» ضمن تشکر از جنابعالی، لطفاً خودتان را برای خوانندگان فصلنامه معرفی کنید.
◊ بنده مسیح توحیدی هستم که در سومین دوره همکاری خود با مرکز تحقیقات کامپیوتری علوم اسلامی، مدّت چهار سال است در خدمت همکارانم در گروه ادبیات و متن کاوی از معاونت پژوهشی مرکز می باشم.
» بحث لغتنامه، چه پیشینه‌ای را در مرکز نور پشت سر نهاده است؟
◊ موضوع صحبت من در اینجا، قاعدتاً وضعیت فعلی لغتنامه نور است؛ أمّا برای رسیدن به نقطه فعلی، باید مقدماتی را طی می کردیم. همچنین، در ادامه، توسعه ای در این زمینه خواهیم داشت که چیزی فراتر از لغتنامه مصطلح خواهد بود.
اطّلاع دارید که اوّلین نسخه‌ای که در مرکز نور به عنوان لغتنامه تولید شده، قاموس النور بوده است. نسخه دوّم این محصول که آخرین نسخه آن هم می باشد، چند سال پیش تولید شده است. قاموس النور نسخه 1 و 2، هر دو، نوعی کار کتابخانه‌ای بوده‌اند که در آنها علاوه بر در اختیار قرار دادن تعدادی از منابع لغوی، دسترسی سریع و آسان به محتوا نیز امکان داشت. در نسخه اوّل این محصول، تعداد منابع موجود در آن خیلی محدود و معدود بود؛ امّا در نسخه بعدی قاموس، این منابع به چهل عنوان رسید و البته کار نسبتاً پژوهشی نیز در کنار آن انجام گرفته بود.
» برای ساماندهی دیجیتالی متون منابع لغوی، پیش از این چه اقداماتی صورت گرفته بود؟
◊ به طور کلّی، در زمانی که کار لغت در مرکز شکل گرفت، دو دسته فرمت را روی متون لغت پیاده سازی کردند؛ یکی فرمت ریشه و دیگری فرمت مشتق.
می دانیم که عمده کتابهای لغت، ریشه‌محور هستند و تبویب این کتب، بر اساس ریشه می باشد و بر مبنای یک ریشه که معمولاً هم چینش الفبایی دارند، به توصیف مداخل می پردازند و از آنجا که بعضی از این کتابها، ریشه محور نبودند، مثل فرهنگ ابجدی، فرمت جداگانه ای در مرکز به عنوان «ریشه» در نظر گرفته شد. از سوی دیگر، برخی از کتب لغت نیز تفاوت مبنایی در تعیین ریشه برای یک مدخل داشتند و همچنین، ممکن بود بین محقّقان مرکز نور با مؤلّف کتاب، تفاوت نظر در تعیین ریشه هر مدخل وجود داشته باشد. پس، فرمتی را به عنوان «ریشه» در کنار مشتقات ذکر کرده‌اند. فرمت دیگر، مشتق بود و بنا بر تعریف کاری که آن زمان صورت گرفت، این فرمت به تمامی مشتقاتِ ذکر شده در ذیل هر ریشه زده می شد که الزاماً همه مشتقات مدخلی که دارای توصیف باشند، نبودند. این مقدمه را عرض کردم که تفاوت مشتق با مدخل که بعداً توضیح بیشتری خواهم داد، روشن شود.
» لغتنامه‌ای که در مرکز نور در حال تولید است، چه ویژگیهایی دارد؟
◊ لغتنامه ای که الآن مدّ نظر ماست، یک لغتنامه استاندارد است. در این لغتنامه، ذیل هر ریشه، یک سری مدخل داریم. در مقابل این مداخل، توصیف و توضیح مشخصی که برای کاربر قابل فهم باشد، ارائه شده است. بین واژه مشتق و مدخل، رابطه عام و خاصّ مطلق وجود دارد؛ زیرا الزاماً همه مشتقاتی که ذیل یک ریشه می آید، در مقابل آن توضیح و توصیفی وجود ندارد؛ ولی تمام مداخل، دارای توضیح هستند. مشکلی که پیش از این وجود داشت، آن بود که همه مشتقات فرمت خورده بودند و در فهرست مشتقات شما، کلماتی وجود داشت که هیچ توضیحی نداشتند و عملاً برای محقّق یا کاربر مفید نبود؛ به بیان دیگر، اگر شما به لغتنامه های قبلی مرکز مراجعه کنید، می بینید که در آنها دو نوع فهرست وجود دارد: یکی فهرست ریشه، و دیگری فهرست مشتقات. در قسمت مشتقات، وقتی واژگان آن را مرور کنید، ملاحظه خواهید کرد که بسیاری از آنها، معمولاً مدخل نبوده، فاقد توصیف مفید می باشند. این، نقیصه‌ای بود که در لغتنامه های قبلی نور وجود داشت و ما باید آن را اصلاح می کردیم.
»چه کارها و اصلاحاتی انجام شد تا به وضعیت مطلوب دست پیدا کردید؟
◊ کاری که باید انجام می دادیم، این بود که منابع لغوی را ساماندهی کرده، مداخل و توصیفات آنها را استخراج کنیم. برای این کار، مقدماتی را انجام دادیم تا به نقطه فعلی برسیم. نخست اینکه چون فرمتی برای این کار نداشتیم یا فرمتهایی که داشتیم، به درد این کار نمی خورد، کتابهایی را انتخاب کردیم که از نظر علائم ویرایشی و نقطه گذاری دارای ساختار مناسبی باشند و بتوانیم با پردازش ماشینی، مداخل و توصیفاتش را حتّی المقدور به شکل ماشینی استخراج کنیم. به همین جهت، نگاه اوّل ما به منابع از این نظر بود که آیا این منبع امکان آن را دارد که بتوانیم قاعده هایی را مشخّص نماییم که ماشین بتواند تشخیص دهد که فلان کلمه، مدخل است و چیزی که مقابلش آمده نیز توصیف آن است؟ بحمدالله، توانستیم این کار را انجام دهیم و کتابهایی با این ویژگی انتخاب شد و وارد چرخه کارمان قرار گرفت.
پس از این، شروع به بازبینی کار نمودیم؛ چون ممکن بود این قواعد در برخی مواضع، درست رعایت نشده باشد یا ماشین بعضی موارد را به درستی تشخیص نداده باشد. این بازبینی، در معاونت پژوهشی انجام شد؛ یعنی قسمت اوّل کار که استخراج قواعد بود، توسط همکارانمان در معاونت پژوهش به سامان رسید و بعد در معاونت فنّی، دوستانمان به استخراج ماشینی این قواعد پرداختند و آنگاه دوباره توسط عزیزان ما در پژوهش، این کار ماشینی، به طور دستی بازبینی شد تا نواقص کار گرفته شود و اصلاح و تکمیل گردد. البته غالب موارد، صحیح بودند و بعضی موارد که اشکال داشتند، اصلاح شدند.
بنابراین، می توان گفت در نسخه جدید لغتنامه نور، اگر چه از نظر تعداد منابع در مقایسه با نسخه قبلی، شمار کمتری از کتب ارائه شده است، ولی از جهت کیفیت و کارآمدی برنامه، ارتقاء قابل توجّهی داشته است؛ زیرا بناء ما ساماندهی مطلوب و تجمیع بهینه اطّلاعات و استانداردسازی کار بوده است؛ البته این ساماندهی، الزاماتی داشته که از ما نیز وقت و هزینه بسیاری گرفته و البته در جای خود، لازم و مفید بوده است.
» با این توضیحات، در نسخه جدید، لغتنامه استاندارد و کارآمدی برای محقّقان طراحی کرده اید؟
◊ بله؛ اگر بخواهم اجمالاً عرض کنم، باید بگویم که ما یک لغتنامه استاندارد را طراحی کرده ایم که مشتمل بر کتابهای مرجع و مهم در حوزه لغت است و در مجموع، شامل تعدادی مدخل است و مقابل هر مدخل، حداقل یک توصیف یا توضیح وجود دارد. برخی مداخل، به تناسب نوع مدخل، توصیفات بیشتری دارند که ما همه آنها را ارائه کرده ایم.
در استخراج ماشینی مداخل و توصیفات از منابع انتخاب شده، در کتبی مثل: العین، المحیط فی اللغة و تاج العروس، وجود فرمتهای ریشه و مشتق می توانست کمکی برای استخراج بهتر ماشینی باشد؛ ولی در خصوص برخی کتب که فاقد این فرمتها بودند، فقط با استفاده از علائم ویرایشی موجود در متن، اقدام به استخراج ریشه، مداخل و توصیف آنها شد.
به صورت میانگین، چیزی حدود صد هزار مدخل در همه کتابهای لغت مطرح شده است. کاری که در قاموس النور صورت گرفته بود، این بود که حدود یک میلیون مشتق غیرتکراری داشتیم؛ یعنی چیزی حدود نُه دهم آن، اضافه بوده است. به همین جهت، لازم می نمود که این فهرست تکراری را ساماندهی کنیم. به هر حال، یک تعداد ریشه و نیز مشتق، در کتابهای لغت هست که مشترک‌اند؛ با این تفاوت که توضیحات مداخل آنها، با یکدیگر تفاوتهایی دارند.
» دلیل درست شدن این حجم انبوه از مداخل چه بود؟
◊ وقتی مداخل حدود هفت کتاب معروف لغت را کار کردیم و همه را با هم تجمیع نمودیم، با حدود پانصد هزار مدخل مواجه شدیم که هر کدام دارای توصیف هم بود. دلیل این کثرت در مداخل، چند چیز بود؛ از جمله، تنوّع در نگارش این مدخلها؛ مثلاً در یک کتاب از نظر اعراب گذاری هیچ اعرابی روی مدخل وجود نداشت؛ ولی در کتاب دیگر، اعرابش گویا بود و به راحتی می توانستیم تشخیص دهیم این کلمه چگونه تلفظ می شود و یا چه صیغه ای است. از این رو، وقتی این مداخل را تجمیع نمودیم، ماشین این تفاوتهای جزئی را شناسایی کرد و بر اساس قواعدی که مشخص شد، مواردی که قابل جمع بودند، در یک گروه قرار گرفتند.
دلیل دیگر، تفاوت تعبیر مؤلّف در بیان مقصود خود بود؛ به عنوان مثال، مدخل «استکرم»، ذیل ریشه «کرم» آمده است و مدخل دیگر، «استکرم الشیء» است که در کتابی دیگر، ذیل همان ریشه آمده است. در این گونه موارد، اگر چه توصیف هر مدخل، متفاوت از توصیف دیگر است، أمّا در دو مدخل، واژه محوری که ذیل ریشه «کرم» بیان شده، «استکرم» می باشد.
» چگونه این مشکل را حلّ کردید؟
◊ برای حلّ این مشکل، برای مواردی که به صورت تک کلمه بودند، ولی تنوّع در نگارش داشتند، قواعدی را مشخّص کردیم که ماشین بتواند به واسطه آنها، کلمات متنوّع از حیث اعراب، أمّا مشابه را شناسایی کند و همه را یکجا جمع نماید؛ چه بدون اعراب و چه با اعراب؛ به عنوان نمونه، «استکرم» در این منابع لغوی به چهار صورت نگارش یافته بود که به شکل ماشینی تجمیع شدند (اسْتَکْرَمَ، استَکرَم، استَکْرم، استَکْرَمَ) و از میان آنها، مورد اوّل که کاملترین اعراب را دارا بود، به عنوان مدخل نماینده انتخاب شد.
أمّا آنجا که مداخل ما چند کلمه ای بودند، با توجّه به ضرورت تجمیع این مداخل، اصطلاحی به عنوان «مدخل پدر» جعل کردیم و برای هر مدخل، یک مدخل پدر که همان کلمه محوری بود، در نظر گرفتیم؛ برای مثال، اگر هم اکنون مدخل نماینده «العامَّةُ» را ملاحظه کنیم، مشاهده می کنیم که ذیل آن، 23 مدخل همچون: «المشروطة العامّة»، «الأمور العامّة» و «الممکنة العامّة» وجود دارند که تمامی این مداخل، در داشتن کلمه «العامّة» که ما از آن به «مدخل پدر» تعبیر می کنیم، مشترک هستند.
وقتی به سوی ایجاد مدخل پدر رفتیم، تعداد مداخل ما به چیزی حدود سیصد هزار عدد رسید و بعد از آن، زمانی که مداخل اعراب دار را تجمیع کردیم و با مداخل بدون اعراب سازگاری دادیم، به حدود صد و بیست و هفت هزار مدخل دست یافتیم.
در این روند، ما مداخلی که دارای «ال» تعریف بودند را با مداخل فاقد «ال»، جمع نمودیم و همچنین، مداخل فاقد اعراب را به واسطه توضیحاتی که داشت، به مداخل نماینده اعراب دار متّصل کردیم؛ مثلاً «ضرب» بدونِ اعراب، به دو شکل ممکن است تلفظ شود؛ مصدر و فعل ماضی. به کمک توضیحات جلوی هر کدام، متوجّه شدیم که این مدخل، باید مصدر یا فعل باشد و از این راه، آنها را در جای خودشان تجمیع نمودیم. بدیهی است که برخی از مراحل و بازبینی آنها، نیاز به کار دستی داشت که در نهایت، به هشتاد و نه هزار مدخل دست یافتیم؛ یعنی از پانصد هزار مدخل، به حدود نود هزار مدخل پدر رسیدیم که البته جلوی مداخل پدر ما، انواع توضیحات مرتبط و نیز ارجاعات به منابع مختلف وجود داشت که مثلاً فلان مدخل، در منابع گوناگون چه توضیحاتی دارد و در چه منابعی از کتب لغت آمده است.
» قدمهای بعدی در تکمیل روند لغتنامه نور چه خواهد بود؟
◊ در نسخه های گذشته لغتنامه نور، ما متن هر کتاب را داشتیم و فهرستی از تمام ریشه ها و مشتقات آن را عرضه نموده بودیم؛ ولی در حال حاضر، مداخل هفت منبع اصلی لغت، معیار قرار گرفته است و همه ارجاعات به این مداخل اصلی انجام شده است. به همین جهت، ممکن است برای هر مدخل، چندین توصیف و معنا از منابع مختلف داشته باشیم. ما می کوشیم که محقّقان، همه معانی یک لغت را یکجا ملاحظه کنند. کاری که ما باید در آینده انجام دهیم، این است که این توصیفات متعدّد مداخل را دسته بندی معنایی کنیم تا استفاده بهتری برای پژوهشگران داشته باشد. این، کاری است که در مرحله بعد انجام می دهیم و الآن مقدماتش را انجام داده ایم؛ ولی هنوز به نتیجه دلخواه نرسیده‌ایم.
» آیا ساختار ارتباطی که هم اکنون در بین مداخل و توصیفات کتب لغوی در نظر گرفته شده، قابل تعمیم به سایر اطلاعات غیرلغوی نیز هست؟
◊ بله؛ فارغ از بحث لغت، در ساختار، به یک سری مداخل رسیده ایم که بسیار محوری هستند و همه لغات، ذیل این مداخل پدر قابل توصیف هستند؛ به بیان دیگر، از موضوع مدخل‌محوری در لغتنامه، به سوی ایجاد یک فرهنگنامه واژگان پیش می رویم و همه معانی یک واژه را که در منابع مختلف آمده، به صورت دسته بندی شده و یکجا در دسترس قرار می دهیم. این مسئله، در مرکز شدنی است و به توفیق الهی و مدد دوستان و همکارانمان، قدم های اوّلیه آن را برداشته ایم و پذیرش خوبی هم برای این قضیه ایجاد شده است؛ چون خروجی این کار، برای کاربران مختلف با علایق متنوع، کاربردهای بسیار ارزشمندی دارد. نظیر این قابلیت را شما در ویکیها مشاهده می کنید؛ برای مثال، وقتی در ویکی پدیا واژه ای را جست و جو می نمایید، معانی و توضیحات متعدّدی را در حوزه های مختلف به صورت دسته بندی شده، درباره موضوع مورد نظرتان مشاهده می کنید؛ یعنی جست‌و‌جوگر ویکی پدیا، اطّلاعات مفیدی را به طور یکجا برایتان تجمیع می کند.
» آیا در خصوص لغتنامه علاوه بر ارائه مداخل و توصیفات، اطّلاعات دیگری نیز در اختیار کاربر قرار می گیرد؟
◊ برخی از کتب، به بیان نحوه ارتباط بین مداخل مبادرت ورزیده اند؛ مثلاً کتبی همچون «المکنز العربی» و «المعجم المفصل فی المترادفات» به کلمات مترادف پرداخته‌اند و در مقابل یک مدخل، چند کلمه آورده و می گوید اینها مترادف آن واژه است. در خصوص این گونه کتب، پس از استخراج ماشینی کلمات مترادف و حفظ رابطه ترادف بین کلماتِ ذکر شده، اقدام به یافتن این کلمات از میان مداخل نماینده خود کرده‌ایم. از این رو، در ذیل برخی مداخل نماینده، علاوه بر ارائه توصیفات لغوی، می توان مترادفات آن مدخل را هم عرضه کرد.
این قابلیت، در حال حاضر در وبگاه قاموس که در دست تکمیل و راه‌اندازی است، پیاده‌سازی شده است و زمانی که شما کلمه‌ای را جستجو می کنید، علاوه بر معنا یا توصیف آن، مترادفات آن را نیز گزارش می دهد. در واقع، در بخش مترادفات، بین دو یا چند مدخل ارتباط معنایی صورت گرفته و دایره تحقیق کاربر را توسعه داده است؛ یعنی مداخل همسنخ با هم در یکجا تجمیع شده‌اند. این هم یکی از کارهایی است که در حوزه مترادفات انجام شده است.
أما در خصوص مرتبطات باید عرض کنم که برخی از کتب لغت، مانند الإفصاح، مداخل را به صورت موضوعی و دسته بندی شده ارائه کرده‌اند و نه بر اساس ریشه؛ یعنی ممکن است دو مدخل با یکدیگر مترادف نباشند، ولی از نظر موضوعی به هم مرتبط باشند. در این گونه موارد، مداخل مرتبط با مدخل مورد نظر را تجمیع کرده‌ایم تا کاربر به همه واژگان مرتبط با کلمه مورد نظر خویش دسترسی داشته باشد؛ به عنوان مثال، در کتاب «الإفصاح» ذیل موضوع «تغذیة الولد»، مداخل: «الغِذاء»، «الِخاء»، «العُلالة»، «اللدود»، «التَّرَف»، «السَّرهقة»، «القرم» و «المعاجاة» آمده است که هر مدخل، توصیف خاصّ خود را دارد و متفاوت از سایرین است؛ ولی تمامی این مداخل که هم‌ریشه هم نیستند، در مفهوم «تغذیة الولد» با یکدیگر دارای «ارتباط» هستند و چه بسا چنین ارتباطی، گره از کار محقّق باز کند و او را به هدفش نائل گرداند.
در مورد کلمات متضادّ نیز وضع به همین منوال است و کتبی در این باره تألیف شده است و اگر شما مدخلی را انتخاب کنید، مداخل و واژگانی که با مدخل انتخابی شما متضادّ باشد، ارائه خواهد شد. روشن است، کلمات متضادّ، جایگاه مهمّی در تحقیقات دارد و به شفاف‌سازی هر چه بیشتر مفاهیم و اصطلاحات مورد پژوهش کاربر کمک می کند.
» آیا علاوه بر ارائه مترادفات، مرتبطات و متضادّات، اطلاعات جانبی دیگری نیز در اختیار کاربر قرار می گیرد؟
◊ در برخی از منابع لغوی، تمرکز اصلی بر روی آیات قرآن کریم و احادیث بوده و در ذیل آنها اقدام به توضیح و توصیف واژگان می کنند؛ مثلاً مجمع البحرین، مفردات راغب و نهایه ابن اثیر، این خصوصیت را دارند؛ یعنی به واژگان غریبی پرداخته اند که در قرآن کریم یا منابع روایی آمده است و نیازمند توضیح هستند. برای اهل لغت یا اهل عرب، مفهوم برخی لغات که در متن قرآن و روایات آمده، مشخّص نبوده است. این نوع کتب، به توصیف چنین واژگانی پرداخته‌اند؛ یعنی محوریت در آنها، کلمات قرآن و حدیث است.
در خصوص این کتب، ما آیات و روایات را در حکم مدخل گرفتیم و با استخراج «مدخل پدر» که کلمه محوری در عبارت است، سعی کرده‌ایم این آیات و روایات را با مداخل نماینده ارتباط دهیم. با این کار، پس از درخواست کاربر از توصیف یک مدخل، ضمن ارائه مترادفات، متضادّات و مرتبطات، می توانیم آیات و روایاتی را که مشتمل بر آن مدخل هستند نیز عرضه کنیم.
» با توجّه به تعریفی که برای مدخل نماینده داشتید، آیا می توان کلیه اطّلاعاتی را که مدخل محور هستند نیز به این مجموعه اضافه کرد؛ هر چند دارای توصیف لغوی نباشند؟
◊ بله؛ به نظر می رسد تمامی اطّلاعات مدخل محور، همچون: فرهنگ اصطلاحات، فرهنگ اعلام اشخاص، اماکن و ... را که دارای چنین ساختاری هستند، می توان به این مجموعه اضافه نمود و بعد از تولید «لغتنامه»، آرام آرام به سوی تولید «فرهنگنامه» حرکت کرد.
نمونه این کار را به صورت آزمایشی روی کتاب «التعریفات» جرجانی انجام دادیم. این کتاب، مشتمل بر اصطلاحاتی است که توضیح هر کدام در مقابلش آمده است.
در این اصطلاحنامه، ما مدخل پدرِ برگرفته از اصطلاح را با فهرست نود هزار تایی خود مرتبط کردیم و مداخل مربوط به این اصطلاح را که عمدتاً تک‌کلمه‌ای بودند نیز در دسترس قرار دادیم.
» لغتنامه استاندارد نور در چه پروژه‌هایی از مرکز قابل استفاده است؟
◊ آنچه عرض کردم، دورنمایی از کار ما در این قسمت بود و به مرور زمان، می توانیم گروه های پژوهشی دیگر مرکز را هم در تکمیل این اطلاعات به کمک بگیریم.
به طور کلّی، هر پروژه‌ای در مرکز که مرتبط با حوزه واژگان و نیازمند ارائه توصیفات و معانی کلمات است، به این لغتنامه نیاز خواهد داشت. عرض بنده این است که با کاری که در حوزه لغت شروع شده، امیدواریم گروه های مختلف پژوهشی مرکز، متناسب با تخصّص خودشان، به این بانک لغوی مرتبط شوند و به مرور این بانک را توسعه دهند و ما کم کم به سوی تشکیل یک فرهنگنامه جامع لغت برویم که مشتمل بر انواع اطّلاعات و محتوای لازم در زمینه های مختلف علمی باشد.
» در پایان اگر سخنی باقی مانده، بیان نمایید.
◊ بعد از گذشت حدود سی سال از کار مرکز و زحماتی که در جمع آوری و دیجیتالی‌کردن منابع صورت گرفته، باید این منابع ساماندهی مناسب پیدا کند و به تسریع و تسهیل دسترسی کاربران و محقّقان به متون اسلامی و انسانی بینجامد؛ البته این موضوع، چیزی نیست که به گروه لغت و ادبیات منحصر باشد؛ بلکه مربوط به کارهای زیرساختی و کلان مرکز است و این هدف، تنها به برکت هوشمندسازی واژگان و ارائه آنها در یک بانک اطّلاعاتی منسجم و یکپارچه دستیافتنی خواهد بود.
بحمد الله، تاکنون توانسته‌ایم بحث هوشمندسازی لغات و ارائه لغتنامه استاندارد نور را به این نقطه برسانیم و نیازمند آن هستیم که به تقویت بیشتر جستجوگرهای خود بپردازیم تا بهترین و نزدیکترین تحلیل را به درخواست کاربر ارائه دهد. در این زمینه، کارهای اساسی و خوبی در دو حوزه پژوهشی و فنّی در دست انجام است که أن شاء الله هر چه زودتر ثمره آن در معرض استفاده همگان قرار بگیرد.
