第5章　归并为 Wiki 标题词——第二次整合的决定

第一次提取结束后，留下的是五千至一万五千行的一张表。行数很多，分类分成九种，但不能把这张表原样放进 Vault。因为同一人物以三个不同名称散在三行，同一场所也以两种写法各自出现，而且一个关键词与其他关键词如何连接尚未整理。

把这些分散行整理成一本词典的工作，就是第二次整合。

第二次整合是 Librarying 四阶段中人手介入最深的阶段，合格线也从第一次的 60% 提升至 95%。

什么是标题词：辞书编纂学的基础概念

要理解第二次整合，必须先准确掌握标题词（headword、lemma）这个概念。

翻开一般国语词典，在“去”这个标题词下，“去了”“去着”“正在去”“将去”等活用形不会各自另立条目，而是全在同一条目中处理。标题词是代表一个词汇所有形式的标准形式，这个原则正是词典之所以是词典的核心。若活用形各自都是独立条目，词典篇幅会膨胀数十倍，读者在找到信息前，还得先知道应用哪个形式搜索。标题词把所有形式收在一处。

Librarying 的第二次整合所做的正是这件事。若“星罗江湖”的一位人物在第一次中以本名、汉字写法、职称、系统称呼四种写法分散，第二次便把四者收进一个标题词。无论以哪种形式搜索或遇见，都能在一个标题词取得全部信息。

辞书编纂学有选定代表写法的原则：最常用的形式、最基本的形式，或规范拼写所定的形式成为标题词。IP Librarying 也遵循相同原则，将本 IP 出现最频繁的写法，或 IP 制作人正式确定的写法定为代表关键词。此时标题词选定不是任意决定“用哪种写法”，而是所有未来 IP 参照皆会以此标题词为基准的基础决定。它一旦定下，整个 Vault 都会以该标题词为中心组织。

取《龙与地下城》的“被遗忘国度”一个标题词，原理就很清楚。人物 Elminster 的本名为 Elminster Aumar，称号有 Shadowdale 的贤者、老魔法师，以及变装时的多个假名。“被遗忘国度 Wiki”的 Elminster 单一页面将这些写法收在一起，以本名为代表，无论用哪个称号搜索都通往该页。这正是 Librarying 第二次整合在一千至两千个标题词尺度上建立的结构。

标题词与知识组织体系

区分标题词与别名的感觉，也是图书馆学与知识组织体系长期处理的问题。W3C 的 SKOS 是表达同义词表、分类表、主题标目表等受控词汇的模型：它为一个概念附上代表标记，另置替代标记与隐藏搜索词，并区分更广、更窄与相关概念。

Librarying 的十三列也有相同感觉。代表关键词是标题词的优先写法；异称与别称是让人找到同一对象的替代写法；相关关键词是标题词在意义上彼此依靠的连接。较广与较窄范畴明确时可读作上下位关系；两者并非上下时，保留为相关关系更合适。

但 Librarying 并不是实现 SKOS 的工作。它不发布 RDF，也不试图与外部知识体系做机械映射，而是在创作 IP 的 Vault 中以较低层次使用同样原理。这个比较之所以有用，是因为它说明了“为何别称要另置”“为何相关关键词不能随意加入”“同一写法指两个概念时为何必须分开”。标题词不是单词表，而是受控词汇的第一单位。

第一次结果的结构

再打开第一次的结果表。以“星罗江湖”人物分类为例，一名剑客被分散放进四行：本名（“徐云卿”）、汉字写法（“徐雲卿”）、系统称呼（“天剑手剑客”）、江湖评语（“从凶日里挖出吉日的剑客”）。一个人物以本名、汉字、系统、别号出现，无论韩语 IP 或外语作品都是相同情况。

其他分类也有同样样貌。装置分类的“天机”“乘着星光的气”“从天而降的气”分开进入；场所分类中一个官署的正式名称、简称、作品内称呼分开；物件分类中一个组织的正式名称、缩写、口语称呼分开。这种分散正是第一次提取方式的结果：第一次照原样拉出写法，将是否同义的决定延后。本章便做这个决定。

把同义行归并为一体，是第二次整合的起点。将徐云卿的四行归为一个标题词就缩成一行：代表关键词定为“徐云卿”，其余写法收进别称栏，定义则把四行的短说明合成一行。这种归并是第二次整合的本质，其结果让五千至一万五千行缩为一千至两千个标题词。每个标题词容纳所有同义写法，IP 资料才开始接近词典的样貌。

看一个存在同时有多种写法的作品，就能明白为何需要这样归并。在《全知读者视角》中，“星座”不以真名而以“修饰语”别号被称呼、隐藏身份；解读修饰语便会揭露真正的神话人物。例如修饰语“如恶魔般的火之审判者”即为大天使 Uriel。一个存在同时有修饰语、真名、神话出处，必须放在同一标题词下，读者才不会把同一人物误认为不同人物。

为何合格线是 95%

第一次合格线为 60%，第二次却跳到 95%，必须看清差异从何而来。

第一次即使有分类错误的行也无妨，因为同一行本来会在第二次再通过一次。无论它进入人物或物件，人都会在第二次再看一遍并决定，分类因而被修正。但第二次若归并错误，下一步第三次骨架构建会原样制成 .md 文件。若两个不同人物被归为一个标题词，两人的信息便混入一个 .md 文件。错误会原样进入第四次叙事写作，直到验证才发现；一旦错误归并，修复成本很高。

因此第二次的合格线是 95%。不是 100%，因为人的决定偶尔也会偏差，剩下的 5% 会在最后验证抓出；95% 是人能达到的最严格线。正因这种严格性，第二次整合由人主导；AI 工作伙伴即使快速编出同义词候选，最终决定仍由人下达。

十三列标题词的结构

第一次的产物是五列（IDX、分类、关键词、说明、出处），第二次的产物则是十三列。第一次带来的基础信息（IDX、分类、出处清单）保留，并新增八列。

确立标题词身份的字段。 代表关键词是已归并同义词中代表该标题词的写法，选本 IP 的正式名称或最常出现的写法。此代表关键词成为标题词的文件名，Vault 内其他标题词以[[代表关键词]]形式引用它。

代表关键词一旦确定，Vault 内所有参照皆以此写法为准。若某 IP 制作团队正式更改一个装置名称，只要将代表关键词改为新名称、旧名称降为别称，Vault 内所有 wikilink 都会自动更新。这就是单一真实来源的力量。

世界观轴是与九分类正交的第二分类基准，回答“这个关键词属于我们世界观的哪个结构”；第六章会详谈。异称、别称是代表关键词之外指同一对象的写法。它是为搜索而设的字段：必须登记在此，读者才能在自己 IP 的 Wiki 用别称搜索而抵达标题词。姐妹工作检查新短篇原稿时，也只有别称已登记，才能自动识别该写法是哪个标题词。

多语言字段。 英文名是为翻译提议的英文写法；罗马字是依韩语罗马字标记法（RR）的写法。人名使用“Min-ji”般带连字号的罗马字；场所专名使用“Haewon Restaurant”般罗马字加类型；文化固有语使用“Han (lingering resentment)”般音译加说明。准备多语言出版的 IP 中，这两列是核心资料；翻译者初次打开 Vault 最先确认它们，可减少翻译者自行决定写法的无谓时间。

正文字段。 定义是最压缩地说明该标题词是什么的一两句核心定义，不放[[链接]]，要能自足。

详细说明是包含运行原理、历史、结构、与其他标题词关系的两至八句正文。它最终会有[[链接]]，但工作者不从一开始手工插链接。先以纯文字写详细说明，在第二次合并时按代表关键词与异称、别称清单自动将相关标题词处理为 wikilink。如此便不会混入[[X|Y]]类任意别称链接，整个 Vault 也以代表关键词为基准整理。这两列初稿在第二次达 80% 即可；与同义词归并等必须跨过 95% 的核心决定不同，定义与详细会在第四次叙事写作重新修整，只要方向正确、包含核心即可。

相关关键词是与此标题词连接的其他标题词清单。此列填妥后，第三次骨架构建会自动注入 wikilink，在 Obsidian 内画出节点间的线。关键词云的连接网由此列编成；没有相关关键词的标题词会在图谱视图留作孤立节点。连接网越密，Vault 越好。

时期与翻译元数据。 版本状态是标题词的时期状态。“现行”是 IP 现在使用的标题词，多数属于此处；“过去”是某时期曾使用、现在写法或意义已变的标题词。某 IP 第一版使用的地名在第三版改为另一地名时，第一版旧地名就是例子。

“废弃”是不再使用的标题词；若在翻译笔记写下废弃原因，后人便不会再次使用同一写法而造成混乱。“双重标记”是两种写法刻意共存，例如同一事物依地区有不同称呼。“未定”则是尚未确认的标题词。过去与废弃标题词不删除而保存，是因阅读过去作品仍会看见该写法；读者看第一版后搜索，不能因没有标题词而找不到信息。

翻译笔记记录翻译时应注意的文化与脉络事项。对“恨”等文化固有语记下音译方式与说明；对巫俗术语采用“Mudang (Korean shaman)”般音译加说明；对时代语记下翻译时要留意的脉络。它像写给未来翻译者的信，使下一次翻译无须重作同样决定。

这十三列构成一个标题词的一行。当一千至两千个标题词排好，一个 IP 的整体词汇就收进一张表。

人所做的决定

先确认十三列中由人直接决定的部分。

最棘手的是同义词归并。若“星罗江湖”的徐云卿以本名、汉字写法、系统称呼、江湖别号出现，就要决定四者是否收进一个标题词，或其中一种写法是否其实指另一人。熟悉 IP 的人会觉得理所当然，但相同的系统称呼也可能指不同人物。“天剑手剑客”既用于徐云卿，也用于沙木：一方是在吉星的吉日拔剑的正派剑客，另一方同时承受凶星的质地而流入邪派。若把同样以天剑手为命名性的两人归成一个标题词，正派剑客的定义便会混入邪派剑客的定义。人必须决定“天剑手剑客”这一写法属于两个标题词中的哪一个。

也有随时期改变意义的写法。第一版某装置名称指一种东西，第三版同样称呼却指另一装置时，必须决定两个时点的写法要合并成一个标题词还是分成两个。本书建议分开，并在版本状态标示“仅第一版／仅第三版”；合并会让两种意义在一个文件冲突。

同名人物若在第一季是配角、第三季成为主角，适合保留为一个标题词，并在正文整理各时期的变迁。这类判断只有读完五年作品的人脑才能准确作出。

标题词命名是在多个同义写法归并后，决定其中哪个写法成为代表。韩语 IP 选韩语正式名称；处理外语作品的韩语出版时，选出版所用的韩语写法；未定正式写法时，选出现最频繁者。代表一旦确定，其他写法都成为别称。别称可供搜索，却不作为标题词标题出现；Vault 内 wikilink 归并至代表关键词。

世界观轴决定与版本状态决定也是人的工作。世界观轴允许值（每 IP 五至七轴）在第一次提取前的配置阶段先定好。AI 可提议候选，哪个轴符合本 IP 结构仍由人判断。版本状态也只能由熟悉 IP 时期流动的人决定；第一版出现的写法在第三版被废弃，这件事存在于读完两个版本之人的脑中。即使 AI 读了两版，也可能无法区分是刻意废弃或单纯写法改变。

定义合格线判断也由人负责。人衡量由多行短说明合为一行的定义是否过线：太短没有标题词轮廓，太长便成为长叙述而非定义。一至三行较合适。

委派给 AI 工作伙伴

AI 工作伙伴在辅助人的决定之处快速工作。同义词候选提取接收第一次的五千至一万五千行，建立可能同义的行组候选：写法相近、同一出处出现、带有相同定义的行被归为一组。这些候选约有 70% 至 80% 可直接通过，人只需修整 20% 至 30%。一行定义初稿在别称组确定后产生，将第一次收集的短说明合并压缩为一两行，人以约 80% 水准验收。AI 可提议相关关键词，但最终 wikilink 注入以全局标题词清单自动处理较稳定。世界观轴候选则取得配置预定的允许值，为各标题词附上最接近的轴候选，再由人验收确定。

以输入与输出展开，输入是第一次五列 CSV 一块、本 IP 的同义词归并指南、世界观轴允许值清单、十三列整合 CSV 格式。输出是十三列整合 CSV，其中自动附上同义词组候选、填入一行定义初稿、自动注入相关关键词 wikilink、附上世界观轴候选。委派的意图既是缩时也是一致性。人完整读五千行再建立同义词候选要一周，现在约三十分钟便有候选，人的决定时间缩为两三小时。预期二至四小时内取得一千至两千个标题词排好的十三列 CSV。限制在同义词最后决定、是否新设世界观轴、定义语调、版本状态，这四项都必须由人决定。

决定的流程

第二次整合的流程如下。先把第一次五列 CSV 整体交给 AI 工作伙伴，同时交付同义词归并指南、十三列格式、配置确定的世界观轴允许值清单。AI 用约三十分钟至一小时编出同义词候选组、一行定义初稿、相关关键词候选、世界观轴候选。接着在合并阶段，详细说明内的标题词依代表关键词与别称清单自动成为[[代表关键词]]链接，超出允许世界观轴的值会被抓为错误。

收到结果的人以严格的 95% 合格线开始验收：逐组查看同义词是否正确、是否应拆开、是否应再加入一行；验收并确定世界观轴候选；填入版本状态；验收定义初稿。

验收约需两至三小时，相当于让一个 IP 的 1,500 个标题词各通过一次。但通过深度依标题词不同：100 至 150 个 hub 标题词每个要一至两分钟决定，1,000 个 leaf 标题词每个约十秒即可；自动计数准确时，leaf 多半只需放行。

验收结束，十三列整合 CSV 跨过合格线。第一次的五千至一万五千行被归并、排成一千至两千个标题词，IP 资料终于抵达一本词典的形态。

第二次结束后看见的东西

第二次整合后会出现一个有趣结果：按标题词被引用次数排序十三列 CSV。被引用次数是一个标题词出现在其他标题词相关关键词列的次数，由自动计算取得。由最高到最低排好，查看前十名，便能一眼看见本 IP 的中心放在哪里。

“星罗江湖”如此排序时，第一是区分武功威力的核心资源“天机”，第二是天机秩序唯一例外的主角“逆天者”，第三是控制历法的权力中心“武林盟”，第四是将江湖二分的“正邪派”。本 IP 的身份浓缩为四个标题词；运营五年后才显露，原来从未以如此压缩的方式确认过这个身份。1,500 个标题词整理好，IP 身份便在 hub 排名显现，这也是 Librarying 的预期效果之一。

其中藏着把同义词组抓得太宽的陷阱。以外语作品《傲慢与偏见》为例：Bennet 家有五姐妹，依作品称呼惯例任何人都可能被叫作“Miss Bennet”，因此一处出现“Miss Bennet”并不保证指长女 Jane。建议第一次遇到称号时先分开保留，仅在正文明确是哪个人之处才作同义词归并；未明确者留作“Miss Bennet（不特定）”，在第四次叙事或验证再作决定。错误归并会让一人的定义侵入另一人的定义。

同一称号随时点指不同人物也是同样陷阱。《我独自升级》中“影之君主”是职责名称；第一代影之君主本名 Ashborn，主角成振宇继承其力量而成为第二代影之君主。一个称号依作品时点指 Ashborn 或成振宇两人，所以标题词需同时记录职责、固有名与继承关系，才能分辨各段“影之君主”指谁。

自动计数也有极限。它数标题词出现在其他相关关键词列的次数，次数高就标为 hub 候选，但出现次数不等于 IP 核心。在“星罗江湖”，几乎用于计算所有武人强弱的“历法”被引用极高，却更像背景资料而非 IP 精髓；反过来，引用少的标题词也可能决定 IP 身份。不属于任何星座的“无名星”就是如此：出现频率虽低，那份空白本身却构成 IP 精髓。因此自动计数标示 hub 候选后，人再从候选中确认真正属于 IP 核心者为 hub。第八章会详谈此判断。

结束第二次整合

上下扫过十三列 CSV 一次，一个 IP 的全部词汇便可进入一个画面。1,500 个标题词排列着，各自属于哪个分类与世界观轴、拥有何种别称都看得见。这是第一次一眼确认本 IP 整体词汇地图的时刻。

第六章将正式讨论世界观轴。本章只先掌握概念的世界观轴，如何依 IP 设计，并如何与九分类正交来描出 Vault 的地形，将在下一章细看。

第5章 归并为 Wiki 标题词——第二次整合的决定