evolving depictions of Jews became symptomatic of broader anxieties over national identity, religious difference, and colonial legacies. Structured in two parts, the first contextualizes al-Risālah within anti-colonial and post-Ottoman intellectual currents, illustrating how the magazine became a platform for competing visions of Arab modernity. The second part synthesizes distant reading with interpretive analysis to assess how al-Risālah conceptualized Jews: as symbols of modernity, victims of Western imperialism, or threats to Arab sovereignty. These portrayals are not merely historical curiosities but inform contemporary understandings of ethno-religious identity and political belonging. By fusing digital humanities tools with a postcolonial critique of knowledge production, this study contributes a new methodological and epistemological model for analysing Arab print culture, representation, and media history.

图：《箴言》杂志核心关键词年度出现频次

Figure.Recurrence of key words in al-Risālah by years.

编译｜洪冰凤

校对｜罗斯鹏

排版｜魏翔

安德烈亚·弗龙泽蒂·科拉东

Andrea Fronzetti Colladon

罗伯托·韦斯特雷利

Roberto Vestrelli

书名：《面向大数据的社会网络分析与文本挖掘：语言与网络的力量》（Social Network Analysis and Text Mining for Big Data: The Power of Words and Networks）

作者：Andrea Fronzetti Colladon, Roberto Vestrelli

出版时间：2025年6月20日

出版社：Routledge

DOI：

https://doi.org/10.4324/9781003504849

本书系统展示了语言与社会网络相互交织所产生的深刻影响。该书的核心论点在于，文本与社会联系并非彼此孤立的两类对象，而是在持续互动中共同塑造人的观念、态度乃至更广泛的历史进程。作者以跨学科的研究视野，将社会网络分析（social network analysis, SNA）与文本挖掘加以整合，旨在揭示大数据表象之下更为复杂的社会关系结构与意义生成机制。

在方法层面，本书首先从社会网络分析的基本概念出发，细致介绍了节点、边、中心性和社群发现等关键工具，并说明这些分析框架如何被用于识别非正式领导者、追踪信息传播路径以及刻画群体内部的互动模式。随后，论述转向文本挖掘领域，涉及语料预处理、命名实体识别、情感分析等核心技术。全书最具特色之处，在于将二者加以有机结合：作者不仅将文本转化为词汇共现网络，还提出了语义品牌评分（Semantic Brand Score, SBS）这一指标，用以衡量某一品牌、概念或议题在社会话语中的重要性、关联性与记忆度。

本书试图回应的一个关键问题，是传统大数据分析中结构维度与语义维度之间长期存在的割裂。在海量非结构化文本的处理中，单纯依赖词频统计往往难以揭示更深层的意义关系，而复杂的机器学习模型虽然具有较强的预测能力，却常常因其“黑箱”特征而缺乏充分的可解释性。针对这一局限，本书提出了一条兼具理论解释力与方法可操作性的研究路径，即通过考察词语之间的连接关系来界定其意义生成方式。与此同时，它也在一定程度上克服了传统问卷调查中常见的响应偏差问题：通过对电子邮件流、社交媒体评论等自然生成数据的分析，研究者能够更接近群体行为与决策过程中的“诚实信号”，从而获得对社会互动模式更为真实的把握。

对于数字人文研究而言，这本书具有明显的方法论启发意义。它既可被视为连接计算分析与人文解释的桥梁，也可被视为重新审视文化、历史与社会现象的一种分析透镜。借助书中所提供的工具与案例，研究者得以超越传统质性细读的单一路径，在大规模文本数据中识别潜在的主题演变、话语结构与权力关系。无论是分析媒体报道、法律文献，还是文学文本——例如书中讨论的《爱丽丝梦游仙境》——这种方法都展示出较强的解释潜力。它不仅有助于重构历史语境中话语如何被策略性地使用，例如俾斯麦对电报文本的修辞性处理，也能够用于考察当代社会在气候风险、人工智能等议题上的认知偏向与舆论形成机制。

一、 语言与网络的隐藏力量：统一分析方法

二、网络分析：核心概念与指标

1 社会网络分析

2 基础术语

3 从头构建网络

4 全网络指标

5 聚类与社区

  5.1 聚类

  5.2 社区发现

      5.2.1 Louvain 算法

6 相似性度量

  6.1 Jaccard 相似性

  6.2 SimRank 与其他度量

  6.3 同质性与同类匹配

7 网络拓扑结构

8 网络鲁棒性与韧性

  8.1 碎裂化度量

  8.2 网络拓扑对其鲁棒性的影响

9 节点中心性

  9.1 度中心性

  9.2 接近中心性

  9.3 中介中心性与结构洞

  9.4 特征向量中心性

  9.5 独特中心性

10 关键角色

11 考虑时间：互动性度量

  11.1 轮换领导力

  11.2 贡献的响应性与平衡

  11.3 同步性

三、文本挖掘

1 语料库预处理

  1.1 描述性统计

2 命名实体识别

3 关键词提取与文档分类

  3.1 文档分类的特征提取

  3.2 文档相似性

  3.3 寻找同义词和相关词汇

4 内容分析

  4.1 新颖性与信息量

  4.2 可读性与数值强度

  4.3 情绪挖掘

  4.4 代词与关系词

5 构建自定义度量：效度与信度

四、从语言到网络

1 构建词网络

2 语义品牌评分

  2.1 品牌形象与联想

  2.2 提高品牌连接性

3 网络主题模型

五、文本挖掘与社会网络分析的集成：案例研究与应用

1 媒体报道揭示了领先科技公司的品牌重要性吗？

  1.1 理解语料库特征

  1.2 寻找最相关的语料库内容

  1.3 衡量科技巨头的语义重要性

  1.4 理解品牌重要性的驱动因素

  1.5 区分语义重要性的正负驱动因素

2 评估工作的未来：哪些工作最容易受到人工智能颠覆？

  2.1 从在线新闻中识别 AI 技术

  2.2 AI 的角色

  2.3 衡量暴露程度

  2.4 创新度量

3 数据驱动的职场文化提升方法

  3.1 区分正面评论与负面评论的因素是什么？

  3.2 主题模型与多语言分析

  3.3 内容分析

4 通过 Airbnb 评论的文本挖掘评估纽约市的城市体验

  4.1 空间自相关与价格相关性

  4.2 城市特征相关性

  4.3 品牌形象

Words and networks hold immense power in shaping history, culture, and human behavior. This opening chapter explores how words, through carefully crafted narratives, have the potential to evoke emotional responses, drive societal change, or initiate conflicts, as demonstrated by the Ems Dispatch during the Franco-Prussian War. At the same time, (human) connections – mapped through social network analysis (SNA) – reveal the hidden structures that bind societies, influence leadership, and drive movements. Invaluable insights emerge when the techniques and tools of text mining and SNA are combined, enabling a deeper understanding of decision-making processes and social dynamics. In line with this view, this chapter introduces analytical tools to support the study of complex systems, shedding light on how words and networks shape human interaction and societal outcomes.

第二章 

网络分析：核心概念与指标

This chapter introduces fundamental and advanced (social) network analysis concepts and builds a foundation for understanding how networks help study complex phenomena. It begins with defining networks and their main components, such as nodes and edges. The chapter explains how to represent and analyze social phenomena using data from interviews or unstructured sources. It introduces centrality metrics, enabling readers to identify strategically positioned nodes within a network, and examines clusters and communities, focusing on techniques to detect them in a graph. The discussion extends to identifying key roles within a social system and understanding the implications of positional changes in a network. The chapter also explores dynamic network analysis, outlining methods for examining time-evolving interaction dynamics and introducing metrics such as rotating leadership. Building on the authors’ expertise, this chapter offers a practical, research-driven overview of the most impactful metrics and techniques used in their scientific work. Rather than aiming for exhaustive coverage, it focuses on equipping readers with essential tools needed to grasp and apply both foundational and advanced concepts.

第三章 

文本挖掘

This chapter offers a comprehensive introduction to text mining and natural language processing (NLP), emphasizing practical techniques for analyzing large-scale unstructured text data. It covers core methods like data preprocessing, sentiment analysis, and named entity recognition, with a particular focus on constructing and interpreting word networks. We present basic and advanced approaches for evaluating textual features, such as novelty, informativeness, and complexity. We also highlight the innovative application of social network analysis to examine word relationships, offering a unique perspective on textual data analysis.

第四章

从语言到网络

This chapter explores the transformation of textual data into networks and the benefits of analyzing them using social network analysis techniques. The chapter emphasizes the power of combining text mining and network analysis to understand relationships between words and how this approach can be applied to fields such as marketing and natural language processing. The chapter also introduces the Semantic Brand Score, a composite indicator designed to measure the importance and memorability of brands or concepts within textual data by leveraging network analysis. Lastly, we demonstrate practical applications of these methods, including brand image analysis and a novel approach to topic modeling.

第五章

文本挖掘与社会网络分析的集成：案例研究与应用

This chapter presents four case studies that illustrate the value of integrating network analysis and text mining techniques. The first case study assesses the Semantic Brand Score of four technology brands by analyzing online news articles from the New York Times. The second case study explores the influence of artificial intelligence on workforce dynamics, using textual data from patents and job descriptions. The third case study focuses on employee reviews for a global consulting firm collected from Glassdoor, showcasing methods to effectively identify perceived organizational strengths and weaknesses. The final case study examines Airbnb guest reviews in New York City, leveraging unstructured text to map various urban characteristics of the city. While numerous tools and software packages are available for social network analysis and text mining, along with extensive libraries for programming languages like R and Python, few graphical interface applications effectively combine these methodologies. The SBS BI software, developed by one of the book’s authors, incorporates the network analysis, text mining, and word network analysis techniques discussed in the previous chapters, providing an integrated approach to these methods.

第一章

语言与网络的隐藏力量：统一分析方法

三星堆青铜神树借助裸眼3D技术动态呈现纹饰密码；应县木塔的榫卯结构在数字世界里实现完整“重生”；永乐宫壁画穿越700多年时空，“衣袂飘飘、裙裾飞扬”……2025年7月，世界互联网大会首次面向全球启动文化遗产数字化案例征集，最终遴选出40项案例，汇编成《世界互联网大会文化遗产数字化案例集（2025）》，为相关领域工作提供了可借鉴的实践经验。

今年，世界互联网大会继续面向全球征集文化遗产数字化优秀案例，促进数字技术赋能文化遗产保护，推动文化与科技高度交融，历史与现代深入交织，在数字浪潮中拓展文化遗产的崭新边界。

识别历史人物、地点及其他实体（HIPE，Identifying Historical People, Places and other Entities），是一个专门针对历史报纸、档案等历史文献中命名实体识别（NER）和实体链接（EL）的国际评测任务系列。该任务通常作为评测论坛会议与实验室（CLEF，Conference and Labs of the Evaluation Forum）会议的一部分举行。其历届评测活动如下：

命名实体（NE）处理自二十年前提出以来，已成为几乎所有文本挖掘应用的核心组件，并经历了重大发展。近年来其发展呈现两大趋势：深度学习架构的应用，以及对历史与文化遗产藏品文本的处理。前者带来全新可能，后者则因输入文本异构、历史化、含噪声等特点带来全新挑战。

尽管命名实体处理工具已越来越多地应用于历史文本，但其效果远低于现代文本，且难以横向对比。在此背景下，impresso项目推出CLEF2020评测实验室识别历史人物、地点及其他实体（HIPE）任务，面向法、德、英三语历时性历史报纸文本，开展命名实体识别与链接任务。

本共享任务目标有三：

• 提升现有方法在非标准输入上的鲁棒性；

• 实现历史文本命名实体处理效果的横向对比；

• 长期推动历史文档的高效语义标引，支撑数字文化遗产藏品的学术研究。

HIPE共享任务包含两大核心命名实体处理任务：

• 实体提及识别与分类（分两种难度）

• 实体链接

任务语料选自瑞士、卢森堡、美国的多家历史报纸，按时间跨度采样。注册团队可参与部分或全部任务。

HIPE是CLEF2020评测实验室任务，由「impresso——往昔媒体监测」项目主办。impresso是跨学科研究项目，由计算语言学家、设计师与历史学家合作，面向大规模多语种数字化历史报纸开展语义标引。项目由瑞士国家科学基金会（SNSF）资助，项目编号：CR-SII5_173719。

1.概览

①子任务1：粗粒度NERC：按粗粒度类型识别并分类实体提及（见下图第1列）。

②子任务2：细粒度NERC：按细粒度类型识别并分类实体提及（见下图第2列），同时检测并分类1层嵌套实体与实体组成部分（头衔、职务等）。

图：任务1要求系统输出的标注类型

1.概览

本任务将命名实体提及链接至知识库（KB）中的唯一指代；若知识库中无对应指代，则链接至标注为NIL。

本次任务选用维基数据（Wikidata），使用2019年11月13日的固定快照数据（latest-all.nt.bz2）。

图：需标注（任务1）与链接（任务2）的实体类型

2.EL系统标注规范

• 系统需对人物（PERS）、机构（ORG）、产品（PROD）、地点（LOC）类提及进行链接，输出对应维基数据ID（Q号）；

• 若知识库无对应实体，标注为NIL；禁止使用维基百科消歧义页；

• 实体链接需同时覆盖字面义与转喻义（若存在）提及标注。转喻义的分类、识别与链接对人机均有难度，因转喻非HIPE核心任务，转喻链接为「可选优化项」，评估将采用灵活方案；转喻链接具体规则见附录A；

• 实体组成部分与嵌套实体不参与链接。

3.EL任务设置

• 实体链接分两种模式：已知/未知实体提及边界。

• 评估期分为两轮独立阶段：

1.术语定义

• 内容项（可简写为item）：报纸版面以下的文本单元，本次任务仅指报纸文章，二者混用；

• 时间桶：HIPE中以十年为单位，桶内所选文章均属于该十年的首年。

2.语料

评估语料为瑞士、卢森堡、美国多家历史报纸的历时性采样文章。

• 语料选取：采用系统抽样与目的抽样结合。每家报纸按以下规则随机采样：

• 语料特征：OCR质量为真实场景水平，随数字化时间与档案材质差异波动；不提供同一文本的多版本OCR，随文提供OCR质量评估值与行段图片链接。语料时间跨度为1798年—2018年，完整统计数据将于2020年2月随数据发布。

• 语料标注：由母语者通过INCEpTION标注平台，按HIPE标注规范人工标注。标注前需在「迷你参考语料」（每语言10个内容项）上培训并校验标注一致性（IAA）。测试集部分样本、训练集与开发集随机样本将进行双标注与仲裁。

3.数据格式

数据采用IOB格式（Inside-Outside-Beginning，块内-块外-块首标注），格式类似CoNLL-U。

1.NERC评估

采用宏平均/微平均精确率（P）、召回率（R）、F1值，分两种评估场景：

• 严格模式：实体边界完全匹配；

• 宽松模式：实体边界至少1个词元重叠。

  评估维度：

• 实体级（非词元级）微平均P/R/F1：按实体类型单独统计+全类型汇总；

• 文档级宏平均P/R/F1：按单文档微平均结果取平均（区别于常规宏平均，按文档而非实体类型聚合，适配历史文本长度差异、缓解类别不平衡）。

严格模式下边界错误会同时计为1个假阴性（漏检）+1个假阳性（误检），与CoNLL评估标准一致；宽松模式适用于边界不重要的场景。

槽位错误率（SER）不再用于本次任务评估。

2.NEL评估

评估逻辑与NERC一致，将实体链接视为标签，连续相同链接视为单一实体；仅采用宽松模式（系统输出与标准答案有1个重叠链接标签即算正确）。

转喻提及链接分两种评估场景：

• 严格模式：仅计算转喻义链接；

• 宽松模式：合并字面义+转喻义链接计算。

该逻辑将在下一版评分工具中实现。

HIPE-2022是自然语言处理与数字人文领域为研发高效的数字化历史文本信息检索与挖掘方法所开展的持续工作之一。经过文化遗产机构多年大规模数字化，人文学者对数字化历史文档的语义索引需求迫切，各类跨学科研究正推动仿真文档处理、文本转录中复杂信息的抽取、链接与表示。其中，命名实体（NE）的识别、分类与消歧是最核心的处理环节之一。

然而，历史文本中的命名实体处理难度较大，效果远不及现代规范英文新闻文本。历史文档的实体处理主要面临领域异构性、输入噪声、语言动态变化、资源匮乏四大挑战。

首届CLEF-HIPE-2020赛事针对约200年历史的英、法、德三种语言历史报纸，开展了命名实体识别与分类（NERC）、实体链接（EL）任务。该赛事结论表明：在训练数据充足的情况下，神经网络方法在历史文本NERC任务中可取得良好效果，但仍需在性能提升、OCR噪声处理、小样本场景适配、实体链接优化等方面进一步突破。HIPE-2022旨在推动这些方向的研究，并为参赛系统设置新挑战。

HIPE-2022聚焦18至20世纪多语言历史文档的命名实体处理，基于多套已标注实体数据集构建。相较于首届赛事，本届新增三大创新点：

• 在历史报纸基础上，新增古典评论文档类型；

• 拓展语言覆盖范围，历史报纸支持5种语言，古典评论支持3种语言；

• 直面标注标签集与标注规范异构性问题。

HIPE-2022要求参赛系统应对多语言、领域专属实体、多样标注规范等挑战，目标是探索命名实体处理方法在语言、时间、文档类型、标注类型间的迁移能力。

HIPE-2022沿用CLEF-HIPE-2020任务类型

1.基础数据集

HIPE-2022数据整合6套基础命名实体标注数据集，源自欧洲多个文化遗产项目、主办方前期研究及HIPE-2020赛事，部分为首次公开。

数据集涵盖历史报纸、古典评论两类文本，时间跨度约200年，多语言、多标签集、多标注规范。

历史报纸数据集

包含英、芬、法、德、瑞典五种语言，源自欧洲多国项目与国家图书馆：

• HIPE-2020数据：首届赛事数据集，含瑞士、卢森堡、美国的法/德/英历史报纸（19–20世纪），约1万个链接实体，作为本届训练/验证集；测试集沿用首届测试集与未公开新数据，现有测试集不得用于训练。

• NewsEye数据：法/德/芬/瑞典语历史报纸数据集，已公开部分含约3万个实体，作为训练/验证集；未公开部分（约20%）作为测试集。

• SoNAR数据：德国柏林国家图书馆藏德语历史报纸数据集，已公开部分为验证集，预留部分为测试集，仅验证集可用于训练。

• Le Temps数据：瑞士法语历史报纸历时数据集，未公开，约1万个实体提及，纳入训练/验证/测试集。

• Living With Machines数据：英国图书馆藏18–19世纪英语报纸地名标注数据集，已公开部分含约3300个地名标注，作为训练/验证集；未公开部分为测试集。

  古典评论文档

• AJMC数据集：源自Ajax多评论项目，为19世纪法/德/英古典评论，为本届新增数据。

所有数据集文本来自不同OCR工具，质量参差不齐。

2.实体标签集

各基础数据集标签集与标注规范不同，HIPE-2022仅统一格式，保留原始标签集。各数据集实体类型见附录B，详情查看数据仓库中各数据集说明。

数据集按标注类型适配对应任务（粗粒度NERC、细粒度NERC、EL）

3.HIPE-2022数据发布

HIPE-2022发布包为格式统一、结构规整的整合数据集，处理流程：

• 转换为制表符分隔的HIPE格式（修正数据不一致、整合元数据）；

• 重新划分训练集与验证集。

HIPE格式为制表符分隔文本格式，采用IOB标注规范（起始-内部-外部），类似CoNLL-U格式。