沈立力 朱蓓琳 姜 鵬 王 靜

（上海圖書館，上海 200031）

隨著信息技術(shù)的進(jìn)一步發(fā)展，傳統(tǒng)的圖書館文獻(xiàn)組織和服務(wù)形式無(wú)法解決讀者在獲取知識(shí)時(shí)的“信息過(guò)載”“信息迷航”等問(wèn)題，也達(dá)不到智能化、立體化、個(gè)性化的知識(shí)服務(wù)要求。要解決這些問(wèn)題，必須在傳統(tǒng)文獻(xiàn)組織方法（分類法、主題法等）的基礎(chǔ)上，運(yùn)用新的知識(shí)組織和知識(shí)挖掘方法（本體、關(guān)聯(lián)數(shù)據(jù)等），探索由二維線性描述方式向多維描述方式轉(zhuǎn)化的知識(shí)組織新模式，形成領(lǐng)域內(nèi)具有邏輯關(guān)系的結(jié)構(gòu)化知識(shí)網(wǎng)絡(luò)。

經(jīng)過(guò)前期調(diào)研，目前基于本體的知識(shí)組織形式被廣泛應(yīng)用于醫(yī)學(xué)、農(nóng)學(xué)等領(lǐng)域。然而，目前本體在文史領(lǐng)域，尤其是針對(duì)民國(guó)文學(xué)領(lǐng)域的應(yīng)用還處于起步階段，且民國(guó)文學(xué)期刊資源市場(chǎng)需求較大，而提供的深層次知識(shí)服務(wù)卻較少。以此為契機(jī)，上海圖書館全國(guó)報(bào)刊索引與芝加哥大學(xué)開展了民國(guó)文學(xué)期刊OCR 項(xiàng)目的合作，目的是通過(guò)本體、關(guān)聯(lián)數(shù)據(jù)等多種研究手段，與傳統(tǒng)文學(xué)歷史及文學(xué)評(píng)論相結(jié)合，建立文學(xué)作品、人物、期刊、歷史事件等不同實(shí)體之間的關(guān)系，并以可視化的方式展現(xiàn)，優(yōu)化現(xiàn)有檢索結(jié)果，實(shí)現(xiàn)知識(shí)服務(wù)的升級(jí)，為用戶提供更好的知識(shí)服務(wù)體驗(yàn)，也為將來(lái)的資源共建與共享打下基礎(chǔ)。

1 本體及民國(guó)文學(xué)知識(shí)組織現(xiàn)狀

1.1 本體構(gòu)建方法及現(xiàn)狀

本體的概念最早出現(xiàn)于哲學(xué)領(lǐng)域，而Studer 等學(xué)者在上世紀(jì)90年代對(duì)本體進(jìn)行大量深入研究后對(duì)本體進(jìn)行了更明確的設(shè)定，即“共享概念模型的明確的形式化規(guī)范說(shuō)明”[1]。本體是通過(guò)定義類、屬性、關(guān)系等元素對(duì)某一特定領(lǐng)域知識(shí)進(jìn)行層次關(guān)系的描述、歸納和抽象化[2]。同時(shí)，本體又給數(shù)據(jù)本身賦予了語(yǔ)義，使機(jī)器能夠處理數(shù)據(jù)間的關(guān)系[3]。

國(guó)內(nèi)外對(duì)于本體的構(gòu)建方法已經(jīng)有了一些研究，據(jù)岳麗欣[2]歸納，國(guó)內(nèi)外較為成熟的本體構(gòu)建方法包括：IDEF5法、骨架法、Methontology 法、七步法、循環(huán)獲取法、基于敘詞表構(gòu)建本體法等。筆者選擇斯坦福大學(xué)醫(yī)學(xué)院提出的七步法，結(jié)合項(xiàng)目本身的特點(diǎn)，使用Protégé 本體編輯工具，根據(jù)已有元數(shù)據(jù)標(biāo)準(zhǔn)建設(shè)民國(guó)文學(xué)知識(shí)體系，設(shè)計(jì)一個(gè)向下兼容、易于擴(kuò)展、多維描述，支持民國(guó)文學(xué)期刊數(shù)據(jù)重組和揭示的民國(guó)文學(xué)本體。

1.2 文史領(lǐng)域本體建設(shè)的國(guó)內(nèi)研究現(xiàn)狀

近年來(lái)，全國(guó)各大圖書館、高校及數(shù)字出版公司都積極致力于開發(fā)深層次的知識(shí)組織與知識(shí)挖掘方式，更好地揭示館藏文獻(xiàn)資源，并就本體在文史領(lǐng)域的應(yīng)用進(jìn)行了研究，在歷史領(lǐng)域本體構(gòu)建、人物關(guān)系本體研究、特殊文獻(xiàn)體裁本體構(gòu)建等方面進(jìn)行了諸多實(shí)踐。中國(guó)社會(huì)科學(xué)院哲學(xué)社會(huì)科學(xué)創(chuàng)新工程信息化項(xiàng)目“中華人民共和國(guó)史教育網(wǎng)”中成功構(gòu)建了中華人民共和國(guó)國(guó)史本體，該國(guó)史本體描述了1977—1981年這一歷史時(shí)期關(guān)于中華人民共和國(guó)的概念、術(shù)語(yǔ)、關(guān)系等，構(gòu)建包括時(shí)間、人物、事件等8 個(gè)大類的本體，并為基于本體的國(guó)史知識(shí)檢索平臺(tái)構(gòu)建打下基礎(chǔ)[4]。廖作芳[5]以《三國(guó)志》為文本，利用七步法構(gòu)建基于人物、時(shí)間、地點(diǎn)、事件、職官為五大核心概念的歷史領(lǐng)域本體，并運(yùn)用SWRL 規(guī)則對(duì)《三國(guó)志》本體蘊(yùn)含知識(shí)做了發(fā)現(xiàn)推理，突出了本體在歷史領(lǐng)域的應(yīng)用。汪沛[6]則引入知識(shí)元及語(yǔ)義網(wǎng)的相關(guān)概念與理論，采用自動(dòng)抽取的方法對(duì)《三國(guó)志》中的特征詞進(jìn)行抽取，并作為實(shí)例添加到本體中，進(jìn)行了基于本體的歷史領(lǐng)域知識(shí)元構(gòu)建。夏翠娟等[3]則針對(duì)上海圖書館館藏家譜，進(jìn)行基于書目框架模型的家譜本體構(gòu)建，并論述了相關(guān)的應(yīng)用場(chǎng)景，既揭示了家譜資源的特殊文獻(xiàn)特征和內(nèi)容屬性，又揭示了其內(nèi)容之間的語(yǔ)義關(guān)聯(lián)。

1 民國(guó)文學(xué)專題數(shù)據(jù)庫(kù)本體模型構(gòu)建原則和難點(diǎn)

1.1 民國(guó)文學(xué)本體構(gòu)建原則

在比較同類型文史領(lǐng)域構(gòu)建經(jīng)驗(yàn)的基礎(chǔ)上總結(jié)了以下兩點(diǎn)民國(guó)文學(xué)本體構(gòu)建原則。

一是夯實(shí)數(shù)據(jù)來(lái)源，覆蓋各類文學(xué)期刊。中國(guó)現(xiàn)代文學(xué)發(fā)端于“五四運(yùn)動(dòng)”，它與當(dāng)時(shí)的政治、經(jīng)濟(jì)都有密切的關(guān)系，更是社會(huì)意識(shí)形態(tài)和整個(gè)文化的重要組成部分，是研究近代歷史不可或缺的一部分。據(jù)鄧集田[7]統(tǒng)計(jì)，從中國(guó)第一種文學(xué)期刊《瀛寰瑣紀(jì)》起到1949年間共出版?zhèn)鞑ノ膶W(xué)期刊4200 余種。這里所說(shuō)的文學(xué)期刊包括兩類：一是以純文學(xué)內(nèi)容為主的期刊，主要內(nèi)容涵蓋詩(shī)歌、小說(shuō)、散文等，如《人世間》《小說(shuō)月報(bào)》等；另一種則是含有較多文學(xué)內(nèi)容的期刊，但也包括時(shí)政、教育等內(nèi)容，如《太平洋（北平）》《文藝月刊》等。另外，在項(xiàng)目前期對(duì)復(fù)旦大學(xué)文史專家進(jìn)行調(diào)研的過(guò)程中發(fā)現(xiàn)，除了專門的文學(xué)性刊物外，還需關(guān)注刊登文學(xué)作品的綜合性刊物、革命性期刊、學(xué)術(shù)刊物、女性刊物及報(bào)紙副刊等，如《東方雜志》《女學(xué)報(bào)》等。

二是重視客觀內(nèi)容的知識(shí)挖掘，謹(jǐn)慎處理主觀內(nèi)容的揭示。民國(guó)文學(xué)本體的構(gòu)建旨在利用技術(shù)手段對(duì)已有數(shù)字資源進(jìn)行挖掘、重組、研究，而不是深入某一細(xì)分領(lǐng)域代替歷史人文研究者進(jìn)行具體的研究工作[8]。在專家調(diào)研時(shí)，文史專家也提到目前學(xué)界的研究方式大多以問(wèn)題為導(dǎo)向，因此更關(guān)注客觀著錄項(xiàng)的詳盡度和準(zhǔn)確度。在此基礎(chǔ)上，民國(guó)文學(xué)本體的構(gòu)建將重視對(duì)作者、時(shí)間等客觀元素的知識(shí)挖掘，而對(duì)歷史事件、文學(xué)社團(tuán)等相對(duì)主觀元素的揭示將更為謹(jǐn)慎。同時(shí)，對(duì)于文學(xué)派別、地域文學(xué)研究等學(xué)界還未有綜合性研究成果的內(nèi)容暫不予以揭示，留待之后擴(kuò)展。

1.2 民國(guó)文學(xué)本體模型構(gòu)建難點(diǎn)

綜合前期調(diào)研和實(shí)際構(gòu)建中遇到的問(wèn)題，民國(guó)文學(xué)本體的構(gòu)建存在以下難點(diǎn)：

一是已有人文歷史領(lǐng)域的本體構(gòu)建更注重理論模型的研究，而真正運(yùn)用到實(shí)際中的本體并不多。依據(jù)調(diào)研只有家譜、國(guó)史、東北抗戰(zhàn)史本體等。其他例如三國(guó)志等的本體構(gòu)建與研究只是處于實(shí)驗(yàn)室階段。而在民國(guó)文學(xué)領(lǐng)域的本體研究與構(gòu)建更是處于空白，沒(méi)有直接可復(fù)用的本體模型。

二是數(shù)據(jù)來(lái)源不充分。目前已經(jīng)完成OCR 加工的晚清民國(guó)期刊約為300 余種，而全國(guó)報(bào)刊索引晚清民國(guó)期刊全文數(shù)據(jù)庫(kù)總共約有兩萬(wàn)余種期刊，其中涉及文學(xué)內(nèi)容的約為2000余種，已經(jīng)進(jìn)行OCR加工的文學(xué)期刊占到所有文學(xué)類期刊的15%。文獻(xiàn)未進(jìn)行OCR 加工意味著在構(gòu)建過(guò)程中不能對(duì)全文文獻(xiàn)進(jìn)行深層次的挖掘、提取，存在一定缺陷。

三是依據(jù)已有的本體構(gòu)建方法，對(duì)民國(guó)文學(xué)資源的本體構(gòu)建不能實(shí)現(xiàn)自動(dòng)構(gòu)建或半自動(dòng)構(gòu)建，構(gòu)建過(guò)程人工花費(fèi)較大。究其原因首先是在人文歷史尤其是民國(guó)文學(xué)領(lǐng)域，并未發(fā)現(xiàn)敘詞表、數(shù)據(jù)庫(kù)資源、或是在線本體庫(kù)等可以進(jìn)復(fù)用的半自動(dòng)構(gòu)建資源。其次，民國(guó)期刊文獻(xiàn)中沒(méi)有明確的上下位關(guān)系，因此關(guān)系的建立需要純?nèi)斯ね瓿?，同時(shí)對(duì)人物描述、地點(diǎn)演變等也需逐條進(jìn)行人工判斷。

四是缺乏統(tǒng)一的本體評(píng)價(jià)機(jī)制。本體構(gòu)建的主觀性較強(qiáng)，對(duì)于已經(jīng)構(gòu)建完成的本體體系成果缺乏成熟的評(píng)價(jià)標(biāo)準(zhǔn)，不利于對(duì)本體進(jìn)行修正與優(yōu)化。

2 民國(guó)文學(xué)本體的分析與設(shè)計(jì)

2.1 民國(guó)文學(xué)本體模型構(gòu)建思路

在前期調(diào)研的基礎(chǔ)上，選擇七步法為基本構(gòu)建方法，結(jié)合民國(guó)文學(xué)這一特殊學(xué)科領(lǐng)域，同時(shí)考慮本項(xiàng)目的實(shí)際可操作性，提出民國(guó)文學(xué)本體構(gòu)建流程。如圖1所示。

圖1 本體構(gòu)建流程

首先，確定民國(guó)文學(xué)本體的領(lǐng)域和范疇。其次調(diào)研復(fù)用現(xiàn)有本體的可能性，經(jīng)過(guò)前期調(diào)研，發(fā)現(xiàn)學(xué)界已成型且可被使用的文史領(lǐng)域本體系統(tǒng)較少，且未發(fā)現(xiàn)涉及民國(guó)文學(xué)的本體，不具備直接復(fù)用現(xiàn)有本體的可能性。因此，民國(guó)文學(xué)本體將在借鑒“家譜本體”“三國(guó)志本體”的基礎(chǔ)上進(jìn)行構(gòu)建。

接下來(lái)是本體庫(kù)的設(shè)計(jì)，它是本體構(gòu)建的關(guān)鍵。主要分為以下3 個(gè)步驟。首先，確定民國(guó)文學(xué)本體的核心概念，即以《中國(guó)圖書館分類法（第五版）》中“I2 中國(guó)文學(xué)”類目，中國(guó)新文學(xué)大系等作為基礎(chǔ)，并汲取其中相關(guān)主題詞、關(guān)鍵詞作為主要概念來(lái)源，并將已經(jīng)OCR完成的300余種65萬(wàn)版30萬(wàn)篇民國(guó)文學(xué)類期刊作為主要數(shù)據(jù)來(lái)源，在領(lǐng)域?qū)＜业膸椭麓_定其核心概念。接著，建立類與類之間的層次結(jié)構(gòu)，即在確定核心概念后，依據(jù)自上而下的順序?qū)诵母拍钸M(jìn)行擴(kuò)展，并對(duì)所有概念進(jìn)行體系建立。最后，確定民國(guó)文學(xué)本體的屬性，包括數(shù)值屬性和對(duì)象屬性。并依據(jù)需求進(jìn)一步定義屬性的分面，如屬性的定義域、值域等。

之后，利用 protégé 軟件對(duì)本體進(jìn)行編碼和構(gòu)建。添加相應(yīng)實(shí)例，以便于機(jī)器的讀取和存儲(chǔ)。最后，使用自帶推理機(jī)為民國(guó)文學(xué)本體制定推理規(guī)則，驗(yàn)證邏輯關(guān)系是否正確并進(jìn)行優(yōu)化。

2.2 近代期刊民國(guó)文學(xué)專題數(shù)據(jù)庫(kù)的元數(shù)據(jù)解析

館藏近代文學(xué)期刊的全文OCR 加工為民國(guó)文學(xué)本體建設(shè)奠定了基礎(chǔ)。規(guī)范化、結(jié)構(gòu)化的元數(shù)據(jù)是文獻(xiàn)資源數(shù)字化的成果，OCR 加工更是將這些成果進(jìn)一步變?yōu)橹R(shí)挖掘、知識(shí)組織、知識(shí)服務(wù)的寶貴素材。本體是元數(shù)據(jù)方案立體化的過(guò)程[9]，是將平面的元數(shù)據(jù)方案通過(guò)類（Class）的確定，類與類之間層級(jí)關(guān)系的確定，屬性（Property）等的明確過(guò)程最終建立立體的本體模型。對(duì)民國(guó)文學(xué)期刊元數(shù)據(jù)解析為民國(guó)文學(xué)本體建設(shè)打下基礎(chǔ)。

《全國(guó)近代中文期刊全文數(shù)據(jù)庫(kù)-文學(xué)專題》在民國(guó)全文數(shù)據(jù)庫(kù)基礎(chǔ)上進(jìn)行加工著錄，采用XML數(shù)據(jù)格式，分為圖片、廣告、正文3種資源類型，共用一套元數(shù)據(jù)元素著錄，而每種資源本身又有特殊的元數(shù)據(jù)元素和著錄規(guī)范細(xì)則。數(shù)據(jù)分為期刊、篇名兩層數(shù)據(jù)結(jié)構(gòu)，可對(duì)已經(jīng)著錄的刊名、出版社、出版時(shí)間等字段進(jìn)行檢索、并在數(shù)據(jù)庫(kù)平臺(tái)上對(duì)文獻(xiàn)來(lái)源、作者、出版時(shí)間字段進(jìn)行聚類。這種以文獻(xiàn)本身為組織對(duì)象的信息組織方式無(wú)法完全滿足用戶的需求，主要問(wèn)題是缺乏對(duì)人名、地名等字段的規(guī)范控制，影響用戶的查全率和查準(zhǔn)率[3]，其次不能有效地提供相關(guān)事件、文獻(xiàn)等的推薦功能。而民國(guó)文學(xué)本體的建立正是為了將內(nèi)容和文獻(xiàn)本身同時(shí)作為知識(shí)組織的對(duì)象，更好地為用戶服務(wù)。

本體的構(gòu)建應(yīng)該盡可能多地復(fù)用已有本體的類和屬性，而當(dāng)已有本體的類和屬性不能完全描述待建本體中的關(guān)系時(shí)，需自定義新的類及屬性。對(duì)于民國(guó)文學(xué)本體而言，雖然沒(méi)有可完全復(fù)用的成熟本體，但其本體建設(shè)應(yīng)建立在民國(guó)期刊元數(shù)據(jù)方案之上。近代期刊元數(shù)據(jù)對(duì)期刊以及文獻(xiàn)的揭示較為全面，對(duì)于題名項(xiàng)、責(zé)任者項(xiàng)、出版社項(xiàng)、出版年份項(xiàng)等文獻(xiàn)特征描述完整、定義清晰，可直接在本體構(gòu)建中復(fù)用，有足夠的類和屬性與之對(duì)應(yīng)。而已有元數(shù)據(jù)方案不能對(duì)一些特殊屬性、關(guān)系進(jìn)行描述，如人物籍貫、民族等的屬性描述，人物與事件、人物與人物等類與類之間關(guān)系的描述等。因此，在本體建立時(shí)需要對(duì)事件、地點(diǎn)、人物、機(jī)構(gòu)組織這4 個(gè)新的類進(jìn)行定義，并描述新的定義。而對(duì)文獻(xiàn)、期刊這兩個(gè)類中某些新的屬性，如文學(xué)體裁等進(jìn)行補(bǔ)充定義，在繼承已有元數(shù)據(jù)方案的基礎(chǔ)上，保證新增類和屬性與原有數(shù)據(jù)的兼容性。

2.3 民國(guó)文學(xué)本體模型構(gòu)建

《全國(guó)近代中文期刊全文數(shù)據(jù)庫(kù)-文學(xué)專題》是全國(guó)報(bào)刊索引開發(fā)的研究晚清民國(guó)時(shí)期文學(xué)發(fā)展歷史的專題數(shù)據(jù)庫(kù)。時(shí)間跨度為民國(guó)起始（1911年）到1949年為止，其中涉及少量晚清數(shù)據(jù)內(nèi)容（1833-1911年）。以下對(duì)構(gòu)建過(guò)程中最主要的3 個(gè)部分進(jìn)行論述。

2.3.1 確定核心概念集及層次結(jié)構(gòu)

基于本體的知識(shí)組織體系構(gòu)建中，核心概念集的確定是最重要也是最基礎(chǔ)的問(wèn)題。核心概念集的確定要遵照3 個(gè)基本要求，即遵照核心概念即頂級(jí)概念無(wú)二義性、概念與概念之間互不相交、核心概念覆蓋全領(lǐng)域[5]。具體方法是：以已有近代期刊元數(shù)據(jù)方案為基礎(chǔ)，將文獻(xiàn)中其他字段提取并歸類，確定人物（Figure）、文獻(xiàn)（Document）、期刊（Journal）、事件（Event）、地 點(diǎn)（Place）、機(jī) 構(gòu)組 織（Organization Administrator）這6個(gè)核心概念。其中新增4個(gè)概念：人物一般指文獻(xiàn)的責(zé)任者，同時(shí)又有可能是期刊的主編，或是歷史事件中涉及的具有代表性的人物，但不涉及文學(xué)作品中創(chuàng)作的人物。事件主要指的是民國(guó)文學(xué)期刊中所記載的歷史事件或機(jī)構(gòu)組織變遷等期刊所涉及的事件本身，大多以政治、文化事件為主。此外，將機(jī)構(gòu)組織單獨(dú)作為一個(gè)核心概念。這里的機(jī)構(gòu)組織是指出版機(jī)構(gòu)、文學(xué)社團(tuán)等在民國(guó)文學(xué)發(fā)展史上起到一定推動(dòng)作用，有一定歷史地位的政府、民間或個(gè)人組織。機(jī)構(gòu)組織是非常重要的資源，將其單獨(dú)設(shè)類有助于將關(guān)于某一機(jī)構(gòu)組織的信息，如機(jī)構(gòu)負(fù)責(zé)人、機(jī)構(gòu)地點(diǎn)、主要負(fù)責(zé)人等信息結(jié)構(gòu)化、規(guī)范化揭示。最后，對(duì)于地點(diǎn)這個(gè)類的處理將參考上海圖書館人名規(guī)范檔中的地理信息進(jìn)行規(guī)范。

而對(duì)于元數(shù)據(jù)方案中已有的期刊、文獻(xiàn)兩個(gè)核心概念的處理，則盡量復(fù)用原有元數(shù)據(jù)。其中將文獻(xiàn)這個(gè)核心概念依據(jù)體裁分為正文、圖片、廣告3個(gè)二級(jí)類（見圖2）。

圖2 概念層次結(jié)構(gòu)

2.3.2 定義屬性、屬性的分面、定義域和值域

在確定了核心概念集與層級(jí)結(jié)構(gòu)之后，需要為每個(gè)核心概念級(jí)類（Class）定義屬性，通過(guò)屬性進(jìn)行概念的描述以及建立不同概念之間的聯(lián)系。屬性可以分為數(shù)據(jù)屬性（Datatype Property）以及對(duì)象屬性（Object Property）兩種。數(shù)據(jù)屬性用于描述概念本身的特性，對(duì)于人物這個(gè)類可定義性別、籍貫、民族等為數(shù)據(jù)屬性。其次，民國(guó)文學(xué)領(lǐng)域所涉及事件的描述由人、地、時(shí)三要素組成，事件這個(gè)類的對(duì)象屬性可定義為事件開始時(shí)間、事件結(jié)束時(shí)間、事件結(jié)果等。另外，為機(jī)構(gòu)組織定義機(jī)構(gòu)名稱、存在時(shí)間等數(shù)據(jù)屬性。最后，文獻(xiàn)、期刊這兩個(gè)類的數(shù)據(jù)屬性基本復(fù)用了原有的元數(shù)據(jù)，并為正文、廣告、圖片都定義了不同的數(shù)據(jù)屬性，如欄目、責(zé)任者等，并新增文學(xué)體裁這個(gè)數(shù)據(jù)屬性。對(duì)象屬性用于描述概念之間的關(guān)系。例如人物與文獻(xiàn)之間的寫作關(guān)系，或人物與機(jī)構(gòu)之間的任職關(guān)系等為對(duì)象屬性。

在確定了數(shù)據(jù)屬性和對(duì)象屬性后依據(jù)需求為部分屬性添加定義域和值域。例如人物的妻子屬性的值域是人物這個(gè)類本身，而人物的對(duì)象屬性參與的值域是事件。表1列出了部分類的部分對(duì)象屬性和數(shù)據(jù)屬性。

2.3.3 添加實(shí)例

實(shí)例添加是整個(gè)本體建設(shè)中最為耗時(shí)耗力的部分。雖然學(xué)界致力于研究本體的自動(dòng)或半自動(dòng)構(gòu)建，但由于中文文本處理的局限性和不成熟性，自動(dòng)或半自動(dòng)處理的本體需要大量的人工干預(yù)，因此在嘗試后仍然采用人工添加實(shí)例的方法。此外，人工建設(shè)本體還可在實(shí)例添加的過(guò)程中對(duì)類和屬性作適當(dāng)調(diào)整。在實(shí)例添加過(guò)程中有以下兩點(diǎn)需要注意：

一是在實(shí)例添加的過(guò)程中對(duì)于人物的數(shù)據(jù)屬性異名的規(guī)范性描述，即分辨該人物在不同時(shí)期的筆名、字、號(hào)等，在此次實(shí)例添加中，該屬性的規(guī)范參考了上海圖書館人名規(guī)范庫(kù)以及《中國(guó)近現(xiàn)代人物名號(hào)大辭典》。

二是對(duì)于相同事件名稱、組織機(jī)構(gòu)名稱規(guī)范性的問(wèn)題。目前，學(xué)界并沒(méi)有成文的對(duì)于民國(guó)文學(xué)領(lǐng)域事件和機(jī)構(gòu)組織的規(guī)范檔可做參考，因此在實(shí)例添加的過(guò)程中秉持相同事件、相同組織機(jī)構(gòu)采用統(tǒng)一名稱，避免后期引起歧義。

表1 民國(guó)文學(xué)本體概念關(guān)系

3 民國(guó)文學(xué)本體模型及其應(yīng)用方向

3.1 民國(guó)文學(xué)本體模型描述

依據(jù)上文論述的構(gòu)建流程完成民國(guó)文學(xué)本體模型，該本體模型描述了1911年到1949年期間文學(xué)領(lǐng)域所涉及到的概念、關(guān)系和術(shù)語(yǔ)。本體模型包括人物、文獻(xiàn)、期刊、事件、地點(diǎn)、組織機(jī)構(gòu)6 個(gè)大類及其之間的關(guān)系，具體包含9個(gè)本體類（其中6個(gè)一級(jí)類，3個(gè)二級(jí)類），60個(gè)數(shù)據(jù)屬性，28個(gè)對(duì)象屬性，44個(gè)實(shí)例（其中涉及 6 篇文獻(xiàn)，2 個(gè)事件，19 個(gè)人物，7 種期刊，8個(gè)機(jī)構(gòu)組織，2個(gè)地點(diǎn)）。

圖3是構(gòu)建完成的類與類之間的關(guān)系圖，帶箭頭的有向線條表示了該本體模型中的對(duì)象屬性，對(duì)象屬性的定義域（Domain）和值域（Range）可以從線條的起止方向表示。例如從Figure（人物）類存在有向線條指向Document（文獻(xiàn)）類，表示Figure 與Document 之間通過(guò)對(duì)象屬性“Write”連接，即人物（Figure）與文獻(xiàn)（Document）存在寫作的關(guān)系。而對(duì)象屬性“Write”的值域是“文獻(xiàn)（Document）”。

圖3 概念與概念之間關(guān)系

圖4以可視化的方式顯示民國(guó)文學(xué)本體中與“徐志摩”這一人物實(shí)例相關(guān)的文獻(xiàn)、人物等概念，即以人物徐志摩為中心的人物關(guān)系，創(chuàng)作關(guān)系等。例如徐志摩的人物關(guān)系有前妻張幼儀、妻子陸小曼，父親徐申如，兒子徐積鍇。其著有文獻(xiàn)《志摩遺稿》，該文獻(xiàn)由《新月》雜志出版，而《新月雜志》的出版機(jī)構(gòu)則為新月書店，同時(shí)在《徐志摩先生遺著》一文中有提及徐志摩。此實(shí)例演示圖同時(shí)也展示了該本體未來(lái)的使用場(chǎng)景之一，便于用戶全方位地了解實(shí)例信息以及與其他實(shí)例的相互關(guān)系。

圖4 實(shí)例演示

最后，建設(shè)完成的民國(guó)文學(xué)本體OWL文檔部分片段如下：

3.2 民國(guó)文學(xué)本體模型的應(yīng)用方向

民國(guó)文學(xué)本體模型主要是基于“全國(guó)報(bào)刊索引中國(guó)近代中文期刊全文數(shù)據(jù)庫(kù)-文學(xué)專題”來(lái)設(shè)計(jì)，最終目的是在該專題數(shù)據(jù)庫(kù)中進(jìn)行語(yǔ)義層面的知識(shí)組織和知識(shí)挖掘。預(yù)期應(yīng)用場(chǎng)景為對(duì)數(shù)據(jù)庫(kù)中人物、地點(diǎn)、時(shí)間進(jìn)行可視化的動(dòng)態(tài)顯示，揭示人物關(guān)系、時(shí)空關(guān)系、事地聯(lián)系等；同時(shí)對(duì)用戶檢索結(jié)果進(jìn)行語(yǔ)義層面的優(yōu)化，例如用戶檢索“眉軒”時(shí)，檢索結(jié)果可同時(shí)返回徐志摩相關(guān)信息和相關(guān)文獻(xiàn)，并顯示與徐志摩相關(guān)的人物關(guān)系，以此提升文學(xué)專題庫(kù)的知識(shí)服務(wù)效果。

目前該本體模型尚處于試驗(yàn)階段，還未正式投入使用，下一步的工作重心將嘗試運(yùn)用半自動(dòng)方法為已有本體添加實(shí)例，即運(yùn)用關(guān)鍵詞自動(dòng)抽取，對(duì)近代期刊文學(xué)專題的OCR 全文進(jìn)行文本關(guān)鍵詞語(yǔ)義信息（人、時(shí)、地等）抽取，并添加為實(shí)例，以此提升本體構(gòu)建的工作效率。在這個(gè)過(guò)程中同時(shí)對(duì)已經(jīng)建成的模型做進(jìn)一步的邏輯檢測(cè)與推理，以進(jìn)一步保證民國(guó)文學(xué)本體的可靠性。另一方面，推動(dòng)對(duì)實(shí)例對(duì)象屬性的關(guān)系推理工作，目的在于對(duì)目標(biāo)實(shí)例自動(dòng)賦予相應(yīng)的對(duì)象屬性關(guān)系，減少本體構(gòu)建的人工干預(yù)程度，加強(qiáng)知識(shí)發(fā)現(xiàn)機(jī)制，挖掘民國(guó)文獻(xiàn)中潛在的知識(shí)關(guān)系，提升本體構(gòu)建項(xiàng)目的自動(dòng)化和智能化程度。

4 總結(jié)與展望

以上是對(duì)本體在文史方面應(yīng)用的一次嘗試，初步建立了民國(guó)文學(xué)本體模型，即揭示了近代期刊文學(xué)專題的文獻(xiàn)特征和內(nèi)容特征，能夠有效提高近代期刊文學(xué)專題資源知識(shí)服務(wù)的效果，將中國(guó)近代的經(jīng)濟(jì)政治變化和人文歷史變遷以更加清晰的形式展現(xiàn)在讀者面前。