CADAL中國(guó)文學(xué)編年史系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、中國(guó)有著數(shù)千年的文明史，古代、近代和當(dāng)代文學(xué)作品浩如煙海。但隨著時(shí)間的遷移，很多著作名篇、文化大家遺失在歷史長(zhǎng)河中。面對(duì)如恒河沙數(shù)的典籍文獻(xiàn)，進(jìn)一步的保護(hù)、整理和研究工作也變得非常復(fù)雜和浩繁。因此，借助于信息技術(shù)進(jìn)行文學(xué)編年史研究的需求就變得愈加迫切。
　　 CADAL中國(guó)文學(xué)編年史項(xiàng)目著眼于構(gòu)建中國(guó)文學(xué)編年史研究信息系統(tǒng)，以挖掘中國(guó)文學(xué)、歷史、地方志、地理等相關(guān)數(shù)字資源的潛在價(jià)值為立項(xiàng)之本。與傳統(tǒng)的文史系統(tǒng)相比，CADAL中國(guó)

2、文學(xué)編年史系統(tǒng)并非簡(jiǎn)單地將所有文學(xué)作品原文數(shù)字化，而是將文學(xué)、歷史、地理數(shù)據(jù)和信息技術(shù)相結(jié)合，著重于相關(guān)領(lǐng)域背景資料的整理，利用數(shù)據(jù)庫(kù)技術(shù)、地理信息技術(shù)、多媒體技術(shù)、語(yǔ)義網(wǎng)技術(shù)和海量存儲(chǔ)技術(shù)等，建立一套綜合“文學(xué)”、“歷史”、“地理”信息的中國(guó)文學(xué)編年史信息系統(tǒng)以提高數(shù)字資源的利用率。
　　 本文圍繞CADAL文學(xué)編年史系統(tǒng)的研發(fā)，主要工作如下：
　　 第一，需求分析和總體架構(gòu)。通過(guò)對(duì)用戶需求及CADAL資源狀況分析，給

3、出了CADAL文學(xué)編年史系統(tǒng)的總體框架，包括基本文史信息檢索，歷史地理信息，多媒體應(yīng)用等平臺(tái)，并具體給出每個(gè)平臺(tái)的功能及實(shí)現(xiàn)目標(biāo)，最后給出了系統(tǒng)設(shè)計(jì)邏輯架構(gòu)和物理架構(gòu)。
　　 第二，關(guān)鍵技術(shù)。采用網(wǎng)絡(luò)爬蟲和基于正則表達(dá)式的信息抽取技術(shù)實(shí)現(xiàn)OCR書籍和網(wǎng)絡(luò)信息提取與結(jié)構(gòu)化；采用基于Lucene架構(gòu)實(shí)現(xiàn)了全文搜索引擎；提出了中國(guó)古地圖的自動(dòng)標(biāo)注與抽取算法CAMAME，以CADAL中本身包含的大量的數(shù)字化的中國(guó)古代地圖集作為數(shù)據(jù)源，結(jié)