第九届海峡二岸图书资讯学学术研讨会植基於中国诗词语言.ppt

第九屆海峽二岸圖書資訊學學術研討會植基於中國詩詞語言特性所建構之語意概念分類體系研究 元智大學中語系：羅鳳珠 2008年7月5日 本研究的語意標記與分類範圍 一、本研究以《樂府詩集》5,156首、《全唐詩》51,171首、《唐宋詞》24,226首、 宋名家詩44,314首、《全台詩》23,066首，總計147,933首為範圍，建立詩詞語意標記與分類架構。 二、本研究以詩詞之內容，進行：詞彙切分 → 語意標記 → 語意概念分類 → 建構語意概念知識分類體系。 三、語意標記以詞彙為單位 四、予以標記語意及分類的詞彙以實詞為原則，助詞、介詞、連詞、嘆詞等虛詞的語意需附著在實詞上，實詞裡的副詞也須和實詞連結，詞義才能完整顯示，因此這些詞彙暫時不分類。 五、但是虛詞裡的擬聲詞所代表的含義，有些是某些物象的聲音，故予以分類。 本研究的語意分類目的 本研究語意標記與分類以滿足文學教學與研究為主。 本研究分類所得結果是詩詞內容所包含的語意，不是完整的人類知識體系，因此有些古典詩詞缺乏的內容，其知識類別便不會出現在詩詞語意概念分類體系裡。 詩詞語言的語意概念分類方法及分類體系 本研究將詩詞語意概念分為四層：總類、大類、中類、控制詞彙。 本研究因詩詞文體內容所包含的元素，以「人、事、時、地、物」作為最上層的總類，無法包含在這五項元素之外的概念另以「其他」概括之。 總計：總類6類，大類54類、中類372類。 詩詞語言的語意概念分類方法及分類體系 所建立的詩詞語意概念分類體系包含二部分： 其一是以詩詞作品詞彙經過詞彙控制所建立的「詩詞詞彙表」。 其二是詩詞語意概念分類體系，以「詞彙索引」連結「詩詞詞彙表」與「詩詞語意概念分類體系」二者之間的聯繫關係。 關係表如下： 語意概念分類總表 歷代類書分類比較 語意概念分類對資訊檢索質量與使用需求的影響 一、對資訊檢索質量的影響 提高全文檢索的完整性與正確性 使資料的搜尋從索引式變為關聯式 二、對文學研究與教學的影響 拓展的文學研究的議題 以科學的數據作為文學研究的立論基礎 提供詩詞語言演變的研究 提供詩詞韻文教學及習作使用 語意概念標記應用於全文檢索之驗證：以唐宋詞網站為例 語意概念分為總類、大類、中類、控制詞彙四層。 往上層擴大搜尋範圍。 往下層縮小搜尋範圍。 同一層為同一知識領域範圍。（物→生物→動物、植物、神物） 語意概念標記應用於全文檢索之驗證：以唐宋詞網站為例（物→天文→星） 以語意概念檢索「星」結果：2,076筆 以字形比對檢索「星」：1,427筆 語意概念標記應用於全文檢索之驗證：以唐宋詞網站為例（物→天文→月） 以語意概念檢索「月」結果：6,734筆 以字形比對檢索「月」檢索：7,705筆 遭遇的困難與未來的發展 詩詞語言的特殊性增加了詩詞詞彙切分及語意標記、語意分類的困難。 宋代以後有很多的哲理詩，需仰賴讀者的哲理思維領悟，當然也不是單獨的詞義標記所能夠清楚描述的，想要借助詞義標記或語意概念分類讓電腦能理解，其難度更高，在分類上，只能以詩的主題作分類。 蘇軾〈題沈君琴〉：「若言琴上有琴聲，放在匣中何不鳴？若言聲在指頭上，何不於君指上聽？」 蘇軾〈題西林壁 〉：「橫看成嶺側成峰，遠近高低總不同。不識廬山真面目，只緣身在此山中。」 遭遇的困難與未來的發展 從以上所述可知，可以透過語意標記及語意概念分類，讓電腦從分辨字形提升到理解詞義，使電腦的認知能力更接近人的知識體系。 人的知識體系分為「對知識的認知」、「對情意與情境的感知」、「對哲理的辨知」，認知是表述的層次，感知需要聯想輔助，哲理詩的解讀體會，卻不是單純的邏輯思維能解決，也就難以用語意標記處理。 感謝 本研究感謝國科會經費資助。 感謝計畫共同主持人張智星、許介彥教授。感謝參與計畫之助理：程式設計陳駿銘、林宜嫺、李元萍、曹偉政；資料分析整理：劉怡姍、吳侑俽、詹錦麗。 研究過程中，得到中研院鄭錦全院士、業師黃啟方教授指導，北京大學蔣紹愚教授、袁行霈教授、俞士汶教授提出訂正意見，台灣大學圖書資訊研究所陳雪華教授、藍文欽教授、黃慕萱教授給予很多指導，獲益匪淺，一併致謝。 * 人 事 時 地 物 其他 人名 稱謂 典故（事典） 禮俗 四時節氣 時間 地名 地理 生物 器物 顏色 疾病 朝代君王 神鬼仙人 身體器官 感官詞 情感詞（綜合情感） 情感詞（兩性情感） 品德性情 行為動作 狀態 形容詞彙（人） 文藝 刑責法規 災厄 祥瑞 自然景觀 閬苑仙境 幽冥之境 人世之境 空間 生物狀態 生物動作 形容詞彙（物） 建築物 飲食 自然資源 天候氣象 天文 事物 狀態 行政體系 狀聲詞 現象 單位詞 數詞 專業術語 形容詞彙（其他） 事件 人 人名 朝代君王 神鬼仙人 稱謂 身體器官 感官詞 品德性情 情感