THDL-Pub 終於上線了

忙碌了一個多月，今天總算是把 THDL 的公開版放到網路上，提供學者專家申請使用。

這個版本包含了明清檔案」與「古契書」的全文與 metadata，另外也加上「故宮人名權威檔」與「國家圖書館明清人物小傳」的資料。而功能上，除了一般的全文檢索、檢索後分類、自訂文件集、詞頻分析等老面孔之外，另也多出一份「文件年代分佈圖」。

仍然不曉得這些東西是否可以對歷史研究者產生多大的幫助。尤其是，使用者很可能因不熟悉系統功能，而只會進行傳統形式的檢索。如此一來，「希望這些新工具能提供不同視野或角度」的初衷也將大打折扣。

不管怎樣，總是告了個段落，到達一個新的里程碑。

那麼，接下來是不是可以好好地休息一陣子？

人算不如天算。繼兩個小朋友感冒之後，自己也發燒喉嚨痛、四肢酸軟。醫生說，我沒有注射流感疫苗，這症狀應該是得了流感。吃過藥，喉嚨是舒服了許多，但仍然覺得昏昏沈沈，全身無力。

休兵時刻

燃燒了一整天的小宇宙，賣力測試的人都喊累了。鳴金收兵，先小憩一陣子再說。

不巧兩個小朋友都感冒了。雖然不是很嚴重的病毒感染（聽醫生說這一陣子有很多小朋友上吐下瀉），但聽到她們的咳嗽聲，心裡總不免擔憂難過。

心頭掛念著幾個「應該與統計相關的應用問題」，但因為對些問題的本質感覺頗為模糊，不知道該從哪裡下手。攤開統計學的教科書，亂看了幾個章節，感覺起來問題似乎屬於「多變量分析」，但卻又隱隱與「無母數分析」或「假設檢定」有關。

雖然太太是學統計的，但她說她的「多變量分析」並沒有學好，且專心照顧家庭這麼多年，除了重要的基本概念，有很多東西她都忘了。

自己並沒有懂多少統計的東西。趁著休兵時刻，就稍稍讀些統計書，看看能不能多學到「一丁點」重要基本概念...

馬不停蹄修程式

項老師希望下週即將公開的 THDL-Pub （給歷史學者使用的特殊版本）不要出太大的紕漏。

要加上一堆說明網頁，建構使用者意見回饋（尤其是更正資料錯誤）的機制，還要有一個簡單的帳號申請流程。光是這些拉拉雜雜的東西，就足以讓人忙上一陣。

此外，由於我一直把 THDL 系統定位在 prototype（實驗雛型）階段，因此在錯誤的處理上一直沒有花夠多的力氣。項老師前天強力要求實驗室成員幫忙測試，因此光是昨天，就收到許多大大小小的錯誤回報（包含系統錯誤、連結不對、描述不當等）。

從早上忙到夜半，並不時把修正的程式放上系統請大家再繼續測試。算了算，應該也修正了十來處地方呢。

很久沒有這樣與許多人密切地合作開發了。不斷地有人提出建議、回報錯誤，自己則不停地修正更新。頗有在兵荒馬亂戰場上作戰的感覺，雖身體實在疲累，但心頭卻火熱熱地，鬥志昂揚。

燃燒吧！小宇宙。

在地下書街買童書

小傢伙開學一週，日常作息又逐漸規律且忙碌起來。

理想上，載小傢伙上學後，自己就應有一個上午的空閒時光，可以吃頓咖啡早餐，聽聽音樂看看書。但或許是因為睡眠不甚足夠，自己總覺得不怎麼對勁，煩煩躁躁地。

於是，無法好好地靜下心來，會想四處亂逛，「在不怎麼算浪費的程度下，買些應該可以派上用場的東西」。

於是，搭捷運到地下書街買童書。

挑了十幾本童書，打個七五折後的價錢，算算竟比我買兩本原文書還要便宜。童書有小朋友看，而原文教科書買回家後幾乎都只能擺在書櫃上佔空間，當然前者比較有實用價值。

不過，花錢所能得到的滿足感，通常都無法持久，有時甚至只能維持幾個小時。即使是買到好書的興奮，才過一天就被日常生活的瑣事給消磨殆盡了。

睡午覺真好

這幾天疲憊不堪，今天太太帶小朋友們到大湖採草莓，留我在家裡。

雖然這是難得的數小時光陰，但自己其實也閒不下來。趁著空檔修補了幾個學弟妹們回報的 THDL 系統錯誤，也花了許多時間整理灑滿小朋友玩具的客廳，並稍稍清理一下自己的桌面。

不管怎樣，總還是在輕鬆安靜的情況下睡了半個小時的午覺。感覺很是舒暢。

大呼小叫過一天

照顧小朋友是很奇怪的：小朋友可愛的時候，會有幸福感；但一般說來，大呼小叫的時刻比較多。

今天早上就是這樣。太太有事先行出門，由我來照顧幾個小時。小隻的起床換好衣服、喝完「阿奶」、換好幫幫，大隻的還賴在床上看故事書，不肯去刷牙吃早餐。催促了半天，她小姐才慢慢地行動。

接下來，要帶姊姊讀經，妹妹卻在旁邊亂。姊姊本來就是「一邊玩、一邊跟著爸爸讀」，可是不管姊姊玩什麼，妹妹都一定要插一手，弄得兩人氣氛緊張，然後上演全武行。

「把巴，妹搶我的玩具。」姊姊告狀了。

「妳就讓她嘛，玩別的玩具啊。好，跟著我繼續讀經...」

過了一陣子。

「拔～叫妹走開啦，她這樣我沒辦法讀經。」

「妹，到爸爸這裡來。」我隨手拿起一只玩偶，叫妹妹過來我這裡。

「啊！嗚...嗚...」妹妹不理爸爸，開始打姊姊、扯姊姊的頭髮，姊姊開始哭泣。

「妹！不可以打姊姊！去罰站！」我生氣了，把讀經本放下，拎著妹妹到旁邊罰站。

「為什麼被罰站？」我問小小傢伙。

「因為我打姊姊。」她還知道做錯了什麼事。

「為什麼要打姊姊？」

「我要打姊姊，我一定！」小小傢伙露出很堅定的表情。

「不可以，打姊姊就要罰站！不可以打姊姊，知道嗎？」

「知道。」小小傢伙的語氣終於緩和下來。

罰站幾分鐘後，妹妹問問說可不可以離開，我說好，但不可以欺負姊姊。

過了沒多久，類似的情節再次上演。這回妹妹一定要拿姊姊手上的神奇寶貝圖卡，但姊姊不肯讓她。我把妹妹抱開，勸她玩別的玩具，但小小傢伙不聽，說她一定要姊姊的圖卡。

就這樣，原本二、三十分鐘就可以讀完一遍，在聲嘶力竭下竟然花了將近一個小時。

緊迫盯人

天氣好，帶小朋友到淡水曬太陽吹泡泡。才剛回到家，手機就響了。

是負責 THDL 公開版時程的學妹緊迫盯人。詢問一些開發、測試、與資料移轉的相關進度，並問我哪一天會去實驗室。喔，我以為這個星期仍是假日，還想盡量帶小朋友出外遊玩呢。

其實，這個春節假期基本上並沒怎麼清閒，幾乎每天都在跑程式。原本拿到新的資料，就需要三、四天的時間才能將資料庫所需的採礦資訊計算出來（是 24 小時不停地跑程式喔）。但處理了幾天，才發現上游給的輸入資料有一點小錯誤。手動將錯誤刪去後重跑一次，這樣就已經耗去一個多星期了。

接下來，又發現新資料的檔名有了變化。從前來源資料的檔名是以 .txt 結尾，但現在有些文件內含表格資訊，它們的檔名就會改用 .xml 結尾。這些改變雖不會造成檢索上的困擾，卻會對學妹辛苦處理的「上下手契」造成檔名對應不到的問題。過年期間不好麻煩別人，只好自己寫程式進行檔名的對應與轉換。

所以嘛，其實也是在兩三天前，才告個段落，把工作放下的。

剛剛又收到訊息，說是新版的資料其實還有其他錯誤，因此還是得重跑。唉，雖然心裡也知道必然會發生這類情事，但碰上了，卻也很難有好心情去面對...

一直覺得，加班趕工一天，就需要兩天的休息時間，才能讓自己的神智恢復清醒。等這個公開版完成後，一定要好好地休息一陣子。

迷你夾娃娃機

很久以前曾在好市多看到一組迷你夾娃娃機，小傢伙很是喜歡。

剛好這幾天博客來有特賣，一組 699 元。上網查了一下，這組玩具的前幾代風評好像還不錯，所以就下訂了。

不過，699 元已經超過小傢伙「剩下可以買玩具的消費券」了，怎麼辦呢？小傢伙說，沒關係啊，就從紅包拿出 100 元，不就可以了嗎？

我提醒她，妹妹的消費券還沒有買玩具，可以跟妹妹 sharing 啊。小小傢伙雖然對很多事情都很有自己的意見，但對於玩具其實只會跟著姊姊唱和，當然就同意了。

原先以為春節期間工作人員也需要休息，沒想到隔兩天早上就收到了。另外，我們看網頁的說明，以為並沒有附贈小玩具，但這組夾娃娃機很夠意思，附上了 10 個小扭蛋。兩個小傢伙高興極了，一直吵著要幾個塑膠代幣來玩。

平常要小傢伙們表演一下節目，她們都相應不理。有了夾娃娃機，我說「要說幾句吉祥話、或者唱歌表演節目，才可以拿代幣夾娃娃」，她們真的還連續唱了幾首歌、手腳擺動跳舞呢。

雖然迷你夾娃娃機算是「麻雀雖小，五臟俱全」，但我還是覺得體積稍小了些。尤其是高度不怎麼夠，如果機器內的扭蛋太擁擠、或者堆到兩層的高度，夾子放下來就來不及打開，因此成功率就很低。由於可以在一分多鐘的時間內反覆夾取，若放入的扭蛋數量小於七只，大隻的現在幾乎每次都可以夾中。小隻的其實只會「投幣」與「撿起掉出來的扭蛋」兩個動作，其他都需要姊姊的幫忙，但她還是顯得非常興奮。

如果早幾天買到這玩意兒，在過年聚餐後讓小朋友們排隊表演，一定很有意思。

消費券的用途

景氣差，政府發行消費券來刺激消費。令人好奇的是，消費券真的會讓大家多去消費嗎？

對我來說，消費券其實就跟「政府發的紅包」沒什麼兩樣。大大的紅色信封袋，在農曆年前發放，擺明了就是紅包。只不過，大袋子裡裝的小小消費券，看起來卻很像是玩具鈔票。

兩個小朋友也有消費券。大隻的有一些錢的概念，很高興地用三分之一的一半買了一組特價中的神奇寶貝玩偶。小隻的看上喜歡的玩具後，緊緊地抱住盒子大叫「買這個」！可惜她的爸媽嫌那組玩具太貴，最後當然以不了了之收場。

有時，消費券甚至比現金還好用。今天因天氣飄雨溼冷，又不想到動物園去人擠人，所以就帶小朋友到「迪諾歡樂世界」去玩上回意猶未盡的「打蚊子遊戲」。服務台上寫著「買 500 元代幣加送 300 元代幣」，但...「用 500 元消費券購買，加送 500 元代幣」。這當然就是使用消費券的好時機啦。

右上圖是前些日子拍的，小小傢伙最喜歡的遊戲之一。若問她今天玩得高不高興，她會回答「高興」；若問她玩了些什麼，前三名一定會提到「麵包超人搖啊搖」。

玩了約一個小時，大家都很盡興。回家清點了一下，共消費 30 個代幣，玩了十幾種遊戲。至於剩下的 70 個代幣呢，就留著以後使用吧。

垃圾堆

多日沒有整理家中雜物，客廳與餐廳早就像是個垃圾堆。

除了小朋友的玩具、作品、書籍、文具之外，也有許多是自己的零食、電子用品與筆電配件。此外，還有一大堆不知道該不該丟掉的東西...

歲末啦，就算沒力大掃除，也該找個時間「小掃除」一下了。

「球打蚊子」的遊戲機

約半個月前，小妹邀我們去中和的環球購物中心，說那兒的湯姆熊有個「很好玩的打蚊子遊戲」。

可是，這些日子我們都相當忙碌，中和的距離又感覺遠了些，就只能婉拒她的邀請。

內湖德安百貨有間「迪諾歡樂世界」，玩遊戲的價格比湯姆熊合理許多，但我們一直覺得它所引進的遊戲機太舊了些。

昨晚到德安的 Skylark 用餐，小朋友都迫不及待地要到樓下玩。這回同行的有小朋友的幾位阿姨，她們發現了好些有趣的機台，其中之一就是「用塑膠球打蚊子」的遊戲。

說起來也沒有什麼：就是一個大大的觸控螢幕，底下接著一個塑膠球池。遊戲者必須在限定的時間內，用塑膠球擊中螢幕上四處飛舞、貪婪叮咬手臂的蚊子。打中越多蚊子，分數就越高，遊戲結束機台也會吐出越多集點卡。（其他另有多種遊戲可以選擇，但我們覺得打蚊子最好玩。）

小朋友坐在球池內丟球，而大人們也玩得不亦樂乎，大呼過癮。覺得這個遊戲的創意不錯，是個適合「大人小孩一起玩」的好遊戲。

在家趕寫程式

項老師要客製一個新的 THDL 版本給外界的歷史學者使用。

一週前聽到這個消息，就猜到接下來一定會忙碌好一陣子，因此顯得有些不甚情願。果不其然，要增添一些回饋機制、刪去一些不想給別人用的功能、還要修改一些介面。

對於原本系統沒有支援的東西，原本就需要比較多的時間去嘗試。自己現在的時間頗為瑣碎，前幾天又感冒發燒，寫程式就顯得進度相當緩慢。

為了在下週三前，就把介面的部分搞定（因為還要交給其他人員美化版面），太太這兩天都盡量把小朋友帶開（這兩天天氣好轉，小朋友也喜歡出外遊玩），好讓我在家裡能夠好好地趕程式。

這樣當然有幫助。

有時也會想，在家趕寫程式，和珍珠圓在家趕稿，性質是不是很類似呢？

不喜歡彈性放假

這篇文章應該好幾天前就要寫的，但天冷人疲，就一直擱著了。

從以前就不怎麼喜歡彈性放假。總覺得要放假就放假，為什麼非得弄個「為了湊出連續假期而彈性放假，然後再找個週六來補假」呢？

覺得彈性放假會打亂許多原本的作息。例如，上週六小朋友就要到學校補課（好像是補元旦連續假期中的某一天，而原本週六要去學游泳、練習畫畫，這些活動就必須另外找時間補課。於是，整個週末就東奔西跑，一點週休的感覺也沒有。

週六載小朋友回家時，在重慶北路交流道還塞車了將近一個小時。車子開開停停，腳在煞車油門之間不停切換，都差點抽筋了。

或許受益的是那些遠道求學或工作的遊子，他們需要比較長的連續假期，才能夠返鄉與家人團聚吧。

雖然應該有很多人喜歡彈性放假，但我屬於異類。

小玩電動後的罪惡感

四天的元旦假期，很快地就過去了。

回顧 2008 下半年，日常生活就是在小朋友與工作之間忙碌著。上週開始重玩多年前的「魔法門外傳 III」，玩著玩著竟有些上癮了。

當然還是小朋友的時間優先。只是原先晚上寫程式的時間，除了一小部分拿來補眠，幾乎都被改來玩電動了。好處是自己會有一小段時間沈迷在過關的樂趣中，但壞處是破關後就會覺得有些空虛。很像是花錢買東西，買的時候有股快感，買完一陣子時間卻又感覺罪惡。

於是，忙碌的時候嫌疲累，好不容易騰出的時間卻又輕易地被電動佔走。雖然總覺得自己有些矛盾，但玩玩電動，也總比無所事事地嫌無聊來得好吧。

這幾天雖然只過了幾關，卻也真的消磨掉不少的時間。隨著元旦假期的結束，自己似乎也該收收心，準備下個版次的程式了。

讀經小狀元

小傢伙今天「讀經闖關成功」，當上薇閣幼稚園的「讀經小狀元」。

要成為「讀經小狀元」，必須背誦完第六冊「兒童中國文化導讀」。事實上，幼稚園有安排進度，每個學期背誦兩冊。因此，只要跟著進度走，每個小朋友都可以當上讀經小狀元。

雖然在小傢伙班上，有幾位「很厲害」的小朋友，已經能夠背完第八冊；但我還是覺得，小傢伙能夠每天花上二三十分鐘來讀經，真的已經很不錯了。

這也算是炫耀文嗎？

該不該再多休息幾天？

強迫自己幾天不去看程式，終於能夠早些睡覺，感覺起來精神好多了。

這兩天甚至把多年前買的「魔法門外傳 III」安裝到 VM 系統上，而且也還真的玩上一小陣子。

但接下來，是要「繼續對 THDL 系統的後續問題視而不見」，還是「好吧，既然已經休息了幾天，該上工了」？

當然想再繼續懶散個幾天。畢竟已經疲倦好一陣子，實在不該讓工作（寫程式）把自己的生活弄得太忙亂。

只是，目前已可見到數個跟系統相關的東西有待實作。依自己的急性子，就算想休息，恐怕也很難真的放下吧。

多出來的一個下午

今天項老師有要事，實驗室會議提早兩個小時結束。

於是，自己就多出了將近一個下午的時間。正巧小寶寶也睡著了，可以好好地睡個小小的午覺。

這是難得的幸福時光，要珍惜。

雖然睡了半個小時後，就被電話吵醒，但感覺還是很舒暢。

因忙碌鬱悶而想花錢買東西

如果說，忙碌就是指「找不出自在悠閒時間的感覺」，那自己最近還忙得頗不像話。

連著十幾天晚上都忙碌到十二點過後才匆匆上床睡覺，而早上又多半是家裡醒得最早的人。身體本就不算強健，睡眠不足就很容易導致情緒不穩，疲憊感大增。

也不是不知道該早些睡。麻煩的是，晚上催促小朋友們入睡後，經常已過十點鐘。最近手頭的事情比較多，而這些事情（有程式要修改、有投影片要準備、有新想法等待沈澱與記錄）都只能在小朋友入睡後的空檔進行。

工作不是都該在上班的時間做嗎？

只能怪自己，常沒能在上班時間做好比較需要思考的事情。上班的時間，自己通常只能處理常態或雜務性質的工作，卻不善於處理需要較長時間思考的複雜作業。

身心疲累，有時就會想花錢。但錢還是不能亂花，總該買些比較務實、比較有價值的東西，不是嗎？

於是，漸漸覺得從前喜歡買書，很可能也只是鬱悶心情的一種發洩。只是，這幾年幾乎都沒有時間可以看書，因此也漸漸地改買小朋友的書籍、文具、甚至玩具，改買屬於家用耗材的三四號電池。糟糕的是，最近這些東西越來越多，已經有些囤積的味道了。

找不到合適的東西來花錢，是不是也會讓自己更覺鬱悶呢？

從 THDL 發掘統計的相對性意義

昨天在實驗室會議上，把最近的一些想法與心得提出來和眾人分享討論。

一個重點是，強調 THDL 應該整合檢索 (Retrieval) 與文字採礦 (Text Mining)。

原因說起來也很簡單。採礦的基礎是來自於統計（若內容是文字資料，統計的基礎就是詞頻與文件數量），但文字資料不似數字資料，經常有其模糊性。因此要深入解讀採礦的結果，通常研究者還必須檢視文件的內容，而檢索的目的，就是讓使用者能夠從資料庫中，找到「想要的文件」。

此外，由於 THDL 內容的特性（很多資料，尤其是古契書，都已經佚失），所有 THDL 文件的集合只佔所關心的母體（所有明清時期臺灣相關的重要文字資料）一小部分，因此要利用統計來解讀 THDL 的採礦結果，就必須非常小心。

在母體狀況未明之下，如何經由 text mining 來產生意義？

我的想法是：藉由比較。雖然 THDL 並沒有包含「所有」關心的文件，但它已經相對完整（當然啦，項老師有個目標是讓它「更完整」）。因此，若假設這個樣本空間就具有某種代表性（例如，假設 THDL 文件具有類似隨機抽樣的代表性），那麼把這個樣本空間當成母體，比較資料庫中的兩個文件子集，就可能得到有趣的觀察。

例如，目前的 THDL 系統，除了一般的檢索外，也可繪出這樣的統計圖：


其中 X 軸是西元的年代，Y 軸則是文件的數量。灰底的背景表示「全文含有『杜賣』的文件」，而淺紅底的區塊則表示「全文含有『絕賣』的文件」。

從這張圖，可以很明顯地看出使用「絕賣」這個詞彙的契書大致逐年遞減，而「杜賣」這個詞彙則逐漸躍居主流。

另外一個例子是：


其中，灰底的背景表示「全文含有『杜賣』、『找』以及『贖』的文件」，而淺紅底的區塊則表示「全文含有『杜賣』以及的文件」。

從這張圖，可以看出有『找』出現的杜賣相關文件，幾乎都會有『贖』字出現（例如，「不敢言贖找洗」）。如果在比較幾張類似的圖，或許可以推測明清時期的土地買主，最在意杜賣行為之後賣方還會有「贖」的要求。

雖然在設計與實作上，著實也花了好些時間與氣力，但把這些 mining tools 整合到 THDL 之後，自己還真覺得頗有成就感。畢竟，這些「簡單、直觀、說起來也沒什麼」的整合想法，當中蘊含有在這幾年逐漸體會的心得。

於是，除了「經由檢索技術，很快地找出前人所犯的明顯錯誤」（這一點應是歷史學者比較能夠接受的），我們也希望能夠「利用 mining 技術，讓使用者能夠看到趨勢上的變化、概念間的比較」。

只是，自己心裡也明白，text mining 這個領域其實還相當不成熟。要說服熟悉歷史的專家（說整合性地應用 retrieval 與 mining，應有其不可忽視的潛力），仍有一段遙遠漫長的路。

淡水半日遊

昨天載小傢伙回診、上學後，時間已經接近中午了。

想說已經有頗長的一段時日沒有造訪淡水，而接下來又有鋒面來臨，帶小寶寶去河邊走走、看看漁船、吹吹泡泡，順道與太太逛逛街，應該不錯。

午後的淡水河邊停滿了小船。即使是在非假日，接近傍晚的時刻仍然有大批的遊客來回走動，河邊與街上熱鬧得很。

在冬天裡享受溫暖的陽光，小寶寶很是高興。沿途買了一些小玩具，做了幾份姓名貼，買了幾支「三峽老街」的牛角麵包來享用。在捷運旁的小攤上看到鏽有史努比的絨毛手機袋，觸感不錯，一袋只要 50 元。很高興地買了幾只，想說可以用來裝筆電的滑鼠，或者當作零錢包。

在每天修改程式的工作外，抽出時間到戶外走走，花些小錢（促進經濟），對自己和社會應該都不錯。