基于句子匹配的《黃帝內經》異文自動發現研究

謝 靖

（南京中醫藥大學經貿管理學院信息管理系，江蘇 南京210023）

0 引言

異文是指古代同一文字材料在流傳過程中出現的文句互異，中醫古籍文獻中存在大量異文，對其中因通假、古今、異體字而造成的異文進行對比分析有助于中醫古籍文獻的學習與研究。我國異文研究歷史悠久，古人對經傳的注疏中就發掘了許多異文，近現代也有不少學者系統研究中國古籍的版本異文：李索以抄成于南北朝至初唐時期的寫卷《春秋經傳集解》與以宋刻本為底本的傳世本相比勘的異文為研究對象，對敦煌寫卷《春秋經傳集解》進行了對比研究[1]；秦淑華通過詞語異文考察了《史記》與《戰國策》的異文情況，為研究先秦時期的中國史學文獻提供了支持[2]；俞紹宏等通過敦煌寫本《詩經》異文中的隸定古文異文，研究其先秦古文字的隸定形式的手寫形，展現中文古籍中的正字異體[3]。自20世紀90年代以來，隨著計算機技術的發展，學者們提出了一系列利用信息技術進行異文研究的方法：常娥等描述了中國古籍自動校勘系統的設計及實現，并進行了實際勘校[4]；肖磊等提出了基于句珠相似度的古籍異文版本自動識別算法，能夠在異文句珠中不斷地去掉最長同文，并輸出異文結果[5]。

本研究旨在通過句子匹配算法，對中醫古籍文獻的經典《黃帝內經》進行不同版本的異文自動識別。通過自動化的異文比對，實現對中醫古籍文獻異文的快速提取，為中醫古籍文獻異文研究及中醫古籍文獻智能化信息處理研究做有益探索。

1 數據來源與收集整理

文章以《黃帝內經》中的《素問》作為研究對象，展現句子匹配算法在中醫古籍文獻異文自動發現工作中的實際效果。對于《黃帝內經》的異文研究，一直是中醫文獻學家的關注熱點：郝娟、沈澍農將《靈樞經》《黃帝內經太素》異文根據形成原因和形音義聯系歸納為八種基本類型，并進一步分析例釋[6]；李懷芝以《素問》、《靈樞》、《太素》、《甲乙經》為對象，進行了文句互異對比[7]。文章在參考前人研究基礎上，利用句子匹配算法，對《黃帝內經》中《素問》各版本異文做自動識別。

1.1 《黃帝內經》中《素問》各版本的成書年代

《素問》漢晉傳本：不存世。但《脈經》有部分引文、別傳本《甲乙經》中有載文。南北朝傳本：也不存世。但《黃帝內經太素》的底本為北朝傳本，王冰次注本祖本，全元起注本為兩個不同的南朝傳本。隋唐傳本：現存楊上善《黃帝內經太素》、王冰《黃帝內經素問》，在敦煌卷子中目前發現兩個單篇別抄本。宋金元：《重廣補注黃帝內經素問》。宋金元的刊本情況：北宋刊本原本目前未見、南宋刊本有理宗紹定年間刊本，原本也未見。但明代顧從德本是翻刻宋本。金刊本，北京圖書館有原本殘卷。元刊本有兩種，胡氏古林書堂刊本與不明具體年代的殘卷本。明傳本：明英宗《正統道藏》本、明憲宗成化十年熊氏種德堂刊本、山東布政司刊本、趙府居敬堂刊本、吳悌本、顧從德家傳宋本翻刻本、歷城儒學校諭田經校本、繡谷書林周曰校（周對峰）刊本、吳勉學《醫統正脈》本、潘之恒《黃海》本、詹林刊本。清刊本：清刊本很多，而且有不少的《素問》、《靈樞》合刻本，合刻本著名的佳本有金陵本，京口文成堂本，分刻本有京口遵仁堂本；近現代，主要有郭靄春先生編著的《黃帝內經素問校注語譯》等。

1.2 《素問》版本異文的文本特點

在考察各版本《素問》的文本基礎上，文章發現各個版本大同小異，具體來說有以下幾個方面特點：

（1）篇章結構大體相同，因此應該以篇章為單位進行處理，以免異文配對發生跨越篇章界限的錯誤。有時某個版本可能多出一些篇章，對于多出的篇章，不加比較就好了。

（2）各版本同一篇章的句子基本對應，且句子個數相近，因此原則上可以根據標點分割句子，逐句進行比較。但是標點系后人所加，各個版本的斷句或有不同。當然，完全忽略這些標點也不可取，可能導致篇章范圍內的異文配對錯誤。文章的做法是先按標點分割句子并隱去所有標點，接著尋找兩版本之間相似度最大的句珠配對，然后在句珠中發現異文。

（3）大多數句珠的文本是完全相同的，只需關注那些文本不完全相同的句珠。文章的基本方法是從句珠中去掉相同文字，遇到異文時再向后搜索相同文字以確定異文的右邊界并輸出異文，如此循環直至句珠遍歷完畢。

1.3 實驗數據及整理

在眾多的《黃帝內經》的版本中確定四個比較有影響力的《素問》版本：郭靄春版的《黃帝內經》（以下簡稱郭本），胡氏古林書堂《新刊黃帝內經靈樞》刻本（以下簡稱胡本），熊宗立種德堂以《黃帝素問靈樞集注》元本為底本重刻的版本（以下簡稱熊本）以及《重廣補注黃帝內經素問》（哈佛燕京圖書館藏中文善本古籍特藏，以下簡稱重廣本）。對這四個版本的素問以整句的形式進行電子化，文章主要針對的是非異體字形式的異文自動識別，因而將本次實驗的黃帝內經素問版本通過統一字體，防止異體字出現。

2 基于句子匹配的《素問》異文識別

2.1 《素問》中的句子匹配

文章從信息處理角度將異文定義為：句珠中完全不同的兩個子串。允許其中一個子串是空串，但不能都是空串。例如，“春必病溫：春必溫病”不是一個異文，因為其中含有相同子串“必”，需分解為“春：溫”和“溫：春”兩個異文。

按照這個定義得到的異文絕大多數是單字對單字，也有些是空串對單字、空串對多字、單字對多字、多字對多字，等等。例如：

（1a）此所謂氣之標，蓋南面而待之也。（重廣補素問68）

（1b）此所謂氣之標，蓋南面而待也。（熊本素問68）

（2a）今時之人，年半百而動作皆衰，時世異耶？（郭本素問一上古天真論）

（2b）今時之人，年半百而動作皆衰者，時世異耶？（重廣補素問一上古天真論）

（3a）故病有五，五五二十五變，及反其傳化。（熊本素問19）

（3b）故病有五，五五二十五變，反其傳化。（郭本素問19）

（4a）岐伯曰：亢則害，承乃制，制則生化，外列盛衰，害則敗亂，生化大病。

（熊本素問68）

（4b）岐伯曰：亢則害，承乃制，制生則化，外列盛衰，害則敗亂，生化大病。

（胡本素問68）

從文字語言學角度來看，（1）中的異文都應該是“衰：衰者”，按本節的定義，這個異文是“衰：*”（*為異文字符），因為簡單的字符串匹配并不能確定應把“衰者”看做一個詞還是把“衰”看做衍文。類似地，（2）中的異文應是“*：反其傳化”，這里被當做是一處。可以考慮在本節異文發現算法的基礎之上用統計方法得到更具語言學或文獻學意義的異文數據。

2.2 基于句子匹配的《素問》異文匹配算法

文章中異文配對算法的基本思想是：比對并去掉兩個序列的共同前綴，使得異文出現在串首，然后從兩個序列的串首開始搜索相同子串。與“異文”相對，相同子串可稱之為“同文”。同文之前的便是異文。如果句珠中有多處異文，則重復上述過程。

搜索同文時可能存在多個解。例如：

（5a）岐伯曰：陰陽之氣，高下之理，大小之異也。（熊本素問70）（5b）岐伯曰：陰陽之氣，高下之理，太少之異也。（郭本素問70）

此時同文有許多解，例如位置11：11上的“理”（不包括標點符號排序），依此得到異文“大：太”；位置 14：14 上的“之”，依此得到異文“小：少”，等等。其中同文最長的是最優解，因為同文越長，則左邊的文字差異就越可靠。對于這個例子來說，位置11：11是最優解，因為從這個位置上開始的同文“岐伯曰：陰陽之氣，高下之理，太少之異也。”最長，由此得到異文“大小：太少”。

如果存在多個最長同文，則選擇位置之差最小者。為便于觀察，將例（6）重列于下：

（6a）岐伯曰：亢則害，承乃制，制則生化，外列盛衰，害則敗亂，生化大病。

（熊本素問68）

（6b）岐伯曰：亢則害，承乃制，制生則化，外列盛衰，害則敗亂，生化大病。

（胡本素問68）

去掉共同前綴之后變為：

（6a’）則生化，外列盛衰，害則敗亂，生化大病。（6b’）生則化，外列盛衰，害則敗亂，生化大病。

搜索到最長同文“化，外列盛衰，害則敗亂，生化大病”，左邊是“則生：生則”。如前所述，其中含有同文“化”，不符合我們的定義，需要遞歸調用異文發現算法來處理。對此，向后搜索最長同文時有三個解，長度均為 1，即 2：2（“化”）、1：3（“則”）和 3：1（“生”），其中第一個解同文位置之差為0，故確定第一處異文“衛：蔡”。去掉共同前綴之后，可得到第二處異文“則：生”。

2.3 《素問》異文匹配實驗結果

根據上一節列出的基于句子匹配的《素問》異文匹配算法思想，文章對四個版本的《素問》進行了異文自動匹配，相關結果如下表1。

表1 異文匹配實驗結果

從《素問》的4504個句子中，共得到四版異文263例。以上數據進一步表明，郭靄春版素問與胡版素問的差異最大，重廣補素問與郭靄春版素問的差異最小。這個結果表明，基于句子匹配的異文自動識別可以發現中醫古籍文獻版本異文中完全不同的兩個子串，有助于中醫古籍版本的自動化研究。

3 結語

本文以中國古籍文獻中的異文為研究對象，以《黃帝內經·素問》為實例，通過基于句子匹配的異文識別算法，探索了中醫古籍文獻的異文自動識別。相關實驗表明，對于古籍版本中的不同子串識別（非異體字異文識別）研究，基于句子匹配的思想具有較好的識別效果，能夠對比出不同版本的差異，為版本研究提供有力信息支持。

［1］李索.敦煌寫卷《春秋經傳集解》異文研究[M].北京：中國社會科學出版社,2007.

［2］秦淑華.《史記》與《戰國策》的異文研究[J].漢字文化,2002(4)：42-43.

［3］俞紹宏,李索.敦煌寫本《詩經》異文中的隸定古文釋例[J].古籍整理研究學刊,2015(3)：34-37.

［4］常娥,侯漢清,曹玲.古籍自動校勘的研究和實現[J].中文信息學報,2007(2)：83-88.

［5］肖磊,陳小荷.古籍版本異文的自動發現[J].中文信息學報,2010(5)：50-55.

［6］郝娟,沈澍農.《靈樞經》《黃帝內經太素》傳本與史崧傳本之異文例釋[J].江西中醫藥大學學報,2006(3)：17-19.

［7］李懷芝.《素問》《靈樞》《太素》《甲乙經》異文例釋[J].山東中醫藥大學學報,2008(3)：226-227.