| 中國哲學書電子化計劃 |
語意標記
簡介
語意標記指的是為原典文獻內容提供機器可讀的訊息，明確註明語詞在具體脈絡中的意義。這些訊息有助於電子文獻的進階自動處理，包括在本系統中給使用者顯示相關的內容。舉實例，以下段落中，具有語意標記的版本（左）可提供關於段落中提到的時間、人名和典籍的相關內容：
| 有語意標記 | 沒有語意標記 | ||||
|---|---|---|---|---|---|
|
|
基本原則
本站中，實現語意標記的過程需要建立以下三種數據：
- 標記：一個標記一些文字（通常是一個或幾個單詞）並提供訊息表示該文字在當下脈絡中所代表的意思。例如，在「孔子適齊。」這段話中，我們可以為「孔子」這兩個字建立一個標記，表示在這句話中「孔子」所代表的意思是某一個歷史人物，即孔丘。
本站中有兩種標記：- 實體標記 - 表示對應字詞指稱某一個實體對象，如「ctext:855132（宋代歷史人物王安石）。
- 日期標記 - 表示對應字詞指稱某一個具體歷史日期或時段。日期由相關年號（或帝王），如「ctext:27110（宋真宗年號『天禧』）」，再加上日期的相關數據，如「二年正月」。
- 實體紀錄。 一個實體紀錄代表某一個體事物，包括具體事物（如：一個人、一座建築等）和抽象事物（如：某一個官位）。例如，歷史人物和虛構人物（如王安石有相關的實體紀錄；歷代著作，如《宋史也有實體紀錄；朝代，如北宋也有。實體紀錄可用以紀錄相關該實體的訊息，也用以實現文本中的標記。在上述關於「孔子」的例子中，標記會把「孔子」兩個字連接到孔子其人的實體紀錄。實體紀錄有助於讓電腦分明同名異實的事物，同時準確處理異名同實的情況。每一個實體紀錄有一個唯一辨識碼，如「ctext:27110」（表示天禧年號）。這些辨識碼可用以明確分明同名異實的食物，如「ctext:474358」表示「紹興」（宋代年號），而「ctext:63988」表示「紹興」（西遼年號）。每一個實體紀錄頁面在資料標題直下註明相關的辨識碼。
- 知識宣稱。一個知識宣稱表示有關一個實體的一件訊息；實體紀錄的內容由知識宣稱所構成。每一個知識宣稱連接著三件事物：一個主體（即該宣稱所形容的實體）、一個動詞或關係、以及該動詞或關係的對象。例如，有關王安石的一個知識宣稱會把王安石（主體）和王益（對象）透過動詞「father（父親）」連接，這樣紀錄「王安石的父親為王益」這件事。舉另一個例子，可以把王安石和官位翰林學士透過動詞「held-office（任官）」連接，紀錄「王安石曾經任過這個官位。
有時候在紀錄訊息時，會需要提供相關於該宣稱的進一步資訊。這些資訊可透過增加一個或多數的限定詞（qualifier）來實現。限定詞為知識宣稱的一部分，把該宣稱和另外兩個事物相連接：另外一個動詞（即限定詞），和另外一個相關對象。例如，雖然說王安石曾任過翰林學士是一個有效的宣稱，但如果能同時紀錄他從什麼時候開始任過此官則資訊就會更完整。在這個例子中，可以增加一個「from-date（自某時起）」的限定詞，並把相關日期作為限定詞對象，表示此事。
出處引用
大部分的知識宣稱需要提供具體的出處引用才能建立。出處引用必須採取指定格式，由兩個部分構成：一個URN代表某部書某個版本的某篇或卷，以及相關引用內容（用繁體字）。這兩個部分有「@」符號連結著，如：
- ctp:ws740739@父益，都官員外郎。：這代表文字「父益，都官員外郎。」，出現在摛藻堂四庫全書薈要本《宋史》的〈列傳第八十六〉篇。
大部分的宣稱需要引用出處作為證據，除以下的例外：
- 動詞為以下類型的宣稱：type、authority-...、或link-...： 這些一律不需要（也不應該有）出處
- 動詞為以下類型的宣稱：name：當出處說明兩個名稱指稱同一個實體時才需要提供
- 動詞為以下類型的宣稱：born（出生西曆年份）和died（去世西曆年份）：這兩個動詞用以臨時性的宣稱，表示其它資料來源（如：Wikidata、Wikipedia等）中的年份記載。找到了相關證據之後，請用born-date或died-date代替，並提供機器可讀的日期和證據。
標記慣例
為了保持資料的一致性和實現資料的有效自動處理，請在標記過程中遵守以下的原則：
- 日期：如果文本中年號出現在日期前，請給年號增加一個年號標記，然後把年號後的年/月/日等字詞作為另一個標記。標記客戶端的自動標記功能有助於如此標記。
準確範例 錯誤範例 1 
開慶元年二月 1 開慶元年二月 - 官名和尊號：當官名或尊號包括相關地名時，請把地名和官名或尊號合為一體標記。
準確範例 錯誤範例 1 利州節度使 1 利州節度使
日期
日期是很重要的歷史資料，在此系統中扮演重要角色。一個日期標記把文本中的日期記載（如：「二月」）和足夠相關資訊連結，使得它能夠行程一個精準的日期說明：例如，表示該「二月」指的是某年號、某年中的二月。標記客戶端提供輸入這些資訊的方法，把每一個日期記載和某一個年號相連結。大多數日期記載本身不包括年號等資訊，而讀者能通過脈絡來推出之，如以下例子中：
1 開寶九年冬十月癸丑，太祖崩，帝遂即皇帝位。乙卯，大赦，常赦所不原者咸除之。
上文第一個日期記載是完整的：它本身提供年號以外的足夠資訊，即第九年、第十月、癸丑日，明確指稱歷史上的一天。第二個記載「乙卯」則本身不重複寫「九年十月」，也不重複寫年號「開寶」，而依靠脈絡來傳達這些訊息。日期標記過程中，需要明確提供這些本來依靠脈絡的訊息，使得系統能夠準確處理所有的日期記載。
在此過程中，標記客戶端會利用上文指出最近被提到的年號、年份、和月份，但是這些推薦未必都正確。因此，在標記日期時，請務必注意脈絡中的訊息流，特別是括號型提及，以免輸入錯誤的日期訊息。例如，在下述段落中，紫色的箭頭代表真實的日期訊息流：
標記客戶端會為大多數日期準確推出資訊，例如，據上文準確推出」乙卯「指的是開寶九年十月乙卯，但在這個例子中會錯誤地推出」十一月癸亥「指的是開寶八年十一月癸亥，因為上文剛剛提到過開寶八年。在類似例子中，請留意日期的訊息流：如果不小心把」十一月癸亥「定為開寶八年，很容易影響到下文的日期，因為系統會繼續把」八年「訊息往下流，錯誤地推出」甲子「和」庚午「也指八年而不是九年。尤其在史書中，這類錯誤很容易引發一連串的錯誤，因為大部分的日期資訊依靠上文脈絡傳達。
有語意標記的文本
每一種文獻只要對其中一個版本加上標記。一般情況下，這應該是該資料的代表性文獻。
以下的文獻和版本已經有部分標記。如果想要加上新的語意標記，請使用這些版本：
二十五史
其它史書
- 資治通鑑
- 續資治通鑑
- 廿二史劄記
- 十六國春秋
- 十六國春秋別傳
- 宋史紀事本末
- 明史紀事本末
- 欽定平定台灣紀略
- 曾文正公年譜
- 鴉片事略
- 庚子國變記
- 大越史記全書
- 越史略
- 三國史記
- 全唐文
- 全上古三代秦漢三國六朝文
- 十國春秋