摘要：[目的/意义]古典诗歌意象善于运用物象(源域)隐喻人物或围情感(目标域),然而物象与情感知识目前广泛分布在多源异构的非结构化古诗文本内,尚未组织成具有知识解释体系的文化图式。[方法/过程]针对古诗意象提出一套基于知识本体的文化图式构建模式与技术实现方法。首先,定义基于序列标注的物象术语抽取和基于关系分类的物象与情感关系抽取任务。其次,在无学习语料下,搭建中文领域物象术语知识体系,用于文本内物象术语的自动标注;设计基于结构层面的规则模板与内容层面的概念共现约束,用于文本内意象关系的自动生成,进而通过深度学习实现物象术语与意象知识抽取。[结果/结论]基于古诗鉴赏文本开展实验,利用由5个一级类、12个二级类构成的物象知识体系标注29765个物象术语,通过触发词与共现频率约束可获得8977条结构和内容层面的意象关系。基于BERT-BiLSTM-CNN-CRF的物象术语抽取F1值多在95%以上,基于BERT-SE-FC的物象与情感关系抽取准确率均在94%以上,并泛化出大量新物象术语与新意象关系。将意象知识存储形成知识图谱并展开知识关联可知:“喜爱”类专有意象包括等,构建古诗中将喜爱之情诉诸春日物象的文化图式;“长安”“女子”“明月”等通用物象则能构建多种文化图式来隐喻古诗中的不同情感。

摘要：[目的/意义]由于汉语文本缺乏语义结构化,机器无法理解自然语言。因此,对汉语文本的语义结构化挖掘,有助于用户对其进行深层次利用和创新,从而推动数字人文研究发展。[方法/过程]文章以历史事件文本为研究对象,采用语义网技术,通过优化时间概念的语义表达方法,构建历史事件本体知识模型KMHEO;借助外部知识库,采用数据关联技术,将非结构化和结构化数据转换成遵循统一标准的结构化数据;并在此基础上,从单术语、双术语和多术语三种检索模式角度,设计了一个历史事件本体应用原型检索系统。[结果/结论]实验结果表明,文章设计的历史事件本体应用原型检索系统可以为用户提供形式多样的知识查询模式,能较好地解决历史事件中存在的关联缺失问题,为历史现象分析研究提供了新思路。