基于上古文獻的詞匯級語義知識挖掘研究.pdf

1、“人文計算”是一個將現(xiàn)代信息技術(shù)融入到傳統(tǒng)人文社會科學(xué)研究中的交叉研究領(lǐng)域。隨著“互聯(lián)網(wǎng)+”概念的興起，數(shù)字化浪潮持續(xù)推進，“人文計算”已成為情報學(xué)、語言學(xué)和中文信息處理領(lǐng)域的重要研究課題。近幾年來，情報語言學(xué)界更是涌現(xiàn)了一批古籍?dāng)?shù)字化、古漢語文獻語料庫資源建設(shè)等人文計算領(lǐng)域的新項目。當(dāng)前，現(xiàn)代漢語相關(guān)的信息處理研究已經(jīng)深入到篇章層面，但古代漢語相關(guān)的信息處理大多仍停留在字處理的階段，因而，對古代漢語詞匯級層面的相關(guān)知識進行探索，對于我

2、們完善現(xiàn)有的古漢語信息處理研究體系具有十分重要的現(xiàn)實意義。本文中的上古文獻指的是先秦時期的古漢語文獻，在研究過程中，運用了語料庫、人文計算、機器統(tǒng)計模型、復(fù)雜網(wǎng)絡(luò)等領(lǐng)域的相關(guān)知識，開展了古漢語文獻詞匯級層面的知識挖掘工作。
　　本文的總體研究目標(biāo)就是融合數(shù)字人文的思想開展先秦古漢語詞匯級層面的知識挖掘研究，運用情報語言學(xué)領(lǐng)域內(nèi)的多種研究方法，探尋上古文獻語料庫中蘊含的有用知識，研究結(jié)果一方面可以幫助人們探索漢語言的發(fā)展歷史和規(guī)律，

3、另一方面為古漢語信息處理以及情報知識發(fā)現(xiàn)服務(wù)。
　　本文的研究都是基于由25部具有代表性的先秦古文獻所構(gòu)建的上古漢語語料庫開展的，主要研究內(nèi)容包括如下三個部分:一是進行上古文獻的古漢語語料庫構(gòu)建標(biāo)注研究，這部分首先介紹了這25部先秦古文獻的基本情況，接著分別介紹了古漢語語料庫、古漢語分詞、古漢語詞性標(biāo)注以及命名實體識別的相關(guān)知識，最后選取語料庫中的部分上古文獻進行了簡單的字詞分布統(tǒng)計，并對其中的內(nèi)部規(guī)律作了分析;二是基于條件隨機場

4、模型與古漢語語言規(guī)則相結(jié)合的方法進行古漢語的分詞及詞性訓(xùn)練模型研究，這部分首先詳細介紹了條件隨機場模型的相關(guān)知識以及如何對古漢語語料進行預(yù)處理、如何選取特征模板，然后針對上古漢語語料庫設(shè)計了基于條件隨機場模型的封閉性測試及開放性測試兩組對比實驗，在這兩組對比實驗的基礎(chǔ)上又開展了子實驗，最終顯示，封閉性測試得到的調(diào)和平均數(shù)(F)的數(shù)值在99％左右，開放性測試得到的調(diào)和平均數(shù)(F)的數(shù)值在90％左右，兩組實驗都取得了比較理想的效果;三是運用