新形势下甲骨文信息处理特色学科发展探析

甲骨文研究是继承中华优秀传统文化、提高国家文化自信的必经之路。本文以安阳师范学院为例,提出“建立有效合作机制-共享甲骨文数据平台-加强后备人才培养”的产学研路径,从甲骨文的保护、传承、创新和传播四个方面展开,通过甲骨文信息处理学科建设,探索新形势下特色学科的发展趋势。

关于甲骨文象形码输入法的编码原理研究

1.前言 甲骨文是我国最早的文字.迄今为止,广大学者已从全部甲骨文刻辞中整理出五千多个具有代表性的甲骨文字[1].经研究考释,发现甲骨文字形独特,是一种典型的象形文字,具有"图画"的某些特点.但因年代久远,所以对于甲骨文无论从音或是义上人们都很难完全把握,多年来,一直没能对甲骨文进行有效地编码.事实上,任何一种文字都自成体系,有一套确定的构成规律,它们的构形部件尤其如此.甲骨文也不例外,它的构形部件亦有一定的规律.针对该特点,在研究中吸取现代编码思想,运用模糊数学和面向对象Petri网方法研究甲骨文的部件(字根)形成和码元的确定规则,分析甲骨文编码的效率和科学性,为现有的5000多个甲骨文字进行科学编码提供理论依据.

甲骨文计算机辅助翻译技术研究

甲骨文的白话释读是甲骨文信息处理研究中的一个重要环节。通过引入计算机辅助翻译的技术,将已经过甲骨文专家确认正确的现代汉语释读存储在翻译记忆库中,实现了专家知识的共享和重用。基于翻译记忆的辅助翻译技术对大多数的甲骨文句子,准确率为74.3%,对残缺部分较多或含未释字较多的甲骨文句子,准确率为27.2%,基本满足甲骨文研究需要。基于上述技术,实现了一个甲骨文计算机辅助翻译系统。实验结果证明,该系统可提高信息工作者和甲骨文专家的研究效率。

甲骨文研究中跨模态知识图谱的重要性刍议

甲骨学研究是一项意义重大但难度极高的工作。自甲骨文发现120多年以来,涌现了一大批研究成果,但是还存在知识体系庞大、学习难度高、学习周期长、知识关联性弱、知识共享程度低等些许问题。大数据及人工智能时代的到来,为解决或缓解这些问题提供了一条有效途径。作为大数据、人工智能的产物,知识图谱可在新时代甲骨学研究中发挥重要作用。本文基于甲骨学的多源异构数据特点,提出构建跨模态甲骨学知识图谱的研究思路,并对其在甲骨文考释和缀合两大任务上的重要性进行了浅析和刍议。

基于实例和本体的甲骨文机器翻译方法研究

为解决基于实例的甲骨文机器翻译缺乏深层次语义分析的问题,引入了本体技术.采用实例和本体相结合的办法,分阶段实现甲骨文语句的机器翻译.基于实例的方法用于仅需浅层语义分析的句子,基于本体的方法用于需深层语义分析的句子.在对比分析甲骨文与现代汉语之间的内在联系基础上,建立了甲骨文知识本体,为机器翻译的词典和语义提供概念及其层次网络,解决甲骨文同义词、兼类词及词义消歧问题.实验结果表明:对常规的简单甲骨文语句,基于实例的机器翻译结果较好;对复杂的甲骨文语句,需要利用基于本体的机器翻译,其结果也基本满足研究需求.

甲骨文大规模基础数据的语义挖掘研究

【目的】从大规模的甲骨文基础数据中发现实体间的语义关联,为甲骨文研究提供语义支持。【方法】在文本挖掘的基础上,结合语义Web技术,将实体及其关系RDF化并在生成的RDF集合中进行语义搜索,利用本体关系和本体推理挖掘RDF对象间显式或隐式的语义关系。【结果】该方法在甲骨文文献和甲骨卜辞上的语义挖掘平均F1值分别达到74.49%和70.61%,满足甲骨文信息处理的需求。【局限】利用本体实现语义挖掘时分别基于本体库中的三个不同本体,未将本体进行集成。【结论】实体RDF化可以提供规范的结构化语义描述;Lar KC体系适用于甲骨文大规模语义处理。