数字人文视域中的古籍文本标注方法研究——以MARKUS为例

doi:10.11959/j.issn.2096-0271.2022046

大数据 ›› 2022, Vol. 8 ›› Issue (6): 15-25.doi: 10.11959/j.issn.2096-0271.2022046

• 专题：面向人文领域的大数据技术和方法 • 上一篇下一篇

数字人文视域中的古籍文本标注方法研究——以MARKUS为例

于亚秀¹, 李欣²

¹ 华东师范大学图书馆，上海 200062
² 华东师范大学数据科学与工程学院, 上海 200062

出版日期:2022-11-15 发布日期:2022-11-01
作者简介:于亚秀（1985- ），女，华东师范大学图书馆副研究馆员，主要研究方向为数字人文、知识组织与管理、智慧图书馆建设
李欣（1961- ），女，华东师范大学数据科学与工程学院研究馆员，主要研究方向为语义网知识组织与管理、数字人文、推荐系统
基金资助:
中央高校基本科研业务费项目(2022ECNU-XWK-ZX05)

Research on text annotation method of ancient works from the perspective of digital humanities：a case study on MARKUS

Yaxiu YU¹, Xin LI²

¹ East China Normal University Library, Shanghai 200062, China
² School of Data Science and Engineering, East China Normal University, Shanghai 200062, China

Online:2022-11-15 Published:2022-11-01
Supported by:
Fundamental Research Funds for the Central Universities(2022ECNU-XWK-ZX05)

摘要/Abstract

摘要：

文本标注是文本分析挖掘中的重要一步，面对大规模古籍资源，人工标注无法满足人文研究需求，且古籍语法结构和语言特点特殊，现代文本标注技术很难直接用于古籍研究。在分析人文研究者进行古籍文本标注中面临的难点和痛点的基础上，提出普适性的古籍标注标准流程，给出基于MARKUS的文本标注模型，并通过具体实践，探索基于该模型的古籍文本标注方法，旨在助推借助数字人文工具改变古籍人文研究方式，拓宽研究规模的应用深度。

关键词: 数字人文, 古籍, 文本标注, MARKUS

Abstract:

Text annotation is an important step in text analysis and mining.Manual labeling can no longer meet the needs of humanistic research faced with large-scale text resources, and due to the special grammatical structure and language characteristics of ancient works, the text annotation technology on modern corpora cannot be directly applied to the ancient works.Based on the analysis of the challenges faced by humanities researchers, a universal standard text annotation process of ancient works was proposed, and a model based on MARKUS was given.And ancient works annotation method based on this model through specific example was explored, to promote using tools to change the research methods in digital humanities and to expand the scale of research.

Key words: digital humanities, ancient works, text annotation, MARKUS

中图分类号:

TP391.1，G255.1

于亚秀, 李欣. 数字人文视域中的古籍文本标注方法研究——以MARKUS为例[J]. 大数据, 2022, 8(6): 15-25.

Yaxiu YU, Xin LI. Research on text annotation method of ancient works from the perspective of digital humanities：a case study on MARKUS[J]. Big Data Research, 2022, 8(6): 15-25.

图/表 8

表1

图1

图2

图3

表2

图4

图5

表3

参考文献 16

[1]	刘尚恒 . 古籍概念浅谈[J]. 图书馆工作与研究, 1985(2): 49-50.
	LIU S H . A note on concept of ancient works[J]. Library Work and Study, 1985(2): 49-50.
[2]	杨琳 . 大陆古籍数字化的现状及存在的问题[C]// 中国古籍数字化国际学术研讨会论文集. [出版地不详：出版者不详], 2007: 46-58.
	YANG L , . The present situation and existing problems of the digitization of ancient books in Mainland China[C]// Proceedings of International Symposium on the Digitization of Chinese Ancient Books.[S.l.:s.n.], 2007: 46-58.
[3]	柯平, 宫平 . 数字人文研究演化路径与热点领域分析[J]. 中国图书馆学报, 2016,42(6): 13-30.
	KE P , GONG P . The evolution path and hot topics of digital humanities research[J]. Journal of Library Science in China, 2016,42(6): 13-30.
[4]	蔡莉, 王淑婷, 刘俊晖 ,等. 数据标注研究综述[J]. 软件学报, 2020,31(2): 302-320.
	CAI L , WANG S T , LIU J H ,et al. Survey of data annotation[J]. Journal of Software, 2020,31(2): 302-320.
[5]	YANG H L , JIN L W , SUN J F . Recognition of Chinese text in historical documents with page-level annotations[C]// Proceedings of 2018 16th International Conference on Frontiers in Handwriting Recognition. Piscataway:IEEE Press, 2018: 199-204.
[6]	郑永晓, 段海蓉 . 古籍数字化、数字人文与古代文学研究:访中国社会科学院郑永晓教授[J]. 吉首大学学报(社会科学版), 2020,41(2): 144-151.
	ZHENG Y X , DUAN H R . Digitization of ancient books,digital humanities,and ancient Chinese literary research:an interview with professor zheng yongxiao from Chinese academy of social sciences[J]. Journal of Jishou University (Social Sciences), 2020,41(2): 144-151.
[7]	MORETTI F . Distant reading[M]. London: Verso Books, 2013: 211-221.
[8]	苏祺, 胡韧奋, 诸雨辰 ,等. 古籍数字化关键技术评述[J]. 数字人文研究, 2021,1(3): 83-88.
	SU Q , HU R F , ZHU Y C ,et al. Key technologies for digitization of ancient Chinese books[J]. Digital Humanities Research, 2021,1(3): 83-88.
[9]	谢韬 . 基于古文学的命名实体识别的研究与实现[D]. 北京:北京邮电大学, 2018.
	XIE T . Research and implementation of named entity recognition based on ancient literature[D]. Beijing:Beijing University of Posts and Telecommunications, 2018.
[10]	马海丽, 王曦 . 古籍数字化中计算机自然语言处理应用现状分析[J]. 古籍研究, 2020(2): 322-328.
	MA H L , WANG X . Analysis on application of computer natural language processing in digitization of ancient books[J]. Reseaech on Chinese Ancient Book, 2020(2): 322-328.
[11]	钱智勇, 周建忠, 童国平 ,等. 基于HMM的楚辞自动分词标注研究[J]. 图书情报工作, 2014,58(4): 105-110.
	QIAN Z Y , ZHOU J Z , TONG G P ,et al. Research on automatic word segmentation and pos tagging for Chu ci based on HMM[J]. Library and Information Service, 2014,58(4): 105-110.
[12]	张琪, 江川, 纪有书 ,等. 面向多领域先秦典籍的分词词性一体化自动标注模型构建[J]. 数据分析与知识发现, 2021,5(3): 2-11.
	ZHANG Q , JIANG C , JI Y S ,et al. Unified model for word segmentation and POS tagging of multi-domain pre-Qin literature[J]. Data Analysis and Knowledge Discovery, 2021,5(3): 2-11.
[13]	YASUOKA K , . Universal dependencies treebank of the Four Books in classical Chinese[C]// Proceedings of the 10th International Conference of Digital Archives and Digital Humanities.[S.l.:s.n.], 2019: 20-28.
[14]	邢付贵, 朱廷劭 . 基于大规模语料库的古文词典构建及分词技术研究[J]. 中文信息学报, 2021,35(7): 41-46.
	XING F G , ZHU T S . Large-scale online corpus based classical integrated Chinese dictionary construction and word segmentation[J]. Journal of Chinese Information Processing, 2021,35(7): 41-46.
[15]	邓三鸿, 胡昊天, 王昊 ,等. 古文自动处理研究现状与新时代发展趋势展望[J]. 科技情报研究, 2021,3(1): 1-20.
	DENG S H , HU H T , WANG H ,et al. Review of automatic processing of ancient Chinese character and prospects for its development trends in the new era[J]. Scientific Information Research, 2021,3(1): 1-20.
[16]	欧阳剑, 任树怀 . 数字人文研究中的古籍文本阅读可视化[J]. 图书馆杂志, 2021,40(4): 82-89,99.
	OUYANG J , REN S H . Visualization of ancient texts reading in digital humanities research[J]. Library Journal, 2021,40(4): 82-89,99.

类型	数据库
综合类全文古籍数据库	中国基本古籍库、中华经典古籍库、四部丛刊在线全文检索、四库全书在线全文检索、二十五史全文检索系统、二十五史研习、汉籍电子文献资料库、鼎秀古籍全文平台……
专题类古籍数据库	历代宝案脉络分析系统、台湾大学佛学数位图书馆、朝鲜王朝实录、本草经集注……
语言类数据库	韵典网、古音小镜、汉字古今中外读音查询、搜韵网、东方语言学：方言字音查询、台湾闽南语常用词辞典、吴音小字典……
文字类数据库	数字说文、国学大师、说文解字综合检索、汉语多功能字库、先秦甲骨金文简牍词汇资料库、引得市、小学堂、开放古文字字形库、楚简帛字典：清华篇、战国楚简帛文字典型形体检索系统、中国古代简帛字形、辞例数据库、拓本文字资料库、汉字辞书……
版本目录类数据库	中国古籍总目在线检索、日本所藏中文古籍数据库、四库提要在线检索……

序号	标记内容	数量/个	序号	标记内容	数量/个
1	文章分段	853	4	官名	3 070
2	日期	2 872	5	法鼓佛学人名规范资料	6 634
3	地名	3 877	6	法鼓佛学词汇	4 276

朝代	朝代	数量/个	朝代	朝代	数量/个
宋	宋景德	1	元	元始正	1
明	明万历	17		元	1
	明嘉靖	2	清	清康熙	17
	明崇祯	4		清雍正	5
	明正统	2		清乾隆	1
	明弘治	1		清顺治	1
	前明	3		清咸丰	1
	明正德	2		清光绪	2
	明天啓	1		清嘉庆	1
建年无考	建年无考	29		清初	1

数字人文视域中的古籍文本标注方法研究——以MARKUS为例

Research on text annotation method of ancient works from the perspective of digital humanities：a case study on MARKUS

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献 16

相关文章 4

Metrics

推荐阅读 0

[1]	韩立帆, 季紫荆, 陈子睿, 王鑫. 数字人文视域下面向历史古籍的信息抽取方法研究[J]. 大数据, 2022, 8(6): 26-39.
[2]	郑童哲恒, 李斌, 冯敏萱, 常博林, 王东波. 历史典籍的结构化探索——《史记·列传》数字人文知识库的构建与可视化研究[J]. 大数据, 2022, 8(6): 40-55.
[3]	陈静. 人文大数据及其在数字人文领域中的应用[J]. 大数据, 2022, 8(6): 3-14.
[4]	罗煜楚, 吴昊, 郭宇涵, 谭绍聪, 刘灿, 蒋瑞珂, 袁晓如. 数字人文中的可视化[J]. 大数据, 2022, 8(6): 74-93.