历史资料整理中的知识重组：从文献汇编到智慧数据构建

1. 从汇编到重组：范式转换的内涵与理论框架

传统的历史资料整理工作，其范式可概括为“文献汇编”。它的核心对象是文献本身，目标是通过考据、校勘、标点、分类等手段，生产出更可靠、更易获取的文献版本或集合（如《中国近代史料丛刊》）。其成果是线性的、静态的，遵循的是“文献单元”的组织逻辑。研究者仍需通过大量阅读，在头脑中自行完成信息的提取、关联与整合，即“知识重组”的过程被留给了研究者个体。

在数据驱动的研究范式下，“知识重组”的概念被前置并外化为资料整理的核心环节。它是指：在文献数字化的基础上，运用现代信息组织技术，对文献内容进行深度析取、标引、关联、建模，将原本孤立、无序的信息点，重构为一个结构化的、机器可读可理解的、相互关联的知识体系的过程。 其核心对象不再是文献载体，而是文献所承载的知识元（如人物、事件、地点、时间、概念等）；其成果形态不再是书籍，而是数据库、知识库或知识图谱。

这一范式转换建立在三大理论和技术支柱之上：语义网（SemanticWeb）理念： 其核心是让数据变得机器可理解，通过赋予数据明确的含义（语义），使其能够被自动集成和处理。这为知识重组提供了目标愿景。本体论（Ontology）： 在信息科学中，本体是指对特定领域概念及其相互关系的形式化、明确化定义。它为知识重组提供了概念模型和语义框架，是进行结构化标引和关联的蓝图。

知识图谱（Knowledge Graph）： 这是一种大规模语义网络，以图结构存储知识，通过节点（实体、概念）和边（关系）来描述客观世界。它是知识重组最理想的输出成果和实现形式。

因此，知识重组代表的是一种根本性的范式提升：整理工作的终点，不再是等待被阅读的“死”的文献，而是可以直接被查询、计算、推理甚至发现的“活”的知识体系。它将研究者脑中的部分认知劳动外部化、显性化、结构化，为历史研究提供了全新的基础设施。

2. 实践路径：知识重组的方法论体系

知识重组的实践是一个系统工程，它遵循一套从数据准备到知识生成的方法论链条，其核心环节包括：

（1）实体抽取与关系挖掘：知识元的析取

这是知识重组的数据基础。利用自然语言处理（NLP）技术，尤其是命名实体识别（NER）和关系抽取（RE）技术，从非结构化的文本中自动识别并提取出关键知识元。

实体抽取： 识别文本中的人名、地名、机构名、时间、官职等。关系抽取： 判断并提取实体之间的关系，如“父子”、“任职于”、“发生于”、“隶属于”等。实践：对《清史稿》传记部分进行processing，可自动抽取出数以万计的人物实体，并初步构建出人物间的亲属、同僚、师生等关系网络。

（2）本体构建与语义增强：知识框架的建立抽取出的原始实体和关系是散乱且意义模糊的，必须通过本体对其进行语义规范化和增强。本体构建： 根据历史学研究的需求，定义核心概念、属性及关系类型。例如，构建一个“明清社会关系本体”，可能需定义“人物”、“事件”、“地点”等类，以及“hasFamilyMember”、“holdsOffice”、“participatedIn”等属性。语义增强： 将抽取出的实体与权威数据库（如CBDB、GeoNames）进行链接，赋予其唯一 ID 和丰富属性；将抽取出的关系与本体中定义的标准关系进行映射，消除歧义。至此，“北京”、“北平”、“Beijing”被统一指向同一地理实体，“丁忧”和“守制”被规范为同一事件类型。

（3）知识图谱构建与可视化：知识网络的生成

在前两步的基础上，将规范后的实体（节点）和关系（边）存入图数据库，即构建成历史知识图谱。这标志着知识重组的初步完成。

应用： 知识图谱支持复杂的语义查询（如 SPARQL 语言）。研究者可以提出诸如“查找所有在乾隆朝既担任过河道总督又担任过漕运总督的人物，并分析他们的交往网络”这样的问题，系统能即时返回结果图谱。可视化： 将知识图谱通过力导图、时间轴、地图等形式进行可视化呈现，使错综复杂的历史关系网络变得直观可视，有助于发现潜在的模式和异常点，激发研究灵感。

3. 革新与挑战：知识重组的学术价值与未来展望

知识重组模式的引入，对历史资料整理乃至历史学研究本身都具有深远的革新意义，同时也伴随着必须审慎应对的挑战。

其革命性价值在于：研究范式的拓展： 它使“宏观计算”与“微观深描”的结合成为可能。学者既能对大规模历史现象进行量化分析（如社会网络分析、职业流动研究），又能瞬间定位到图谱中的任何一个实体及其所有关联细节。新问题的催生： 基于知识图谱的关联查询和可视化，能够揭示传统线性阅读难以发现的隐藏模式和结构关系（如非显性的派系关系、信息的传播路径），从而催生出全新的研究问题。研究效率的飞跃： 它将研究者从低效的信息搜集和整理工作中解放出来，使其能更专注于高层次的解读、分析和理论建构。

其面临的严峻挑战包括：

数据质量与算法偏差： 知识重组的质量完全依赖于底层数据加工的准确性。OCR 错误、NER 的误识别、关系抽取的偏差，都会在重组过程中被放大，形成“垃圾进，垃圾出”的效应。算法的设计本身也可能带入设计者的偏见。

历史语境的剥离风险： 将丰富、多义、充满张力的历史文本简化为结构化的三元组（主体 - 谓语 - 客体），存在剥离历史语境、扁平化历史复杂性的风险。知识图谱难以有效捕捉文本的修辞、情感和隐喻。

技术壁垒与协作成本： 构建高质量的知识图谱需要历史学者、计算机科学家、语言学家等的深度协作，沟通成本和技術门槛较高，难以广泛普及。

未来，知识重组的发展将依赖于人机协作模式的优化。历史学者必须深度介入本体设计、数据标注和结果校验等核心环节，确保重组过程符合历史逻辑。同时，开发更智能、更精准的 NLP 工具，并探索能够捕捉历史不确定性和语境信息的新模型，将是突破当前瓶颈的关键。最终，知识重组的最高目标不应是取代传统考据，而是与之结合，为人文研究者提供更强大的“望远镜”和“显微镜”，共同推动历史学向更精深、更广阔的方向发展。

参考文献

[1] 王晓光. 数字人文：数字时代的知识与批判 [M]. 武汉： 武汉大学出版社 ， 2020.

[2] 刘炜， 靳嘉林， 钱国富. 知识图谱与人文研究[J]. 图书情报知识 ， 2018（05）： 4-12.

[3] 欧石志， 胡韧奋， 诸雨辰. 面向数字人文的古文信息处理技术研究与实践 [J]. 北京大学学报 （ 自然科学版 ）， 2021， 57（01）： 25-36.

[4] 王军 . 从数字图书馆到智慧图书馆：知识服务的演进与趋势[J]. 中国图书馆学报 ， 2022， 48（01）： 17-30.