| 中国哲学书电子化计划 | |
| 简体字版 |
语意标记
简介
语意标记指的是为原典文献内容提供机器可读的讯息，明确注明语词在具体脉络中的意义。这些讯息有助于电子文献的进阶自动处理，包括在本系统中给使用者显示相关的内容。举实例，以下段落中，具有语意标记的版本（左）可提供关于段落中提到的时间、人名和典籍的相关内容：
| 有语意标记 | 没有语意标记 | ||||
|---|---|---|---|---|---|
|
|
基本原则
本站中，实现语意标记的过程需要建立以下三种数据：
- 标记：一个标记一些文字（通常是一个或几个单词）并提供讯息表示该文字在当下脉络中所代表的意思。例如，在「孔子适齐。」这段话中，我们可以为「孔子」这两个字建立一个标记，表示在这句话中「孔子」所代表的意思是某一个历史人物，即孔丘。
本站中有两种标记：- 实体标记 - 表示对应字词指称某一个实体对象，如“ctext:855132（宋代历史人物王安石）。
- 日期标记 - 表示对应字词指称某一个具体历史日期或时段。日期由相关年号（或帝王），如“ctext:27110（宋真宗年号‘天禧’）”，再加上日期的相关数据，如“二年正月”。
- 实体纪录。 一个实体纪录代表某一个体事物，包括具体事物（如：一个人、一座建筑等）和抽象事物（如：某一个官位）。例如，历史人物和虚构人物（如王安石有相关的实体纪录；历代著作，如《宋史也有实体纪录；朝代，如北宋也有。实体纪录可用以纪录相关该实体的讯息，也用以实现文本中的标记。在上述关于“孔子”的例子中，标记会把“孔子”两个字连接到孔子其人的实体纪录。实体纪录有助于让电脑分明同名异实的事物，同时准确处理异名同实的情况。每一个实体纪录有一个唯一辨识码，如“ctext:27110”（表示天禧年号）。这些辨识码可用以明确分明同名异实的食物，如“ctext:474358”表示“绍兴”（宋代年号），而“ctext:63988”表示“绍兴”（西辽年号）。每一个实体纪录页面在资料标题直下注明相关的辨识码。
- 知识宣称。一个知识宣称表示有关一个实体的一件讯息；实体纪录的内容由知识宣称所构成。每一个知识宣称连接著三件事物：一个主体（即该宣称所形容的实体）、一个动词或关系、以及该动词或关系的对象。例如，有关王安石的一个知识宣称会把王安石（主体）和王益（对象）透过动词“father（父亲）”连接，这样纪录“王安石的父亲为王益”这件事。举另一个例子，可以把王安石和官位翰林学士透过动词“held-office（任官）”连接，纪录“王安石曾经任过这个官位。
有时候在纪录讯息时，会需要提供相关于该宣称的进一步资讯。这些资讯可透过增加一个或多数的限定词（qualifier）来实现。限定词为知识宣称的一部分，把该宣称和另外两个事物相连接：另外一个动词（即限定词），和另外一个相关对象。例如，虽然说王安石曾任过翰林学士是一个有效的宣称，但如果能同时纪录他从什么时候开始任过此官则资讯就会更完整。在这个例子中，可以增加一个“from-date（自某时起）”的限定词，并把相关日期作为限定词对象，表示此事。
出处引用
大部分的知识宣称需要提供具体的出处引用才能建立。出处引用必须采取指定格式，由两个部分构成：一个URN代表某部书某个版本的某篇或卷，以及相关引用内容（用繁体字）。这两个部分有“@”符号连结著，如：
- ctp:ws740739@父益，都官员外郎。：这代表文字“父益，都官员外郎。”，出现在摛藻堂四库全书荟要本《宋史》的〈列传第八十六〉篇。
大部分的宣称需要引用出处作为证据，除以下的例外：
- 动词为以下类型的宣称：type、authority-...、或link-...： 这些一律不需要（也不应该有）出处
- 动词为以下类型的宣称：name：当出处说明两个名称指称同一个实体时才需要提供
- 动词为以下类型的宣称：born（出生西历年份）和died（去世西历年份）：这两个动词用以临时性的宣称，表示其它资料来源（如：Wikidata、Wikipedia等）中的年份记载。找到了相关证据之后，请用born-date或died-date代替，并提供机器可读的日期和证据。
标记惯例
为了保持资料的一致性和实现资料的有效自动处理，请在标记过程中遵守以下的原则：
- 日期：如果文本中年号出现在日期前，请给年号增加一个年号标记，然后把年号后的年/月/日等字词作为另一个标记。标记客户端的自动标记功能有助于如此标记。
准确范例 错误范例 1 
开庆元年二月 1 开庆元年二月 - 官名和尊号：当官名或尊号包括相关地名时，请把地名和官名或尊号合为一体标记。
准确范例 错误范例 1 利州节度使 1 利州节度使
日期
日期是很重要的历史资料，在此系统中扮演重要角色。一个日期标记把文本中的日期记载（如：“二月”）和足够相关资讯连结，使得它能够行程一个精准的日期说明：例如，表示该“二月”指的是某年号、某年中的二月。标记客户端提供输入这些资讯的方法，把每一个日期记载和某一个年号相连结。大多数日期记载本身不包括年号等资讯，而读者能通过脉络来推出之，如以下例子中：
1 开宝九年冬十月癸丑，太祖崩，帝遂即皇帝位。乙卯，大赦，常赦所不原者咸除之。
上文第一个日期记载是完整的：它本身提供年号以外的足够资讯，即第九年、第十月、癸丑日，明确指称历史上的一天。第二个记载“乙卯”则本身不重复写“九年十月”，也不重复写年号“开宝”，而依靠脉络来传达这些讯息。日期标记过程中，需要明确提供这些本来依靠脉络的讯息，使得系统能够准确处理所有的日期记载。
在此过程中，标记客户端会利用上文指出最近被提到的年号、年份、和月份，但是这些推荐未必都正确。因此，在标记日期时，请务必注意脉络中的讯息流，特别是括号型提及，以免输入错误的日期讯息。例如，在下述段落中，紫色的箭头代表真实的日期讯息流：
标记客户端会为大多数日期准确推出资讯，例如，据上文准确推出”乙卯“指的是开宝九年十月乙卯，但在这个例子中会错误地推出”十一月癸亥“指的是开宝八年十一月癸亥，因为上文刚刚提到过开宝八年。在类似例子中，请留意日期的讯息流：如果不小心把”十一月癸亥“定为开宝八年，很容易影响到下文的日期，因为系统会继续把”八年“讯息往下流，错误地推出”甲子“和”庚午“也指八年而不是九年。尤其在史书中，这类错误很容易引发一连串的错误，因为大部分的日期资讯依靠上文脉络传达。
有语意标记的文本
每一种文献只要对其中一个版本加上标记。一般情况下，这应该是该资料的代表性文献。
以下的文献和版本已经有部分标记。如果想要加上新的语意标记，请使用这些版本：
二十五史
其它史书
- 资治通鉴
- 续资治通鉴
- 廿二史札记
- 十六国春秋
- 十六国春秋别传
- 宋史纪事本末
- 明史纪事本末
- 钦定平定台湾纪略
- 曾文正公年谱
- 鸦片事略
- 庚子国变记
- 大越史记全书
- 越史略
- 三国史记
- 全唐文
- 全上古三代秦汉三国六朝文
- 十国春秋