SikuBERT与SikuRoBERTa:面向数字人文的《四库全书》预训练模型构建及应用研究

数字人文研究需要大规模语料库和高性能古文自然语言处理工具的支持。面向英语和现代汉语的预训练语言模型已在相关领域提升了文本挖掘精度,数字人文研究的兴起亟须面向古文自动处理领域的预训练模型。文章以校验后的高质量《四库全书》全文语料作为无监督训练集,基于BERT模型框架,构建面向古文智能处理任务的SikuBERT和SikuRoBERTa预训练语言模型。实验进一步设计面向《左传》语料的古文自动分词、断句标点、词性标注和命名实体识别等验证任务,分别对SikuBERT、SikuRoBERTa预训练模型和其他3种基线模型(BERT-base、RoBERTa、GuwenBERT)进行对比试验。结果显示:SikuBERT和SikuRoBERTa模型在全部4个下游验证任务中的表现均超越其他基线预训练模型,表明文章提出的预训练模型具有较强的古文词法、句法、语境学习能力和泛化能力。基于验证任务效果最优的SikuRoBERTa预训练模型,进一步构建“SIKUBERT典籍智能处理平台”。该平台提供典籍自动处理、检索和自动翻译等在线服务,可以辅助哲学、文学、历史学等领域学者在不具备数据挖掘与深度学习的专业背景下,以直观可视化方式对典籍文本进行高效率、多维度、深层次、细粒化的知识挖掘与分析。

《四库全书总目》史部对古典图书目录分类的因革损益论

文章在梳理古典图书目录史部类目源流演变的基础上,分因、革、损、益概括了《四库全书总目》史部类目设置对古典图书目录分类的继承与调整。《四库全书总目》对中国古典目录学史部的二级类目进行了广泛的继承,奠定了《四库全书总目》史部类目的主体框架,这不仅展现了《四库全书总目》征实的学风,也反映了其编撰者的目录学修养。《四库全书总目》史部类目也有革新,主要是创设纪事本末类,将仪注类、刑法类合并进故事类并改名为政书类,将诏令和奏议同时著录在史部并创造性地将其合并为一类,增设和更改了很多三级类目。《四库全书总目》史部部分类目的设立和取消,包含着浓厚的政治因素和意识形态色彩,体现出较强的官学约束。

渭南严氏贲园书库藏书目录的分类体系及特点

在对《贲园书库目录辑略》进行标点整理和研读的基础上,介绍渭南严氏贲园书库藏书目录的四部分类体系,并总结其分类结构沟通《汉书·艺文志》与《四库全书总目》,基于十三经经目确立经部分类,史部分类调整和改进《四库全书总目》,子部用诸子、诸家的框架还原《汉书·艺文志》四略,集部在《四库全书总目》的基础上进行增补,以及整体上偏保守、不乏体现时代特色的创新意识等特点。

《四库全书总目》子部对古典图书目录分类因革损益论

文章在梳理古典图书目录子部类目源流演变的基础上,分别研究了《四库全书总目》子部类目设置对古典图书目录分类的因、革、损、益,全面探讨了其子部类目体系的形成,并得出以下结论:《四库全书总目》子部的整体框架较为保守,不仅没有充分地借鉴古典目录学子部分类发展的新成果、新态势,也没能有效回应新知识领域、新图书题材激增对于图书目录分类创新的需求;《四库全书总目》在子部框架内进行了有限的调整,却也造成了其自身的很多硬伤和缺陷,显得左右支绌。

《四库全书总目》词籍提要目录学价值考论

《四库全书总目》词籍提要作为词学目录学经典,成书于考据学兴盛的清中期,是乾嘉考据学在词学里的直接呈现,也是官方词学成果的代表。《四库全书总目》词籍提要蕴含丰富的词学思想,同时在版本辨析、词人考证、词作校勘等方面取得了巨大成就。《四库全书总目》词籍提要广泛批评继承前代词学成果,综合运用多种校勘方法勘正词籍,尤擅“律校法”,以律校订词句、调名讹误,辨析方音叶韵等问题,初步建立起词籍校勘规范。

王太岳著述考

清乾隆四十二年,王太岳进入四库馆,同曹锡宝等一起编纂了《四库全书考证》。他的诗文集主要有《青虚山房集》《西城小筑诗》,生前均未刊印。王太岳去逝后,其所编文稿经曹锡宝、刘墉、王昶、王芑孙、鹿传霖等人之手,或点评,或整理,或抄录,或椠刻,得以流传。民国时期,潘承弼为合众图书馆购入《青虚山房集》稿本。该本收录的王太岳诗文最全,又有王昶序、王芑孙的批注,并钤有名家藏印若干。笔者经查阅相关古籍,对王太岳著述编纂版本情况进行考述。

面向数字人文的《四库全书》子部自动分类研究——以SikuBERT和SikuRoBERTa预训练模型为例

文章基于面向古文自然语言处理的SikuBERT和SikuRoBERTa预训练语言模型,在《四库全书》子部14个类别的古籍文本上开展典籍自动分类模型的构建,并与BERT、BERT-wwm、RoBERTa和RoBERTa-wwm基线模型进行对比。文章提出的两种分类模型效果均优于基线模型,SikuBERT模型取得90.39%的整体分类F值,在天文算法类古籍上的分类F值达98.83%。在类别自动识别任务中,SikuRoBERTa的预测正确率达95.30%。基于SikuBERT和SikuRoBERTa预训练语言模型的四库自动分类体系可以将典籍文本划分为所属子部类别,构建的分类工具为高效自动化典籍分类提供了新途径。

《四库全书》与清代吴地《诗经》学

《四库全书》的编纂、《四库总目》的著评都与吴地《诗经》学者存在密切关联。民间进献之《诗》学图书多有出于吴地藏书家者。清廷关注吴地文化与学术,斟酌收录当下吴地学者的《诗》学著作,内中隐含有政治考量,顾栋高、李光地与杨名时学派皆受到特殊的青睐。

《四库全书总目》的总集功用观

《四库全书总目》一方面沿承《隋志》,重视总集的文学功用,但论述比《隋志》更为细致全面。一方面,《总目》更强调总集的学术功用,认为总集可保存文献,可为考证、校勘之资,为典故之薮,有存史之用;另一方面,《总目》也重视总集的现实功用,认为一些总集有益于现实、政治、风教,能够反映社会风习。《总目》最重总集的学术功用,较传统只强调总集的文学功用,其总集功用观有所拓展和转变,也更为系统、全面,是站在学术总结期的富有总结意义的认识。

四库本《续资治通鉴长编》对西夏人名的改译

清代四库馆臣曾经大幅度改译《续资治通鉴长编》里的音译词,其中,改动西夏人名主要比附藏文,个别词比附蒙古文和梵文.改译后的人名读音大致符合藏文词的书面形式,但语义多属无稽.校改者缺乏对宋代汉语方言的认知,仅用当时的官话来理解古书的译音字,终致滥用语音通转.校改者实际上并不会说藏语,除了藏文音节起首的复辅音声母外,他们只是套用满文的拼读法来理解和音译藏文的元音和辅音韵尾,导致校改后的词音有别于实际的口语.

《四库全书总目》政书类的形成过程——基于图书分类视角的考察

利用相关文献构建了《四库全书总目》的文本形成序列,详细梳理了《四库全书总目》政书类从初设故事类、收录图书数量扩充,到分为六属、改名政书类、说明改名原因,再到收录存在严重遗漏、融合不同版本谱系的完整形成过程,分析和讨论了各个环节《四库全书总目》对中国古典图书目录分类的继承与借鉴。

清朝官修“三通”之“经籍考”“艺文略”编成时间考

文章基于《续文献通考·经籍考》《续通志·艺文略》《清文献通考·经籍考》《清通志·艺文略》参考《四库全书总目》稿本撰成的前提,将它们放在《四库全书初次进呈存目》、中国国家博物馆藏《四库全书总目》稿本、文渊阁《四库全书》、《四库全书简明目录》等组成的《四库全书总目》文本形成序列中,综合考察其分类和收录图书情况,突破直接资料匮乏的瓶颈,明确了它们的编成时间范围:《续经籍考》编成于乾隆四十六年(1781年)二月前后,《续艺文略》编成于乾隆四十六年(1781年)二月至乾隆四十六年(1781年)十二月之间,《清经籍考》编成于乾隆四十九年(1784年)至乾隆五十年(1785年)十二月之间,《清艺文略》编成于乾隆五十年(1785年)十二月至乾隆五十二年(1787年)十二月之间。文章借此构建出更加完整的《四库全书总目》文本形成序列。

“考证之所必资”——四库馆臣对《直斋书录解题》的接受与评判

《直斋书录解题》是南宋陈振孙为其私人藏书所编纂的书目,是宋代三大私人藏书目录中成书最晚的一部,著录丰富,体例完备,提要撰写或简或繁因书而异,对后代书目编纂产生重大影响,是考察宋代文献流传情况的重要依据。自成书后,流传坎坷,清修《四库全书》时从《永乐大典》中辑出,成为四库馆臣编纂《四库全书总目》的重要参考。四库馆臣对其类目设置、分类体系以及提要撰写模式多有借鉴,同时对其字句舛误与失考之处也有所指摘批评。

《四库全书总目》纠弹“以诗法解《诗经》”发微——兼及经典与时代的互动关系

《四库全书总目》对晚明士人“以诗法解《诗经》”的风气严加痛斥,认为不过是簸弄聪明,终将变圣经为小品。馆臣对原本奠定天人秩序的“诗教”大义,包括讲筵启沃、引经筹今等经世内涵,均自有体会,但却因乾隆朝的政治环境而不敢正面发扬,只能抑之为“在经解中为别体”,转而在经学史梳理和考据实学上用力。民国已还,五四学人群趋以文学歌谣来认定《诗经》,仿佛晚明士人的异代知音,《诗经》最终也从一本确立价值规范的“经”典,变成吟咏性情的“歌谣”,诗教大义随之沦灭。然而可惜的是,五四学人的这些举措,并没有深入彼时社会的有机体之中,其本质是以一种否定性的目光看待自我,最终错过了从自身发现生机并有效落实他们所倡导价值的契机。

哈佛燕京图书馆藏《浙江解进书目》考略

哈佛大学哈佛燕京图书馆现藏清抄本《浙江解进书目》一部,结合《纂修四库全书档案》可以考知,其原本为乾隆四十二年(1777)浙江巡抚三宝编辑的浙籍藏书家进呈图书清单。三宝编辑该清单是为了给四库馆提供一份核对浙籍藏书家献书的细目,方便后期整理归还。再结合《四库采进书目》《四库馆进呈书籍底簿》等文献,《浙江解进书目》可以用来核对浙籍藏书家的献书数量,并订正各本献书目录著录的图书题名疏误。书中另有清末北京书估谭笃生批校,今知中国国家图书馆、南京图书馆藏《乾隆浙江呈进书目》均为谭氏据此抄录之副本,借以售卖盈利。

董康与《续修四库全书提要》考释--兼论其小说观中的“区分”意识

董康作为清末民初著名的藏书家,亦是促成《续修四库全书》编纂的关键人物。其在日本访书时对戏曲小说进行穷尽似的搜罗,但却在《续修四库全书》编纂过程中,又因其小说观念中的“区分意识”,遂提出了剔除章回小说的建议。这就有必要对其参与编写通俗小说类提要的历史真实进行考证。通过文献分析可知,目前学界判断董康参与编写通俗小说类提要的理据存在若干问题,再结合当时编书过程中的相关史实,可推断出董康所撰写的提要应该仅为明人文集49篇,并不包括小说类提要。

传统与现代并行不悖——《续修四库全书提要》小说观探析

《续修四库全书提要》一方面保留了传统的重视文言小说补史性的观念,另一方面又认可通俗小说可以虚构不实的观念,呈现出传统目录学意义上的小说观与现代文学意义上的小说观并行不悖的状态,体现出20世纪初处于新旧小说观转折点的时代特点。从《续提要》对小说的收录、分类、功用等方面的评价,可知它对新旧小说观的融合所做出的努力。这是真正意义上的小说观念的更新,是小说价值观的进步,为以后的小说研究奠定了坚实的基础。

福建本“外聚珍”书稽考

清代福建本“外聚珍”书的刊印、修补、校勘过程极为复杂,共产生了五个主要版本。其中道光八年、十年、二十七年递修本留存了大量校修标记,光绪本收录了六篇序跋。两本相互佐证,可用于稽考其时福建本“外聚珍”书百馀年间的沿革,了解清代福建学者对历代文献的编修情况,道光十年、同治十年及光绪十四至十八年的三次重修活动亦藉此得以显现。

姜炳璋《诗序补义》考论——兼谈《四库全书》经部诗类的去取

姜炳璋《诗序补义》是《四库全书》中著录为数不多的当时之人著作之一。此书别名《诗经读序私记》《诗序广义》,现存四库本、清钞本、嘉庆本,其中以四库本为最早,嘉庆本为最晚。《诗序补义》一书体现了姜炳璋“遵序”与“持平”的《诗》学取向,此书对《毛诗》的崇尚和对三家《诗》的贬损,对《诗序》的尊崇以及持《诗序》与朱子之平而不囿于遵序、废序的门户之见等,契合了以纪昀为代表的四库馆臣对经部诗类书的去取原则,而纪昀本人对姜炳璋的推崇也是此书被收入《四库全书》的重要原因。《诗序补义》作为在乾隆朝受到官方认可的著作,在乾嘉以后的《诗》学史上地位不显,其所受到的关注和冷落折射了清代《诗》学史的演进脉络。

耿文光目录学思想的承旧启新与晚清目录学转型

在时代变迁和个人理念的综合影响下,耿文光的目录学思想在承继以《四库全书总目》为代表的考据传统的同时,又对《总目》的学术取向作出很多突破,表现在灵活变通的类目设置、普惠初学的读书之法、实用为主的版本著录、调和汉宋的学术取向、针砭俗学的批判意识等方面。耿文光的目录学思想兼具“开明”与“保守”的特征,开启了晚清目录学的转型,具有承上启下的作用。将耿文光的学术实践放在近代学术范式的形成背景下进行研究具有重要意义。