摘要：先秦人名和現(xiàn)代人名的構(gòu)成方式和上下史語(yǔ)境有很大不同。本文以先秦文獻(xiàn)《春秋左傳》為突破口，對(duì)書(shū)中的人名進(jìn)行了統(tǒng)計(jì)分析，挖掘其內(nèi)部特征及分布特征。并且利用CRF模型對(duì)先秦人名的識(shí)別進(jìn)行了初步的嘗試。在開(kāi)放測(cè)試中，該方法取得了92.48％的準(zhǔn)確率。

關(guān)鍵詞：先秦人名 特征 識(shí)別 crf型

命名實(shí)體識(shí)別是自然語(yǔ)言處理的重要內(nèi)容。但目前這方面的研究主要集中在現(xiàn)代文獻(xiàn)領(lǐng)域，古籍中命名實(shí)體的識(shí)別是古典文獻(xiàn)信息化進(jìn)程中的關(guān)鍵所在，是一個(gè)值得探索研究的問(wèn)題。

人名在先秦文獻(xiàn)中占據(jù)很大的比例。據(jù)我們對(duì)《春秋左傳》27萬(wàn)多字的語(yǔ)料統(tǒng)計(jì)：其中人名一共出現(xiàn)12900多次，人名總字?jǐn)?shù)為28400多個(gè)字，占全書(shū)總字?jǐn)?shù)的10.41％。因此，是否能正確識(shí)別人名直接影響著自動(dòng)分詞的精度。此外，先秦人名識(shí)別還是解決先秦人名異名同指和同名異指的基礎(chǔ)，也是構(gòu)建先秦人名知識(shí)庫(kù)的基礎(chǔ)。

一、先秦人名的特點(diǎn)

先秦人名和現(xiàn)代人名的構(gòu)成方式及其上下文語(yǔ)境和現(xiàn)在有很大的差別。因此，我們首先要充分挖掘先秦人名的內(nèi)部特征和分布特征。

(一)內(nèi)部特征

1、構(gòu)成成分多樣

現(xiàn)代人名一般只有“姓氏”和“名字”兩種構(gòu)成成分，而先秦漢語(yǔ)中，情況要復(fù)雜得多。其構(gòu)成成分有：姓、氏、名、字、謚號(hào)、爵位、職官、尊，親稱和“氏”字等。

A、“姓”和“氏”

今天我們一說(shuō)到姓和氏，大家都覺(jué)得是一回事。但在先秦時(shí)代，姓和氏是有嚴(yán)格區(qū)別的。先秦姓氏分而為二，男子稱氏，女子稱姓。姓是用來(lái)別婚姻的，氏是為了明貴賤的。姓者，統(tǒng)其祖考之所自出，比較穩(wěn)定；氏者，別其子孫之所自分，會(huì)隨著封邑、官職的改變而改變(如：衛(wèi)鞅、公孫鞅、商鞅)，因此有時(shí)一個(gè)人會(huì)有幾個(gè)氏或者父子兩代不同氏。

在先秦文獻(xiàn)中，姓的數(shù)量很少，據(jù)統(tǒng)計(jì)先秦的古姓的數(shù)量大約三十多種?！蹲髠鳌分幸还渤霈F(xiàn)了二十幾種；而氏的數(shù)量比姓多得多，在《左傳》中共有657個(gè)氏，主要是以國(guó)(如：晉重)、以邑(如：隨會(huì)，范會(huì))、以官(如：中行桓子)、以字(包括名，如：國(guó)參)為氏，這四種命氏發(fā)式產(chǎn)生的氏名473個(gè)，占70％以上。

B、“名”和“字”

先秦人既有名，又有字。名是幼時(shí)起的，供長(zhǎng)輩呼喚。男子到了二十歲成人，要舉行冠禮；女子十五歲許嫁時(shí)，舉行笄禮，也要取字。供朋友呼喚。古人尊對(duì)卑稱名。卑自稱也稱名：對(duì)平輩或尊輩則稱字。當(dāng)名和字連稱時(shí)要先字后名。如：孟明(字)視(名)。

先秦時(shí)人名以單字為主。當(dāng)時(shí)凡有文化教養(yǎng)的人，都以取雙字名為恥，幾乎形成全社會(huì)清一色的單字名。如孔丘(孔子)、莊周(莊子)等都是單字名。貴族男子的字一般由“行次(伯艋、仲、叔、季)+字+父庸(二字古通用，男子的美稱)”三部分組成。例如：伯(排行)禽(字)父(男子的美稱)其中，行次和“父／甫”是可以省略的。男子取字還常在前面加“子”(“子”是對(duì)男人的尊稱)。例如：冉求，字“子有”。先秦貴族女子也有字，一般由“行次+姓+字+母，女”四部分構(gòu)成。例如：孟(排行)妊(姓)車(chē)(字)母(女性)。其中，行次和“母，女”也可以省略。有時(shí)甚至可以單稱“某母”或“某女”。

C、“爵位”和“謚號(hào)”

爵位，又稱封爵、世爵，是古代皇族、貴族的封號(hào)，用以表示身份等級(jí)與權(quán)利的高低。先秦時(shí)”爵位”大致分為公、侯、伯、子、男五級(jí)。謚號(hào)是皇帝、王或有一定社會(huì)地位的人死了后，朝廷或后人按其生前有無(wú)功績(jī)，評(píng)定褒貶給予的稱號(hào)。謚號(hào)一般是固定的一些字，這些字被賦予特定的涵義。謚號(hào)大致可以分為三類：A，表?yè)P(yáng)的，例如：莊、文、武、景、烈、昭、明、睿、康、穆等；B，批評(píng)的，例如：厲、靈、煬等；c，同情的。哀、懷、愍、悼等。上古謚號(hào)多用一個(gè)字。也有用兩三個(gè)字的。例如：趙孝成王。

2、內(nèi)部結(jié)構(gòu)復(fù)雜

現(xiàn)代中國(guó)姓名結(jié)構(gòu)簡(jiǎn)單，即：姓氏+名。但在先秦，姓名的結(jié)構(gòu)復(fù)雜多樣，而且女子的人名結(jié)構(gòu)和男子的人名結(jié)構(gòu)也不相同。

A、女子人名結(jié)構(gòu)

婦女姓名主要涉及到以下幾種成分：姓、氏、字、名、謚號(hào)、尊，親稱和“氏／婦”字，這幾種成分除了姓以外，其它幾種姓名構(gòu)成成分視具體情況決定取舍。先秦女子稱姓方式主要有以下幾種：

A、氏+姓，如：“許(夫氏)姬(姓)”。

B、字+姓，如：“孟姜”。

c、謚+姓，如：懷(夫謚)贏(姓)。

D、姓+“氏”字，如：“姜氏”。

這幾種形式在先秦文獻(xiàn)中出現(xiàn)頻率較高，除此之外，先秦女子還有單稱姓、名+姓、“婦”字+姓、特殊稱謂+姓、尊／親稱+姓、氏+字+姓、氏+謚+姓、氏+姓+名、姓十字+姓+名等多種形式，但這些形式出現(xiàn)的頻率很低。

B、男子人名結(jié)構(gòu)

男子的姓氏制度與女子的姓氏制度是大相徑庭的。男子是絕對(duì)不稱姓的，這一點(diǎn)與女子必須稱姓的原則剛好相反。男子姓名主要有以下幾種構(gòu)成成分：氏、字、名、排行、謚號(hào)、尊，親稱、爵位和職官等。男子稱氏的方式主要有以下幾種：

A、氏+字，名，例如：南(氏)季(字)。

B、氏+爵位，例如：齊(氏)侯(爵位)。

c、氏+謚號(hào)+爵位，例如：鄭(氏)莊(謚號(hào))公(爵位)。

D、氏+字+名，當(dāng)氏和名同時(shí)相稱時(shí)，一般字放在名的前面。祭(氏)仲(字)足(名)。

以上幾種稱氏方式是男子稱氏最常用的形式。除了這些，還有一些其它稱氏方式。如：“單稱氏”、“氏+職官”、“氏+親稱”、“氏+謚號(hào)+-Sz”、“職官+氏+字”、“氏+爵位+名”。

3、人名用字

A、在前315的左傳訓(xùn)練語(yǔ)料中，一共出現(xiàn)漢字2929個(gè)，其中可以作為人名用字的有1021個(gè)。由此可見(jiàn)人名用字范圍廣、分布松散。

B、有些人名用字兼類的比例雖然大。但有的是很有規(guī)律的。例如：“公”在語(yǔ)料中出現(xiàn)了1630次。作為非人名用字的749次，其中以單字名詞出現(xiàn)的就有546次，還有42次是在名詞“公子”中出現(xiàn)。

C、人名用字雖多。其中有幾類人名構(gòu)成成分作為人名用字的頻率較高：如：部分爵位、姓和字中的“排行”等，具體情況如下表

4、人名長(zhǎng)度

我們對(duì)《春秋左傳》前面315的語(yǔ)料中出現(xiàn)的七萬(wàn)多次人名的長(zhǎng)度進(jìn)行了統(tǒng)計(jì)，具體情況如下表：

這里的出現(xiàn)頻率是指在真實(shí)文本中某種長(zhǎng)度人名的出現(xiàn)次數(shù)和所有人名出現(xiàn)次數(shù)之比。由上表可知，在先秦時(shí)期，雙字人名和三字人名占絕對(duì)的優(yōu)勢(shì)。

(二)分布特征

1、上下文限制性成分

在語(yǔ)料中出現(xiàn)的人名限制性成分，主要有：

A、指界動(dòng)詞：日、言、謂、說(shuō)、葬、聞、生、卒、帥、出奔等。

B、成串人名之間用頓號(hào)、“及”和“與”等連詞連接。

2、句法成分

先秦人名在文中充當(dāng)主語(yǔ)和賓語(yǔ)占絕對(duì)的優(yōu)勢(shì)。如：“鄭伯克段于鄢”，其中，“鄭伯”充當(dāng)句子的主語(yǔ)，“段”充當(dāng)句子的賓語(yǔ)。

二、基于CRF的人名識(shí)別方法

(一)先秦人名標(biāo)注規(guī)范

A、先秦人名整體作為一個(gè)分詞單位，標(biāo)注為“nr”。

B、國(guó)名和人名連用時(shí)，有的是以國(guó)為氏(如：魯莊公中的“魯”)，有的還存在爭(zhēng)議(如：“宋向榮”中的“宋”)，這種情況我們一律視為人名的氏來(lái)處理，但如果國(guó)名單獨(dú)出現(xiàn)，則標(biāo)為“ns”。

C、官名和人名連用時(shí)，同樣有的是以官為氏(如：右宰丑)，還有的也存在分歧，我們也一律視其為以官為氏。但如果官職名單獨(dú)出現(xiàn)，則是普通名詞。

D、“年號(hào)”和“××年”中的年號(hào)是一種紀(jì)年法，其中的年號(hào)雖形同人名，但不是人名(如：“昭公四年春”中的“昭公”)，而是時(shí)間詞的一部分。

E、某些稱謂帶有普通名詞性質(zhì)，如果單獨(dú)出現(xiàn)，如：“公”、“王”、“太子”、“公子”、“公繇”等，有些雖然在一定上下文專指某個(gè)人，但我們把其標(biāo)注為名詞。

(二)語(yǔ)料的預(yù)處理

A、對(duì)原始語(yǔ)料《春秋左傳》的文本進(jìn)行校對(duì)，然后人工分詞并標(biāo)注詞性。

B、將語(yǔ)料的前315作為訓(xùn)練語(yǔ)料，后2／5作為測(cè)試語(yǔ)料。

C、將標(biāo)注文本轉(zhuǎn)化為cRF格式文本。

(三)CRF模型簡(jiǎn)介

條件隨機(jī)場(chǎng)模型(Conditional Random Fields。CRF)是由Lafferty在2001年提出的一種典型的判別式模型。它在觀測(cè)序列的基礎(chǔ)上對(duì)目標(biāo)序列進(jìn)行建模，重點(diǎn)解決序列化標(biāo)注的問(wèn)題。條件隨機(jī)場(chǎng)模型既具有判別式模型的優(yōu)點(diǎn)，又具有產(chǎn)生式模型考慮到上下文標(biāo)記間的轉(zhuǎn)移概率，以序列化形式進(jìn)行全局參數(shù)優(yōu)化和解碼的特點(diǎn)，解決了其他判別式模型難以避免的標(biāo)記偏置問(wèn)題。

本文的實(shí)驗(yàn)使用了條件隨機(jī)場(chǎng)模型，采用了TakuKu，do編寫(xiě)的工具包“CRF++-0.51”進(jìn)行訓(xùn)練和測(cè)試。本文是以單字作為基本模型符號(hào)，設(shè)計(jì)了兩種特征集進(jìn)行了實(shí)驗(yàn)。

(四)特征模板和標(biāo)記集的選擇

1、特征模板

我們選用了6個(gè)一元特征模板，即：C-1，C0，C1，C*1 CO，COC1，C-1 C1。

2、標(biāo)記集

實(shí)驗(yàn)1：我們選用了五詞位標(biāo)記集，即單字人名(Ⅲ_s)，人名首字(nr_B)，人名中間字(nr_I)，人名尾字(nr_E)以及非人名用字(O)。具體標(biāo)注例子如下：實(shí)驗(yàn)2：利于了詞性和詞位信息。具體標(biāo)注例子如下：

(五)規(guī)則后處理

我們還利用了一些規(guī)則對(duì)識(shí)別的結(jié)果進(jìn)行后處理，如果識(shí)別出來(lái)的人名是以下幾種情況中的一種。則排除該人名：A，識(shí)別出的人名是“公”、“王”、“子”、“太子”“公子”和“公孫”等名詞。B，識(shí)別出的人名是“軍尉”、“司馬”、“司空”、“輿尉”、“候奄”和“亞旅”等官職名。C，識(shí)別出的人名“×公”在“x公xx年”的結(jié)構(gòu)中。D，識(shí)別出的人名長(zhǎng)度大于六。

(六)實(shí)驗(yàn)結(jié)果及分析

根據(jù)測(cè)試集和訓(xùn)練集的不同關(guān)系，可以將評(píng)測(cè)分為封閉測(cè)試和開(kāi)放測(cè)試。測(cè)試的結(jié)果采取了常用的3個(gè)評(píng)測(cè)指標(biāo)，即準(zhǔn)確率(P)、召回率(R)和綜合指標(biāo)(F)來(lái)評(píng)測(cè)人名識(shí)別的結(jié)果。

具體的實(shí)驗(yàn)結(jié)果如下表：

(表4實(shí)驗(yàn)結(jié)果)

從上面的兩個(gè)實(shí)驗(yàn)對(duì)比可以看出：在這兩個(gè)實(shí)驗(yàn)的封閉測(cè)試中都取得了很好的效果。但在開(kāi)放測(cè)試中效果有明顯的差別：在實(shí)驗(yàn)1中，只利用簡(jiǎn)單特征就達(dá)到了較高的正確率，但召回率較低；在實(shí)驗(yàn)2中，利用了詞性特征，有效地提高了召回率，但隨著特征數(shù)量的增加，也產(chǎn)生了一些“噪聲”特征數(shù)據(jù)，影響模型的訓(xùn)練和識(shí)別速度與正確率。

三、結(jié)論和將來(lái)的工作

本文的研究對(duì)先秦人名自動(dòng)識(shí)別進(jìn)行了嘗試。取得了一定的效果。我們未來(lái)的主要研究工作是進(jìn)一步擴(kuò)大語(yǔ)料的規(guī)模，我們準(zhǔn)備對(duì)25種先秦傳世文獻(xiàn)進(jìn)行處理@。從中充分挖掘先秦人名的特征，提高人名識(shí)別的正確率和召回率。同時(shí)，我們進(jìn)行人名的識(shí)別不僅僅是為了給人名加上標(biāo)記而已，而是為了研究異名同指和同名異指服務(wù)，從而為自動(dòng)構(gòu)建人名知識(shí)庫(kù)奠定基礎(chǔ)。

注釋：

①http：／／crfpp.sourceforge.net／.

②陳小荷，先秦文獻(xiàn)的信息處理芻議，中文信息學(xué)會(huì)會(huì)議上的發(fā)言，2008，11，23

參考文獻(xiàn)：

[1][晉]杜預(yù)，春秋左傳集解，上海古籍出版社，1977

[2]陳絮，商周姓氏制度研究，商務(wù)印書(shū)館，2007

[3]劉開(kāi)瑛，中文文本自動(dòng)分詞和標(biāo)注，商務(wù)印書(shū)館，2000

[4]楊伯峻，春秋左傳注，中華書(shū)局，1981

[5]張淑一，先秦姓氏制度考索，福建人民出版社，2008

[6]孫茂松，黃昌寧，高海燕，方捷，中文人名的自動(dòng)辨識(shí)，中文信息學(xué)報(bào)，1995，(02)

[7]嚴(yán)軍，《左傳》姓氏相關(guān)問(wèn)題的探索，浙江學(xué)刊，1994，(04)

基金項(xiàng)目：南京師范大學(xué)211工程三期重點(diǎn)學(xué)科建設(shè)項(xiàng)目“語(yǔ)言科技創(chuàng)新及工作平臺(tái)建設(shè)”子課題。