中華人民共和國(guó)史本體構(gòu)建初探

孫輝++雷楓

〔摘 要〕本文借鑒其他歷史本體構(gòu)建的經(jīng)驗(yàn)，針對(duì)中華人民共和國(guó)史領(lǐng)域知識(shí)的特點(diǎn)，在確定國(guó)史本體構(gòu)建原則的基礎(chǔ)上，提出構(gòu)建國(guó)史本體的方法和流程，構(gòu)建國(guó)史本體原型系統(tǒng)，為進(jìn)一步構(gòu)建完善的國(guó)史本體進(jìn)行了探索。

〔關(guān)鍵詞〕本體；中華人民共和國(guó)史；本體構(gòu)建

DOI：10.3969/j.issn.1008-0821.2014.02.007

〔中圖分類號(hào)〕G253 〔文獻(xiàn)標(biāo)識(shí)碼〕A 〔文章編號(hào)〕1008-0821（2014）02-0032-05

近年來，基于本體的知識(shí)庫(kù)被廣泛應(yīng)用于知識(shí)發(fā)現(xiàn)和基于知識(shí)的信息資源檢索，成為知識(shí)服務(wù)的主要手段。在農(nóng)學(xué)、醫(yī)學(xué)、軍事和科研監(jiān)測(cè)等領(lǐng)域信息資源服務(wù)中，本體構(gòu)建得到充分的重視，例如國(guó)內(nèi)最早開展的農(nóng)業(yè)花卉本體研究[1]和中國(guó)醫(yī)科院基于本體構(gòu)建重大傳染病信息知識(shí)服務(wù)平臺(tái)[2]以及南京理工大學(xué)的軍用飛機(jī)本體[3]等，另外，中科院文獻(xiàn)中心通過科研監(jiān)測(cè)本體輔助情報(bào)價(jià)值判斷和知識(shí)關(guān)聯(lián)呈現(xiàn)[4]。在歷史領(lǐng)域，由于知識(shí)的時(shí)空依賴性、主觀性、不確定性、模糊性和爭(zhēng)議性，本體建設(shè)呈現(xiàn)一定的特殊性。盡管如此，董慧[5]、吳麗杰[6]、彭煒明[7]等在國(guó)共合作歷史本體、東北抗戰(zhàn)史本體、資治通鑒本體方面均做了有益的嘗試。領(lǐng)域本體是信息技術(shù)與專業(yè)知識(shí)結(jié)合的產(chǎn)物。中華人民共和國(guó)史（即當(dāng)代中國(guó)史，簡(jiǎn)稱國(guó)史）研究的1949年新中國(guó)成立以后的歷史，由于歷史階段不同，特定的世情國(guó)情使這個(gè)階段的知識(shí)呈現(xiàn)不同的特征。本文在借鑒其他歷史本體構(gòu)建經(jīng)驗(yàn)的基礎(chǔ)上，針對(duì)國(guó)史領(lǐng)域特色，在確定國(guó)史本體構(gòu)建原則的基礎(chǔ)上提出構(gòu)建國(guó)史本體的思路和方法，構(gòu)建國(guó)史本體原型系統(tǒng)，為進(jìn)一步構(gòu)建完善的國(guó)史本體進(jìn)行了探索。

1 國(guó)史本體構(gòu)建原則本體構(gòu)建是一項(xiàng)龐大的系統(tǒng)工程，需要領(lǐng)域?qū)＜液捅倔w工程師按照一定的原則，在合理的方法指導(dǎo)下，通過便捷的工具加以實(shí)現(xiàn)。Gruber[8]于1995年提出本體“明確性”“一致性”“可擴(kuò)展性”“最小編碼傾向”“最小本體化承諾”5個(gè)原則，其余學(xué)者基本都是在這五原則基礎(chǔ)上擴(kuò)展。本文通過國(guó)史本體構(gòu)建試驗(yàn)，在比較同類歷史本體構(gòu)建經(jīng)驗(yàn)的基礎(chǔ)上認(rèn)為，除了上述關(guān)于邏輯要求的五原則之外，有兩個(gè)方面尤其要注意。一是本體構(gòu)建要面向特定的應(yīng)用目標(biāo)；二是同一學(xué)科的知識(shí)在不同時(shí)空下有自己特色。1949年以后，我國(guó)基本處于國(guó)家建設(shè)時(shí)期，國(guó)家重視記史存史，史料內(nèi)容翔實(shí)，記載手段豐富，保存情況完好，該階段的史料比古代史和近代史的總和還要多，其所包含的歷史細(xì)節(jié)也是以往任何史料無法比擬的。這也是歷史學(xué)科的特點(diǎn)，越是近期的歷史，史料越豐富。面對(duì)這么豐富的知識(shí)，如果不能設(shè)定本體應(yīng)用目標(biāo)，構(gòu)建本體時(shí)就會(huì)感到力不從心。本文認(rèn)為，國(guó)史本體有以下幾方面的作用，一是構(gòu)建國(guó)史知識(shí)圖譜，通過知識(shí)圖譜描繪國(guó)史的基本脈絡(luò)，便于普通讀者了解國(guó)史；二是建立國(guó)史概念之間的聯(lián)系，輔助構(gòu)建基于本體的主題詞表，為基于知識(shí)的信息資源建設(shè)提供支撐；三是輔助國(guó)史研究和編纂，國(guó)史本體多維度描述國(guó)史知識(shí)，將人物、事件、地點(diǎn)、機(jī)構(gòu)等放在一個(gè)模型中描述，改變傳統(tǒng)的歷史敘事模式（紀(jì)傳體以人物為主線敘述歷史，編年體以時(shí)間為主線敘述歷史），研究人員可以從多種角度來還原歷史，還可以借助本體輔助生成大事記和人物年表能編纂成果。這些目標(biāo)對(duì)本體構(gòu)建有不同的要求。前兩個(gè)目標(biāo)主要是滿足普及國(guó)史和檢索國(guó)史的要求，本體是粗粒度的知識(shí)及其表達(dá)，體現(xiàn)了國(guó)史的知識(shí)輪廓。第三個(gè)目標(biāo)直接面向國(guó)史細(xì)節(jié)，需要細(xì)粒度的知識(shí)和表達(dá)。二者在文本選擇、概念關(guān)系模型、本體編輯隊(duì)伍上有很大的不同。粗粒度的本體構(gòu)建時(shí)，可以選擇百科類國(guó)史工具書和文獻(xiàn)統(tǒng)計(jì)數(shù)據(jù)等，其概念關(guān)系模型允許包含簡(jiǎn)單模糊的關(guān)系，由國(guó)史專業(yè)普通研究人員進(jìn)行編輯；細(xì)粒度的本體除了上述文本外，必須通過年譜、傳記、日記等翔實(shí)的史料建立比較精確的概念關(guān)系模型，并由國(guó)史專家進(jìn)行本體編輯。盡管國(guó)史歷史細(xì)節(jié)豐富，但由于其時(shí)間短，許多方面存在不確定性，這些為構(gòu)建細(xì)粒度本體帶來難度。本文重點(diǎn)研究面向知識(shí)普及和信息組織的國(guó)史本體?；诒倔w的知識(shí)庫(kù)構(gòu)建離不開其所依賴的文本。古代史書的敘事內(nèi)容決定著古代史本體的特色。例如，中國(guó)古代是家天下，歷史人物之間的血緣關(guān)系是古代史本體不能忽視的概念關(guān)聯(lián)；中華人民共和國(guó)是現(xiàn)代意義上的國(guó)家類型，人物之間的血緣關(guān)系不再是歷史研究的重點(diǎn)，甚至是可以忽略的。近代史中戰(zhàn)爭(zhēng)戰(zhàn)役頻繁，將戰(zhàn)爭(zhēng)戰(zhàn)役作為一個(gè)大類并詳細(xì)設(shè)定其屬性是近代史本體不能省略的；當(dāng)代史以國(guó)家建設(shè)為主要內(nèi)容，某些戰(zhàn)爭(zhēng)戰(zhàn)役可作為實(shí)例放在事件大類中。上述這些時(shí)代特色都影響著本體的構(gòu)建。

2014年2月第34卷第2期現(xiàn)？代？情？報(bào)Journal of Modern InformationFeb.，2014Vol.34 No.22014年2月第34卷第2期中華人民共和國(guó)史本體構(gòu)建初探Feb.，2014Vol.34 No.22 國(guó)史本體構(gòu)建方法和流程當(dāng)前，國(guó)內(nèi)外很多學(xué)者基于自身實(shí)踐提出本體構(gòu)建方法，如骨架法[9]、評(píng)價(jià)法、七步法[10]、五步法等。七步法是斯坦福大學(xué)醫(yī)學(xué)院提出的基于Protégé本體編輯工具的一種領(lǐng)域本體構(gòu)建方法，7個(gè)步驟分別是：（1）確定本體的專業(yè)領(lǐng)域和范疇；（2）考查復(fù)用現(xiàn)有知識(shí)本體的可能性；（3）列出本體中的重要術(shù)語；（4）定義類和類的等級(jí)（層次）體系；（5）定義類的屬性；（6）定義屬性的分面；（7）創(chuàng)建實(shí)例。本文在七步法的基礎(chǔ)上提出國(guó)史本體構(gòu)建流程，如圖1所示。第1步，確定國(guó)史本體構(gòu)建目標(biāo)：構(gòu)建支持信息組織和國(guó)史知識(shí)普及的國(guó)史知識(shí)圖譜。第2步，確定和分析知識(shí)來源?；谏鲜瞿繕?biāo)，選定國(guó)史百科類工具書（如《中華人民共和國(guó)國(guó)史百科全書》和

圖1 國(guó)史本體構(gòu)建流程

《中華人民共和國(guó)編年史》等）為國(guó)史知識(shí)的文本來源，收集國(guó)史期刊庫(kù)中的關(guān)鍵詞，作為重要概念來源，組織一支良好的國(guó)史專家隊(duì)伍作為隱性知識(shí)來源。對(duì)上述知識(shí)來源進(jìn)行分析，對(duì)于百科詞條中文本，逐句進(jìn)行分解，提取重要的概念并分析該語句中主體、謂詞、客體以及條件之間的關(guān)系；對(duì)于期刊庫(kù)中的關(guān)鍵詞，通過詞頻統(tǒng)計(jì)和關(guān)鍵詞規(guī)范化，整理出重要的概念及其規(guī)范化表達(dá)；通過專家訪談，了解國(guó)史的概貌和重要的一次文獻(xiàn)和二次、三次文獻(xiàn)。第3步至第5步，確定核心概念、確定類的層次并設(shè)定類的屬性，也就是設(shè)計(jì)國(guó)史本體概念關(guān)系模型，是建立國(guó)史本體最重要的步驟。通過對(duì)知識(shí)來源的分析和抽象，參考相關(guān)歷史領(lǐng)域本體的經(jīng)驗(yàn)，確定“人物”“事件”“時(shí)間”“地點(diǎn)”“組織機(jī)構(gòu)”“歷史文獻(xiàn)”“理念”“領(lǐng)域”8個(gè)大類，其中“理念”主要指國(guó)史上黨和政府的方針政策的特有術(shù)語表達(dá)，如“科學(xué)發(fā)展觀”“三個(gè)代表重要思想”。對(duì)于機(jī)構(gòu)團(tuán)體，按其性質(zhì)分為“黨的機(jī)構(gòu)”、“政府機(jī)構(gòu)”、“人大機(jī)構(gòu)”、“政協(xié)機(jī)構(gòu)”、“重要企業(yè)單位”、“重要事業(yè)單位”等，為了表示特定歷史稱謂的群體，如“江青反革命集團(tuán)”，設(shè)立“特殊群體”二級(jí)類；對(duì)于歷史文獻(xiàn)，根據(jù)重要程度分為“黨政文件”“題詞講話書信”“其他出版物”等二級(jí)類。各類之間通過屬性建立關(guān)聯(lián)，國(guó)史本體概念模型如圖2所示。表格為本體類及其屬性，虛線及其邊上的文字代表不同類型的概念之間的關(guān)系。例如，“事件”類通過屬性“涉及人物”與“人物”類發(fā)生關(guān)聯(lián)，“歷史文獻(xiàn)”類通過屬性“起草人”“作者”“報(bào)告人”與人物類發(fā)生關(guān)聯(lián)。這些屬性都是在文本分析的基礎(chǔ)上提煉出來的，文本中的出現(xiàn)概率較高的那些“謂詞”“條件”，如“出生”“發(fā)表”“任命”“在……地點(diǎn)發(fā)生”，常常演化成“出生年月”“文獻(xiàn)出版機(jī)構(gòu)”“曾任職務(wù)”“發(fā)生地點(diǎn)”等“屬性”。圖2 國(guó)史本體概念關(guān)系模型