基于半监督学习的历史古籍事件主题识别模型研究

摘要/Abstract

摘要：

如何从大规模文本中抽取和泛化事件已成为当前古籍事件研究的一个关键问题。针对古籍文本和古代汉语的特点,本文构建了一种半监督事件聚类模型USKm,该模型利用USIF 表征古文历史事件,基于约束距离集成,将邻近区域点纳入数据点类簇的二次决策过程对事件进行聚类从而实现主题识别。以《后汉书》为研究对象,笔者对比了USKm 与传统聚类模型的应用效果,发现USKm 性能更优。笔者可视化东汉政权存续期间时间分布,绘制历史事件人物关系图谱,并解析背后的历史现象探讨东汉政权的发展规律。USKm 模型通过半监督训练,提高了事件特征的识别准确性和聚类效果,同时本文对聚类结果数据加工整理与可视化,从数字人文视阈为人文研究者提供新的研究思路和角度。

关键词: 事件聚类, 数字人文, 古代典籍, 半监督学习, 主题识别

Abstract:

Extracting and generalizing events from large-scale texts has emerged as a crucial issue in thecontemporary studies of ancient literature. Based on the distinctive characteristics of ancient texts andancient Chinese language this study introduces a semi-supervised event clustering model named USKmwhich employs USIF to represent historical events found in ancient texts. By incorporating neighboringdata points into the secondary decision-making process the model effectively achieves the goal of eventgrouping and topic recognition. Using the Later Han Shu as the primary subject of investigation theauthor compares the performance of USKm with traditional clustering models revealing its superioreffectiveness. The study further visualizes the temporal distribution of the Eastern Han Dynastyconstructs a graphical depiction of the interplay between historical figures and events and delves into theunderlying historical phenomena to unveil the developmental trends of the period. The USKm modelenhances the precision of event feature recognition and clustering efficacy through semi-supervisedtraining offering novel research insights and perspectives for scholars in digital humanities by processingand visualizing the clustered data results.

武兆迪1, 2 　王　昊1, 2 　裘靖文1, 2(1　南京大学信息管理学院　2　江苏省数据工程与知识服务重点实验室). 基于半监督学习的历史古籍事件主题识别模型研究[J]. 图书馆杂志, 2025, 44(412): 67-80.

Wu Zhaodi1 2 Wang Hao1 2 Qiu Jingwen1 21 School of Information Management Nanjing University 2 Jiangsu Key Laboratory of Data Engineeringand Knowledge Service. Research on Event Subject Recognition Model of Chinese ClassicTexts Based on Semi-Supervised Learning[J]. Libraly Journal, 2025, 44(412): 67-80.

参考文献

参考文献[ 1 ] 李点. 数字人文的理论与方法之争[J]. 浙江师范大学学报(社会科学版),2019, 44(6):1 5.[ 2 ] 中国国家图书馆中华古籍资源库 EB / OL .2024-03-10 . http / / read. nlc. cn /thematDataSearch / toGujiIndex. [ 3 ] Sturgeon D. 中国哲学书电子化计划 EB / OL .2024-03-10 . https / / ctext. org / zhs.[ 4 ] 鼎秀古籍全文检索平台 EB / OL . 2024-03-10 .https / / dxgj. ctbu. edu. cn / / ancientbook / portal /index / index. do. [ 5 ] 李章超,何琳. 数字人文视域下典籍内容数字化开发路径与策略研究[J / OL]. 图书馆建设:114 2024-03-01 . http / / kns. cnki. net / kcms /detail / 23. 1331. G2. 20231211. 1629. 002. html.[ 6 ] 胡瑞娟,周会娟,刘海砚,等. 基于深度学习的篇章级事件抽取研究综述[J]. 计算机工程与应用,2022, 58(24):47 60.[ 7 ] 刘忠宝,党建飞,张志剑. 《史记》历史事件自动抽取与事理图谱构建研究[J]. 图书情报工作, 2020, 64(11):116 124.[ 8 ] 孙大东,张怡涵. 基于事理图谱的红色档案资源开发利用研究[J]. 档案学研究,2023 (5):7380.[ 9 ] 单晓红,庞世红,刘晓燕,等. 基于事理图谱的网络舆情演化路径分析———以医疗舆情为例[J].情报理论与实践,2019, 42(9):99 103;85.[10] 丁效. 句子级中文事件抽取关键技术研究[D].哈尔滨:哈尔滨工业大学,2011.[11] Arthur D Vassilvitskii S. K-Means the advantagesof careful seeding C / / Proceedings of theeighteenth annual ACM-SIAM symposium onDiscrete algorithms. USA Society for Industrialand Applied Mathematics 2007 1027 1035.[12] Ester M Kriegel H Sander J et al. A densitybasedalgorithm for discovering clusters in largespatial databases with noise C / OL / / KnowledgeDiscovery and Data Mining. 1996 2024-03-10 .https / / www. semanticscholar. org / paper / A-Density-Based-Algorithm-for-Discovering-Clusters-Ester-Kriegel / 5c8fe9a0412a078e30eb7e5eeb0068655b673e86.[13] 梁晨,余正涛,高盛祥,等. 融入事件知识的新闻事件对比聚类方法[J / OL]. 山西大学学报(自然科学版):1 10 2023-05-10 . https / / doi. org /10. 13451 / j. sxu. ns. 2023065. DOI 10. 13451 / j.sxu. ns. 2023065.[14] 王晰巍,王小天,李玥琪. 重大突发事件网络舆情UGC 的事理图谱构建研究———以自然灾害7· 20 河南暴雨为例[J]. 图书情报工作,2022, 66(16):13 23.[15] 冯鹏,郭飚,陈九辉. 地震事件的多重时空聚类算法研究[J]. 地球物理学进展,2023,38 (1):111.[16] 张秀华,云红艳,贺英,等. 基于卷积神经网络和K-means 的中文新闻事件检测与主题提取[J].科学技术与工程,2020, 20(3):1139 1144.[17] 郭恒睿,王中卿,朱巧明,等. 基于半监督学习的中文社交文本事件聚类方法[J]. 中文信息学报,2022, 36(2):152 159.[18] Scudder H. Probability of error of some adaptivepattern-recognition machines J / OL . IEEETransactions on Information Theory 1965 11 3363 371. [19] Fralick S. Learning to recognize patterns without ateacher J / OL . IEEE Transactions on InformationTheory 1967 13 1 57 64.[20] Merz C J St. Clair D C Bond W E. SeMisupervisedadaptive resonance theory SMART2C / OL / / Proceedings 1992 IJCNN InternationalJoint Conference on Neural Networks Vol. 3.2024-03-10 . https / / ieeexplore. ieee. org /document / 227046.[21] 刘建伟,刘媛,罗雄麟. 半监督学习方法[J]. 计算机学报,2015, 38(8):1592 1617. [22] 尹学松,胡思良,陈松灿. 基于成对约束的判别型半监督聚类分析[J]. 软件学报,2008 (11): 2791 2802.[23] 韩嵩,韩秋弘. 半监督学习研究的述评[J]. 计算机工程与应用,2020, 56(6):19 27.[24] Yang Y Tan W Li T et al. Consensus clusteringbased on constrained self-organizing map andimproved Cop-Kmeans ensemble in intelligentdecision support systems J / OL . Knowledge-Based Systems 2012 32 101 115.[25] 后汉书 EB / OL . 2024-03-10 . https / / baike.baidu. hk / item / % E5% 90% 8E% E6% B1% 89%E4%B9%A6 / 1949780.[26] Event Ontology EB / OL . 2018-10-17 . http / /motools. sourceforge. net / event / event. html.

[27] Hage W R V Malaisé V Segers R et al. Designand use of the simple event model SEM J .Web Semantics Science Services & Agents on theWorld Wide Web 2011 9 2 128 136.

[28] 王东波, 刘畅, 朱子赫, 等. SikuBERT 与SikuRoBERTa:面向数字人文的《四库全书》预训练模型构建及应用研究[J]. 图书馆论坛,2022,42(6):31 43.

[29] 刘成勇,项邦豪,张东方,等. 船舶现场监督业务的知识图谱构建方法[J]. 大连海事大学学报, 2022, 48(4):38 47.

[30] Kanungo T Mount D M Netanyahu N S et al.An efficient k-means clustering algorithm analysisand implementation J / OL . IEEE Transactions onPattern Analysis and Machine Intelligence 200224 7 881 892.

[31] Wang F Li L Liu Z. Stratification-based semisupervisedclustering algorithm for arbitrary shapeddatasets J / OL . Information Sciences 2023639 119004.

[32] 黄今言. 东汉军事史的若干特点和研究方法问题[J]. 史学月刊,1997(1):19 25.

[33] 张蕾. 汉匈、汉羌战争军事对比探析[J]. 哈尔滨学院学报,2017, 38(1):82 86.

[34] 薛志清,马利雅,田亚如. 汉代官员社会流动论析———居延汉简所见汉代官员升迁与罢黜[J].河北北方学院学报(社会科学版),2014, 30(6): 48 50; 60.

[35] 沈雪莹,欧石燕,卢彤彤. 中国古代文人生平知识图谱构建与应用———以李白和杜甫为例[J]. 数字图书馆论坛,2023, 19(8):1 14.

[36] 牛力,蒋菲,曾静怡. 面向数字记忆的数字文档资源描述框架构建研究[J]. 档案学研究,2019(4): 40 49.

[37] 位通,桑宇辰,史睿. 基于知识重构的年谱时空可视化呈现———以《朱熹年谱长编》为例[J / OL].中国图书馆学报,2022, 48(2):62 75.

[38] 司马光. 资治通鉴[M]. 北京:中华书局,1956.

[39] 杨志昆. 论汉灵帝末年的政治危机[J]. 南都学坛,2019, 39(6):8 16.

[40] 邓小南:历史研究要强化史料辨析———中国社会科学院历史研究所 EB / OL . 2024-03-10 .http / / lishisuo. cass. cn / lsyjs _ zhcx / lsyjs _ jw /201901 / t20190102_4804938. shtml.

[1]	周　知　周　群(西北大学公共管理学院). 基于残差网络的碑帖年代识别方法研究[J]. 图书馆杂志, 2025, 44(412): 81-89.
[2]	王丽华马小柯（上海大学文化遗产与信息管理学院）. 融汇人文·智驭未来:聚焦AGI 时代的数字人文研究——CDH2024"数字人文百家争鸣与学科交叉融合"研讨会综述[J]. 图书馆杂志, 2025, 44(409): 110-117.
[3]	付雅明普欣宇（上海大学文化遗产与信息管理学院）. 数字叙事理论下多模态档案资源开发模式探究——以"跟着档案观上海"数字人文平台为例[J]. 图书馆杂志, 2025, 44(409): 97-109.
[4]	薛霏1 王静静2 叶鹰3, 4（1 浙江大学图书馆 2 山东大学新闻传播学院 3 复旦大学国家智能评价与治理实验基地 4 南京大学江苏省国际联合信息学实验室）. DeepSeek 推动下生成式AI走势及其图书馆应用前景探析[J]. 图书馆杂志, 2025, 44(409): 43-50.
[5]	付靖宜1 秦翠玉1 王晓光1, 2 （1 武汉大学信息管理学院 2 武汉大学文化遗产智能计算实验室）. 基于FAIR原则的数字人文开放数据平台应用现状调研与分析[J]. 图书馆杂志, 2025, 44(408): 84-97.
[6]	代林序周文泓（中国人民大学信息资源管理学院）. 面向数字人文研究的网络档案资源服务：实践进展与优化方向[J]. 图书馆杂志, 2025, 44(406): 96-107.
[7]	崔金英颜佳（上海图书馆）. 基于深度学习模型的命名实体识别对比研究——以民国电影类期刊为例[J]. 图书馆杂志, 2025, 44(405): 108-119.
[8]	仇开域夏翠娟（上海图书馆）. 数字人文服务中的跨媒介叙事研究与实践[J]. 图书馆杂志, 2024, 43(401): 11-23.
[9]	刘周颖赵宇翔张妍张轩慧朱庆华（南京林业大学人文社会科学学院南京大学信息管理学院南京大学数据管理创新研究中心）. 数字人文类开放数据竞赛的公众参与行为影响因素研究[J]. 图书馆杂志, 2024, 43(400): 123-135.
[10]	朱武信夏翠娟吴建伟（上海图书馆）. 面向全流程管理的专家协同知识生产系统设计与实现——以家谱联合编目系统为例[J]. 图书馆杂志, 2024, 43(400): 4-12.
[11]	赵小萱陈刚黄紫荆（南京大学地理与海洋科学学院江苏省地理信息技术重点实验室自然资源部国土卫星遥感应用重点实验室）. 基于条件随机场挖掘文本史料中事件信息的方法与实证研究——以《拉贝日记》数字人文研究为例[J]. 图书馆杂志, 2024, 43(395): 101-108.
[12]	王丽华王义菊（上海大学文化遗产与信息管理学院）. 科学合作视角下的数字人文学科交叉测度——基于ADHO年会的研究[J]. 图书馆杂志, 2024, 43(394): 84-95.
[13]	张云中邱璟（上海大学文化遗产与信息管理学院）. 面向数字人文研究的三星堆古城祭祀图谱构建与场景应用[J]. 图书馆杂志, 2024, 43(394): 73-83.
[14]	高丹徐健何琳桂思思（南京农业大学信息管理学院南京农业大学人文与社会计算研究中心）. 数字人文视域下中国古代农耕图像知识组织研究[J]. 图书馆杂志, 2024, 43(393): 109-117.
[15]	刘懋霖赵萌王昊（南京大学信息管理学院江苏省数据工程与知识服务重点实验室）. 面向古诗词的物象库构建方法及其分布规律研究[J]. 图书馆杂志, 2024, 43(393): 96-108.