基于机器学习的古籍目录互著与别裁探

摘要：

目录是组织与利用古籍资源的重要工具,也是图书情报学科的重点研究对象.互著与别裁作为古典目录学中的两种辅助方法,能在深入剖析文献内容特征的基础上,根据内容的多元性将文献准确、完整地记载于目录体系中,达到"类例既分,学术自明"的效果.将互著与别裁映射为文本挖掘中的文本分类问题,提出基于机器学习以实现互著与别裁的方法框架,为古籍在目录体系中的多类目记载提供方法.首先利用TextCNN与BERT两种机器学习模型对先秦诸子六家十部典籍文本进行分类训练,结果显示BERT优于TextCNN,可以达到91.64％的分类准确率;之后用微调训练后的BERT模型对《荀子》与《管子》进行篇、章粒度的分类判断,最终得出这两部图书各篇章互著与别裁的结果.本研究展现了在数字人文视域下,数字技术对古典目录学、古典文献学以及学术史研究的应用价值.图5.表7.参考文献43.

关键词：古籍目录、互著、别裁、机器学习、数字人文

所属期刊栏目：48

分类号：G257(图书馆学、图书馆事业)

资助基金：国家自然科学基金72010107003

在线出版日期：2022-04-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：47-61