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)代信息技術融入到傳統(tǒng)人文社會科學研究中的交叉研究領域。隨著“互聯(lián)網+”概念的興起，數字化浪潮持續(xù)推進，“人文計算”已成為情報學、語言學和中文信息處理領域的重要研究課題。近幾年來，情報語言學界更是涌現(xiàn)了一批古籍數字化、古漢語文獻語料庫資源建設等人文計算領域的新項目。當前，現(xiàn)代漢語相關的信息處理研究已經深入到篇章層面，但古代漢語相關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、復雜網絡等領域的相關知識，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就是融合數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，運用情報語言學領域內的多種研究方法，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。
　　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建的上古漢語語料庫開展的，主要研究內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建標注研究，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、古漢語詞性標注以及命名實體識別的相關知識，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)則相結合的方法進行古漢語的分詞及詞性訓練模型研究，這部分首先詳細介紹了條件隨機場模型的相關知識以及如何對古漢語語料進行預處理、如何選取特征模板，然后針對上古漢語語料庫設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上又開展了子實驗，最終顯示，封閉性測試得到的調和平均數(F)的數值在99％左右，開放性測試得到的調和平均數(F)的數值在90％左右，兩組實驗都取得了比較理想的效果;三是運用