面向数字人文的典籍语义词汇抽取研究 ——以SikuBERT预训练模型为例

摘要：

利用关键词抽取技术可以帮助读者提取高度凝练的文本主题,快速获得古籍文本的中心内容,对普及古汉语知识和传播中华优秀传统文化有着重要意义.文章以先秦两汉时期的"儒家""史书"数据库语料为分析对象,测试SikuBERT预训练模型在古汉语文本关键词抽取任务中的性能.实验结果表明,从两类语料中分别抽取的20个关键词基本能体现出相应典籍类别的主题内容:前者与所抽儒家典籍文本的相似度为76％～78％,后者与所抽史书文本的相似度为75％～78％.实验验证了SikuBERT模型在古籍文本关键词抽取中的适用性,能为开展古汉语文本主题分类、聚类和知识深度开发提供参考.

关键词：数字人文、SikuBERT、关键词提取、汉语典籍

所属期刊栏目：42

分类号：G250;TP391.1;H141

资助基金：国家社会科学基金;江苏省社会科学基金

在线出版日期：2022-09-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：31-41