面向方志类古籍的多类型命名实体联合自动识别模型构建*

李 娜

0 引言

方志即地方志,是在一定体例范畴中,系统记载特定时空下自然、社会、政治、经济、文化等各个方面情况的专门文献,被誉为“一方之全史”[1],以起源早、类型全、数量多等特征而闻名[2]。我国保存至今的宋至民国的方志就有8,264种,11万余卷,成为重要的文化遗产宝库[3]。地方志承担着传承中华文明、延续历史智慧的使命,“要了解中国文化,必须先了解中国的地方志”[4]；它也是一座强大的远期数据库,担负起决策信息支持任务[5-6],整理和利用地方志是我国的优秀传统。1950年代著名农史学家万国鼎组织力量,从40多个大中型城市、100多个文史单位的7,200余部地方志中手工整理摘抄物产专题资料,涉及宋至民国期间近900年全国范围内的物产品种、种植与饲养方法、利用技术等农业生产的各个方面,是农史学界著名的红本子,曾接待国内外众多学者前来查询[7]。

命名实体(Named Entities)是指文本中人名、地名、机构名、时间、数量等具有特定意义的实体,是正确理解文本的基础。方志类古籍中的命名实体类型多、数量大,蕴含着丰富的关联关系和隐性知识；通过命名实体识别技术对多类型命名实体及其之间的关联关系进行分析,能最大化挖掘和发挥方志类古籍的价值。数字人文为方志类古籍文本内容的深度知识组织提供了技术支持[8]。作为学科融合的代表领域,数字人文跨越计算机科学、语言学、历史学、文学等学科[9],拓展了人文学科研究的广度和深度[10]。本文以《方志物产》山西分卷为研究语料,探索条件随机场模型在方志类古籍命名实体识别中的性能和前景。……