数智时代中国文学史数据库建构

　　【数智时代与古典文学】

　　前不久，陈文新教授在《光明日报》（2026年8月3日13版）刊发文章，提出建设中国文学史知识数据库的倡议。这一思路，和笔者十几年来持续探索、推进的数据库建设工作不谋而合。谨结合自己的实践体会，谈谈对建设中国文学史知识数据库的几点思考。

　　建设文学史数据库，首先要考虑我们需要什么样的数据库。进入数智时代，文学研究越来越走向数据化、可视化，而可视化的基础之一，是扎实、系统、可用的数据。现在学界普遍使用的各类古籍数据库，其实大多只是数字化古籍资源库，主要用来查原文、找文献，并不是真正意义上的研究型数据库。这类数据库大多只能满足文献检索的基本需求，很难直接提供可统计、对比、分析的文学研究数据。即便资源库自带统计结果，数据也大多是零散、孤立的，不成体系，难以直接拿来统计分析。这也导致我们日常教学和科研中，很多最基础、最常用的文学史数据，难以快速查到、精准获得。举个例子：我们现在可以很方便地检索《全唐诗》《全宋词》，却很难快速得到一些基础统计数据，如唐代初、盛、中、晚四个阶段，诗歌数量分别是多少？到底是初盛唐诗歌更盛，还是中晚唐更多？《全宋词》里，哪些词调使用最多、作品最多？哪些词调属于孤调、存词极少？这些看似简单的基础数据，现有古籍平台基本无法直接给出。正因为基础数据匮乏，北京两位长期从事文学数字化研究的知名学者，也曾专门向笔者咨询这类问题。笔者也需要重新梳理、逐一统计，无法立刻给出准确答案。此事说明，建设一套专门服务文学史研究的知识数据库，十分必要和迫切。这正是陈文新教授所期待的、能够真正服务学术发展、保障文学史知识安全的大型数据平台。

　　相比于目前通行的各类古籍资源库，未来的中国文学史知识数据库，要有五个方面的突破，以弥补现有平台的不足。

　　第一，打通古今，突破断代界限。传统数据库大多只聚焦古代文学，隔断了古今文学的关联。新的数据库，既收录古代文学，也应涵盖现当代文学，完整呈现中国文学从古至今的发展脉络。

　　第二，融通中外，拓宽空间视野。数据库不再局限于本土文学，也适度纳入世界华文文学和相关域外文学资源。纳入现当代文学、华文文学和域外文学，并不是抢占其他学科的领地，而是古代文学研究的内在需求和自然延伸。中国古代文学从来不是只供展陈的古董，它一直在现当代持续传播、不断被继承，也深刻影响着海外华文创作与域外文学发展。只有贯通古今、兼顾中外，才能完整看清中国文学的发展脉络与世界影响，既丰富国内文学研究资源，也助力中外文学交流与文明互鉴研究。

　　第三，兼容雅俗，丰富文体类型。传统文献体系重雅轻俗，很多民间、通俗文学长期不受重视。新的数据库要改变这种偏向，既收录诗、词、文、赋等正统文体，也应全面吸纳小说、戏曲、歌谣、说唱等通俗文学、民间文学形态，真实还原中国文学雅俗并存、多元共生的本来面貌。

　　第四，包容多民族文学，完善中华文学整体版图。以往文学数据库多以汉文学为主，对其他民族文学关注不足。中华文学是由多民族共同创造的，因此新数据库要同时纳入多民族史诗、民间韵文、口头故事等各类文学资源，完整呈现中华民族共同体丰富、厚重、多样的文学格局。

　　第五，兼顾史料与研究，完善文献层次。传统数据库大多只收录古代文学作品，缺少现代研究成果。新的数据库应既包含历代文学作品和评点文献，也系统收纳20世纪以来各类文学史著作、研究专著、校注成果、期刊论文等学术资料。文学研究不能只有原作而没有研究。只有打通创作、批评与学术研究，才能形成完整的文学史知识体系。

　　明确了文学史知识数据库的建设定位与突破方向后，接下来就要思考，究竟该搭建什么样的整体框架，既方便实用，又兼具学理性与体系性，能够如实反映中国文学自身的发展脉络、文化生态与知识逻辑，契合中国文学自主知识体系的建设需求。总体来看，这套数据库应当具备四个核心特征，也可视为四条基本建设原则。

　　一是完整性。数据库需要覆盖跨时代、跨地域、跨民族、跨文体的中国文学资源及相关研究成果，坚持“大文学”理念，既包含传统文人雅文学，也吸纳民间俗文学；既收录古代文学经典，也涵盖现当代文学创作；既能清晰呈现本土文学的发展脉络，也完整记录中国文学的海外传播与接受历程。

　　二是层次性。文学史知识广博繁杂、交叉渗透，极易出现归类混乱、边界模糊、内容重叠的问题。因此数据库建设必须层次清晰、分类规整。传统目录学典籍如《四库全书总目》《中国丛书综录》，体例严谨、条理分明，四部之下分类属，各类之下又依时序编排，井然有序，既可让人整体把握典籍体系，又能精准检索具体书目，实现学理性与实用性的统一。借鉴这一思路，理想的中国文学史知识数据库，也要让使用者通过整体框架读懂中国文学史的知识体系与内在逻辑，精准检索各类文献史料与研究数据。

　　三是灵活性。数据库兼具静态固化与动态活化的双重属性。从文献形态来看，完整的文献文本可以拆解为独立的知识点与数据单元，实现由固态文献向活态知识数据的转化。从数据更新来看，整套数据要规范定型、体系稳定，同时可动态迭代、持续优化，保障数据的前沿性与科学性。学术研究始终处于不断推进的过程，新材料的发掘、研究方法的更新、研究视角的拓展，都会修正、完善甚至更新既往学术结论，许多存疑问题也会随研究推进得到新的解答，这就要求数据库具备可持续迭代优化的能力。从数据使用来看，数据库各类板块应均可自由拆分、灵活重组，时间、地域、人物、作品、主题、物象、文体、写作手法等基础要素，可根据不同研究需求自由搭配、多维组合，从而适配多元化研究场景，发现新的问题，生成新的知识。

　　四是智能化。数据库兼具基础检索统计与智能分析能力，可实现多元检索、自动统计、可视化呈现，同时支持文本对照、自动笺注、语义分析、知识问答等智能功能。简言之，这套数据库是兼具文献资源、知识体系与结构化数据的专业学术平台。

　　基于以上原则，笔者提出一套“四维三层多类”的文学史知识数据框架，作为数据库建设的参考范式。所谓“四维”，即作家、作品、传播、接受四大维度，完整覆盖文学活动开展与文学价值生成的全过程。作家创作出作品，必须经过传播与读者接受，其审美价值、文学意义才能最终落地。如同社会生产，产品经由生产、流通、消费全过程，最终实现完整价值，文学活动也是如此。

　　所谓“三层”，即底层数据要素、中层分类体系、顶层整体框架。底层为最小的微观知识颗粒，依据文学史知识分类标准，将传统文献文本转化为可识别、可标注、可统计、可挖掘的标准化数据单元；中层承担归类梳理、分层编列的功能，将海量零散的基础要素有序聚类编排，形成层级清晰的知识类目；顶层即为定型完备的“四维三层”整体架构，确立数据库统一的建设标准、分类规则与知识范式。

　　所谓“多类”，即每一核心维度之下，再逐级细分多层类目，实现精细化、体系化归类。在作家维度，可分为作家个体与作家群体两大板块。作家个体数据分为客观信息与主观信息两类：客观信息包含作家生卒、籍贯、行迹、交游、外貌特征、作品存佚数量等可考证的史实资料；主观信息包含作家性格心理、思想情感、创作主张、审美个性、艺术风格等内在特质，同时纳入后世对作家的文学史地位、创作贡献、文学影响等评价的内容和数据。作家群体则按时段、地域、文体、交游关系、创作倾向等维度，划分不同作家流派与创作群体，开展整体数据归类与统计分析，清晰呈现不同时代、不同地域、不同文体的作家作品体量与创作风貌。

　　作品维度，遵循先分后合的思路，整体分为单篇作品与作品集两大类别。单篇作品细分为载体、形式、内容、影响四个层级。载体层，依据物质形态，分为纸本文献、电子媒介等；依据文献来源，分为别集、总集、诗文评及其他四部文献，以及近现代报刊、网络平台等出处类型。形式层，细化为文体体制、语言声韵、篇章结构、表现手法四大类；内容层，涵盖题材物象、情感意绪、主题意蕴及妙理哲思等由表及里的多层内涵；影响层，主要反映作品的选录、品评、引用、化用、改编等传播接受情况。各层级再逐级细分，形成精细化、标签化、结构化的数据要素。作品集分为别集、总集两类，别集可细分为行款牌记、编刻时间、编刻地点、编刻者等版本信息，以及分卷体例、编次结构、篇目数量等本体信息。

　　传播维度，可细化为传播主体、传播对象、传播媒介、传播方式、传播地域（域内、域外）等类目，完整呈现文学文本与文学观念的传承路径。接受维度，依据接受主体差异，分为批评家、创作者、普通大众三类，不同主体对应不同接受形态：古代批评家以文本评点、题跋、品评为主，现代研究者以专题论著、期刊论文、学术综述等研究成果为主；创作层面的接受则体现为追和、拟作、引用、化用、改编等创造性转化行为。

　　当然，这套框架目前只是初步建构的理论雏形，各类目细分标准、要素拆解规则、语义判定体系、数据标注规范，有待学界共同研讨、打磨完善。

　　建设中国文学史知识数据库，既能推动文学研究走向精细化、结构化和数据化，更能助力中国文学自主知识体系的建构与创新。近年来，中国文学自主知识体系研究已然成为学界热点，但现有成果多停留在宏观的历史梳理与学理反思层面，缺乏可落地、可操作的完整体系建构。尽管20世纪以来已有诸多文学理论、文学史研究成果，但要提炼出一套兼容中国文学史、批评史、学术史的完备知识体系难度很大，尤其在知识要素切分标准、层级细分方案等关键问题上，现有文学、文学史学与文献学理论难以完全适配。相较易于规范的客观数据，文学研究所需的主观分析类数据，更迫切需要学理支撑与统一的体系标准。唯有依靠学界集体参与、持续打磨迭代，才能构建贴合中国文学生态、适配本土学术话语、契合数智时代需求的自主知识体系与数据范式，为数智时代中国文学研究创新与中外文明互鉴，提供长效坚实的数据支撑。

　　（作者：王兆鹏，系四川大学中华文化传承与全球传播数字融合实验室讲座教授）