|
中版集团正形成多种专业数据库
近年来，中国出版集团正在形成古籍、辞书、翻译、百科学术文化、音乐、美术、法律等专业数据库，同时集团资源总库的建设已拥有20多万种资源。我举几个例子： “经典古籍数据库”。中华书局经过3年的开发，已上线古籍1200多种、10亿字。2017年实现升级改造：第一，建立“传统文化大数据中心”，未来3年实现5万种古籍、150亿字的数据化。第二，依托大数据中心，开发古籍、善本、工具书、论著4个数据库。第三，依托大数据中心，一是以众筹分包的形式向大众组稿，二是对古籍整理进行自动标点、注释、校勘、翻译，三是采取数字平台+按需印刷的方式进行出版。 语言文字知识服务平台。商务印书馆以300种工具书和500多种语言文字图书，为中小学生提供了学习平台。它以字词所涵盖的丰富内容，通过可读、可视、可听的方式，构建生动形象、触类旁通、激发思考的知识学习体系：一是纸本到线上的产品服务，目前已上线《新华字典》APP；二是数据库服务，可针对不同需求开发不同数据库；三是多语种学习；四是与华为、腾讯、百度、搜狗、科大讯飞合作，提供权威的语言文字基础数据。预计在5年内实现个人付费用户达到60万人/年、累计150万人次，机构用户累计达到1400家，APP累计销售157.5万份，数据包产品用户最高达到500万人/年。 中读。汇集杂志、自媒体、书籍等内容数据，通过大数据的深度解析，提取内容兴趣、知识点、阅读习惯、阅读互动行为等标签，对用户的知识需求进行精准画像，为用户提供更精准的内容。同时，通过互联网化的手段，不断聚集内容、用户及需求，形成内容生产传播大数据生态。 在线音乐教育平台。以音乐大数据为基础，采取“开发区招商模式”，吸引国内外音乐培训机构入驻，以众包众筹方式，提供各种音乐学习产品和服务。同时，通过语音识别技术，导入名师资源，提供测试、问诊及解决方案，规划未来几年吸引5万名商家入驻，积累2000万用户。 易阅通平台。一是实现数据资源的海量聚合。目前已上线外文电子书36万种、数字期刊1.35万种，中文电子书39万种、数字期刊3700多种，有声书10.5万集，开放获取资源5.4万种。二是实现对图书馆由纸本提供向数据内容提供商转变。三是易阅通打通了国内外4万多家图书馆和100多万个人用户的渠道，并在100多个国家开通了72小时直供的按需印刷网点。 译见跨语言大数据。一是构建起了全球最大规模的语言资源大数据，其中双语平行语料累计超过48亿句对，仅次于谷歌，中英平行语料规模全球最大；二是构建了全球最大规模的多语文本大数据，采集数据源超过2000万个，日更新超过3000万篇新闻和5亿条社交媒体数据，数据总量达到2PB，其中新闻数据量超过200亿篇，覆盖60多种语言和100多个国家；三是领先的跨语言搜索技术和基于知识图谱的语义搜索技术，构建起了新闻、企业和科技等领域知识图谱。 大数据再大、再神也是工具 身处大数据时代，我对大数据的认识是：第一，大数据无处不在，古已有文，云计算激活了它的蓬勃生机；第二，大数据的核心是预测，特点是大而全，是样本即整体，因而放弃精确，拥抱混杂，反而更加精确；第三，大数据的关键在相关关系，一旦掌握了量化的相关性，就掌握了预测的钥匙；第四，大数据再大、再神也是工具，传统出版可以在学习中掌握主动。 在数据驱动的第三波产业发展中，我们也更清晰地认识到：第一，新时代，主要矛盾，高质量发展，底层的最基本问题是创新，而创新的决定性因素是科技。第二，传统出版本身还有自己的发展空间，但中心正在转移，融合发展将逐步成为主旋律。第三，在数字化网络化的浪潮中，传统出版商的要害是内容数据，前提是内容的数据化，关键是内容数据的集成，核心是内容数据的研发应用，而出版数字化的前景是内容数据的提供商、研发商和服务商。第四，在数据化中出版将真正成为内容的提供、服务和创新主体。内容数据的规模，它的资产化、集约性、增值潜力将越来越代表着出版新业态的方向。总之，内容数据，对我们的数字化来说是“一”的一切，是一切的“一”。 我们力图构建一个以数据为核心、以出版新业态为导向的由内向外、逐步延展的大数据现代知识服务体系。从目前发展看可描述为4个圈层：一是基础层，即数据资源平台，也是知识服务的前端，主要解决数字标准、资源供给问题，回答“数据从哪里来”。二是核心层，即知识服务的核心平台，主要提供不同领域的专业化知识服务，主要解决“数据生成了什么”，主要包括大众、古籍、工具书、百科、音乐、美术、动漫、法宣等多个知识服务平台。三是中间层，即电商平台，解决关联领域的交易机制问题，主要解决“数据如何交易”，主要包括综合运营、易阅通国际、艺术品、新华、大中专采选等多个平台。四是外围层，即大数据智能分析，属于知识服务的衍生领域，主要包括译云、新华物流大数据平台。 （作者系中国出版集团公司总裁） |
