基于唐詩語料庫的意象檢索研究.pdf

1、古籍是最具有中國特色的文獻，而古籍中的中國古代詩歌源遠流長，在漢語語言文化中占有極其重要的地位。從唐宋詩入手開展中華典籍數(shù)字化研究，是對中華文化的繼承和發(fā)揚。隨著計算語言學研究的進展，計算機對文本的處理已由傳統(tǒng)的錄入、存儲、全文檢索等工作逐漸向文本自動分類、智能檢索、信息提取乃至機器翻譯等深層次的研究發(fā)展。相關(guān)技術(shù)的進步，特別是在現(xiàn)代漢語信息處理領(lǐng)域的進展為開展古籍的深層次計算機輔助研究提供了思路、創(chuàng)造了條件。 在古籍整理方面，

2、基于全文檢索的數(shù)字化典籍的涌現(xiàn)，極大地方便了人們對古籍的整理、分析和研究。已經(jīng)問世的比較有代表性的數(shù)字化典籍系統(tǒng)有臺灣中研院的翰典全文檢索系統(tǒng)、北大中文系的全唐詩電子檢索系統(tǒng)以及臺灣元智大學和北大計算語言學研究所合作開發(fā)的宋代名家詩網(wǎng)絡(luò)檢索系統(tǒng)等。這些研究成果極大的促進了計算機輔助研究的快速發(fā)展。 但是在現(xiàn)有的唐詩語料庫檢索系統(tǒng)中，一般是使用通用性的檢索工具進行全文檢索。檢索時，無法細分檢索項目，檢索的精確度也較低。針對這個局限

3、，本文以《全唐詩》語料庫為數(shù)據(jù)基礎(chǔ)，以意象分類為目的，借助于重新構(gòu)造的《同義詞詞林》編碼體系、語義概念詞典等現(xiàn)有的研究成果，通過對計算出來的相似詩句經(jīng)過特定意象的神經(jīng)網(wǎng)絡(luò)模型分類整理后，得到用戶需要的更精確的相似詩句，即方便了用戶的檢索操作也可節(jié)省用戶檢索的時間。本文的特色之一就是根據(jù)中國唐詩的每一首詩中都或多或少由人、物、時空、現(xiàn)象和狀態(tài)、活動五大要素組成的特點，借鑒《同義詞詞林》編碼體系，重新構(gòu)造了新的語義分類體系。另一個特色就是成