古詩詞文化交融的學習教育平臺建設(shè)研究

梁藝馨 翟潔 李東睿 熊瀚銳

摘要：針對當前古詩詞及相關(guān)領(lǐng)域知識數(shù)量龐大且關(guān)聯(lián)性較弱的情況，本文研究了古詩詞知識圖譜可視化的相關(guān)技術(shù)。本平臺的搭建包括可視化圖譜展示、智能問答、古詩分類、詩人行跡等核心模塊。本文給出了相應(yīng)的關(guān)鍵技術(shù)和實現(xiàn)算法，并利用以上技術(shù)搭建了一個高交互性的可視化系統(tǒng)。該系統(tǒng)以圖譜形式對古詩詞及相關(guān)知識進行可視化展示，為學習者提供了一個交互性強、趣味性高的古詩詞學習可視化學習教育平臺，具有較高的教育教學價值，同時可以為相關(guān)領(lǐng)域的學習者提供一個針對性強的古詩詞知識庫。

關(guān)鍵詞：古詩詞；知識圖譜；可視化；文本識別；意象分類

眾所周知，古詩詞是中華文明五千年的傳承，是每個中國人生長的土壤，然而，在全面智能化的今天，國內(nèi)關(guān)于古詩詞的知識圖譜仍不完善，導(dǎo)致古詩詞和傳統(tǒng)文化的知識網(wǎng)絡(luò)還比較零散，缺乏有機結(jié)合。此外，目前還沒有一個完整的、收錄并分類總結(jié)古詩詞意象的知識庫，也不存在可以將古詩詞自動分類的系統(tǒng)。

為了解決上述問題，本文基于可視化與自然語言處理技術(shù)，創(chuàng)建了一個基于古詩詞和其他傳統(tǒng)文化交融的學習教育平臺，本平臺具有可視化圖譜展示、智能問答、古詩分類和詩人行跡等四個核心模塊，可以有效地解決學習者在閱讀和欣賞古詩詞時由于相關(guān)知識缺乏，無法進行良好的學習和記憶，以及學習者難以在大量的古詩詞和傳統(tǒng)文化數(shù)據(jù)中高效獲取所需信息的問題。

一、實現(xiàn)可視化圖譜的相關(guān)技術(shù)介紹

（一）古詩詞領(lǐng)域知識庫構(gòu)建

本文以權(quán)威的古詩詞網(wǎng)站和專業(yè)古典文學書籍為基礎(chǔ)，創(chuàng)建了對象－古詩詞類別庫，基于事件間的因果邏輯的自然文本處理技術(shù)，并結(jié)合事理知識圖譜的構(gòu)建創(chuàng)建了古詩詞－事件知識庫，將上述兩個知識庫融合為描述對象－古詩詞－事理庫。

（二）歷史沿革事理圖譜子圖構(gòu)建

將事理知識圖譜和智能化技術(shù)運用于古詩詞、中國歷史等領(lǐng)域，不僅有益于對中華優(yōu)秀傳統(tǒng)文化進行推廣和學習，還起到了知識融合的效果。通過事件關(guān)系抽取技術(shù)[1]，我們獲得古詩詞中事件間的邏輯關(guān)系，并實現(xiàn)了事理古詩詞知識庫的搭建，同時構(gòu)建了面向古詩詞學習等熱點的因果事理圖譜。通過這種方法構(gòu)建的古詩詞學習平臺，相比傳統(tǒng)的古詩詞學習方法，節(jié)省了整合資源的時間，提高學習者獲取關(guān)鍵信息的速度，滿足人們對學習和閱讀古詩詞的需求，具有重要意義。

1.描述對象－古詩詞－歷史事件庫的構(gòu)建

本文采用自頂向下的方法進行描述對象－古詩詞－歷史事件庫的構(gòu)建，因此，首先需要創(chuàng)建模式圖，包括：

①總體模式圖

總體模式圖包括：古詩詞中事物實體、人物實體、景物實體、古詩詞實體、歷史事件實體及實體間的關(guān)系。

②歷史事件事理圖譜的模式圖

為了直觀展示古詩詞－古建筑內(nèi)部的聯(lián)系以及二者之間的關(guān)系，首先要建立古詩詞－古建筑層次結(jié)構(gòu)圖。

在古詩詞領(lǐng)域中，存在很多上下位關(guān)系。本項目采用作者、時期（即朝代）等因素作為古詩詞相關(guān)知識的下層知識。作者、時期又各自包含其他子概念，從而形成上下位關(guān)系的層次結(jié)構(gòu)。

此外，為了更清晰地描述圖譜的結(jié)構(gòu)，本文根據(jù)一部分歷史事件知識實體創(chuàng)建了歷史事件事理圖譜的模式圖。該模式圖使用整體和先后關(guān)系、并列關(guān)系以及因果關(guān)系的圖示來描述事理圖譜的結(jié)構(gòu)概念。

圖1展示了歷史事件事理圖譜一部分的整體結(jié)構(gòu)，從圖中每個圓圈節(jié)點代表歷史事件，節(jié)點之間的有向連線代表關(guān)系。

2.歷史事件事理圖譜子圖的構(gòu)建算法

事件事理圖譜全圖構(gòu)建的基本思路為：匹配全圖，截取子圖。

事件事理圖譜子圖構(gòu)建的算法：①提取起止事件節(jié)點；②使用起止節(jié)點和全圖中的所有節(jié)點進行匹配；③在全圖中取起止節(jié)點之間的所有節(jié)點以及起止節(jié)點；④取這些節(jié)點之間的全部有向邊。

從一首古詩詞的賞析文本中提取到對應(yīng)的起始事件節(jié)點和終止事件節(jié)點，將其存入事件子圖數(shù)據(jù)表中，當需要構(gòu)建一個相應(yīng)子圖時，將這兩個起止事件節(jié)點與圖譜全圖中的事件節(jié)點進行對比匹配，匹配成功后選取起止事件節(jié)點及兩者之間的所有事件節(jié)點作為子圖。

二、智能問答部分的技術(shù)實現(xiàn)

（一）智能問答的實現(xiàn)流程

該模塊提供模糊查詢的功能。學習者在搜索欄輸入問題后點擊“確認”按鈕，后臺會提取學習者問題中的關(guān)鍵詞，并與存儲的問題庫進行相似性計算。系統(tǒng)將根據(jù)相似度從高到低的順序顯示相關(guān)的答案，讓用戶選擇最關(guān)心的問題，并給出相應(yīng)的答案，從而使學習者獲取相關(guān)的知識內(nèi)容及回答，輸出結(jié)果如圖2所示。

此外，如果學習者輸入的搜索內(nèi)容為空，則不進行頁面跳轉(zhuǎn)，保持原頁面不變。如果搜索內(nèi)容不為空且在后臺數(shù)據(jù)庫中有相關(guān)的數(shù)據(jù)存儲，則顯示相應(yīng)的結(jié)果。如果沒有相關(guān)的數(shù)據(jù)存儲，則不進行頁面跳轉(zhuǎn)，仍然顯示原頁面。學習者可以點擊“重置”按鈕清空輸入欄中的內(nèi)容，以便進行重新搜索。

（二）古詩詞分類模塊的技術(shù)實現(xiàn)

1. 意象實體識別

漢語作為象形文字，相對于拼音文字如英文而言更為復(fù)雜，并且古詩詞與現(xiàn)代漢語的句型、句式存在差異，其中包括倒裝、駢句、省略等現(xiàn)象，這些現(xiàn)象會對識別產(chǎn)生重大影響，導(dǎo)致沖突。因此本項目選擇使用“基于神經(jīng)網(wǎng)絡(luò)”的命名體識別[2]方法。

盡管如此，由于古詩詞文體的特殊性，針對古詩詞的NER任務(wù)[3]來說往往要更有挑戰(zhàn)性，下面列舉幾點：

中文文本中不存在明顯的界限標志，而且“詞”在中文里本來就是一個很模糊的概念，中文也不具備英文中的字母大小寫等形態(tài)指示。

古詩詞的用字、句型靈活多變，有些詞語在脫離上下文語境的情況下無法判斷是否是命名實體，即使是命名實體，當其處在不同的上下文語境下，可能表示不同的實體類型，此外古詩詞中存在許多特殊句式，增加了實體識別的難度。例如“腰白玉之環(huán)”中存在“腰”名詞動用為“在腰上佩戴”；“將軍角弓不得控，都護鐵衣冷難著。”中存在互文現(xiàn)象。

命名實體存在嵌套現(xiàn)象，例如“氣蒸云夢澤，波撼岳陽城”在“岳陽城”中還嵌套著同樣是地名的“陽城”，而且這種現(xiàn)象在具體地名中尤其嚴重，容易導(dǎo)致分析詩句描寫地點時判別錯誤。

④古詩詞中存在借代和引用的情況，如《滕王閣序》中出現(xiàn)了“勝地不常，盛筵難再；蘭亭已矣，梓澤丘墟。”這里提到了“蘭亭”這一古建筑名稱，但實際上，該文是在描寫滕王閣而非蘭亭。

⑤古詩詞里廣泛存在簡化表達現(xiàn)象，例如，在“煙波江上使人愁”中的“江”實際指的是“長江”，但在“醉不成歡慘將別，別時茫茫江浸月”中的江則指代的是“湓江”，因此，要分析簡化表達所指代的具體地名，必須結(jié)合上下文和寫作背景，不能一概而論。

⑥命名體（本項目研究的古詩詞意象）中普遍存在相同意象卻有不同的名稱，如“月華”“小蟾”“玄兔”等都是用來表示月亮的，而“金陵”“石頭城”“江寧”都是現(xiàn)南京的別稱，如果不進行分類總結(jié)，將會極大程度降低意象的代表性和相似性。

為了解決上述問題，本項目選擇使用基于字的BiLSTM-CRF[4]模型

2.實現(xiàn)原理

經(jīng)過分析，本團隊認為古詩詞分類的最主要依據(jù)是古詩詞中包括的意象。例如，包含“樓蘭”“玉門關(guān)”“羌笛”的古詩詞很大概率屬于“邊塞詩”；包含“畫眉”“妝奩”的古詩詞多屬于“閨怨詩”。因此，本團隊選擇“意象”作為古詩詞分類的依據(jù)。具體實現(xiàn)原理如下：

本文篩選出第一層級的意象，如“羌笛”“胡雁”等具有唯一指向性的意象，如表2所示，只要詩詞中存在此意象，就直接將該詩劃分為“邊塞詩”；對于第二層級的意象，如“柳”“杜宇”等具有典型性但不具有唯一指向性的意象，如表3所示，利用相關(guān)性計算，最后求出該詩詞是各種類別詩詞的可能，從而進行分類。而對于第三層級的意象，如“白云”“流水”“青山”“日出”“溫泉”“山茶”等不具有指向性的意象，本項目采取自動剔除的措施，即此類意象不參與詩詞類別的劃分。

3.技術(shù)實現(xiàn)

本項目收錄了古詩詞網(wǎng)記載的古詩詞，從中選取了最具代表性的“唐詩三百首”和“宋詞三百首”，作為樣本，通過人工標注意象的形式，利用基于字的BiLSTM-CRF模型，評測中所采用BIO標注集，劃分結(jié)果如表4所示。

構(gòu)建古詩詞中的同義詞詞庫，如：“月華”“小蟾”“玄兔”等都是用來表示月亮的，而“金陵”“石頭城”“江寧”等都是現(xiàn)南京的別稱，如果不加以分類總結(jié)，會極大程度降低意象的代表性和相似性，因此在意象分析的時候，本項目選擇構(gòu)建一個同義詞詞庫，如表5所示，進而提高結(jié)果的正確率。

三、詩人行跡部分的技術(shù)實現(xiàn)

（一）地點實體識別

本文基于智能問答模塊構(gòu)建的意象庫，構(gòu)建了“地點庫”，用以識別詩詞中包含的地點信息，從而服務(wù)于后續(xù)的詩人行跡的地圖繪制。

（二）詩詞地圖的繪制

本項目收錄百度百科上的詩人“人物生平”部分，并按詩人劃分存入文件，后將詩人生平文本在“地點庫”遍歷一遍，輸出地點識別結(jié)果。

后將識別出的全部地點遍歷“省數(shù)據(jù)庫”，將地點精確到“省”。

利用百度地圖提供的基于百度地圖的應(yīng)用程序接口，在地圖上標注出識別到的地點。

導(dǎo)入詩人詩詞庫，按照地點分類，歸類到對應(yīng)的地點坐標下。

四、結(jié)束語

為了解決當下古詩詞知識圖譜不完善的問題，本項目基于可視化和命名實體識別技術(shù)搭建了一個學習教育平臺，該平臺包括可視化圖譜展示、智能問答、古詩分類和詩人行跡等四個核心模塊。為了實現(xiàn)詩人行跡和詩詞分類的功能，本項目提出并實現(xiàn)了意象識別算法，并創(chuàng)新提出了第一層級意象、第二層級意象和第三層級意象的概念。這可以有效解決學者在閱讀和鑒賞古詩詞時由于相關(guān)知識的缺乏而無法很好地學習和記憶，以及文學工作者在大量的古詩詞和傳統(tǒng)文化數(shù)據(jù)中高效獲取所需信息的問題。

作者單位：梁藝馨 翟潔 李東睿 熊瀚銳 華東理工大學

參考文獻

[1] 姜磊，劉琦，趙肄江等.面向知識圖譜的信息抽取技術(shù)綜述[J].計算機系統(tǒng)應(yīng)用，2022，31（07）：46-54.

[2] 陳志峰. 基于深度神經(jīng)網(wǎng)絡(luò)的中文命名實體識別方法研究[D].福建工程學院，2022.

[3] 張鳳荔，黃鑫，王瑞錦等.基于BERT多知識圖融合嵌入的中文NER模型[J].電子科技大學學報，2023，52（03）：390-397.

[4] 湯潔儀，李大軍，劉波.基于BERT-BiLSTM-CRF模型的地理實體命名實體識別[J].北京測繪，2023，37（02）：143-147.

梁藝馨（2002.10-），女，漢族，遼寧東港，本科，學生，研究方向：智能科學與技術(shù)；

翟潔（1977-）女，漢族，江蘇南通，華東理工大學，講師，研究方向：大模型、知識圖譜、大數(shù)據(jù)分析、教育改革與發(fā)展；

李東睿（2002.03.14-），男，漢族，黑龍江牡丹江，本科，學生，研究方向：智能科學與技術(shù)；

熊瀚銳（2002.6.28），男，漢族，湖南常德，本科，學生，研究方向：軟件工程。