《左傳》地名研究初探

《《左傳》地名研究初探》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、《左傳》地名研究初探摘要：本文分析了《左傳》地名結(jié)構(gòu)的特點(diǎn)，基于CRF模型，對《左傳》地名進(jìn)行自動(dòng)識別，通過只用字符本身作為特征的分詞詞性一體化實(shí)驗(yàn)和增加部首特征等實(shí)驗(yàn)的對比，總結(jié)出適用于《左傳》地名的自動(dòng)識別方法，實(shí)驗(yàn)效果最好的識別正確率和召回率分別達(dá)到94.59%、94.84%o關(guān)鍵詞：《左傳》地名識別自然語言處理1、引言先秦文獻(xiàn)信息處理屬于中文信息處理技術(shù)與古典文獻(xiàn)交叉研究的領(lǐng)域，而地名研究屬于先秦文獻(xiàn)信息處理的子領(lǐng)域。其研究的必要性在于，漢語的詞與詞之間沒有自然的界限，使得中文信息處理大多是先對要處理的文本進(jìn)行詞語切分，而在分詞階段，未登錄詞的識別成為許多分詞

2、系統(tǒng)發(fā)展緩慢甚而走向應(yīng)用瓶頸的主要原因之一，地名在未登錄詞中占有一定的比例，隨著先秦文獻(xiàn)信息處理的深人發(fā)展，如果不做地名識別，會(huì)很大程度上影響分詞的精度。學(xué)界已經(jīng)對先秦地名的命名原則，選詞用字。起名來源等方面進(jìn)行了探討，諸如：臺灣中研院的《先秦金文簡牘詞匯資料庫》,香港中文大學(xué)中國文化研究整理編撰的《先秦兩漢古籍逐字索引叢刊》等，都提出了很好的研究方法和研究理論，為我們前期分析先秦文獻(xiàn)地名結(jié)構(gòu)規(guī)則的研究提供了很好依據(jù)。目前，命名實(shí)體識別技術(shù)在不斷地發(fā)展，各種識別模型的應(yīng)用為我們的模型選用和識別實(shí)驗(yàn)提供了很好的例證。2、語料考察分析本文對先秦25本主要文獻(xiàn)進(jìn)行篩選，最終

3、選擇《左傳》作為實(shí)驗(yàn)語料。原因在于：作為方法探求始初，選取的文獻(xiàn)要具有可讀性，易提取性，另外，文獻(xiàn)需要包含較多的地名。《左傳》在先秦文獻(xiàn)中，字?jǐn)?shù)最多，詞匯總量最大，是記錄春秋時(shí)期社會(huì)狀況的重要典籍。事件、人物的描寫必然和相關(guān)的地點(diǎn)密切聯(lián)系，以上多種因素正滿足了我們實(shí)驗(yàn)的要求。2.1《左傳》地名統(tǒng)計(jì)與分析我們選用“漢達(dá)文庫”提供的《左傳》（17萬字次）作為實(shí)驗(yàn)語料。首先對其五分之三語料人工標(biāo)注了分詞和詞性標(biāo)記信息。參照北大分詞規(guī)范，并依據(jù)古代漢語的特點(diǎn)制定了先秦文獻(xiàn)語料分詞標(biāo)注集，給出了17個(gè)標(biāo)記，分別是：名詞n、動(dòng)詞v、形容詞a、數(shù)詞m、量詞q、代詞r、介詞p、連詞c

4、、助詞u、副詞d、語氣詞V、人名nr、地名ns、兼詞i、方位詞f、時(shí)間詞t、標(biāo)點(diǎn)w等，我們總體上傾向于和，而不是分。其中，地名的標(biāo)注我們遵守指稱性、專門性、詞匯性等命名實(shí)體特征，對文獻(xiàn)中出現(xiàn)的地名做了詞頻統(tǒng)計(jì)（見表3-l）o2.2《左傳》地名特點(diǎn)分析及用字考察基于以上統(tǒng)計(jì)分析，我們對《左傳》地名進(jìn)行了分類。按內(nèi)容分，主要包括：自然地理實(shí)體：山（如：泰山）、水（如：漢水）、河（如：河）等人文地理實(shí)體：國名（如：秦國）、縣名（如：溫）等等按結(jié)構(gòu)分，主要有以下幾種形式：1、單字專名，如：毫、員Ik京2、專名+通名，如：泰山、清丘3、雙字專名，如：汾隰、甘鹿另外，我們對《左傳

5、》進(jìn)行了字頻統(tǒng)計(jì)，共有3300多個(gè)漢字，其中，地名用字共有827個(gè)字，頻率在10以上的地名用字為27個(gè),我們對這些頻率較高的字進(jìn)行了考察，并從結(jié)構(gòu)、文化等方面對《左傳》地名進(jìn)行細(xì)致的分析，從而總結(jié)出以下幾個(gè)特點(diǎn)：1、方位詞居多。字頻統(tǒng)計(jì)分析顯示，《左傳》地名中，主要的方位詞及其頻率是：陽33、上22、東、16、中12、南12、北、10等等。可見，大部分方位詞出現(xiàn)的頻率是很高的，因?yàn)楫?dāng)時(shí)人的群居及其惡劣的生活環(huán)境，人們在生產(chǎn)勞動(dòng)時(shí)，必須要辨認(rèn)方向，確定不同的地理位置。2、存在通名現(xiàn)象，常常省略通名我國早期地名“近取諸身，遠(yuǎn)取諸物”，所以古地名通名來歷常常與其自然環(huán)境有關(guān)

6、。從我們的統(tǒng)計(jì)數(shù)據(jù)看出，高頻字中的通名包括：丘4J4、城28、國24、陵20、澤16、ill15、泉14、州12等等，而且，地名常有通名省略的情況，例如：漢，漢水：名詞。水名。漢水。長江最大支流。⑴楚子伐隨。軍于漢、淮之間。（桓公八年）（2）楚國方城以為城，漢水以為池，雖眾，無所用之（僖公四年）3、同名異指和異名同指《左傳》地名的異名同指現(xiàn)象主要指在文本中同一個(gè)地名的表達(dá)形式不同，或范圍不一。例如：漢，漢川(1)沿漢溯江，將人郢。(文公十年)漢：水名。漢水。長江最大支流，源出陜西寧強(qiáng)縣，人湖北省至武漢市人長江。(2)周之子孫在漢川者，楚實(shí)盡之。(定公四年)漢川：漢水。

7、此指漢水地區(qū)。同名異指現(xiàn)象普遍存在于文本中，大多是表行政區(qū)域的地名，主要原因可能是因?yàn)椤暗仉S移民”，即和古代遷都，擴(kuò)都、移民等現(xiàn)象有關(guān)。例如：京(1)請京，使居之，謂之京城大叔。(隱公一年)鄭國地名，在今河南滎陽縣東南。(2)群王子追之，單子殺還、姑、發(fā)、弱、隧、延、定、稠，子朝奔京。(昭公二十二年)周國地名，在今河南洛陽市西南。2.3《左傳》地名與現(xiàn)代地名比較以上關(guān)于《左傳》地名特點(diǎn)的分析，為我們今后的地名識別工作奠定了語言學(xué)基礎(chǔ)，現(xiàn)在，我們主要從地名識別角度將《左傳》地名與現(xiàn)代地名進(jìn)行比較：1、現(xiàn)代地名數(shù)量大，新地名不斷涌現(xiàn)，地名標(biāo)注規(guī)范較為完善