图书情报与数字图书馆 基于机器学习的古籍目录互著与别裁探析 标题: 基于机器学习的古籍目录互著与别裁探析作者: 张力元,王军第一作者: 张力元机构: 北京大学图书馆,北京大学信息管理系期刊: 中国图书馆学报发表日期: 2022-03-08论文摘要: 目录是组织与利用古籍资源的重要工具，也是图书情报学科的重点研究对象。互著与别裁作为古典目录学中的两种辅助方法，能在深入剖析文献内容特征的基础上，根据内容的多元性将文献准确、完整地记载于目录体系中，达到“类例既分，学术自明”的效果。将互著与别裁映射为文本挖掘中的文本分类问题，提出基于机器学习以实现互著与别裁的方法框架，为古籍在目录体系中的多类目记载提供方法。首先利用TextCNN与BERT两种机器学习模型对先秦诸子六家十部典籍文本进行分类训练，结果显示BERT优于TextCNN,可以达到91.64%的分类准确率；之后用微调训练后的BERT模型对《荀子》与《管子》进行篇、章粒度的分类判断，最终得出这两部图书各篇章互著与别裁的结果。本研究展现了在数字人文视域下，数字技术对古典目录学、古典文献学以及学术史研究的应用价值。图5。表7。参考文献43。关键词: 互著; 别裁; 古籍目录; 数字人文; 机器学习DOI阅读链接: 10.13530/j.cnki.jlis.2022014
