史书多维知识重组与可视化研究

doi:10.3772/j.issn.1000-0135.2022.02.003

情报学报

2022, Vol. 41

Issue (2): 130-141 DOI: 10.3772/j.issn.1000-0135.2022.02.003

情报分析方法与技术

本期目录 | 过刊浏览 | 高级检索

史书多维知识重组与可视化研究

张琪^1,3, 王东波², 黄水清², 邓三鸿^1,3

1.南京大学信息管理学院,南京 210023
2.南京农业大学信息管理学院,南京 210095
3.江苏省数据工程与知识服务重点实验室,南京 210023

Multi-Dimensional Knowledge Reorganization and Visualization of History Books: Based on Records of the Grand Historian

Zhang Qi^1,3, Wang Dongbo², Huang Shuiqing², Deng Sanhong^1,3

1.School of Information Management, Nanjing University, Nanjing 210023
2.College of Information Management, Nanjing Agricultural University, Nanjing 210095
3.Jiangsu Key Laboratory of Data Engineering and Knowledge Service, Nanjing 210023

摘要
图/表
参考文献
相关文章 (4)

全文: PDF (4902 KB) HTML (90 KB)
输出: BibTeX | EndNote (RIS)

摘要艰涩的古汉语文法和线性的内容呈现方式是普通读者从史籍原文获取所需信息的两大障碍。该问题的解决需要实现史书知识重组与形式再造，即支持从时间、人物、地点等多个维度出发获取史书中的知识，并以图结构的方式呈现所返回的结构化知识以及对应的史书原文，从而在降低相关信息的获取与理解难度的同时，拉近读者与史籍原文的距离。然而，目前基于史书原文获取结构化知识的研究较少，已有研究自动化程度较低，且多在可视化呈现上与史书原文相割裂。因此，本研究提出并实现了史书多维知识重组与可视化系统，该系统包括史书多维知识建模、基于古籍智能处理技术的史书多维知识库自动构建与多维知识可视化三部分。最终将该系统应用于我国第一部纪传体史书《史记》，实现了其以人物、时间、地点、社会集团、职官等不同维度为中心的自动重组与可视化。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	张琪
	王东波
	黄水清
	邓三鸿

关键词 ：知识组织, 数字人文, 史书体裁, 史记, 古籍智能处理技术

收稿日期: 2020-11-04

基金资助:国家自然科学基金面上项目“基于典籍引得的句法级汉英平行语料库构建及人文计算研究”（71673143）。

作者简介: 张琪，女，1995年生，博士研究生，主要研究领域为数字人文、知识图谱、自然语言处理；王东波，男，1981年生，教授，博士生导师，主要研究领域为自然语言处理与文本挖掘、信息计量；黄水清，男，1964年生，教授，博士生导师，主要研究领域为文本信息处理与检索、数字人文、信息计量，E-mail：sqhuang@njau.edu.cn；邓三鸿，男，1975年生，教授，博士生导师，主要研究领域为知识图谱、科学计量、学术评；

引用本文:

张琪, 王东波, 黄水清, 邓三鸿. 史书多维知识重组与可视化研究[J]. 情报学报, 2022, 41(2): 130-141.
Zhang Qi, Wang Dongbo, Huang Shuiqing, Deng Sanhong. Multi-Dimensional Knowledge Reorganization and Visualization of History Books: Based on Records of the Grand Historian. 情报学报, 2022, 41(2): 130-141.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2022.02.003 或 https://qbxb.istic.ac.cn/CN/Y2022/V41/I2/130

1 欧阳剑. 面向数字人文研究的大规模古籍文本可视化分析与挖掘[J]. 中国图书馆学报, 2016, 42(2): 66-80.
2 Larkin J H, Simon H A. Why a diagram is (sometimes) worth ten thousand words[J]. Cognitive Science, 1987, 11(1): 65-100.
3 徐国利. 钱穆论史体与史书[J]. 史学史研究, 2000(4): 53-60.
4 《中华传统文化大观》编纂委员会. 中华传统文化大观[M]. 北京: 中国大百科全书出版社, 1993: 319-324.
5 白寿彝. 白寿彝史学论集(下)[M]. 北京: 北京师范大学出版社, 1994: 658-659.
6 耿元骊. 欧美地区的古代中国数字资源概述[M]// 包伟民, 戴建国. 开拓与创新——宋史学术前沿论坛文集. 上海: 中西书局, 2019: 89-107.
7 China Biographical Database Project (CBDB)[DB/OL]. [2018-01-01]. https://projects.iq.harvard.edu/cbdb.
8 全历史[DB/OL]. [2019-09-02]. https://www.allhistory.com/.
9 董慧, 徐雷, 王菲, 等. 语义分析系统研究(Ⅲ)——中华史籍语义分析系统实现[J]. 情报学报, 2014, 33(2): 204-214.
10 黄水清. 人文计算与数字人文: 概念、问题、范式及关键环节[J]. 图书馆建设, 2019(5): 68-78.
11 MARKUS - is a reading and text analysis platform with a wide range of functionality[DB/OL]. [2014-01-01]. http://dh.chinese-empires.eu/markus.
12 冯秋香, 汪榕培. 数据库语义学在古汉语自动分析上的应用[J]. 大连理工大学学报, 2012, 52(6): 902-907.
13 Li F, Zhang M S, Fu G H, et al. A Bi-LSTM-RNN model for relation classification using low-cost sequence features[OL]. (2016-08-27). https://arxiv.org/pdf/1608.07720v1.pdf.
14 陈雅玲. 基于CIDOC CRM的先秦人物知识本体构建方法研究[D]. 南京: 南京农业大学, 2019.
15 于丽丽, 丁德鑫, 曲维光, 等. 基于条件随机场的古汉语词义消歧研究[J]. 微电子学与计算机, 2009, 26(10): 45-48.
16 Auer S, Bizer C, Kobilarov G, et al. DBpedia: a nucleus for a web of open data[C]// Proceedings of the International Semantic Web Conference/Asian Semantic Web Conference: The Semantic Web. Heidelberg: Springer, 2007: 722-735.
17 Niu X, Sun X R, Wang H F, et al. Zhishi.me-weaving Chinese linking open data[C]// Proceedings of the International Semantic Web Conference: The Semantic Web. Heidelberg: Springer, 2011: 205-220.
18 Hoffart J, Suchanek F M, Berberich K, et al. YAGO2: a spatially and temporally enhanced knowledge base from Wikipedia[J]. Artificial Intelligence, 2013, 194: 28-61.
19 侯旭东. “制度”如何成为了“制度史”[J]. 中国社会科学评价, 2019(1): 68-83, 143.
20 Heider F. Attitudes and cognitive organization[J]. The Journal of Psychology, 1946, 21(1): 107-112.
21 Doreian P, Mrvar A. Structural balance and signed international relations[J]. Journal of Social Structure, 2019, 16(1): 1-49.
22 Golshan P N, Dashti H A R, Azizi S, et al. A study of recent contributions on information extraction[OL]. (2018-03-15). https://arxiv.org/ftp/arxiv/papers/1803/1803.05667.pdf.
23 漆桂林, 高桓, 吴天星. 知识图谱研究进展[J]. 情报工程, 2017, 3(1): 4-25.
24 刘颖, 王楠. 古汉语与现代汉语句子对齐研究[J]. 计算机应用与软件, 2013, 30(11): 127-130.
25 欧石燕. 语义网与数字图书馆[M]. 南京: 南京大学出版社, 2017: 28-29.
26 World Wide Web consortium. RDF access to relational database[EB/OL]. [2003-01-21]. http://www.w3.org/2003/01/21-RDF-RDB- access.
27 Angles R, Gutierrez C. Survey of graph database models[J]. ACM Computing Surveys, 2008, 40(1): 1-39.
28 赵军, 刘康, 何世柱, 等. 知识图谱[M]. 北京: 高等教育出版社, 2018: 162-167.
29 Miller J J. Graph database applications and concepts with Neo4j[C]// Proceedings of the Southern Association for Information Systems Conference, 2013: Article No. 24.