中国科学技术信息研究所--国家工程技术数字图书馆

[学位论文] 雷敏华中科技大学 2020年硕士导师: 刘根辉共129页

摘要 : 对于中高级水平的汉语学习者而言，得体地使用汉语进行交流是其汉语能力的重要体现。目前学界对留学生用教材中语音、词汇、语法的编选和教学策略研究成果丰富，但基于教材的对外汉语语体词教学研究却相对薄弱。本文以《现代汉语词典》(第7版)为... 展开对于中高级水平的汉语学习者而言，得体地使用汉语进行交流是其汉语能力的重要体现。目前学界对留学生用教材中语音、词汇、语法的编选和教学策略研究成果丰富，但基于教材的对外汉语语体词教学研究却相对薄弱。本文以《现代汉语词典》(第7版)为研究材料，利用MATLAB进行数字分析和统计，识别并提取词典中标<书>和标<口>的词语。为避免因文本格式转换造成误差而影响统计结果，同时使用脚本语言Python对《现汉》电子版(解析PDF文件使用的库为pdfminer)进行相同条件的搜索，通过查漏补缺，建立《现代汉语词典》(第7版)语体词语料库，为对外汉语教材中书面语词和口语词的筛选提供参考标准。同时，借助权威词典和现代汉语语料库判定语体属性，以保证查全率和查准率。其次，本文筛选出教材词语表中的语体词，并通过与《汉语国际教育用音节汉字词汇等级划分》(国家标准)进行对比，考察教材收录语体词的等级分布情况，分析教材语体词选编的合理性；同时结合对教材中综合注释和词语练习的分析，考察教材体现的语体意识。为更好地考察语体词的习得效果，本文以“HSK动态作文语料库”为样本，通过字符串检索获得语体偏误语料，分析偏误的主要类型，并从教材、教学以及留学生自身等三个主要方面分析了偏误成因。最后，结合对教材语体词编选情况的分析与留学生语体偏误实例，从宏观角度探索语体词教学模式，提出了针对性教学策略，包括课前基于学习策略理论进行教学设计；课中利用同义词对比讲解，结合文化因素深入剖析，设置语境加强操练；课后设置阶段性练习等等，以期提高二语学习者得体运用汉语进行交际的能力。本文利用编程技术处理语体词，提高了语体词筛选查全率和查准率，为对外汉语教材词汇研究提供了方法参考。同时，通过全面考察《发展汉语》高级综合教材中语体词的编选情况，结合偏误分析，提出了切实可行的教学策略，对于改进语体教学效果具有一定借鉴意义。收起

关键词 : 《发展汉语》语体词教学策略对外汉语教学

2. 基于数字化处理的《真本千金方》俗字研究

[学位论文] 孔谦华中科技大学 2019年硕士导师: 刘根辉共127页

摘要 : 随着出土文献越来越多，临床医学和中医文化传承的需求也越来越大，中医古籍整理成为中医学领域未来不可缺的一部分，而俗字识别是其中一大障碍。同时， 21世纪是信息化的时代，传统古籍由于自身的局限面临着许多挑战，学者们开始从数字化方向寻找新的... 展开随着出土文献越来越多，临床医学和中医文化传承的需求也越来越大，中医古籍整理成为中医学领域未来不可缺的一部分，而俗字识别是其中一大障碍。同时， 21世纪是信息化的时代，传统古籍由于自身的局限面临着许多挑战，学者们开始从数字化方向寻找新的古籍研究思路和方法。其中，《千金要方》是古往今来医学典籍集大成之作，原本早佚，《真本千金方》作为其现存最早版本，包含大量的俗字，具有极高的文献参考价值。目前，尚没有学者对其进行俗字研究与数字化处理。为此，本文选取《真本千金方》为医学古籍代表，运用校勘、训诂、文字等方法尽可能全面地对其中的俗字进行了梳理、分类和系统描写，有针对性地建立了一个可供查询的俗字字库和医古籍检索系统。本文在对《千金要方》基本概况取得一定了解的基础上，以俗字为主要研究对象，综合运用四种俗字考辨方法，统计出661对存在于《真本千金方》中的正俗关系字，制作成完备的俗字字表。为了解决计算机对相当一批俗字字形输录的困难，采取新造字的方法，提取原籍字符图片，利用造字软件对字形进行处理和编码，实现了692个包括俗字在内的计算机未显示字的数字化，为俗字字库建设和全文本检索系统开发打下了基础。其后，从文字学本体出发，借鉴张涌泉先生的俗字字分类方法，将《真本千金方》中的俗字分为九大类别，每类举典型例证考辨说明，用以解释俗字字形背后的形成机制和理据。同时，梳理总结了30组俗字通例，以期探索考识俗字的一般性规律。结合三种现存《千金要方》的主要版本进行对比校勘，尽可能恢复了《真本千金方》原貌。以此为基础，本文设计了一个真正意义上的以《真本千金方》为蓝本的医古籍检索系统，通过章节检索、字环境统计、正俗字关联三种系统功能的实现和测试，可以根据需要快速对古籍全文进行浏览。遇到造成阅读困难的俗字，能够通过粘贴复制或直接输入的方式关联到其对应的正字，扫除了以往古医籍检索平台以图形代替生僻字导致无法进行字符检索和正俗字关联检索功能缺失的弊端。《真本千金方》俗字的研究，厘清了中医古籍整理和校释的部分障碍。而俗字字库的建设和医古籍检索系统的开发，为相关古籍数字化研究提供了一定的范本和可借鉴操作的实例。收起

关键词 : 数字化处理《真本千金方》医学古籍俗字字库中医古籍检索系统

3. 两汉魏晋南北朝古籍字频统计与分布研究

[学位论文] 刘金柱华中科技大学 2020年硕士导师: 刘根辉共118页

摘要 : 汉字字频是汉字除形、音、义三个要素外的第四要素。考察历代古籍字频，有助于深入了解汉字的发展演变，同时对研究古代汉语的用字面貌、研究历代社会思想及文化风貌的变迁有着重要意义。本文通过考察国内外有关汉字字频的研究现状后发现，前人的研究... 展开汉字字频是汉字除形、音、义三个要素外的第四要素。考察历代古籍字频，有助于深入了解汉字的发展演变，同时对研究古代汉语的用字面貌、研究历代社会思想及文化风貌的变迁有着重要意义。本文通过考察国内外有关汉字字频的研究现状后发现，前人的研究成果较少，其中以专书字频研究为主，历时字频研究次之，而断代字频研究则凤毛麟角。本文即以断代字频研究为切入点，选取两汉魏晋南北朝时期的古籍文献作为研究对象和原始语料，分别从宏观、历时、共时三个角度，对两汉魏晋南北朝时期古籍字频进行全面系统地统计，得到一手数据，并基于这些数据进行字频分布情况研究。本文首先依据汉语古籍语料库完整性、穷尽性、准确性等建库原则，分别构建了两汉魏晋南北朝古籍总汇语料库、两汉魏晋南北朝古籍历时语料库和两汉魏晋南北朝古籍共时语料库。接着对总汇语料库进行了字频统计和字频分级，进而分析发现，总汇语料库的字频大致符合Zipf分布，且核心字区、一用字区字频分布都很不均匀，其中古籍内容对一用字区的字频分布影响显著。同时，两汉魏晋南北朝的字频分布比先秦均匀一些，先秦古籍字频分布差异化特点更加突出。之后，本文对历时语料库下4个子库进行了字频统计，从历时角度比较分析了两汉、三国、两晋、南北朝4个历史阶段古籍用字的情况。通过计算各历史阶段古籍极高频字的莱文斯坦距离，本文发现彼此时代越接近，极高频字的字频分布也越接近；而在一用字字频分布上，两汉一用字的分布最不均匀，两晋一用字相较而言分布最均匀，差异化较小。最后，本文又对共时语料库下18个子库进行了字频统计，从共时角度比较分析了不同类别古籍用字的情况，发现在总字量、单字量、平均字频、离散系数、汉字一阶熵上，18个子库之间都存在较大差异，且前4个数据指标之间呈现出不同程度的线性相关性。此外，18个子库的极高频字大量分布于具有不同类别古籍特点的实词类字眼中。至此，通过使用语料库语言学方法、计算机编程方法和统计学方法，同时以一种更为全面的视角，本文完成了对两汉魏晋南北朝时期古籍字频统计和分布的研究，在一定程度上弥补了两汉魏晋南北朝断代字频研究的空白。收起

关键词 : 两汉魏晋南北朝古籍文献字频统计分布特征

4. 现代汉语述宾结构的扩展性考察

[学位论文] 韩成林华中科技大学 2014年硕士导师: 刘根辉共113页

摘要 : 述宾结构是现代汉语复合词、短语及句子共有的一种基本结构形式，离合词是现代汉语的重要研究课题，而述宾式离合词是离合词的主体。研究语言现象需要微观、宏观相结合，宏观考察述宾结构的扩展情况，能让我们在全面了解述宾结构性质的基础上更深刻地... 展开

关键词 : 现代汉语述宾结构离合词扩展特性

5. 《国际中文教育中文水平等级标准》双音动名兼类词研究

[学位论文] 肖姿华中科技大学 2022年硕士导师: 刘根辉共107页

摘要 : 2021年7月，《国际中文教育中文水平等级标准》（简称《等级标准》）的正式实施标志着对外汉语教学领域新时期的到来。《等级标准》创立的“三等九级”新范式为汉语水平知识制定了全新的量化指标。但在词汇方面，《等级标准》并未对兼类这一教学重难点... 展开 2021年7月，《国际中文教育中文水平等级标准》（简称《等级标准》）的正式实施标志着对外汉语教学领域新时期的到来。《等级标准》创立的“三等九级”新范式为汉语水平知识制定了全新的量化指标。但在词汇方面，《等级标准》并未对兼类这一教学重难点作明确处理。因此，以《等级标准》为取词范围，对汉语兼类中最常见的双音动名兼类词进行研究具有一定的理论意义和实践价值。汉语动名兼类的形成受多重因素的影响，包括词义派生、词类活用固化、语言接触、方言用法以及语言表达经济性原则等。本文以教学适用性更高的标准对动名兼类进行界定，结合词典词性标注和胡明扬提出的三条功能标准，遴选出《等级标准》中共280个双音动名兼类词作为考察对象。经整理发现，《等级标准》中的双音动名兼类词在词表三个等级中的分布大致均匀。基于“区分频度”原则，参照《现代汉语频率词典》《中国语言生活状况报告（2021）》和“BCC语料库”中的频次、使用度等数据，对所选词在词语频率和动、名义项分布频率上进行计量考察后发现：从词语频率上看，《等级标准》对大部分所选词的分级都遵照了“高频先学、常用先学”的原则，但有少部分词的实际使用频率与《等级标准》中划分区间的差异较大；从义项分布频率上看，大部分词的某一词性义项在语言使用中更占据优势，少部分词的动、名词性义项分布相对平衡。基于“语素分析”原则，对双音动名兼类词的构词类型与构词能力的考察发现，在构词类型上，所选词中绝大部分属于联合式结构；在语素构词能力上，组成所选词的语素中共有78个构词能力较强的高频语素。通过对“HSK动态作文语料库”中双音动名兼类词偏误语料的分析，发现误代、误加、遗漏和词性混淆四类偏误占据了该兼类词偏误的主体，而造成偏误的主要原因体现在词语的相似性、词语使用范围制约性、动名兼类的复杂性以及学习者自身条件的影响等四个方面。《等级标准》在双音动名兼类词的编排上存在部分划级与词频差距较大的词，标注上有义项顺序欠据及必要兼类词性漏注的现象。为此，应当综合词频数据结论，对词语等级进行合理再编排；词语动、名义项宜分立，对部分词语必要兼类词性也应予以补充。在教学上，建议教师将语素教学和整词教学相结合，灵活利用例句，并尽量回避外语释义。最后，为了验证该教学方法的可行性，以“发明”等词为例设计了15分钟的线上微课。对《等级标准》双音动名兼类词在计量、语义和偏误三方面所作的全面考察分析，不仅在一定程度上对《等级标准》作了合理性验证，促进了其局部优化改进，也对对外汉语教学中的兼类问题作了补充性讨论，并为后续学界对《等级标准》的解读性研究提供了数据参考与例证。收起

关键词 : 对外汉语教学双音动名兼类词词频统计语素义语素教学法偏误分析

6. 面向计算机处理的古文字字形研究暨字库开发

[学位论文] 张晓霞华中科技大学 2014年硕士导师: 刘根辉共104页

摘要 : 计算机技术的迅猛发展以及古文字资料的大量出土，使得利用计算机研究古文字成为一种趋势，“古文字信息化处理”迅速发展为一门集实用性与快捷性为一体的学问。近十年间，来自计算机专业和古文字学专业的专家学者不断探索计算机和古文字结合研究的最... 展开计算机技术的迅猛发展以及古文字资料的大量出土，使得利用计算机研究古文字成为一种趋势，“古文字信息化处理”迅速发展为一门集实用性与快捷性为一体的学问。近十年间，来自计算机专业和古文字学专业的专家学者不断探索计算机和古文字结合研究的最佳渠道，但古文字信息化处理研究仍处于起步阶段。目前，古文字字符编码还未进入国际字符编码标准，无法建成在全球范围内通用的古文字字库，实际意义上还未实现利用计算机对古文字进行各种处理研究。本文在简单介绍了字符编码标准、字体技术以及古文字本体研究的发展后，提出了古文字信息化处理所面临的瓶颈性问题的解决方案。首先，以甲骨文和金文的已识字为研究对象，提出古文字字符进入字库前所进行的字形整理的必要性及整理理念，整理出符合计算机处理要求的古文字字样，这和传统的古文字本体的字形整理有着本质不同。其次，基于本文研究材料，提出了“字位”概念，使得一个古文字的不同字形可以共享一个 Unicode码位，并且可以同台显示这些码位相同、字形不同的古文字。再者，本文提出了“字库的演变制作”方案，以甲骨文和金文的断代分期为框架，依照时代先后分别建成13个甲骨文和24个金文.TTF格式的分字库。最后，在对所选字样的属性进行尽可能完备的标注基础上，做成了大型的“古文字数据库”，“古文字属性标注数据库”的建成实现了甲骨文和金文完整的计算机检索平台。至此，在充分结合古文字异写字特点以及计算机数字化要求的基础上，提出的设计理念充分满足了不同使用者的需求，建成了甲骨文和金文已识字在全球范围可通用的古文字字库，真正实现了甲骨文和金文已识字的计算机处理。收起

关键词 : 古文字字库甲骨文金文字形整理计算机技术

7. 汉语初级水平马来族学生的声韵偏误研究

[学位论文] 孙刘雯华中科技大学 2020年硕士导师: 刘根辉共99页

摘要 : 2018年至2019年，笔者作为一名汉语教师志愿者前往马来西亚彭亨大学任教了一个学年，教学过程中发现汉语初级水平的马来西亚本土的马来族学生在声韵发音方面存在明显偏误。本文以该校汉语期末口语测试的语音素材为研究材料，选取200名初级阶段马来族学... 展开 2018年至2019年，笔者作为一名汉语教师志愿者前往马来西亚彭亨大学任教了一个学年，教学过程中发现汉语初级水平的马来西亚本土的马来族学生在声韵发音方面存在明显偏误。本文以该校汉语期末口语测试的语音素材为研究材料，选取200名初级阶段马来族学生的语音素材，运用实验语音学的方法，着重分析其在语流中出现的一系列声韵偏误现象，并尝试分析成因，给出一些有针对性的学习建议。全文包括六章。第一章介绍本文的选题缘由、研究意义、研究内容和研究方法，重点评述学界关于汉语语音偏误、尤其是针对马来西亚学生的语音偏误所做的研究。第二章侧重说明本文所采用的偏误实验设计。第三章和第四章运用实验语音学的方法，结合AdobeAudition、Praat等软件，具体分析马来族学生在声母和韵母方面产生的偏误。研究发现，马来族学生在送气声母、舌尖后声母、舌面后声母h[x]和卷舌声母r[?]的发音上存在困难；在单元音韵母ü[y]、er[?]、-i[?]、-i[?]以及后鼻音韵母ing[i?]、eng[??]的发音上偏误率较高。另外，本文通过计算偏误音节汉字偏误率的方式得出结论：马来族学生的汉语声韵偏误率与汉字等级难度无关。第五章从母语负迁移、汉语拼音方案的影响、学习动机与学习策略的影响、学习环境的影响和文化因素的负迁移等方面分析了偏误出现的成因。第六章针对初级阶段马来族学生的声韵教学，从学生、教师和学校三方面提出学习建议：学生应增强学习自信心，构建科学的学习策略；教师应帮助学生增强学习动机，完善自身汉语语音知识体系，利用碎片化时间展开针对性教学，运用直观展示法、夸张法、带音法、对比法和趣味活动法等方法进行教学；学校应合理安排课时，科学选编教材，积极开展活动。目前，学界针对马来族汉语学习者所做的语音偏误研究尚少，从语流角度获取样本进行的研究则基本上是一片空白，而基于语流的研究往往更能凸显偏误，笔者希望通过本研究，为今后马来族学生的汉语声韵教学提供一些有益的参考和借鉴。收起

关键词 : 汉语初级水平马来族学生声韵偏误

8. 网络空间的语言安全与治理研究

[学位论文] 张毓华中科技大学 2022年硕士导师: 刘根辉共97页

摘要 : 语言安全问题由来已久，伴随着网络技术的发展普及，网络空间存在的语言安全问题影响了语言的健康发展，且可能危及国家安全，亟需引起重视，并加强相关治理工作。而网络空间的语言安全与治理问题涉及的理论层次广泛，目前学界综合性、系统性研究较少... 展开语言安全问题由来已久，伴随着网络技术的发展普及，网络空间存在的语言安全问题影响了语言的健康发展，且可能危及国家安全，亟需引起重视，并加强相关治理工作。而网络空间的语言安全与治理问题涉及的理论层次广泛，目前学界综合性、系统性研究较少并且相对分散。对网络空间语言安全问题与语言治理的研究，正有其必要性与紧迫性。本研究以网络空间的语言安全问题为主要研究对象，通过对网络语言安全问题实际例证的梳理，结合具体的语言治理案例分析，探讨网络空间中语言安全问题的治理路径，具有较强的现实意义。具体而言，本文相关工作与研究结论如下：（一）通过分析网络空间的特殊属性，从语言本体安全、语言能力安全、因语言应用引起的语言安全问题三个维度，对网络空间给语言安全带来的影响进行较为系统的归纳分析。（二）归纳了网络空间语言安全问题的一般表征与特殊属性，总结出网络空间语言安全问题呈现的嵌入性与复杂性、普遍性与深刻性、隐蔽性与潜伏性、突发性和持续性、技术依赖性与互动性等五个方面的特征。（三）对近年来我国在互联网内容治理领域的相关法律法规进行比较研究，总结了我国在网络治理上呈现的一些趋势特征，发现网络内容治理呈现越来越强的主动性、越来越重视对网络技术与网络新媒体的监管，且逐步向多主体互动式治理模式发展，为网络空间语言安全问题的治理提供了思路借鉴。（四）基于语言安全规划理论，构建新的语言治理框架。从制度建设、语言技术、战略规划、应用服务四个层面的内容出发，在语言安全规划的六个内容类型（语言本体规划、语言地位规划、语言教育规划、语言声誉规划、语言话语规划、语言技术规划），以及多主体的语言治理体系建设共七个方面的问题进行研究探讨，为语言安全问题的治理提供相应的具体对策。网络空间的语言安全问题与各领域安全问题相联系，且随着网络发展普及而日益凸显。网络作为国际竞争博弈的重要场域，相关语言安全问题带来的影响应当引起重视。在总体国家安全观与推进国家治理能力现代化的战略指引下，本研究将语言安全理论与语言治理理论二者结合，针对网络空间的语言安全问题，构建了新的语言治理框架，对新时期网络语言安全的治理规划具有启示意义与借鉴作用。收起

关键词 : 网络空间语言安全语言治理国家安全

9. 基于HPSG理论的汉语被动句研究及其在汉语测试中的应用

[学位论文] 乐林华中科技大学 2021年硕士导师: 刘根辉共95页

摘要 : 无论是在国内还是国外，基于HPSG（中心语驱动的短语结构语法）理论的汉语研究都相对稀少，对汉语被动句的研究更是不全面不充分的。汉语被动句的施事论元的隐现，保留宾语的与否所造成的汉语四种被动句（直接长被动句、直接短被动句、间接长被动句、... 展开无论是在国内还是国外，基于HPSG（中心语驱动的短语结构语法）理论的汉语研究都相对稀少，对汉语被动句的研究更是不全面不充分的。汉语被动句的施事论元的隐现，保留宾语的与否所造成的汉语四种被动句（直接长被动句、直接短被动句、间接长被动句、间接短被动句）差异的原因，以及直接被动句与间接被动句语法主语歧解的语义问题等等，均未在之前的HPSG文献中得到解决。本研究运用这一重要形式语法理论，对现代汉语被动句的句法和语义的上述问题进行了系统化的研究。由于HPSG具有形式化、可计算化的特点，对这些理论问题的研究成果，可应用于计算机辅助对外汉语教学中的语法测试领域，从而提高教学效率。在句法方面，本文首先辨析了前人关于汉语被动句的两种处理办法可能出现的问题:（i）利用词汇规则的方法处理汉语被动句并不符合汉语的实际，因为汉语动词没有形态变化，动词也没有出现赋格能力的贬抑。（ii）将“被”等被动标记词视为介词的处理办法也缺乏有力的本体研究的支撑，因为将“被”等作为介词无法满足汉语一般的介词短语规律，且无法阐明汉语为何具有四种被动句的差异。因此，本文尝试采用一种新的方法来处理汉语被动句。汉语被动句属于生成语法意义上的空算子移位类型的句子，本质上是一种长距离依存句。HPSG将长距离依存句分为两种类型（无定长距离与有定长距离）来处理，有定长距离依存句即生成语法意义上的空算子移位类型的句子，因此用这种办法是理论推导必然的道路，而此办法的核心就在于确立承担消除空位（GAP）功能的词项（即被动标记词）的特征值结构，由于汉语被动句具有四种不同的空位表现，故以特征GAP与STOP-GAP的不同值可以确立被动标记词的四种特征结构，从而在词汇层面精确地解释四种汉语被动句的产生机制。在语义方面，本文利用HPSG的语义解释范式，尝试对汉语被动句语义上的一个疑难问题进行说明。在直接被动句中，整句的语法主语即动词的逻辑宾语，而在间接被动句中，整句的语法主语是要理解为话题，它与动词的语义关系是松散的。至此，完全可以自然地设立“被”等标记词的两种语义限制条件（RESTR），但是本文运用逻辑语义学的工具发现，语法主语与动词的语义关系只与动词的空位有关：动词有空位，语法主语则能够与之系联而成为逻辑宾语；若动词无空位，语法主语则不能填入此空位而只能松散地成为话题。因此，在被动标记词的语义（SEM）部分只需设立一种语义限制条件就能够满足语义解释的要求。语法主语的约束关系可以由HPSG语义部分的标记（INDEX）来加以说明。随着全球汉语学习者的增多，汉语教学迎来了新的高峰与挑战，利用计算机辅助教学业已成为语言教学中重要的一环。本文基于理论研究结果，从HPSG理论出发设计了一个用于判断汉语被动句语法正误的计算机程序，该程序可以有效地对汉语四种被动句进行语法正误的判定。这一方面验证了本文利用HPSG理论进行句法研究的可应用性，另一方面也为汉语教学中语法测试效率的提高贡献了绵薄之力。收起

关键词 : 对外汉语教学形式语法被动句计算机辅助

10. 基于古籍语料库的命名实体识别研究——以《汉书》为例

[学位论文] 高旭华中科技大学 2020年硕士导师: 刘根辉共94页

摘要 : 随着计算机技术的飞速发展，如今我们生活在一个信息大爆炸的时代，怎样快速、准确、高效地从大量的互联网信息中搜索出我们所需要的文本成为了我们所要解决的难题。命名实体识别作为自然语言处理的一个重要研究领域，在学术界受到重视和关注，最近几... 展开随着计算机技术的飞速发展，如今我们生活在一个信息大爆炸的时代，怎样快速、准确、高效地从大量的互联网信息中搜索出我们所需要的文本成为了我们所要解决的难题。命名实体识别作为自然语言处理的一个重要研究领域，在学术界受到重视和关注，最近几年也涌现了大量有关命名实体识别的算法。因此，无论是从理论或是实用的角度看，命名实体识别研究都有重要的意义和价值。但目前的研究主要集中在英文语料和中文现代文语料上，由于古文自身的特点，基于古籍语料进行命名实体识别的研究尚未全面展开。随着古籍数字化进程的不断加快，如果能从中抽取出我们所需要的实体信息，将对古文学研究和自然语言处理领域产生巨大的作用。本文语料选自经典古籍《汉书》，通过挖掘《汉书》具有的特点，利用当前在序列任务中表现最为优异的Transformer结构以及RoBERTa预训练模型技术，对《汉书》中的人名、地名、书名、时间表达以及朝代进行自动识别。性能相比于已有的命名实体识别模型有了极大的提升。最后，本文将模型在《汉书》语料中识别出的人名、地名、书名、时间表达这四类实体分别整理完毕，方便学界查阅。全文包括五章：第1章为引言，从计算机技术发展、古籍命名实体识别的必要性及其价值意义三方面说明选题原因，对相关理论背景和国内外相关研究现状做了评述，并阐述了本文研究的目的和意义，介绍了主要研究方法。第2章着重说明对古籍语料《汉书》进行的处理，主要包括《汉书》语料获取、加工和处理的过程和方法，并对实体类别选择的原因和标注情况做了说明。第3章为本文研究重点，在对基于规则和词典的方法、基于统计的方法和基于深度学习的方法这三种已有的经典命名实体识别模型进行全面评析的基础上，评估了词向量与字向量在古籍《汉书》上的性能表现；结合当前在机器翻译、文本分类等任务中表现优良的Transformer结构和开源的RoBERTa预训练模型，对目前处理命名实体识别任务最为流行的BiLSTM+CRF结构进行了优化处理。第4章为模型的展示和测试，对经典的命名实体识别模型以及改进后的模型进行代码实现，同时在标注的《汉书》数据集上进行了性能测试。通过对比CRF、BiLSTM+CRF、Transformer和预训练的RoBERTa模型，经测试发现表现最好的是在预训练的RoBERTa上进行精调的模型，其识别准确率达到了93.40%，比基于词向量的BiLSTM-CRF模型精确度提高了12.75%，F1值提高了12.41%。第5章对本文的研究工作进行了总结，并对后续的工作进行了展望。对古籍《汉书》进行命名实体识别，可以较大地发挥出其自身的价值，识别出的各类实体为更好地进行本体研究提供了便利，并且在一定意义上填补了目前基于古籍语料进行命名实体识别的缺失。此外，本文搭建的算法模型对基于古籍语料进行的命名实体识别研究有较大的应用价值和借鉴意义，也将对计算语言学和自然语言处理产生一定的作用。收起

关键词 : 古籍语料库《汉书》命名实体识别 RoBERTa模型