基于句子匹配的《黃帝內(nèi)經(jīng)》異文自動(dòng)發(fā)現(xiàn)研究

謝靖

【摘 要】異文研究對于我國中醫(yī)古籍文獻(xiàn)的整理、勘校、史學(xué)具有重要價(jià)值。本文利用句子匹配算法，對四個(gè)版本《黃帝內(nèi)經(jīng)》進(jìn)行了自動(dòng)異文發(fā)現(xiàn)研究。結(jié)果表明：句子配對算法能夠正確發(fā)現(xiàn)全部符合定義的異文，對中醫(yī)古文獻(xiàn)異文自動(dòng)化研究具有非常重要的實(shí)踐價(jià)值。

【關(guān)鍵詞】異文；句子匹配；黃帝內(nèi)經(jīng)

0 引言

異文是指古代同一文字材料在流傳過程中出現(xiàn)的文句互異，中醫(yī)古籍文獻(xiàn)中存在大量異文，對其中因通假、古今、異體字而造成的異文進(jìn)行對比分析有助于中醫(yī)古籍文獻(xiàn)的學(xué)習(xí)與研究。我國異文研究歷史悠久，古人對經(jīng)傳的注疏中就發(fā)掘了許多異文，近現(xiàn)代也有不少學(xué)者系統(tǒng)研究中國古籍的版本異文：李索以抄成于南北朝至初唐時(shí)期的寫卷《春秋經(jīng)傳集解》與以宋刻本為底本的傳世本相比勘的異文為研究對象，對敦煌寫卷《春秋經(jīng)傳集解》進(jìn)行了對比研究[1]；秦淑華通過詞語異文考察了《史記》與《戰(zhàn)國策》的異文情況，為研究先秦時(shí)期的中國史學(xué)文獻(xiàn)提供了支持[2]；俞紹宏等通過敦煌寫本《詩經(jīng)》異文中的隸定古文異文，研究其先秦古文字的隸定形式的手寫形，展現(xiàn)中文古籍中的正字異體[3]。自20世紀(jì)90年代以來，隨著計(jì)算機(jī)技術(shù)的發(fā)展，學(xué)者們提出了一系列利用信息技術(shù)進(jìn)行異文研究的方法：常娥等描述了中國古籍自動(dòng)?？毕到y(tǒng)的設(shè)計(jì)及實(shí)現(xiàn)，并進(jìn)行了實(shí)際勘校[4]；肖磊等提出了基于句珠相似度的古籍異文版本自動(dòng)識別算法，能夠在異文句珠中不斷地去掉最長同文，并輸出異文結(jié)果[5]。

本研究旨在通過句子匹配算法，對中醫(yī)古籍文獻(xiàn)的經(jīng)典《黃帝內(nèi)經(jīng)》進(jìn)行不同版本的異文自動(dòng)識別。通過自動(dòng)化的異文比對，實(shí)現(xiàn)對中醫(yī)古籍文獻(xiàn)異文的快速提取，為中醫(yī)古籍文獻(xiàn)異文研究及中醫(yī)古籍文獻(xiàn)智能化信息處理研究做有益探索。

1 數(shù)據(jù)來源與收集整理

文章以《黃帝內(nèi)經(jīng)》中的《素問》作為研究對象，展現(xiàn)句子匹配算法在中醫(yī)古籍文獻(xiàn)異文自動(dòng)發(fā)現(xiàn)工作中的實(shí)際效果。對于《黃帝內(nèi)經(jīng)》的異文研究，一直是中醫(yī)文獻(xiàn)學(xué)家的關(guān)注熱點(diǎn)：郝娟、沈澍農(nóng)將《靈樞經(jīng)》《黃帝內(nèi)經(jīng)太素》異文根據(jù)形成原因和形音義聯(lián)系歸納為八種基本類型，并進(jìn)一步分析例釋[6]；李懷芝以《素問》、《靈樞》、《太素》、《甲乙經(jīng)》為對象，進(jìn)行了文句互異對比[7]。文章在參考前人研究基礎(chǔ)上，利用句子匹配算法，對《黃帝內(nèi)經(jīng)》中《素問》各版本異文做自動(dòng)識別。

1.1 《黃帝內(nèi)經(jīng)》中《素問》各版本的成書年代

《素問》漢晉傳本：不存世。但《脈經(jīng)》有部分引文、別傳本《甲乙經(jīng)》中有載文。南北朝傳本：也不存世。但《黃帝內(nèi)經(jīng)太素》的底本為北朝傳本，王冰次注本祖本，全元起注本為兩個(gè)不同的南朝傳本。隋唐傳本：現(xiàn)存楊上善《黃帝內(nèi)經(jīng)太素》、王冰《黃帝內(nèi)經(jīng)素問》，在敦煌卷子中目前發(fā)現(xiàn)兩個(gè)單篇?jiǎng)e抄本。宋金元：《重廣補(bǔ)注黃帝內(nèi)經(jīng)素問》。宋金元的刊本情況：北宋刊本原本目前未見、南宋刊本有理宗紹定年間刊本，原本也未見。但明代顧從德本是翻刻宋本。金刊本，北京圖書館有原本殘卷。元刊本有兩種，胡氏古林書堂刊本與不明具體年代的殘卷本。明傳本：明英宗《正統(tǒng)道藏》本、明憲宗成化十年熊氏種德堂刊本、山東布政司刊本、趙府居敬堂刊本、吳悌本、顧從德家傳宋本翻刻本、歷城儒學(xué)校諭田經(jīng)校本、繡谷書林周曰校（周對峰）刊本、吳勉學(xué)《醫(yī)統(tǒng)正脈》本、潘之恒《黃?！繁?、詹林刊本。清刊本：清刊本很多，而且有不少的《素問》、《靈樞》合刻本，合刻本著名的佳本有金陵本，京口文成堂本，分刻本有京口遵仁堂本；近現(xiàn)代，主要有郭靄春先生編著的《黃帝內(nèi)經(jīng)素問校注語譯》等。

1.2 《素問》版本異文的文本特點(diǎn)

在考察各版本《素問》的文本基礎(chǔ)上，文章發(fā)現(xiàn)各個(gè)版本大同小異，具體來說有以下幾個(gè)方面特點(diǎn)：

（1）篇章結(jié)構(gòu)大體相同，因此應(yīng)該以篇章為單位進(jìn)行處理，以免異文配對發(fā)生跨越篇章界限的錯(cuò)誤。有時(shí)某個(gè)版本可能多出一些篇章，對于多出的篇章，不加比較就好了。

（2）各版本同一篇章的句子基本對應(yīng)，且句子個(gè)數(shù)相近，因此原則上可以根據(jù)標(biāo)點(diǎn)分割句子，逐句進(jìn)行比較。但是標(biāo)點(diǎn)系后人所加，各個(gè)版本的斷句或有不同。當(dāng)然，完全忽略這些標(biāo)點(diǎn)也不可取，可能導(dǎo)致篇章范圍內(nèi)的異文配對錯(cuò)誤。文章的做法是先按標(biāo)點(diǎn)分割句子并隱去所有標(biāo)點(diǎn)，接著尋找兩版本之間相似度最大的句珠配對，然后在句珠中發(fā)現(xiàn)異文。

（3）大多數(shù)句珠的文本是完全相同的，只需關(guān)注那些文本不完全相同的句珠。文章的基本方法是從句珠中去掉相同文字，遇到異文時(shí)再向后搜索相同文字以確定異文的右邊界并輸出異文，如此循環(huán)直至句珠遍歷完畢。

1.3 實(shí)驗(yàn)數(shù)據(jù)及整理

在眾多的《黃帝內(nèi)經(jīng)》的版本中確定四個(gè)比較有影響力的《素問》版本：郭靄春版的《黃帝內(nèi)經(jīng)》（以下簡稱郭本），胡氏古林書堂《新刊黃帝內(nèi)經(jīng)靈樞》刻本（以下簡稱胡本），熊宗立種德堂以《黃帝素問靈樞集注》元本為底本重刻的版本（以下簡稱熊本）以及《重廣補(bǔ)注黃帝內(nèi)經(jīng)素問》（哈佛燕京圖書館藏中文善本古籍特藏，以下簡稱重廣本）。對這四個(gè)版本的素問以整句的形式進(jìn)行電子化，文章主要針對的是非異體字形式的異文自動(dòng)識別，因而將本次實(shí)驗(yàn)的黃帝內(nèi)經(jīng)素問版本通過統(tǒng)一字體，防止異體字出現(xiàn)。

2 基于句子匹配的《素問》異文識別

2.1 《素問》中的句子匹配

文章從信息處理角度將異文定義為：句珠中完全不同的兩個(gè)子串。允許其中一個(gè)子串是空串，但不能都是空串。例如，“春必病溫： 春必溫病”不是一個(gè)異文，因?yàn)槠渲泻邢嗤哟氨亍?，需分解為“春：溫”和“溫：春”兩個(gè)異文。

按照這個(gè)定義得到的異文絕大多數(shù)是單字對單字，也有些是空串對單字、空串對多字、單字對多字、多字對多字，等等。例如：

（1a）此所謂氣之標(biāo)，蓋南面而待之也。（重廣補(bǔ)素問68）

（1b）此所謂氣之標(biāo)，蓋南面而待也。（熊本素問68）

（2a）今時(shí)之人，年半百而動(dòng)作皆衰，時(shí)世異耶？（郭本素問一上古天真論）

（2b）今時(shí)之人，年半百而動(dòng)作皆衰者，時(shí)世異耶？（重廣補(bǔ)素問一上古天真論）

（3a）故病有五，五五二十五變，及反其傳化。（熊本素問19）

（3b）故病有五，五五二十五變，反其傳化。（郭本素問19）

（4a）岐伯曰：亢則害，承乃制，制則生化，外列盛衰，害則敗亂，生化大病。

（熊本素問68）

（4b）岐伯曰：亢則害，承乃制，制生則化，外列盛衰，害則敗亂，生化大病。

（胡本素問68）

從文字語言學(xué)角度來看，（1）中的異文都應(yīng)該是“衰：衰者”，按本節(jié)的定義，這個(gè)異文是“衰：*”（*為異文字符），因?yàn)楹唵蔚淖址ヅ洳⒉荒艽_定應(yīng)把“衰者”看做一個(gè)詞還是把“衰”看做衍文。類似地，（2）中的異文應(yīng)是“*：反其傳化”，這里被當(dāng)做是一處?？梢钥紤]在本節(jié)異文發(fā)現(xiàn)算法的基礎(chǔ)之上用統(tǒng)計(jì)方法得到更具語言學(xué)或文獻(xiàn)學(xué)意義的異文數(shù)據(jù)。

2.2 基于句子匹配的《素問》異文匹配算法

文章中異文配對算法的基本思想是：比對并去掉兩個(gè)序列的共同前綴，使得異文出現(xiàn)在串首，然后從兩個(gè)序列的串首開始搜索相同子串。與“異文”相對，相同子串可稱之為“同文”。同文之前的便是異文。如果句珠中有多處異文，則重復(fù)上述過程。

搜索同文時(shí)可能存在多個(gè)解。例如：

（5a）岐伯曰：陰陽之氣，高下之理，大小之異也。（熊本素問70）

（5b）岐伯曰：陰陽之氣，高下之理，太少之異也。（郭本素問70）

此時(shí)同文有許多解，例如位置11：11上的“理”（不包括標(biāo)點(diǎn)符號排序），依此得到異文“大：太”；位置14：14上的“之”，依此得到異文“?。荷佟?，等等。其中同文最長的是最優(yōu)解，因?yàn)橥脑介L，則左邊的文字差異就越可靠。對于這個(gè)例子來說，位置11：11是最優(yōu)解，因?yàn)閺倪@個(gè)位置上開始的同文“岐伯曰：陰陽之氣，高下之理，太少之異也?！弊铋L，由此得到異文“大小：太少”。

如果存在多個(gè)最長同文，則選擇位置之差最小者。為便于觀察，將例（6）重列于下：

（6a）岐伯曰：亢則害，承乃制，制則生化，外列盛衰，害則敗亂，生化大病。

（熊本素問68）

（6b）岐伯曰：亢則害，承乃制，制生則化，外列盛衰，害則敗亂，生化大病。

（胡本素問68）

去掉共同前綴之后變?yōu)椋?/p>

（6a）則生化，外列盛衰，害則敗亂，生化大病。

（6b）生則化，外列盛衰，害則敗亂，生化大病。

搜索到最長同文“化，外列盛衰，害則敗亂，生化大病”，左邊是“則生： 生則”。如前所述，其中含有同文“化”，不符合我們的定義，需要遞歸調(diào)用異文發(fā)現(xiàn)算法來處理。對此，向后搜索最長同文時(shí)有三個(gè)解，長度均為1，即2：2（“化”）、1：3（“則”）和3：1（“生”），其中第一個(gè)解同文位置之差為0，故確定第一處異文“衛(wèi)：蔡”。去掉共同前綴之后，可得到第二處異文“則：生”。

2.3 《素問》異文匹配實(shí)驗(yàn)結(jié)果

根據(jù)上一節(jié)列出的基于句子匹配的《素問》異文匹配算法思想，文章對四個(gè)版本的《素問》進(jìn)行了異文自動(dòng)匹配，相關(guān)結(jié)果如下表1。

表1 異文匹配實(shí)驗(yàn)結(jié)果

從《素問》的4504個(gè)句子中，共得到四版異文263例。以上數(shù)據(jù)進(jìn)一步表明，郭靄春版素問與胡版素問的差異最大，重廣補(bǔ)素問與郭靄春版素問的差異最小。這個(gè)結(jié)果表明，基于句子匹配的異文自動(dòng)識別可以發(fā)現(xiàn)中醫(yī)古籍文獻(xiàn)版本異文中完全不同的兩個(gè)子串，有助于中醫(yī)古籍版本的自動(dòng)化研究。

3 結(jié)語

本文以中國古籍文獻(xiàn)中的異文為研究對象，以《黃帝內(nèi)經(jīng)·素問》為實(shí)例，通過基于句子匹配的異文識別算法，探索了中醫(yī)古籍文獻(xiàn)的異文自動(dòng)識別。相關(guān)實(shí)驗(yàn)表明，對于古籍版本中的不同子串識別（非異體字異文識別）研究，基于句子匹配的思想具有較好的識別效果，能夠?qū)Ρ瘸霾煌姹镜牟町?，為版本研究提供有力信息支持?/p>

【參考文獻(xiàn)】

[1]李索.敦煌寫卷《春秋經(jīng)傳集解》異文研究[M].北京：中國社會科學(xué)出版社， 2007.

[2]秦淑華.《史記》與《戰(zhàn)國策》的異文研究[J].漢字文化，2002（4）：42-43.

[3]俞紹宏，李索.敦煌寫本《詩經(jīng)》異文中的隸定古文釋例[J].古籍整理研究學(xué)刊， 2015（3）：34-37.

[4]常娥，侯漢清，曹玲.古籍自動(dòng)校勘的研究和實(shí)現(xiàn)[J].中文信息學(xué)報(bào)，2007（2）： 83-88.

[5]肖磊，陳小荷.古籍版本異文的自動(dòng)發(fā)現(xiàn)[J].中文信息學(xué)報(bào)，2010（5）：50-55.

[6]郝娟，沈澍農(nóng).《靈樞經(jīng)》《黃帝內(nèi)經(jīng)太素》傳本與史崧傳本之異文例釋[J].江西中醫(yī)藥大學(xué)學(xué)報(bào)，2006（3）：17-19.

[7]李懷芝.《素問》《靈樞》《太素》《甲乙經(jīng)》異文例釋[J].山東中醫(yī)藥大學(xué)學(xué)報(bào)， 2008（3）：226-227.

[責(zé)任編輯：楊玉潔]