歷史典籍的結構化探索
——《史記·列傳》數(shù)字人文知識庫的構建與可視化研究

鄭童哲恒，李斌，馮敏萱，常博林，王東波

1. 南京師范大學文學院，江蘇 南京 210097；

2. 南京農(nóng)業(yè)大學信息管理學院，江蘇 南京 210095

0 引言

古籍是我 國傳統(tǒng)文化的重要載體，是民族精神的集中體現(xiàn)。我國古籍浩如煙海，在綿延千年的發(fā)展過程中歷久彌新，蘊藏了大量的歷史人文知識,是研究傳統(tǒng)文化和挖掘歷史信息的珍貴材料。在眾多古籍之中，《史記》意義重大，它是中國歷史上第一部紀傳體通史，記載了從傳說中的黃帝時代至漢武帝時期共3 000多年的歷史，對后世文學和史學發(fā)展具有重要指導意義?！妒酚洝饭?30篇，其中列傳有70篇，共24萬余字，占《史記》全文篇幅的一半左右，記載了眾多歷史人物的言行事跡，具有很高的研究價值。

古文信息處理是指借助信息技術手段對古代漢語文本的音、形、義進行處理和加工[1]。數(shù)字人文（digital humanities）也被稱為人文計算（humanities computing），面向人文社會科學與計算之間的交叉領域開展研究，通過智能檢索、文本挖掘、可視化等各種信息技術和手段達到研究目的[2]。近年來，隨著古文信息處理技術、人工智能與大數(shù)據(jù)技術的持續(xù)發(fā)展，數(shù)字人文研究范式在古籍研究中的應用范圍不斷擴大、應用方式不斷演進[3]。古籍數(shù)字人文研究為解決古代典籍因卷帙浩繁、晦澀難懂而不易開發(fā)利用等問題提供了新思路，為深入挖掘古籍文本信息、全面檢索古籍文本內(nèi)容、直觀展示古籍文本內(nèi)涵提供了新方法。

本文繼承南京師范大學開發(fā)的《左傳》[4]、《史記·本紀》（以下簡稱為《本紀》）[5]和《史記·世家》（以下簡稱為《世家》）3個數(shù)字人文知識庫，創(chuàng)新性、發(fā)展性地以《史記·列傳》（以下簡稱為《列傳》）為研究語料，首先進行自動分詞和詞性標注并進行人工校對，再進一步人工標注人物和地點等實體信息，得到《列傳》高質量標注文本。在此基礎上構建《列傳》數(shù)字人文知識庫和檢索平臺，并據(jù)此完成詞匯、人物、地點3個方面的信息挖掘與計量統(tǒng)計，力圖運用大數(shù)據(jù)技術推動歷史典籍的結構化探索，進而為歷史文獻學、歷史地理學、語言學等學科的研究提供服務。

1 相關研究

古籍數(shù)字化開發(fā)分為表層和深層兩個層次[6]。表層古籍數(shù)字化包括古籍的錄入、數(shù)字化存儲、網(wǎng)絡傳播等，深層古籍數(shù)字化則包括古籍的信息標注、內(nèi)容加工和知識檢索。表層古籍數(shù)字化研究與實踐始于20 世紀 70 年代末[7]，在其發(fā)展初期涌現(xiàn)出以文本錄入為基礎實現(xiàn)全文檢索的古籍語料庫。如中國社會科學院開發(fā)的《全唐詩》速檢系統(tǒng)，提供字、詩句、標題檢索[8]；愛如生公司開發(fā)的中國基本古籍庫，提供分類、條目、全文檢索[9]。由于沒有對古籍文本進行深加工，上述表層古籍數(shù)字化成果的功能較為單一，查全率和查準率亦不夠理想。

隨著人們對古籍數(shù)字化的認識不斷發(fā)展，數(shù)字化古籍文本的知識加工不斷完善，邁向更深的“知識域”，進入深層古籍數(shù)字化階段。深層古籍數(shù)字化旨在對古籍內(nèi)容進行標注并構建知識網(wǎng)絡，進而推動古籍文本可視化、文本信息挖掘等工作。對古籍文本進行詞語切分和詞性標注，是突破基于“字”的全文檢索、構建詞匯級別古籍數(shù)據(jù)庫的必要條件。古代漢語標注語料庫目前較為稀少，主要有：臺灣的上古、中古漢語標記語料庫；南京師范大學先秦、中古[10]漢語標注語料庫；留金騰等人[11]以《淮南子》為文本構建的上古漢語分詞及詞性標注語料庫。針對目前古漢語標注語料庫數(shù)量少、深度不足的問題，本文對古籍文本進行了更深層次的數(shù)字化加工。

21世紀初興起的數(shù)字人文研究以古籍數(shù)字化為基礎條件，對古籍內(nèi)容進行數(shù)據(jù)統(tǒng)計、信息和知識挖掘等處理[12]?；谥R本體（ontology）的古籍知識庫建設取得進展。唐振貴等人[13]在時間軸上由粗至細系統(tǒng)梳理了中國古代時間譜系，構建了涵蓋時間系統(tǒng)等五大主要模塊的中國古代時間本體。中國歷代人物傳記資料庫（China biographical database，CBDB）通過創(chuàng)建關系型數(shù)據(jù)庫，記錄了史料中保存下來的歷史人物的職業(yè)、親屬關系、社會關系等數(shù)據(jù)[14]。古籍專書數(shù)據(jù)庫亦取得成果。錢智勇等人[15]論述了楚辭知識庫和網(wǎng)站設計的實現(xiàn)步驟、技術難點及解決思路，力求實現(xiàn)辭賦知識的多維度關聯(lián)與智能檢索。在南京師范大學先秦語料庫的基礎上，許超等人[16]提取《左傳》中的人物、事件，使用社會網(wǎng)絡分析軟件Pajek建立春秋時期的社會網(wǎng)絡，并對其進行定性、定量探索性研究。李斌等人[4]在詞語切分、詞性、人物ID信息標注的基礎上進一步標注時間、地點坐標信息，構建深度標注的《左傳》知識庫，實現(xiàn)了一系列基于詞語、實體和時間地理信息的統(tǒng)計與可視化。相同的思路也被應用于南京師范大學《史記·本紀》和《史記·世家》數(shù)字人文知識庫的構建當中。

《史記》在漢籍當中至關重要，因此相關數(shù)字化研究很受重視。1987年，哈爾濱工業(yè)大學建成《史記》全文檢索系統(tǒng)，這是中國對古文獻全文進行字檢索的開創(chuàng)性成果?！抖π愎偶返裙偶洳財?shù)據(jù)庫將《史記》收錄在內(nèi)，提供全文檢索功能，完成了《史記》的表層數(shù)字化工作。隨著《史記》數(shù)字化走向深層階段，《瀚堂典藏》數(shù)據(jù)庫收錄《史記》，并運用人工智能分詞技術，實現(xiàn)了古籍文本基于詞的檢索。2014年中華書局推出收錄《史記》在內(nèi)的《中華經(jīng)典古籍庫》，提供專名查詢（包括人名、事件、地名、紀年、職官機構）、聯(lián)機字典、紀年換算等檢索功能[17]。

近年來，《史記》專書數(shù)字人文研究亦有發(fā)展。張琪等人[18]探究基于深度學習方法的古籍分詞詞性一體化標注技術，并將其應用于《史記》，統(tǒng)計出《史記》中人名、地名、動詞、時間詞4種詞類的高頻詞。劉忠寶等人[19]提出面向《史記》的歷史事件及其組成元素抽取方法，并基于此構建《史記》事理圖譜。南京師范大學開發(fā)的《史記·本紀》數(shù)字人文知識庫，提供詞匯、人物、地點與地理信息系統(tǒng)（geographical information system，GIS）信息檢索功能。

綜上可知，《史記》專書深層數(shù)字化和數(shù)字人文研究已有一定成果，詞匯級別的、提供實體信息查詢的《史記》數(shù)字人文知識庫正在逐步建設當中。本文有效結合詞匯、實體信息、GIS技術等方面，完成《史記》中《列傳》部分的內(nèi)容標注與知識挖掘，為建成完整的《史記》數(shù)字人文知識庫補充大量語料，也為后續(xù)進行綜合性、多層次的《史記》全文文本知識挖掘、計量分析與可視化檢索提供可能。

2 《史記·列傳》數(shù)字人文知識庫的建設

知識庫是存儲、組織和處理知識以及提供知識服務的重要知識集合[20]。數(shù)字人文視域下的古籍知識庫建設是在古籍文本錄入的基礎之上，對生文本進行詞性、句法、語義等不同層面的標注，提取時間、地點、人物、事件等不同類型的實體，通過大數(shù)據(jù)技術重組古籍文獻知識，并支持可視化分析。為建設《史記·列傳》數(shù)字人文知識庫，首先對《列傳》進行自動分詞和人工詞性標注，再為每個人物、地點指定唯一的ID編號，進一步完善命名實體信息。人物方面補充人物別名、性別、國別，地點方面補充今地名和GIS坐標，由此實現(xiàn)了《列傳》詞類標注基礎上的歷史時間、地點、人物信息全面標注，得到6張數(shù)據(jù)表：文本表、文本標注表、人物表、地點表、人物同現(xiàn)表、人地同現(xiàn)表。進而以6張一維線性序列表為基礎，構建多維《列傳》知識網(wǎng)絡，打通人物庫與GIS庫，使《史記·列傳》數(shù)字人文知識庫成為基于詞和實體的、結構化、一體化的知識集合。

2.1 數(shù)據(jù)來源與分詞和詞性標注

《史記·列傳》數(shù)據(jù)庫的原始數(shù)據(jù)來自《史記》（點校修訂本）[21]的《列傳》部分。首先使用南京師范大學開發(fā)的古漢語分詞與詞性標注規(guī)范和自動分析工具[22]，對《列傳》全文24萬余字進行自動分詞和詞性標注，詞性標記共分為32類：形容詞（a）、連詞（c）、副詞（d）、方位詞（f）、詞綴（i）、兼詞（j）、數(shù)詞（m）、普通名詞（n）、書名（nb）、國名（ng）、年號（nh）、民族（nn）、官職（no）、人名（nr）、地名（ns）、專名（nx）、介詞（p）、量詞（q）、代詞（r）、擬聲詞（s）、時間詞（t）、助詞（u）、動詞（v）、使動用法（vs）、為動用法（vw）、意動用法（vy）、標點（w）、其他語素和字（x）、語氣詞（y）、形容詞作狀語（za）、名詞作狀語（zn）、動詞作狀語（zv）。再根據(jù)《二十四史全譯》[23]等工具書，對自動分詞和詞性標注結果進行人工校對。在人工校對的基礎之上，對《列傳》全文進行二次實體信息人工標注（標注內(nèi)容包括人物信息和地點信息等），由此形成了《列傳》高質量、多層次的標注文本。多層次標注樣例見表1。

表1 多層次標注樣例

2.2 實體信息標注

2.2.1 人物信息標注

《列傳》中人物和名稱往往不是一一對應的，異名同指（一人對應多個名稱）、同名異指（一個名稱對應多人）的情況時有出現(xiàn)。人物與名稱的參差對應使后續(xù)計量分析的準確性受到很大影響，因此本文采取為每個人物標注唯一人物ID編號的方法，選取其最具代表性和概括性的、為人們所熟知的稱呼為“正名”，其余歸為“別名”，同一人物的不同名稱都指向同一個ID。如果某人物在《史記》的《本紀》和《世家》部分出現(xiàn)過，則沿用其先前被匹配的人物ID，如果是在《列傳》中出現(xiàn)的新人物，則為其標注新的ID。除人物ID、正名、別名之外，《史記·列傳》數(shù)據(jù)庫中收錄的人物信息還包括每個人物的性別、國別、備注，人名表示例見表2。

表2 人名表示例

2.2.2 地點信息標注

《史記·列傳》知識庫收錄的地點信息包括文中每個地點的地點ID、地名、今地名、類別（一般地名、諸侯國名、河流、山名等）、百度地圖GIS坐標，地名表示例見表3。同樣，如果某地點在《史記》的《本紀》和《世家》部分出現(xiàn)過，則沿用其先前被匹配的地點ID；如果是在《列傳》中出現(xiàn)的新地點，則為其標注新的ID。筆者參考《史記地名考》[24]等文獻以考證文中古地名的今地點，在此基礎上利用百度地圖應用程序接口（application program interface，API）解析今地點，獲得對應的GIS坐標數(shù)據(jù)。

表3 地名表示例

2.3 數(shù)據(jù)庫架構

在經(jīng)過二次校對的分詞和詞性標注、人物信息標注、地點信息標注的基礎之上，完成了《列傳》文本的歷史時間、地點、人物信息的全面標注，形成 文本表、文本標注表、人物表、地點表、人物同現(xiàn)表、人地同現(xiàn)表，構建了《史記·列傳》數(shù)字人文知識庫，知識庫結構如圖1所示。

圖1 《史記·列傳》數(shù)字人文知識庫結構

3 《史記·列傳》數(shù)字人文知識庫與地圖平臺

3.1 檢索框架

本文構建的《史記·列傳》檢索平臺包含全文檢索、人物檢索、地名檢索三大功能，全文檢索包括“文本”“詞頻詞性”檢索功能，而人物和地名實體查詢需要依托實體ID，其中人物檢索包括“人物基本信息”“原文追蹤”和“人物關系”檢索功能，地名檢索包括“地點基本信息”和“人地同現(xiàn)”檢索功能。檢索平臺結構如圖2所示。

圖2 檢索平臺結構

3.2 全文檢索

在全文檢索方面，本檢索平臺除提供基礎的文本字符匹配檢索之外，還提供詞頻詞性檢索。詞頻詞性檢索可以基于詞，如檢索“者”，可得“者”在《列傳》中以助詞（u）詞性出現(xiàn)2 714次，以代詞（r）詞性出現(xiàn)1 812次，以名詞（n）詞性出現(xiàn)86次。從不同詞性的應用比例來看，在《列傳》中“者”主要以助詞和代詞形式出現(xiàn)，尤以助詞為主，這可以為《史記》的詞匯研究提供支撐材料。詞頻詞性檢索也可以基于詞性，如檢索名詞（n），可得《列傳》中的名詞按頻次由多到少排列分別為“人、王、兵、臣、國……”，從高頻名詞可以看出，這是一段群雄交鋒、英雄輩出、戰(zhàn)爭四起的歷史歲月。詞頻詞性檢索示例見表4和表5。

表4 詞頻詞性檢索示例（詞：者）

表5 詞頻詞性檢索示例（詞性：名詞）

3.3 人物檢索

相較于傳統(tǒng)的人物檢索，本平臺的人物檢索功能更加全面、準確、直觀。人物檢索頁面能夠為用戶提供所查詢?nèi)宋锏幕拘畔ⅲㄈ宋颕D、正名、別名、性別、國別）、上下文信息（出現(xiàn)次數(shù)、原文追蹤）以及人物關系（交往人物、交往頻次）。以檢索“公孫敖”為例，首先在人物檢索頁面輸入“公孫敖”，繼而呈現(xiàn)“公孫敖”的人物基本信息，可知其人物ID為7731。以人物ID為線索，進一步檢索可得“公孫敖”在《列傳》中以各種稱謂出現(xiàn)的24個文段?！肮珜O敖”人物檢索示例見表6，原文追蹤示例見表7。

表6 “公孫敖”人物檢索示例

表7 “公孫敖”人物原文追蹤示例

3.4 地點檢索

地點檢索頁面供用戶檢索《列傳》中所有地點的基本信息（地點ID、地名、今地點、類別），并使用百度地圖API，添加地圖控件，將《列傳》中出現(xiàn)的地名還原為精確的地圖坐標，并做出相應標記，使用戶能夠從地圖上直觀感受《列傳》地名的具體位置。

3.5 人物地圖——人地同現(xiàn)軌跡圖

人物游歷軌跡是歷史研究中的重要問題之一，但用傳統(tǒng)方法進行研究往往需要進行大量考證，且文字描寫不夠直觀。為了用更加簡潔且直觀的方式來展現(xiàn)《列傳》中人物的游歷軌跡，運用近似計算和可視化方法，根據(jù)人物和地點在文本中的同現(xiàn)信息（在用逗號或句號分隔的一個句子中同時出現(xiàn)）生成人地同現(xiàn)軌跡圖，并在檢索平臺網(wǎng)站上提供地圖信息查詢功能。

以“李廣”為例，平臺檢索“李廣”的高頻同現(xiàn)地點見表8。由此可以推斷出“李廣”的游歷軌跡，生成人地同現(xiàn)圖，為“李廣”事跡研究提供可視化線索。

表8 平臺檢索“李廣”的高頻同現(xiàn)地點

4 數(shù)據(jù)分析與可視化

《史記·列傳》數(shù)字人文知識庫及檢索平臺進行了歷史典籍的結構化探索，在數(shù)據(jù)的豐富性和檢索的層次性上遠超傳統(tǒng)全文檢索數(shù)據(jù)庫。本節(jié)將在此基礎上，對《列傳》進行詞匯、人物、地點、實體同現(xiàn)等層面的知識挖掘與計量分析。

4.1 《列傳》詞匯基本面貌

不同于以往基于字的古籍數(shù)據(jù)庫，本文構建的《史記·列傳》數(shù)據(jù)庫以經(jīng)過大量切分和標注工作得到的《列傳》分詞標注文本為基礎，實現(xiàn)了基于詞的檢索，能夠從詞匯層面對《列傳》全文進行窮盡式的統(tǒng)計，將《列傳》全文的計量分析從單字層面拓展到詞匯層面。據(jù)統(tǒng)計，《列傳》共有216 942個詞（247 540個字），其中單字詞有189 683個，雙字詞有23 175個，三字及以上詞語有4 084個，全文以單字詞為主，平均每詞1.1個字。

運用《史記·列傳》數(shù)據(jù)庫可以進行以往基于字的數(shù)據(jù)庫無法完成的多字詞統(tǒng)計，這是沒有分詞的數(shù)據(jù)庫無法實現(xiàn)的工作?！读袀鳌犯哳l多字詞（前10位）見表9。構詞方面，《列傳》中的多字詞以雙字詞為主；詞性方面，《列傳》中的多字詞以名詞為主，其他詞性較少出現(xiàn)；詞義方面，高頻多字詞均與國家、政治體系、軍事、民族等相關，符合《史記》記敘朝代興替、帝王與人臣事跡的文本特點?！读袀鳌犯哳l多字詞詞云如圖3所示。

圖3 《列傳》高頻多字詞詞云

表9 《列傳》高頻多字詞（前10位）

除了對詞匯長度進行統(tǒng)計，還可以從詞性角度對各詞性內(nèi)部的詞匯分布進行計算，得出各詞類的高頻詞。如《列傳》全文中副詞共出現(xiàn)16 956次，其中最高頻的前5個副詞見表10，由此可知文中最常用的副詞是“不”，頻次高達4 453次，遠遠超過其他副詞。

表10 《列傳》高頻副詞（前5位）

4.2 《列傳》實體信息統(tǒng)計

4.2.1 人物分布

不同于《本紀》和《世家》，《列傳》主要記錄人臣事跡，所涉人物必然相應地與前兩部分有所不同。對文中記錄的歷史人物進行頻次層面的梳理，有助于把握《列傳》的重點人物和事件。據(jù)統(tǒng)計，《列傳》出場人物共1 787位，其中未在《本紀》《世家》出現(xiàn)的《列傳》特有人物共1 092位。

統(tǒng)計《列傳》高頻人物有助于把握《列傳》的人物事件主基調(diào)，而高頻人物往往有多個不同稱謂，這給人物統(tǒng)計增加了難度。本文使用的為每個人物標注唯一人物ID的方法，不僅在很大程度上降低了“異名同指”和“同名異指”問題對人物統(tǒng)計造成的負面影響，還為《列傳》人物研究提供了人物的不同稱謂頻次方面的研究材料?！读袀鳌分邪闯鰣鲱l次排序前10位的人物如圖4所示，由內(nèi)圈至外圈分別為人物ID、人物主名以及該人物的不同稱謂占比。

圖4 《列傳》高頻人物及稱謂分布（前10位）

4.2.2 地點分布

傳統(tǒng)的古籍地點研究往往以某地在文本中出現(xiàn)的若干處例句為對象，研究方法以列舉、歸納為主，研究結果也多停留在文字層面。而通過窮盡式的統(tǒng)計與可視化的檢索，本文可收集《列傳》任意地點的所有出處，并將其定位至百度地圖，這為《列傳》地點研究提供了更精細的語料、更高效的方法、更直觀的結果。

據(jù)統(tǒng)計，《列傳》共提及地點1 173個，按頻次排序前10位的高頻地點（不包括諸侯國）見表11，出現(xiàn)范圍最廣、次數(shù)最多的地點多為河流、古都城。

黃河作為頻次最高的地點，在《列傳》乃至《史記》全文中的地位一目了然，這印證了北方黃河流域是《史記》所記載歷史的主要地理背景。表11中排名第二的邯鄲為趙國國都，排名第八的咸陽為秦國國都（秦朝都城），再次為趙國和秦國的影響力提供了佐證。值得注意的是，《列傳》中邯鄲的頻次高于咸陽，與《本紀》中情況相反，這正體現(xiàn)了秦國和趙國的不同歷史地位：趙國為戰(zhàn)國七雄之一，但后被秦軍攻滅；而秦國兼并六國進而完成統(tǒng)一大業(yè)，建立了中國歷史上首個統(tǒng)一封建王朝，因此在以王朝更替為主的《本紀》之中，秦國都城的出現(xiàn)頻次自然比趙國都城高得多。這足以證明從《史記》地名的分布規(guī)律中可以窺見歷史信息，為古籍研究提供材料。

表11 《列傳》高頻地點（前10位）

《列傳》中出現(xiàn)的1 173個地點中，有556個未在《本紀》和《世家》中出現(xiàn)過。為了更好地探索《列傳》獨特的歷史地理信息，本文統(tǒng)計得出《列傳》獨有的高頻地點前5位（不包括諸侯國），具體見表12。

表12 高頻《列傳》獨有高頻地點（前5位）

《列傳》獨有高頻地點前5位中包含“烏孫”“康居”兩個西域地名，可見《列傳》有許多前文較少涉及的與西域相關的歷史事件描寫，這值得相關學科的研究人員特別關注。

4.3 實體關系

傳統(tǒng)古籍研究很難自動地、全面地挖掘人物、地點等實體間的關系，并以客觀統(tǒng)一的標準對其進行衡量。本文在對《列傳》進行全文實體標注的基礎上，計算實體ID間的同現(xiàn)情況并進行統(tǒng)計，實體同現(xiàn)次數(shù)越多則相關度越高。據(jù)此本文進行了《列傳》人物關系密度和廣度、人物的同現(xiàn)地點數(shù)、地點的同現(xiàn)人物數(shù)的統(tǒng)計和匯總。

4.3.1 人物關系密度

兩個人物之間的同現(xiàn)次數(shù)可以作為估算人物關系的指標，往往聯(lián)系越緊密的兩個人同現(xiàn)次數(shù)越多。本文在《列傳》中選取表13所示的3對同現(xiàn)人物進行分析，高頻同現(xiàn)人物對多與歷史事件、血緣親族、君臣關系等相關。漢高祖劉邦和項羽在《列傳》中為最高頻同現(xiàn)人物對，這正是“楚漢爭霸”的縮影；漢文帝與漢景帝是父子關系，并共同造就“文景之治”；秦昭王和藺相如同現(xiàn)多次，這源于“完璧歸趙”和“澠池會盟”。由此可見，統(tǒng)計《列傳》中的高頻同現(xiàn)人物對可以為眾多歷史人物和歷史事件的研究提供量化參考。

表13 《列傳》高頻人物同現(xiàn)對

為了更好地展現(xiàn)《列傳》眾多人物間的關聯(lián)以及交往密度，本文選取《列傳》同現(xiàn)人物高頻前120對，借助ECharts技術繪制人物關系網(wǎng)絡（如圖5所示）。圖5中節(jié)點表示人物，邊表示交往關系，根據(jù)圖中節(jié)點大小、關系網(wǎng)疏密，可以直觀地把握人物交際網(wǎng)絡。從整體上看，《列傳》中的人物交際關系網(wǎng)主要以漢高祖、秦始皇、韓信、項羽、秦昭王等人物為核心。

圖5 《列傳》同現(xiàn)人物關系網(wǎng)絡（前120對）

4.3.2 人物關系廣度

廣度同樣是衡量人物交往情況的參考依據(jù)。某一特定人物對的同現(xiàn)頻次可以顯示兩人之間的關系疏密，而某一特定人物擁有的同現(xiàn)對數(shù)量，則可以顯示該人物的交往范圍。統(tǒng)計出某一特定人物共擁有多少對人物關系后，可以進一步細化查詢該人物分別與哪些人物有過幾次同現(xiàn)，在研究歷史人物生平時便可比較完整地把握其人際關系。借助ECharts繪制的“李廣”在《列傳》中的人物關系圖如圖6所示。中心節(jié)點為“李廣”，周圍節(jié)點為與其有同現(xiàn)關系的人物，節(jié)點越大說明同現(xiàn)關系越多，也即關系越緊密、相關度越高。由圖6可見，“李廣”在《列傳》中共與29人有過同現(xiàn)，其中相關度最高的是“公孫敖”，“衛(wèi)青”“李敢”“程不識”3人次之。

圖6 “李廣”在《列傳》中的人物關系圖

4.3.3 人地關系

人物-地點關系是古籍研究的重要問題之一，有助于探究歷史人物生平經(jīng)歷、把握歷史地點重要程度。但使用傳統(tǒng)研究方法很難從量化的角度讓人們對古人游歷情況有直觀的了解。本文在計算人物-地點同現(xiàn)關系的基礎上估算《列傳》人物游歷地點，分別從人物角度計算人物的同現(xiàn)地點數(shù)量、從地點角度計算地點的同現(xiàn)人物數(shù)量，這可以作為推斷某特定人物在《列傳》中所記錄的游歷軌跡、某特定地點在《列傳》中的重要程度的參考。

《列傳》中同現(xiàn)地點數(shù)最多的前5個人物和同現(xiàn)人物數(shù)量最多的前5個地點見表14?？梢钥闯鏊腥嗣偷孛c前文統(tǒng)計得到的高頻人物、高頻地點、廣交人物、密交人物多有重合。

表14 《列傳》高頻共現(xiàn)人物、地點（前5位）

5 結束語

古籍數(shù)字化不斷向深層方向發(fā)展，將傳統(tǒng)典籍的文本轉換為高度結構化的新型數(shù)字人文知識庫，將文本中詞匯、人物、地理實體等要素有機組織起來，推動古籍文本可視化、文本信息挖掘等工作，對我國古籍的研究與傳承意義重大，對語言學、歷史文獻學、歷史地理學等學科具有積極的推動作用。本文為進行歷史典籍的結構化探索、推動《史記》深層數(shù)字化工作，以《列傳》為對象，將傳統(tǒng)典籍的文本轉換為高度結構化的新型數(shù)字人文知識庫，主要完成了以下工作。

● 對《列傳》進行詞性、實體標注，完善《列傳》人物表、地名表等6張數(shù)據(jù)表，在此基礎上建成了基于詞和實體的、結構化、一體化的《史記·列傳》數(shù)據(jù)庫。這對南京師范大學開發(fā)的《史記·本紀》《史記·世家》數(shù)字人文知識庫起到了重要的承接作用，為《史記》整體數(shù)據(jù)庫的構建做了豐富的內(nèi)容補充。

● 基于數(shù)據(jù)庫開發(fā)線上檢索系統(tǒng)，檢索功能包括全文檢索以及傳統(tǒng)數(shù)據(jù)庫無法實現(xiàn)的基于深度標注的詞頻詞性檢索、人物檢索、地點檢索等，并結合百度地圖實現(xiàn)人物關系、人地關系的可視化。

● 在數(shù)據(jù)庫和檢索平臺的基礎上，本文進行了一系列數(shù)據(jù)統(tǒng)計和可視化分析。首先描寫《列傳》多字詞的基本面貌，計算得到《列傳》平均每詞1.1個字。其次統(tǒng)計《列傳》人物、地點分布情況，列出了《列傳》的高頻人物和地點，得出《列傳》共出現(xiàn)人物1 787位、地點1 173個。且較之《本紀》和《世家》，《列傳》特有人物共1 092位，特有地點共556個，量化了《列傳》與《本紀》《世家》的差異。最后，量化《列傳》人物關系和人地關系，對人物-人物、人物-地點的交往密度和廣度進行計量。

但受制于時間、人力等因素，本文研究仍存在不足之處有待在未來的工作中不斷改進，具體如下。

● 完善標注規(guī)則，提高標注準確性。本文數(shù)據(jù)正在持續(xù)校對當中，后續(xù)將對細節(jié)問題進行補充和校正。在此過程中需要及時記錄并整理所遇到的問題，相應地對標注規(guī)則進行細化。亦可通過開放在線標注校正系統(tǒng)，為邀請各界專家學者加入標注校對工作提供便利條件，最終形成系統(tǒng)性的標注規(guī)范，使《列傳》標注文本具有更高的準確度。

● 后續(xù)將繼續(xù)擴大數(shù)據(jù)規(guī)模，將《本紀》《世家》和《列傳》三部分數(shù)據(jù)庫進行整合，形成更加完整的《史記》數(shù)據(jù)庫。

● 嘗試運用多種數(shù)字化技術，對包括人物關系、人地關系在內(nèi)的實體關系計算進行改進，使其突破限于近似估算的水平。

● 嘗試設計交互可視化系統(tǒng)，使可視化效果更加多維、豐富。優(yōu)化檢索平臺性能，使檢索平臺更好地為社會服務，起到科研和科普作用。還可以與其他學科和數(shù)據(jù)庫聯(lián)動，拓寬研究思路，得出更加多層次、寬領域的研究成果。