在 2017-2021 年期間，「漢籍自動化資訊擷取研究與系統開發」計畫透過資訊所、史語所、語言所的共同合作，打造了一個漢籍的標記與資訊擷取系統，提供人文學者漢籍大數據的環境，將大數據進行高品質加值，進行各類分析研究。此系統擁有多項功能，包括自動辨識漢籍文本的專有名詞，並將這些人名、地名、職官名、組織名彼此之間的關係自動連結。
2022年起，我們提出三年期的「歷史人物與事件的自動化擷取技術與系統開發」計畫，進一步將眼光放在自動化的事績分析，希望能自文本自動化分析出某人當了某官後曾經做過哪些事，或是發生哪些事件。2022年的工作是將歷史人物和其做過的事擷取出來並予以連結，2023 年的目標則除了持續精進「人」與 「事」擷取，還希望綜合得知某人當了某官後曾在某時某地做過某事，亦即「人」、「事」、「時」、「地」、「物」的綜合關係擷取。因此，本整合型計畫今年特別訂定子題名稱—「自動化建構歷史人物的事理圖譜」。
當中最主要的挑戰，在於漢籍的「人」、「事」、「時」、「地」、「物」標記資料是不存在的，也就沒有合適的訓練語料來訓練自動辨識的模型。針對此問題，直接的解法是大量的人工標記，但此工作耗時耗力，並不實際。本計畫的目標是如何在沒有標記或極少量標記的情形下，達到自動化的綜合關係擷取，來建立歷史人物的事理圖譜。
近來AI遷移學習（Transfer Learning）給了我們靈感：現代漢語（白話文）的語義分析訓練語料豐富，有豐富的語法語義標記，如此一來本計畫即可利用現代漢語的語義分析模型，經過自動化的改造（transfer），使之能適用於漢籍（文言文）的環境來擷取綜合關係。2022 年，本計畫利用深度學習技術，開發了一套全新的現代漢語相依型剖析系統，利用主詞和動詞的關係，來擷取「人」與 「事」，即使在沒有漢籍（文言文）的訓練資料下，也能達到一定的效果。2023 年，本計畫希望在漢籍運用少量標記資料來微調此剖析系統，除了將「人」與 「事」擷取得更精準，也擬進一步擴大為「人」、「事」、「時」、「地」、「物」的綜合關係擷取。具體工作包括：一、 人工少量標記「人」、「事」、「時」、「地」、「物」，包含標記界面的設計與實際的人工標記；二、利用這些少量的標記資料微調相依型剖析系統。
我們近幾年的合作夥伴 「史語所學術創新數位深耕計畫」自2022 年起將目標放在方志研究上，而方志除了職官訊息，亦含宦績的篇章，剛好可作為研究素材。本計畫研究成果將持續整合至「中央研究院數位人文研究平台」。 |
訂閱RSS