艾毓茜，徐 健，何 琳，戚 筠

（南京農(nóng)業(yè)大學(xué)信息管理學(xué)院，南京 210095）

1 引言

典籍作為記錄中華文明史的重要載體，承載著浩繁且豐富的傳統(tǒng)文化知識，對于史學(xué)與古文化知識的研究具有重要意義。傳統(tǒng)的典籍資源研究集中于古籍資源的保存、整合和利用等方面，通過開發(fā)古籍?dāng)?shù)據(jù)庫系統(tǒng)，實現(xiàn)線上更新收錄資源以便利用，如《漢語古籍電子文獻知見錄》[1]、奎章閣網(wǎng)站[2]等。但這類傳統(tǒng)的典籍資源利用和開發(fā)方法，對于大規(guī)模古籍?dāng)?shù)據(jù)的深度開發(fā)和利用率較低，難以適應(yīng)人文學(xué)科研究發(fā)展[3]。

數(shù)字人文技術(shù)的蓬勃發(fā)展，為古籍文本深度開發(fā)提供了新的技術(shù)與思路，利用文本挖掘等多種中文信息處理技術(shù)可以幫助充分揭示和組織古籍?dāng)?shù)字資源，使其成為立體的學(xué)術(shù)知識庫，有效提高了古籍資源的開發(fā)利用效率[4]。如何借助數(shù)字人文技術(shù)對古籍資源進行深度挖掘與知識發(fā)現(xiàn)，以便成就學(xué)業(yè)、研治古文的人使用，具有重要的學(xué)術(shù)意義與價值[5]。

為實現(xiàn)基于典籍內(nèi)容細粒度知識單元的管理、共享和重用的目的，需構(gòu)建一個面向數(shù)字人文領(lǐng)域、以典籍內(nèi)容分析為基礎(chǔ)的系統(tǒng)、全面的分類體系，以實現(xiàn)更準(zhǔn)確有效的信息檢索。已有的分類體系研究大多面向典籍的外部形式，多以典籍的載體形式[6]、記敘手法[7]和語言結(jié)構(gòu)[8]為依據(jù)進行分類，這類知識組織方法不能有效揭示典籍內(nèi)在知識信息和語義關(guān)系，分類較粗糙。隨著數(shù)字人文研究的不斷深入，對基于文本內(nèi)容的細粒度分類要求不斷提高。在此背景下，本文意圖構(gòu)建一種較為通用的典籍內(nèi)容分類體系，這一體系綜合了分面分類理念和字詞語義信息，從政治、經(jīng)濟、文化、社會和軍事5 個維度將典籍內(nèi)容進行有序的組織與揭示。

2 相關(guān)研究

2.1 語義組織研究

知識單元是知識領(lǐng)域中知識控制與處理的基本單位，是一切知識管理活動的前提和基本對象[9]。在自然語言處理中，語義組織是對知識單元間的語義關(guān)系進行描述，并進行存儲以便交流和傳遞，其目的是通過各種數(shù)字人文技術(shù)，將非結(jié)構(gòu)化的文本數(shù)據(jù)資源轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)，并將數(shù)據(jù)間的語義關(guān)系通過敘詞表、元數(shù)據(jù)、本體等多種方式進行組織，以實現(xiàn)數(shù)據(jù)的關(guān)聯(lián)化和智能化[10]，可以認(rèn)為語義組織關(guān)系著信息服務(wù)和信息共享的質(zhì)量和水平。面向數(shù)字人文領(lǐng)域的語義組織主要包括知識建模和知識抽取兩個方面。

知識建模通過對知識單元的結(jié)構(gòu)化、模型化表達，實現(xiàn)文本數(shù)據(jù)知識的語義化和共享化。傳統(tǒng)知識建模以分類敘詞表為主，早期多通過手工標(biāo)引的方式，進行知識組織，如 《歷代進士登科數(shù)據(jù)庫》[11]。隨著數(shù)字人文技術(shù)的發(fā)展，利用分詞、詞性標(biāo)注、命名實體識別、文本挖掘等自然語言處理技術(shù)，有效實現(xiàn)對大規(guī)模數(shù)據(jù)資源的語義組織，可以快速抽取出典籍?dāng)?shù)據(jù)資源中的人名、地名、官職等信息[12]，豐富了實體間關(guān)系的表示方式及更廣泛的知識組織，為數(shù)字遠讀奠定了基礎(chǔ)。

在數(shù)字人文領(lǐng)域，知識抽取主要用于識別大規(guī)模數(shù)據(jù)資源中潛藏的知識及其之間的語義關(guān)系，目前主要有基于規(guī)則匹配和基于機器學(xué)習(xí)兩種方法。其中，基于規(guī)則匹配的方法通過人工對文本資源進行特征分析，以相應(yīng)的領(lǐng)域知識為基礎(chǔ)構(gòu)建正則表達式，從而實現(xiàn)基于規(guī)則的知識抽取，如CBDB 項目[12]中領(lǐng)域?qū)＜乙韵鄳?yīng)領(lǐng)域知識為背景，針對墓志銘等設(shè)計知識抽取正則表達式；丁君軍等[13]針對學(xué)術(shù)文獻中的概念屬性描述，構(gòu)建描述規(guī)則用以抽取學(xué)術(shù)概念屬性。而基于機器學(xué)習(xí)的方法通過對少量語料數(shù)據(jù)進行標(biāo)注，訓(xùn)練模型，以實現(xiàn)對大量文本的自動抽取，如意大利自然語言處理實驗室設(shè)計的LinguA、READ-IT、T2K 等工具，以實現(xiàn)文本標(biāo)注、命名實體識別、可視化[14]。

2.2 典籍分類體系研究

典籍作為文化傳承的重要載體，如何有效組織和利用典籍一直都是人文學(xué)者研究的重點之一。類書作為典籍的薈萃，將某一門類的古籍通過一定的方法加以組織以便尋檢和征引，從魏晉南北朝的 《皇覽》 到明清時期的 《永樂大典》，對文獻保存和學(xué)術(shù)研究起到了重要作用[15]。

20 世紀(jì)末，隨著計算機技術(shù)的發(fā)展，中文古籍?dāng)?shù)字化逐漸成為國內(nèi)典籍研究的重點。在典籍?dāng)?shù)字資源組織方面，王依民先生將傳統(tǒng)文獻學(xué)與數(shù)字技術(shù)相結(jié)合，提出 “數(shù)字文獻學(xué)”概念，研究涉及古籍文史資源的保存、整合、加工、傳播和利用等方面[6]。此后，有學(xué)者提出 “古籍電子文獻學(xué)”，從古籍?dāng)?shù)字資源的分類與導(dǎo)航、古籍聯(lián)合目錄和古籍?dāng)?shù)字資源的評價研究3個方面，展開對古籍?dāng)?shù)字資源的目錄學(xué)的研究[7]。為適應(yīng)大規(guī)模典籍?dāng)?shù)據(jù)，學(xué)者們根據(jù)古籍?dāng)?shù)據(jù)資源分散、形式多元、數(shù)據(jù)格式多樣等特點，建立多種估計數(shù)據(jù)庫導(dǎo)航系統(tǒng)，如 《漢語古籍電子文獻知見錄》[1]、奎章閣網(wǎng)站[2]等，在實現(xiàn)線上更新收錄資源的同時，提高與用戶的交互性。

隨著典籍分類體系的深入研究，單一的使用 《中圖法》 或 《四庫法》 進行典籍分類組織，無法將典籍的表象主題與深層主題進行有效結(jié)合，研究者開始將分面分類法引入典籍分類研究中。羅艷秋等[16]在綜合分析民族醫(yī)藥典籍內(nèi)容特征的基礎(chǔ)上，結(jié)合 《中國中醫(yī)古籍總目》，對民族醫(yī)藥古籍進行分類組織，共劃分11 個大類，并進一步細分三到四級小類以便使用。李娜等[17]以 《方志物產(chǎn)》 山西卷為研究對象，從物產(chǎn)、土產(chǎn)、食貨、方產(chǎn)等方面對 《方志物產(chǎn)》 中的物產(chǎn)西信息進行分類組織，實現(xiàn)了物產(chǎn)類目信息的智能完善。而針對古籍?dāng)?shù)據(jù)庫，張力元等[6]提出利用分面分類法，構(gòu)建古籍?dāng)?shù)據(jù)庫分面分類體系，包括主題、類型、建置主體、格式、權(quán)限和地區(qū)等6 個維度，在粗粒度層面對現(xiàn)有古籍?dāng)?shù)據(jù)庫資源進行了組織。

2.3 典籍?dāng)?shù)字資源內(nèi)容分析研究

早期的典籍研究多以典籍詞匯研究為主。古籍詞匯研究始于漢代，學(xué)者在古籍的注疏中解釋古代語詞，如《爾雅》 《說文解字》 等，為后人研究奠定了基礎(chǔ)[18]。目前多集中于詞匯系統(tǒng)的發(fā)展、新詞的產(chǎn)生與變化、詞義演變以及構(gòu)詞法的發(fā)展等領(lǐng)域。社會制度、環(huán)境的演變使得詞匯數(shù)量增多，典籍文本中詞匯的變化反映著社會情況的變化，通過分析詞匯發(fā)展脈絡(luò)借以分析社會發(fā)展的情況[19,20]。

以詞匯研究為基礎(chǔ)，國內(nèi)外學(xué)者面向典籍的文本內(nèi)容展開了事件抽取、主題挖掘及相關(guān)知識組織研究。RYAN 等[21]對中國古代和中世紀(jì)的500 多萬字的語料庫進行主題建模，從相交主題和不相交主題兩個角度，對《論語》《孟子》和《荀子》的競相關(guān)系進行了解釋。彭煒明等[22]在實例挖掘的基礎(chǔ)上，提出采用模式驅(qū)動的方式，構(gòu)建 《資治通鑒》 歷史領(lǐng)域本體，以實現(xiàn)對《資治通鑒》 先秦史部分的深度開發(fā)。何琳等[4]利用詞匹配算法抽取特征詞語料，然后使用LDA 主題模型對語料進行處理，并結(jié)合相關(guān)時間信息進行主題強度計算，從盟會、禮儀、戰(zhàn)爭、權(quán)力斗爭和周禮治國等主題入手，對春秋時期社會發(fā)展態(tài)勢進行了分析。

綜上所述，本文借鑒分面分類思想，以語義組織中知識建模和知識抽取的方法和技術(shù)為支撐，提取典籍?dāng)?shù)據(jù)中的概念及其關(guān)系，從細粒度知識單元語義信息的層面對典籍內(nèi)容進行組織和揭示。面向典籍內(nèi)容分析的分類體系的構(gòu)建可以突破典籍?dāng)?shù)量、體裁和種類的限制，有效地從典籍中抽取相關(guān)特征，為成就學(xué)業(yè)、研治古文的人刪繁取要，進而推動對典籍內(nèi)容的研究。

3 構(gòu)建方法

3.1 分面分類法

典籍?dāng)?shù)字資源與文化傳承及其相關(guān)活動密切相關(guān)，因此具有一定的領(lǐng)域獨特性：①文化性，典籍資源產(chǎn)生于中華民族歷史社會中的某一特定時期，一定程度上反映了當(dāng)時環(huán)境下人類的人文、歷史、藝術(shù)等情況，是國家和民族的文化積淀。②延續(xù)性，典籍資源記錄了中華文明發(fā)展的歷史進程，即使其所記錄為數(shù)千年前之事，研究者們?nèi)耘f可以通過保存的典籍資源去發(fā)現(xiàn)歷史奧秘。③分散性，典籍資源涉及的信息涵蓋社會、經(jīng)濟、政治、軍事、文化等多個領(lǐng)域，且分布廣泛，很難在一部典籍中獲得全部信息。④繁雜性，典籍?dāng)?shù)據(jù)資源的語義和形式都很復(fù)雜，且古漢語與現(xiàn)代漢語表達結(jié)構(gòu)有很大差別。

針對典籍?dāng)?shù)據(jù)資源的以上特性，在構(gòu)建面向典籍內(nèi)容分析的分類體系時，需充分考慮典籍資源中數(shù)據(jù)的語義和形式特征，而分面分類法可以很好地根據(jù)不同的方面和范疇對數(shù)據(jù)進行有效劃分，通過多個組合表達復(fù)雜主題[23]，因此本文利用分面分類法，考慮到分類體系的易用性，采用 “分面-類目”結(jié)構(gòu)，以實現(xiàn)對典籍內(nèi)容多維度的組織與揭示。

3.2 數(shù)據(jù)來源

本研究所構(gòu)建的典籍分類體系研究對象為典籍內(nèi)容數(shù)據(jù)，而典籍的類型、編撰時間及其社會背景決定了典籍的內(nèi)容。由于歷史典籍一詞多義現(xiàn)象嚴(yán)重、文本短、缺乏結(jié)構(gòu)性，且在大量的古代用詞，與現(xiàn)代常用詞難以對應(yīng)，因此本文廣泛收集與歷史典籍相關(guān)的主題詞表和詞典，如與 《左傳》 相關(guān)的楊伯峻 《春秋左傳詞典》 等，這些詞典是由專業(yè)人士編制的成熟的詞典，一定程度上保障了信息準(zhǔn)確性和有效性。在選詞過程中，以詞典中的詞釋義為主要依據(jù)，通過對詞的釋義進行解析，對詞進行分類，并從相關(guān)歷史典籍如 《公羊傳》 《史記》 等中進行抽詞，從而保證自然語言環(huán)境下可以用典籍中的詞語進行檢索。

3.3 確定分類框架

為確定面向典籍內(nèi)容分析的分類體系的具體分面，本研究結(jié)合 《中圖法》 并參考相關(guān)古籍分類與內(nèi)容分析研究文獻，以深入知識單元的詞義為主要分類依據(jù)，確定最能有效描述與劃分典籍?dāng)?shù)據(jù)的類別維度為：政治、經(jīng)濟、文化、社會、軍事。

概念體系的建立以一般敘詞表的概念間邏輯關(guān)系為基礎(chǔ)，采用分類法編制標(biāo)簽分類索引，來表示詞間的等級關(guān)系和屬性關(guān)系。通過對詞典中的詞數(shù)據(jù)進行初步標(biāo)引，對每個大類下各小類進行簡單劃分，采用自下而上和自上而下相結(jié)合的方法，構(gòu)建基于詞典和史籍的分類體系的概念語義網(wǎng)絡(luò)。

3.4 概念抽取

K-means 聚類算法自上世紀(jì)50 年代被提出后，廣泛應(yīng)用于不同學(xué)科領(lǐng)域的聚類劃分[24]。K-means 算法通過反復(fù)迭代，從初始K 個類別開始計算，分別將數(shù)據(jù)劃分至已知類別，并重新計算類別中心，最終使得各類別總距離平方和趨于最小值[25]。K-means 算法具有簡單、高效等優(yōu)勢，且類別個數(shù)K 值可通過人工指定，因此本文利用K-means 算法，本研究根據(jù)分類框架設(shè)計二級類目，對楊伯峻的 《春秋左傳詞典》 以詞釋義為文本相似度計算對象，并引入 《漢語大詞典》 對釋義進行擴展，對詞頭進行分類，以實現(xiàn)面向典籍內(nèi)容分析的分類體系二級類目的劃分。其中相似度計算分為兩部分：①分詞后利用TF-IDF 計算詞向量間的相似度，相似度超過閾值（0.3），即認(rèn)為兩個詞屬于同類詞。②若A 詞的詞頭出現(xiàn)于B 詞的釋義中，認(rèn)為A、B兩詞為同義詞。

算法中K 值設(shè)置為6，迭代次數(shù)為10 000，即分類結(jié)果共輸出6 類。觀察輸出結(jié)果，為其中5 類賦予最接近的類名：政治、經(jīng)濟、文化、社會、軍事，第六類為手工分類的補充數(shù)據(jù)。觀察第一次聚類結(jié)果后，對賦予類名的5 類詞進行簡單篩選，將不屬于當(dāng)前類的詞剔除至作為手工分類補充數(shù)據(jù)，分別對5 個類別進行二次聚類。對第二次聚類結(jié)果進行簡單篩選后，參考相關(guān)研究文獻，設(shè)計二級類目。

3.5 語義關(guān)系組織

面向典籍內(nèi)容分析的分類體系主要包括概念和概念間語義關(guān)系兩部分。在本文構(gòu)建的分類體系中，可以通過詞釋義對概念范圍進行規(guī)范，用于語義關(guān)系的構(gòu)建和組織。

3.5.1 等同關(guān)系

在詞典編纂時，編者需要對詞做必要的解釋以便使用者了解其含義，在此過程中，多利用已知的同義概念即同義詞對新概念進行綜合性描述。因此在古代社會畫像標(biāo)簽體系的構(gòu)建中，可以利用詞典中詞定義，獲取同義詞以完善詞間等同關(guān)系。主要通過以下3 種途徑。

（1）如果存在兩個詞A 詞和B 詞，A 詞的詞頭出現(xiàn)于B 詞的釋義中，且B 詞的詞頭出現(xiàn)于A 詞的釋義中，即這兩個詞可以形成詞頭-詞釋義的映射，那么認(rèn)為A、B 兩詞為同義詞。

（2）通過觀察語料，發(fā)現(xiàn)在 《春秋左傳詞典》 中，這種利用同義詞作術(shù)語詮釋時，通常會運用特定的指示詞，如“同”“見”“即”“又稱”“或稱”“參”“亦作”“亦稱”“猶言”“借為”等。利用模式匹配的方法，根據(jù)上述語言標(biāo)志尋找詞典中的同義詞。如表1 所示，“甸”——“甸服”“幣帛”——“幣钄”分別為一組同義詞。

表1 同義詞示例Table 1 Examples of synonyms

（3）對詞釋義分詞后利用TF-IDF 計算詞向量間的相似度，若存在兩個詞，其詞向量間相似度超過閾值，即認(rèn)為這兩個詞是同義詞。

3.5.2 相關(guān)關(guān)系

基于文本獲得相關(guān)關(guān)系時，通常通過計算兩個詞向量在多維空間中的距離來進行分析。Word2Vec 作為計算詞間距離的重要方法，也被稱為“Word Embedding”，可以將字詞轉(zhuǎn)化為向量的形式并用詞向量的方式表征詞的語義信息。通過將單詞從原先所屬的空間嵌入到一個多維空間里，使得語義上相似的單詞在該空間內(nèi)呈現(xiàn)較近的距離，該過程實質(zhì)上即是一個映射[26]。

在現(xiàn)代語言環(huán)境下，語言表述具有一定的結(jié)構(gòu)性，Word2Vec 可以很好地處理結(jié)構(gòu)化文本以發(fā)現(xiàn)文本內(nèi)容中的同義詞，但相對于古文這種一詞多義現(xiàn)象嚴(yán)重、文本短、缺少結(jié)構(gòu)化的文本，Word2Vec 可以更多的用于發(fā)現(xiàn)相關(guān)詞，以補充詞間相關(guān)關(guān)系。通過對相關(guān)典籍語料進行分詞后，去除特殊字符及停用詞，利用Word2Vec 訓(xùn)練模型，計算詞間相似度后，抽取詞間相似度高于閾值的詞，認(rèn)為抽取出來的詞組具有一定的相關(guān)度。

4 分類體系框架

本研究構(gòu)建的面向典籍內(nèi)容分析的分類體系如圖1所示。分類體系共設(shè)置5 個分面，分別表示典籍內(nèi)容數(shù)據(jù)的5 個維度：政治、經(jīng)濟、文化、社會和軍事。研究者可根據(jù)分面和類目實現(xiàn)對典籍內(nèi)容的快速檢索。

圖1 面向典籍內(nèi)容分析的分類體系框架Fig.1 Classification system framework for content analysis of ancient books

4.1 政治分面

歷史研究中，通常以史籍為重要研究依據(jù)，而史籍記敘以國家大事為主，如 《春秋》 《史記》 等，因此政治分面極大程度上反映了典籍內(nèi)容的社會背景信息。本文將典籍?dāng)?shù)據(jù)的政治分面歸納為國家外交、律法及政權(quán)更迭等類目。其中外交為國家或證權(quán)對外交流情況，具體包括朝見、盟會、盟約、聘問、議和、斷交、賄賂、人質(zhì)等方面；律法為國家或證權(quán)對內(nèi)管理情況，具體包括基本法、刑法、法典以及訴訟等方面；朝代更迭則反映了國家或政權(quán)變遷情況，具體包括治國政務(wù)、新皇即位、政令發(fā)布、政變叛亂、逃亡和國家遷移等方面。

4.2 經(jīng)濟分面

經(jīng)濟分面揭示了典籍記敘內(nèi)容的社會經(jīng)濟情況，本文將經(jīng)濟分面歸納為農(nóng)業(yè)、工業(yè)、商業(yè)、手工業(yè)和養(yǎng)殖業(yè)等類目。其中農(nóng)業(yè)數(shù)據(jù)包括農(nóng)作物、非農(nóng)作物和農(nóng)用器具；工業(yè)包括工業(yè)過程使用的材料、工藝、器具以及生產(chǎn)的工業(yè)產(chǎn)品等；商業(yè)包括市場流通過程中使用的貨幣及對應(yīng)產(chǎn)業(yè)數(shù)據(jù)；手工業(yè)則涉及具體的手工材料、工藝以及手工產(chǎn)品等；養(yǎng)殖業(yè)則為生產(chǎn)養(yǎng)殖涉及的牲畜、禽鳥、水產(chǎn)等信息；建筑業(yè)專指建筑材料及工藝。

4.3 文化分面

文化作為典籍研究的核心基礎(chǔ)，對政治、經(jīng)濟有潛在的長期作用，本文將文化分面歸納為建筑、天文、歷算、醫(yī)學(xué)、文學(xué)、藝術(shù)及民俗信仰等類目。其中建筑專指古建筑類型，包括宗廟、宮殿、門、亭臺等，具體建筑名稱分別在對應(yīng)的小類中進行描述；天文和歷算多用作占卜、祭祀等，具體包括星象、天文現(xiàn)象、天像、節(jié)氣和時間等方面；醫(yī)學(xué)專指醫(yī)學(xué)典籍?dāng)?shù)據(jù)，具體包括醫(yī)藥、病理等；文學(xué)以文學(xué)典籍、典籍載體和文學(xué)理論為主；藝術(shù)主要為舞蹈和樂曲，還包括棋、畫、狩獵等休閑活動；民俗信仰則進一步分為信仰類、活動類和飲食習(xí)慣等，其中信仰包括宗教、禁忌和倫理道德等方面，活動類以婚、喪、祭祀、節(jié)日和宴席等活動形式為主。

4.4 社會分面

社會分面特指典籍中所記敘的社會習(xí)俗等信息，根據(jù)反映的社會活動形式對典籍?dāng)?shù)據(jù)進行劃分。具體包括婚喪嫁娶、祭祀、風(fēng)俗、生育以及社交等方面，利用典籍中這些社會活動中涉及的風(fēng)俗習(xí)慣、禮儀、器具等數(shù)據(jù)進行表征。

4.5 軍事分面

中華民族歷經(jīng)23 個朝代、近千位君王，歷史變遷中軍事始終占據(jù)的重要地位，因此軍事分面是歷史研究中重要的組成部分。典籍?dāng)?shù)據(jù)中的軍事分面具體包括軍人、軍職、軍制、軍備、戰(zhàn)爭、兵法等類目，其中軍人、軍職等類目從實體維度進行組織，而戰(zhàn)爭則是從時間維度進行組織，具體包括戰(zhàn)前軍事儲備力量、戰(zhàn)中使用兵法策略、戰(zhàn)后交戰(zhàn)雙方勝負(fù)和領(lǐng)土歸屬等方面。

5 應(yīng)用前景分析

本文構(gòu)建的面向典籍內(nèi)容分析的分類體系框架不僅涉及政治、經(jīng)濟等社會科學(xué)領(lǐng)域，還涵蓋了文學(xué)、宗教等人文學(xué)科知識。此分類體系可應(yīng)用于典籍?dāng)?shù)字資源的深度開發(fā)利用，以文本內(nèi)容為基礎(chǔ)，從典籍的分類組織、知識導(dǎo)航和分析利用等方面為研究者提供便利。

5.1 基于分類體系的典籍資源分類組織

現(xiàn)有的典籍資源組織系統(tǒng)如古籍全文數(shù)據(jù)庫、書目數(shù)據(jù)庫和索引數(shù)據(jù)庫，大多從從典籍的外部特征與主題角度對典籍?dāng)?shù)據(jù)進行組織和描述，缺少對于典籍內(nèi)容特征及內(nèi)在知識的組織。分類體系是學(xué)科知識組織與利用的框架，以分類體系為基礎(chǔ)構(gòu)建的分類表可系統(tǒng)地將知識資源加以分類組織，再通過瀏覽的方式逐層遍歷，以選擇需要的信息或資源。采用面向典籍內(nèi)容分析的分類體系對典籍?dāng)?shù)字資源進行分類標(biāo)引，將文本內(nèi)容與其內(nèi)在知識、語義相結(jié)合，對典籍資源進行知識層面的組織，可以幫助深度整合典籍資源，實現(xiàn)基于知識內(nèi)容的典籍?dāng)?shù)據(jù)組織和基于語義的典籍信息檢索。

5.2 基于分類體系的典籍資源知識導(dǎo)航

數(shù)字人文技術(shù)的發(fā)展，為典籍文本智能標(biāo)注、語義分析、知識挖掘和數(shù)字化地圖建設(shè)等智能導(dǎo)航提供了技術(shù)支持[27]。面向典籍內(nèi)容分析的分類體系以規(guī)范數(shù)據(jù)為數(shù)據(jù)基礎(chǔ)，從細粒度知識語義角度出發(fā)，對典籍內(nèi)容進行重新組織，并利用規(guī)范數(shù)據(jù)對典籍中的實體信息提供參考，可以為讀者提供典籍知識導(dǎo)航，降低閱讀難度，幫助讀者理解和利用典籍?dāng)?shù)字資源。

5.3 基于分類體系的典籍資源分析利用

典籍資源涉及時間跨度長、學(xué)科范圍廣，傳統(tǒng)的文獻細讀方式效率較低，不適用于大規(guī)模典籍?dāng)?shù)據(jù)的開發(fā)利用。借助數(shù)字人文理論與技術(shù)，利用面向典籍內(nèi)容分析的分類體系，可以有效挖掘典籍文本中潛藏的知識和規(guī)律，并進行清晰、直觀的分析和展示。

筆者將分類體系應(yīng)用于古籍文本內(nèi)容分析，基于用戶畫像技術(shù)和數(shù)字遠讀技術(shù)，以本文構(gòu)建的分類體系為基礎(chǔ)，利用多種文本挖掘技術(shù)對典籍文本進行多維度特征抽取，通過構(gòu)建和分析古代社會畫像，全景化呈現(xiàn)社會發(fā)展?fàn)顩r，幫助研究者快速獲得古代社會概貌[28]。

6 結(jié)語

典籍?dāng)?shù)字化資源的出現(xiàn)，對于中華文化的傳承與研究具有重要意義。隨著典籍?dāng)?shù)字資源的不斷深入開發(fā)和利用，傳統(tǒng)的知識組織方式多以典籍外部載體形式特征為主，不能有效揭示典籍內(nèi)在知識信息和語義關(guān)系，在一定程度上限制的學(xué)者對典籍資源的開發(fā)利用深度，同時在研究過程中浪費了大量的時間和精力。

本研究試圖從細粒度知識單元語義信息的層面對典籍內(nèi)容進行組織和揭示，提出基于典籍內(nèi)容分析的分類體系，從政治、經(jīng)濟、文化、社會和軍事5 個維度將典籍內(nèi)容進行重新組織與揭示，以期幫助研究者快速分析典籍內(nèi)容，提高典籍?dāng)?shù)字資源的利用效率。但本文提出的分類體系框架具體分面與類目尚不完善，在分類實踐中需考慮到具體分類目的、分面組配方式和分類深度等問題，需要更多的典籍?dāng)?shù)據(jù)及人文學(xué)者的意見進行細化和修訂。