语料库与近代西北水利档案的数智化应用方式探索

摘要/Abstract

摘要：

民国时期，新疆、甘肃、宁夏三省进行了一定规模的水利建设，尤其是在抗战时期，西北成为“大后方”的背景下，三省出现了现代意义上的水政机构，进行了一系列的水利工程建设。在这一过程中，产生了大量的西北分省水利档案，这批档案绝大多数是民国时期新疆、甘肃、宁夏各省的水利委员会工作档案，具有较强的专业性，所面向的学者群体规模较小。这样的专业性档案特别需要语料库的支持，本研究在阐述语料库在近代西北水利档案管理和研究中的必要性的基础之上，设计并搭建了“近代西北地区水利档案”语料库，初步实现了针对该档案的智能化检索和知识挖掘。本研究以部分近代“宁夏水利委员会档案”为例，展示了该语料库在近代西北水利史研究中的巨大作用。

关键词: 语料库近代西北水利档案词性标注

Abstract:

of water conservancy construction. Especially in the war period when the northwest region became the “big backyard”, there appeared the water administrations of modern sense in these three provinces. A series of water conservancy projects were carried out, and a large number of northwest sub-provincial water conservancy files were produced. The vast majority of these files were the working files of the water conservancy committees of Xinjiang, Gansu and Ningxia Provinces back then, which were highly specialized and oriented to a smaller group of scholars. On the basis of elaborating the necessity of corpus technology in the management and research of modern water conservancy archives, this study designs and builds a corpus of “Republic of China Northwest Frontier Water Conservancy Archives”, and initially realizes the intelligent search and knowledge mining for the archives. Taking “Ningxia Water Conservancy Commission Archives” as an example, this study demonstrates the critical role of corpus in the study of modern water conservancy history of Northwest China.

Key words: Corpus, Modern Northwest China, Water conservancy archives, Lexical annotation

潘威徐娟（云南大学历史与档案学院）. 语料库与近代西北水利档案的数智化应用方式探索[J]. 图书馆杂志, 2024, 43(400): 13-22.

Pan Wei, Xu Juan (School of History and Archives, Yunnan University). Exploration of the Application of Corpus and Modern Northwest Water Conservancy Archives in Digital Intelligence[J]. Libraly Journal, 2024, 43(400): 13-22.

参考文献

[ 1 ] 慈鸿飞. 1912–1949 年西北地区农业资源开发[J]. 中国经济史研究，2004（2）：62–69.

[ 2 ] 潘威，尹潇涵. 民国初年新疆水利管理近代化研究——基于新疆水利会报告书的考察[J]. 兰州大学学报（社会科学版），2023，51（1）：89–96.

[ 3 ] 岳云霄. 清至民国时期宁夏平原的水利开发与环境变迁[D]. 上海：复旦大学，2013.

[ 4 ] 潘威，夏翠娟，张光伟，等. 历史地理信息化与图情研究融合的必要性与可行性——以“数字历史黄河”为中心的考察[J]. 图书情报知识， 2021，38（3）： 50–60；37.

[ 5 ] 首都师范大学国家社会科学基金重大招标项目“丝绸之路历史地理信息系统建设”结项成果简介[J]. 首都师范大学学报（社会科学版）， 2022（4）：2.

[ 6 ] 潘威，岳佳雲. 关于数字人文进入清代河流研究的若干想法[J]. 史学月刊，2023（1）：116–121.

[ 7 ] Garcia G G， Weilbach C. If the Sources Could Talk： Evaluating Large Language Models for Research Assistance in History[J]. arxiv preprint arxiv：2310.10808. 2023.

[ 8 ] 黄水清，王东波. 国内语料库研究综述[J]. 信息资源管理学报，2021，11（3）：4–17；87.

[ 9 ] 林玉萍，龙红，李彪，等. 基于医学影像和病历文本的甲状腺多模态语料库构建与应用[J]. 西北大学学报（自然科学版），2021，51（2）： 198–206.

[10] 曾凡斌，陈荷. 基于谷歌图书语料库大数据的百年传播学发展研究[J]. 现代传播（中国传媒大学学报），2018，40（3）：135–145.

[11] 宋鹏飞. 大气污染专题语料库构建与语料空间化方法研究[D]. 青岛：山东科技大学，2020.

[12] Lin B， Yip P. On the construction and application of a platform-based corpus in tourism translation teaching[J]. International Journal of Translation， Interpretation， and Applied Linguistics， 2020， 2（2）：30–41.

[13] 马海群，张涛. 文献信息视阈下面向智慧服务的语料库构建研究[J]. 情报理论与实践，2019， 42（6）：124–130.

[14] 付璐，李思，李明正，等. 以清代医籍为例探讨中医古籍分词规范标准[J]. 中华中医药杂志， 2018，33（10）：4700–4705.

[15] 詹卫东，郭锐，常宝宝，等. 北京大学CCL 语料库的研制[J]. 语料库语言学，2019，6（1）： 71–86；116.

[16] 柯永红，江琛. 古代汉语词性标注语料库建设述评[J]. 语料库语言学，2021，8（1）：97–111.

[17] 梁社会，陈小荷. 先秦文献《孟子》自动分词方法研究[J]. 南京师范大学文学院学报，2013（3）： 175–182.

[18] 王姗姗，王东波，黄水清，等. 多维领域知识下的《诗经》自动分词研究[J]. 情报学报，2018， 37（2）：183–193.

[19] 王晓玉，李斌. 基于CRFs 和词典信息的中古汉语自动分词[J]. 数据分析与知识发现，2017，1（5）： 62–70.

[20] Fu X，Yuan T，Li X，et al. Research on the Method and SYSTEM of Word Segmentation and POSTagging for Ancient Chinese Medicine Literature[J]. Bioinformatics and Biomedicine， 2019，8（1）：2493–2498.

[21] 徐玉慧. 中文N-gram 分词模型改进[D]. 天津：天津财经大学，2018.

[22] 刘畅，王东波，胡昊天，等. 面向数字人文的融合外部特征的典籍自动分词研究—— 以SikuBERT 预训练模型为例[J]. 图书馆论坛， 2022，42（6）：44–54.

[23] 林立涛，王东波. 古籍文本挖掘技术综述[J]. 科技情报研究，2023，5（1）：78–91.

[24] 石民，李斌，陈小荷.基于CRF的先秦汉语分词标注一体化研究[J]. 中文信息学报，2010，24（2）： 39–45.

[25] 黄水清，王东波，何琳. 基于先秦语料库的古汉语地名自动识别模型构建研究[J]. 图书情报工作，2015，59（12）：135–140.

[26] 王东波，高瑞卿，沈思，等. 面向先秦典籍的历史事件基本实体构件自动识别研究[J]. 国家图书馆学刊，2018，27（1）：65–77.

[27] 崔竞烽，郑德俊，王东波，等. 基于深度学习模型的菊花古典诗词命名实体识别[J]. 情报理论与实践，2020，43（11）：150–155.

[28] 杜悦，王东波，江川，等. 数字人文下的典籍深度学习实体自动识别模型构建及应用研究[J]. 图书情报工作，2021，65（3）：100–108.

[29] 余馨玲，常娥. 基于DA-BERT-CRF 模型的古诗词地名自动识别研究——以金陵古诗词为例[J]. 图书馆杂志，2023，42（10）：87–94；73.

[30] 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.

[31] 刘石. 文献学的数字化转向[J]. 文学遗产，2022（6）： 10–13.

[32] 潘威，徐娟. 数字人文视角下语料库在清代黄河问题研究中的应用[J]. 长安大学学报（社会科学版），2024，26（3）：125–138.

[33] 潘威. 长江三角洲历史河网重建及相关问题研究（1917–1978）[M]. 西安：西安地图出版社， 2015.

[34] 苏绕绕，潘威. 清末民国新疆农田水利建设成果可视化及分析（1909–1935）[J]. 中国经济史研究，2022（ 3）：155–166.

[35] 苏绕绕，潘威. 近百年来渭干—库车绿洲灌渠变动对地表水系格局的影响[J]. 干旱区资源与环境，2018，32（10）：123–129.

[36] 胡玉冰，韩超. 乾隆宁夏府志[M]. 北京：中国社会科学出版社，2015.

[37] 刘建勇. 宁夏水利历代艺文集[M]. 郑州：黄河水利出版社，2018.

[38] 胡玉冰. 万历朔方新志[M]. 北京：中国社会科学出版社，2015.

[39] 杨芳灿. 嘉庆灵州志迹[M]. 北京：中国社会科学出版社，2015.

[40] 胡玉冰，韩超. 道光续修中卫县志[M]. 银川：宁夏人民出版社，1990.

[41] 王树枏. 重修中卫七星渠本末记[M]. 郑州：黄河水利出版社，2018.

[42] 马福祥，陈必淮；. 王之臣. 民国朔方道志[M]. 台北：成文出版社，1926.

[43] 史金波，聂鸿音，白滨译. 天盛改旧新定律令[M]. 北京：科学出版社，1994.

[44] 清高宗实录[M]. 北京：中华书局，1986.

[45] 岳云霄. 民国时期宁夏平原的水利组织[J]. 兰州学刊，2013（5）：74–78.

[46] 《宁夏水利志》编纂委员会. 宁夏水利志[M]. 银川：宁夏人民出版社，1992.