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

作者：孙文龙; 张逸勤; 王凡铭^*; 鱼汇沐; 刘江峰; 王东波

来源：图书馆论坛, 2022, 42(10): 31-41.

• 数字人文
• SikuBERT
• 关键词提取
• 汉语典籍

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。

• 单位
  南京工业大学; 南京农业大学; 南京大学