其他 重建知识源流：将结构化知识自动溯源至史籍原文 标题: 重建知识源流：将结构化知识自动溯源至史籍原文作者: 张琪,孔嘉,胡昊天,王东波,王昊第一作者: 张琪机构: 南京大学信息管理学院,数据工程与知识服务省高校重点实验室(南京大学),南京农业大学信息管理学院,南京农业大学人文与社会计算研究中心期刊: 情报学报发表日期: 2024-04-24论文摘要: 将结构化历史知识溯源至史籍原文能够提升知识的可验证性和可靠性。本研究针对古籍知识库缺乏完善知识溯源机制和部分古汉语文本缺乏触发词的问题，提出了一种将结构化历史知识溯源至史籍原文的方法。首先，结合共指消解、文本蕴涵等技术和方法，提出了结构化历史知识溯源框架；其次，在构造数据集的基础上，通过实验对比了BERT (bidirectional encoder representations from transformers)、SikuBERT与GPT-3 (generative pre-trained transformer 3)、GPT-4等不同预训练模型和不同输入策略对知识溯源效果的影响，构建了结构化历史知识溯源模型SHK-Tracer(structured historical knowledge tracing model)，其精确率为80.19%；最后，采用SHK-Tracer将史记多维知识库（Shiji Mutil-dimensional Knowledge Base,SMKB）分别溯源至不同的史书，发现《史记》与《左传》《国语》中各史料片段的知识重合度及片段本身所包含的信息含量...关键词: 数字人文; 知识三元组; 知识服务; 知识溯源; 知识计量知网阅读链接: 点击跳转
