“奇葩”这个词的古籍文献语料
汉语史研究运用出土文献资料的几个问题
汉语史研究运用出土文献资料的几个问题黄德宽【摘要】The article holds that the determination of theformation,transcribing,time and place of buri-al of the excavated text,as well as text replication,is of vital significance for the selection and application of texts in researching the history of the Chinese language. The paper also points out that excavated texts from different periods and of different types exhibit different data value. Not all"excavated texts"are"simultane-ous data". The article suggests that the study of the history of the Chinese language should focus on the study of the characteristics and attributes of the excavated texts, in order to avoid falling into the"new material trap"in the use of excavated texts as the corpus.%出土文献形成、抄写、埋藏时代和地域以及文本流传转抄情况的确定,对汉语史研究语料的选择和运用具有决定性意义;不同时期和类型的出土文献其语料价值是有差异的,"出土文献"并非都相当于"同时资料".汉语史研究在运用出土文献作为语料时,要重视对出土文献的特点和属性的研究,以避免落入"新材料陷阱".【期刊名称】《语言科学》【年(卷),期】2018(017)003【总页数】9页(P235-243)【关键词】汉语史;出土文献;同时资料;语料地域性;语料价值【作者】黄德宽【作者单位】清华大学出土文献研究与保护中心北京 100084【正文语种】中文【中图分类】H1-091 引言出土文献一般指考古新发现的各种文物上的文字资料，如甲骨文、金文、玺印文字、货币文字、碑石文字、简帛文字等。
奇葩是什么意思
奇葩是什么意思
经常听到别人说奇葩，那么奇葩是什么意思？今天小编特地为各位讲解一下。
【百科词解】
比喻某人（或某事物）十分离奇，不落世俗，个性十足，世间罕至。
例如：当你认为某人很不可思议时，你可以开玩笑地说：“你真是一朵奇葩！”常人无法理解。
奇葩这个词汇多带有调侃和讽刺意味，与原本美好出众的事物不同，奇葩多指向一些正常人行为和思维以外的，让人难以理解的行为。
目前的奇葩在网络上频繁出现，大家对此短语也是深感喜爱，对于一些与众不同，夸张，在某领域有着独特的代表方式的称呼，含义多为褒义，对于一些反于是常规的过激方式、则为讽刺含义。
【其他解释】
1、类似于比做美玉，就是很美好，闪亮耀眼，很出色的意思。
2、比喻某人（或某事物）十分特别，不落世俗，个性十足，世间罕见。
3、奇葩，本意是指奇特而美丽的花朵，常用来比喻珍贵奇特的盛貌或非常出众的事物。
4、就是在某一方面与众不同、显得很出众、中性词，但大多时都当褒奖用。
5、常用来比喻珍贵奇特的盛貌或非常出众的事物。
更多关于“奇葩是什么意思”小编会不定时为各位做出更新。
浅谈古籍出版的深度融合发展——以上海古籍出版社的数字化工作为例
16浅谈古籍出版的深度融合发展——以上海古籍出版社的数字化工作为例文/吴长青【摘 要】经过多年的发展，以互联网为代表的数字技术正在加速与经济社会各领域的深度融合，成为促进我国消费升级、经济社会转型、构建国家竞争新优势的重要推动力。
进入21世纪以来，出版业经历了从数字出版到深度融合的发展阶段。
政府出台的各类文件为出版业融合发展作了全面部署，为出版单位探索融合发展新模式、新业态、新领域提供了行动指引。
古籍出版应顺势而为，积极探索数字化转型发展道路，向深度融合领域前进。
【关 键 词】古籍出版；融合发展；数字化【作者单位】吴长青，上海古籍出版社。
【中图分类号】G230.7 【文献标识码】A 【DOI】10.16491/45-1216/g2.2022.12.0032022年4月，中共中央办公厅、国务院办公厅发布《关于推进新时代古籍工作的意见》（以下简称《意见》），对古籍整理研究和出版工作作出重要指示，在古籍出版界引起强烈反响。
紧接着，中共中央宣传部按照《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》有关部署，根据《出版业“十四五”时期发展规划》有关安排，印发了《关于推动出版深度融合发展的实施意见》（以下简称《实施意见》），对出版融合发展作了全面部署，为出版单位探索融合发展新模式、新业态、新领域提供了行动指引。
可见，《意见》与《实施意见》的出台，对古籍出版而言，是当下的福音，也是今后发展的强心剂。
一、战略布局历程与数字出版现状经过多年发展，以互联网为代表的数字技术与制造业、金融业等经济社会各领域的深度融合不断加快，成为促进我国消费升级、经济社会转型、构建国家竞争新优势的重要推动力。
2008年，新闻出版总署设立科技与数字出版司，2010年出台《关于加快我国数字出版产业发展的若干意见》，强调了数字出版是指利用数字技术进行内容编辑加工，并通过网络传播数字内容产品的一种新型出版方式，其主要特征为内容生产数字化、管理过程数字化、产品形态数字化和传播渠道网络化。
古代汉语中的异文
古代汉语中的异文一、概述古代汉语中的异文指的是与传世文献或古籍原文本身存在差异的文字或词语。
这些异文可能是因为抄写错误、印刷误差、传抄时的失误等原因造成的。
异文的存在使得研究古代文献和汉字的演变过程变得更加复杂和有趣。
二、《诗经》中的异文《诗经》作为中国古代文学的瑰宝之一，自然也有许多异文。
例如，有一首《周南·关雎》的异文中，原文“关关雎鸠，在河之洲”中的“洲”字有时变为了“洲”字。
这种异文可能是因为抄写者的笔误导致的。
三、《史记》中的异文《史记》是中国古代史书的经典之作，在其文字中也存在一些异文。
例如，《史记·项羽本纪》中记载项羽与刘邦相见的一段对话，有时出现“天子”与“天子”之间的异文。
这种异文可能是由于抄写时的疏忽或者印刷过程中的错误所致。
四、《论语》中的异文《论语》是儒家经典之一，它的异文也不少。
例如，《论语·述而》中的一段对话有时出现“述而第十二”与“述而第十三”之间的异文。
这种异文可能是因为抄写者的误解或者印刷时的错误所导致的。
五、《红楼梦》中的异文《红楼梦》是中国古代四大名著之一，它的异文也备受关注。
例如，《红楼梦·贾政问刘姥姥》中的一句对话有时出现“恁么”与“恁么”之间的异文。
这种异文可能是由于抄写者对方言的不熟悉或者印刷过程中的疏忽所致。
六、异文的价值与意义异文的存在使得我们对古代文献和汉字的传承和演变过程有了更深入的了解。
通过研究异文，我们可以揭示古代文献的真实面貌，还原历史的真相。
异文也是研究古代文献学和汉字学的重要证据和研究对象。
七、异文的研究方法与途径研究异文需要运用文献学、汉字学、语言学等多学科的知识和方法。
研究者可以通过对多个版本的文献进行比较和对照，找出异文的发生和变异规律。
同时，还可以借助于古籍的校勘注释和相关研究成果，加深对异文的理解和解读。
八、异文的挖掘与应用异文的挖掘需要对古代文献进行深入研究和探索。
研究者可以通过整理和比对古籍版本、查阅古代注释和研究成果等途径，发现更多的异文。
[奇葩是什么意思]奇葩是什么意思
![[奇葩是什么意思]奇葩是什么意思](https://img.taocdn.com/s3/m/bbb8ddde9fc3d5bbfd0a79563c1ec5da50e2d684.png)
[奇葩是什么意思]奇葩是什么意思篇一: 奇葩是什么意思奇葩的本意是指奇特而美丽的花朵。
常用来比喻珍贵奇特的盛貌或非常出众的事物。
比如：出众的作品可以说是奇葩或者独特的客家民居也可以被誉为奇葩。
现在随着网络用语的流行，奇葩一词被用来形容人非常古怪，不落尘俗，特性十足，人间罕至。
例如：当你以为别人很难以想象时，你能够恶作剧地说：“你真是一朵奇葩！”或者形容一个人做出非人类的举动，思想特别幼稚、自负、或是太过自大，以自我为中心、不理别人的感受、脑残等，都能称之为“奇葩”。
当然这时奇葩成为一个贬义词。
篇二: 奇葩是什么意思奇葩的本意是指奇特而美丽的花朵。
常用来比喻珍贵奇特的盛貌或非常出众的事物。
比如：出众的作品可以说是奇葩或者独特的客家民居也可以被誉为奇葩。
现在随着网络用语的流行，奇葩一词被用来形容人非常古怪，不落尘俗，特性十足，人间罕至。
例如：当你以为别人很难以想象时，你能够恶作剧地说：“你真是一朵奇葩！”或者形容一个人做出非人类的举动，思想特别幼稚、自负、或是太过自大，以自我为中心、不理别人的感受、脑残等，都能称之为“奇葩”。
当然这时奇葩成为一个贬义词。
篇三: 奇葩是什么意思?注释词目：奇葩拼音：qí pā词义：奇：罕见的、特殊的、非常美丽的，出众的;葩：花。
近义词：瑰宝1.奇特美丽的花。
现在多指奇特而美丽的事物。
例：这位小姐，真是比奇葩还美。
2.比喻出众的作品。
例：这一幅画真美，在画刊里十分显眼，真是一朵奇葩。
3.很美丽的地方。
“世界民居奇葩”详细解释1. 珍奇的花。
《美人赋》：“奇葩逸丽，淑质艶光。
” 明朱鼎《玉镜台记·庆赏》：“只见万种奇葩呈艶丽，十分春色在枝头。
” 郭沫若《蔡文姬》第五幕：“春兰秋菊呵竟放奇葩，熏风永驻呵吹绿天涯!”2. 比喻出众的作品。
碧野《名城颂》：“﹝《丝路花雨》﹞这朵鲜艳多姿的艺术奇葩，给死者以怀念，给生者以欣慰。
”3.网络名词。
比喻某人十分离奇，不落世俗，个性十足，世间罕至。
奇葩的意思是什么
奇葩的意思是什么
奇葩的意思：
原意是指奇特而美丽的花朵，常用来比喻不同寻常的优秀文艺作品或非常出众的人物。
现多指一些稀奇古怪、让人无法理解的人物或现象。
英文解释
wonderful flowers;crackpot;weirdo;
详细解释
珍奇的花。
汉司马相如《美人赋》：“奇葩逸丽，淑质艶光。
” 明朱鼎《玉镜台记·庆赏》：“只见万种奇葩呈艶丽，十分春色在枝头。
” 郭沫若《蔡文姬》第五幕：“春兰秋菊呵竟放奇葩，熏风永驻呵吹绿天涯!”
喻出众的作品。
碧野《名城颂》：“﹝《丝路花雨》﹞这朵鲜艳多姿的艺术奇葩，给死者以怀念，给生者以欣慰。
”
奇特美丽的花。
现多指奇特而美丽的事物。
例：这位小姐，真是比奇葩还美。
比喻出众的作品。
例：这一幅画漂亮，在画刊里十分显眼，真是一朵奇葩。
客家民居被誉为“世界民居奇葩”。
褒义词。
本意是指奇特而美丽的花朵，常用来比喻珍贵奇特的盛貌或非常出众的事物。
名花多形容女人，名花有主。
奇葩多形容奇才，天才之类的。
例如，他天资聪颖，是数学界的一朵奇葩。
一起学谜史：古代隐语
⼀起学谜史：古代隐语中华灯谜源远流长，距今已有三千五百年以上的历史了。
灯谜起源于民间⼝头⽂学，是⼈民群众长期社会实践的产物，是劳动⼈民聪明才智的表现。
据现有古籍史料考察表明，灯谜经历了先秦隐语廋辞、汉魏六朝离合体谜以⾄隋唐谜语这样长时期的演变、进化的发展过程。
古代隐语⼀、先秦隐语廋辞从灯谜“曲折隐意”这⼀⼤特征算起，谜的萌⽣可追溯⾄上古黄帝时代的《弹歌》（见于汉⼈赵晔《吴越春秋》）：“断⽵、续⽵；飞⼟、逐⾁。
”这⾸纪事的古谣，隐喻了制作弹⼸以猎取野兽之事，属隐语性质。
这则隐语，可以说是谜语的最早萌芽。
到了夏商周时，有了更多的民谣式隐语出现。
《书经·汤誓》载：夏桀王暴虐⽆道，百姓敢怒不敢⾔，于是流传这样的民谣：“时⽇曷丧？予及汝偕亡。
”夏桀曾说，他有天下，如同天之有⽇，⽇亡他就亡。
百姓恨他咒他说：“太阳呀，什么时候你才丧亡呢？让我和你⼀起死去吧！”这⾸民谣含蓄隐晦地表达了⼈民群众对残暴君主的愤恨⼼情。
⾄于《国语·晋语五》中载“秦客廋辞于朝”，三国韦昭注：“廋，隐也，谓之隐伏谲诡之⾔问于朝也。
”南宋周密《齐东野语》释：“古之所谓廋辞，即今之隐语，⽽俗所谓谜。
”据此，把廋辞当作隐语是可信的。
战国末期隐语开始向谜语演化，这种演化是从赋体开始到离合体才告完成的。
荀卿的《蚕赋》就是咏物的代表作之⼀：“……冬伏⽽夏游，⾷桑⽽吐丝，前乱⽽后治，夏⽣⽽恶暑，喜湿⽽恶⾬，蛹以为母，蛾以为⽗。
三俯三起，事乃⼤已。
”此赋以隐喻、拟⼈、摹形等⼿法，描述了蚕的形状、特征、⽣长过程和功⽤，已初步具备了后世谜语的雏形。
正如我国著名古典⽂艺理论家刘勰在《⽂⼼雕龙》中讲述谜的特征时所⾔：“纤巧以弄思，浅察以衒辞，义欲婉⽽正，辞欲隐⽽显。
荀卿《蚕赋》，已兆其体。
”西汉时隐语进⼀步向谜语发展，其代表⼈物是东⽅朔，《太平⼴记》中就有他与宫廷优⼈郭舍⼈关于互猜隐语的记载。
有⼀次，郭舍⼈出⼀则隐语：“客从东⽅，且歌且⾏，不从门⼊，逾我垣墙，游戏中庭，上⼊殿堂。
【国家社会科学基金】_古籍文献_基金支持热词逐年推荐_【万方软件创新助手】_20140808
2011年 科研热词 辑佚 校勘 回归 题跋 镜花缘 钞本 量词 选本价值 追讨 辨伪 赋 责任 误释 语法化 语料库 语义 西洋记 胡应麟 考释 经典释文 简帛文献 祢氏 祢植 祢寔进 相关性 皇甫四杰 百济 生平家世 源流 清代子弟书 清代后期 海外异国 流失古籍 汉代经学 段玉裁 楚辞书目 校本 本体 明代诗歌 文献 张澍 异文 宋本 学术价值 嬗变 婢妾身份 婚姻管理 奴婢 图书馆 国家图书馆 唐诗 唐宋变革 推荐指数 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
推荐指数 3 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
Байду номын сангаас
2010年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
科研热词 古籍文献 流失海外 探险队 追索 行为分析 藏书家后代 著录信息 英国 自动编纂 自动注释 美国 编次缀合 编撰者 系统测试 演变 清代杂剧 流散海外 汉学研究 汉制仪节 明遗民 方志著录 数据库采购 掠夺破坏 宁夏大学图书馆 回归 商贸 吴方言词 古籍数据库 古籍善本 卡片式著录 决策咨询 农业古籍 元数据著录 僧侣 传教士 中国古籍 专业数据库 《满洲四礼集》 《杂剧三集》 《古今图书集成》
《回鹘式蒙古文文献语料库及其管理程序设计》范文
《回鹘式蒙古文文献语料库及其管理程序设计》篇一一、引言随着信息技术的发展和计算机应用在蒙古文研究领域的深入，对回鹘式蒙古文文献的保存、传承以及管理方式提出了新的要求。
本文旨在探讨回鹘式蒙古文文献语料库的构建及其管理程序设计，以实现蒙古文文献的数字化、系统化管理和有效利用。
二、回鹘式蒙古文概述回鹘式蒙古文，又称为蒙古文老字或老蒙古文，是古代蒙古族所使用的文字之一。
它承载了丰富的历史和文化信息，是研究蒙古族历史和文化的宝贵资源。
然而，随着时代的发展，这种古老的文字逐渐被现代蒙古文所取代，因此对其进行数字化保存和系统化管理显得尤为重要。
三、回鹘式蒙古文文献语料库的构建（一）语料来源构建回鹘式蒙古文文献语料库的首要任务是收集和整理各类文献资源。
这包括古籍、历史文献、手稿、碑刻等。
同时，也要注重从民间收集散落的文献资料，以确保语料库的丰富性和完整性。
（二）语料分类与整理根据文献的类型、来源和内容，对收集到的语料进行分类和整理。
分类标准可以包括历史时期、地域、主题等。
同时，要对文献进行数字化处理，如扫描、OCR识别等，以便于计算机管理和检索。
（三）数据库设计设计一个合理的数据库结构是语料库建设的关键。
数据库应包括文献的基本信息（如作者、成书时间、来源等）、文本内容、图像资料等。
同时，要考虑数据库的扩展性和可维护性，以便于未来的更新和管理。
四、管理程序设计（一）设计目标管理程序的设计目标包括数据的输入、存储、检索、分析和输出等功能，实现对回鹘式蒙古文文献的数字化管理和有效利用。
（二）程序架构程序架构应采用模块化设计，便于后期维护和扩展。
主要模块包括用户管理、文献管理、数据检索、数据分析等。
用户管理模块负责用户权限管理和操作日志记录；文献管理模块负责文献的录入、编辑和删除等操作；数据检索模块提供多种检索方式，如关键词检索、全文检索等；数据分析模块则提供对语料库数据的统计分析功能。
（三）程序功能实现1. 数据输入与存储：程序应支持多种格式的文献数据输入，如TXT、DOCX、PDF等，并可转换为统一的数据库格式进行存储。
基于BERT-BiLSTM-CRF_古籍文献命名实体识别
第44卷㊀第3期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀湖北科技学院学报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀Vol.44,No.3㊀2024年6月㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀Journal of Hubei University of Science and Technology㊀㊀㊀㊀㊀㊀㊀㊀Jun.2024文章编号:2095-4654(2024)03-0151-06㊀㊀㊀㊀基于BERT-BiLSTM-CRF古籍文献命名实体识别㊀㊀㊀㊀蔡维奕(西北民族大学㊀数学与计算机科学学院,甘肃㊀兰州㊀730030)摘㊀要:古籍文献中存在着大量的多字词㊁歧义词㊁异体字等问题,使得古籍文献命名实体识别成为了一项具有挑战性的任务㊂本文提出一种基于BERT-BiLSTM-CRF模型的古籍文献命名实体识别方法㊂该方法首先用预训练语言模型BERT来建模字的上下文表示,然后通过BiLSTM模型对BERT的输出进行加工,解决长距离依赖问题,得到更加丰富的特征信息,最后通过CRF模型对这些特征进行联合建模,从而实现对古籍文献中命名实体的精确识别㊂实验结果显示,BERT-BiLSTM-CRF性能超过了所有基线模型㊂关键词:BiLSTM模型;BERT模型;古籍文献中图分类号:TP391.1㊀㊀㊀㊀㊀㊀㊀㊀文献标识码:A㊀㊀㊀㊀㊀开放科学(资源服务)标识码(OSID ):㊀㊀古籍文献包含了丰富的历史㊁文化和语言信息,对于人类文明的研究和传承具有重要意义㊂古籍文献的命名实体识别旨在自动识别出古籍文本中人名㊁地名㊁机构名等实体㊂它是正确分析处理古籍文献文本的基础步骤,也是深度挖掘㊁分析古代人文知识与文化的重要前提㊂然而,由于古籍文献的特殊性,如书写方式㊁语言习惯等,使得古籍文献命名实体识别(Named Entity Recognition,NER)成为了一项具有挑战性的任务㊂近年来,学界已有多项研究[1-3]关注史籍㊁方志㊁诗词㊁中医等类目的古籍命名实体识别,构建了一些针对垂直领域的小型标注数据集,实体标注的体系和规范有所差异,识别范围往往由三种基本实体类别扩充至人文计算研究所需的多种特殊类别,如书名㊁药物名㊁疾病名㊁动植物名等㊂这些研究所构建针对特殊领域的小型标注数据集,实体类型有差异㊂另一方面,古文字词含义的多样性㊁行文结构的连续性以及多用繁体字㊁无句点等特点,也增加了古籍文献命名实体识别任务的复杂和困难程度㊂在过去的几年中,深度学习技术在自然语言处理领域取得了巨大的成功,BERT(Bidirectional En-coder Representations from Transformers)模型[4]作为其中的代表之一,以其卓越的性能和广泛的应用受到了广泛关注㊂基于BERT的古籍文献NER任务[3]已经成为了当前研究的热点之一㊂然而,由于BERT模型本身是一个字词级别的模型,而古籍文献中存在着大量的多字词㊁歧义词㊁异体字等问题,这就需要我们对BERT进行改进和优化㊂本文提出了一种基于BERT-BiLSTM-CRF模型的古籍文献NER方法㊂该方法首先用预训练语言模型BERT来建模字的上下文表示的基础上,引入了BiLSTM[5](Bi-directional Long Short Term Memo-ry)和CRF[6](conditional Rondom Fields)模型,通过BiLSTM模型对BERT的输出进行加工,得到更加丰富的特征信息,然后通过CRF模型对这些特征进行联合建模,从而实现对古籍文献中命名实体的精确识别㊂本文的主要贡献包括:∗收稿日期:2023-12-08(1)提出了一种基于BERT-BiLSTM-CRF模型的古籍文献命名实体识别方法;(2)在公开数据集上进行了大量实验,并与其他方法进行了对比;(3)分析了实验结果,探讨了该方法的优缺点和改进方向㊂一㊁相关工作在自然语言处理领域,命名实体识别(NER)是一个重要的任务,其目的是从文本中识别出具有特定意义的实体,如人名㊁地名㊁机构名等㊂近年来,深度学习技术在自然语言处理领域取得了巨大的成功,其中基于预训练语言模型的NER方法已经成为了当前研究的热点之一㊂1.预训练语言模型预训练语言模型是指在大规模文本数据上进行无监督预训练的语言模型,它可以学习到丰富的语言知识,并将这些知识应用于各种自然语言处理任务中㊂其中BERT是一种基于Transformer架构的预训练语言模型,它通过双向编码器对输入序列进行编码,从而学习到上下文相关的词向量表示㊂BERT 模型在多项自然语言处理任务上取得了卓越的性能,如情感分析[7,8]㊁问答系统[9]㊁文本分类等[10]㊂2.基于BERT的命名实体识别方法基于BERT的命名实体识别方法是自然语言处理领域中的研究热点之一,在多个数据集上均取得了优秀的表现㊂目前,基于BERT的命名实体识别方法的研究现状主要包括以下几个方面: (1)模型结构的改进:通过引入不同的模型结构来提高命名实体识别的性能㊂例如,将BERT与BiLSTM㊁CRF等模型结合[11-13],可以更好地捕捉上下文信息和标签之间的依赖关系㊂(2)数据增强的研究:由于命名实体识别数据集通常较小,对模型的训练和泛化能力造成了一定的影响㊂因此,研究者通过数据增强等方法来扩充训练数据集[14],从而提高模型的性能㊂(3)多语言命名实体识别:由于BERT在多语言上均有较好的表现,因此研究者将其应用于多语言命名实体识别任务中㊂例如,通过使用跨语言预训练模型来进行多语言实体识别[15]㊂(4)迁移学习:在预训练阶段,BERT学习了大量无标签的语言数据,从而捕获了丰富的语言特征㊂然而,对于特定的下游任务,这些预训练的语言表示可能不够精确,因此需要进行微调㊂迁移学习是一种常用的微调方法,它利用预训练模型已经学习到的知识来帮助解决新的任务㊂在迁移学习中,预训练模型首先被加载并冻结(即不参与训练),然后使用任务特定的数据来微调模型的顶部层(通常是全连接层)㊂通过这种方式,模型可以利用已经学习到的知识来改善对新任务的适应能力㊂将BERT预训练模型进行微调,可用于不同领域和不同任务的命名实体识别[16,17]㊂本文把中文训练的BERT-Base-Chinese语言模型,运用于古籍文献,本质上将BERT预训练模型作微调,进行迁移学习,并结合BiLSTM㊁CRF等模型结合更好地捕捉上下文信息和标签之间的依赖关系㊂图1㊀模型总体结构图二㊁模型基于BERT-BiLSTM-CRF的古籍文献NER方法旨在提高古籍文献NER任务的准确性㊂它是一种基于预训练语言模型BERT㊁双向LSTM和条件随机场(CRF)的命名实体识别方法㊂该方法BERT-BiLSTM-CRF模型的结构如图1所示㊂首先使用BERT预训练语言模型对输入序列进行编码,然后将编码结果输入到BiLSTM序列模型中,从而学习到上下文相关的特征表示㊂最后,通过CRF模型对标签序列进行建模,从而实现对命名实体的识别㊂1.BERT层BERT是一种基于Transformer架构的预训练语言模型,它通过双向编码器对输入序列进行编码,在本文方法中主要学习古文字的上下文相关的向量表示㊂BERT通过两个阶段的训练来获得上下文相关的输出字向量表示:第一阶段是无监督的预训练,用于学习通用的语言知识;第二阶段是有监督的微调,用于将BERT模型应用于特定的自然语言处理任务㊃251㊃湖北科技学院学报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀总第44卷中㊂在古籍文献NER任务中,一个输入可表示为s =(w1,w2, ,w n),其中w i表示输入的第i的字㊂每个字w i编码由三部分组成:(1)token embedding:将字转换成固定维度的向量㊂每个字会被转换成768维的向量表示㊂此外,两个特殊的token会被插入到tokenization的结果的开头([CLS])和结尾([SEP])㊂(2)segment embedding:用于区分一个token属于句子对中的哪个句子㊂Segment Embeddings包含两种向量表示㊂前一个向量是把0赋给第一个句子中的各个token,后一个向量是把1赋给第二个句子中的各个token㊂如果输入仅仅只有一个句子,那么它的segment embedding就是全0㊂(3)position embedding:由于Transformers无法编码输入的序列的顺序性,所以BERT在各个位置上学习一个向量表示来将序列顺序的信息编码进来㊂最终,古文字w i由三个embedding编码连接得到,即E i=E token E seg E pos㊂经过BERT层,得到每个字的向量表示:X i=Bert(E i)㊂2.Bi-LSTM层本文采用双向LSTM来学习每个古文字的中间表示,其优点可利用远距离的特征㊂对每一个LSTM 单元由多个实向量组合而成,包括输入门向量i t,忘记门向量f t,输出门向量o t,内存单元c t和隐藏状态h t㊂各变量内计算公式如下:i t=σ(W(i)x t+U(i)h t-1+b(i)f t=σ(W(f)x t+U(f)h t-1+b(f)o t=σ(W(o)x t+U(o)h t-1+b(o)u t=tanh(W(u)x t+U(u)h t-1+b(u)c i=i t☉u t+f t☉c t-1h t=o t☉tanh(c i)式中σ,tanh表示神经元的激活函数㊂W,U是权重矩阵,b是偏差向量㊂对于序列中的每个字,其输入为BERT层的输出,即x t㊂输出为h t,在Bi-LSTM网络中,其输出向量为左㊁右LSTM的输出连接组成,即h t=[h➝t,h t]㊂3.CRF层最后,本文采用CRF对标签序列进行全局建模,并考虑标签之间的依赖关系㊂具体地,对BiL-STM层的输出序列h1, ,h n作为CRF的特征输入,一个标签序列y=y1, ,y n的条件概率采用下面公式计算为:o i=Wh ip(y|s)=eði o i[y i]+T[y i,y i-1]ðy'eði o i[y'i]+T[y'i,y'i-1]其中y'=y'1, ,y'n是一个候选标签序列输出, W为发射矩阵,T为状态转移矩阵㊂在推断时,采用Viterbi算法发现概率最高的标签序列㊂在训练时,采用交叉熵损失,具体地,假设给定古文序列的黄金标签是g=g1, ,g n该实例的损失函数定义如下:L ner=-log p(g|s)三、实验与分析1.数据集文本采用2023中国计算语言学大会古籍命名实体识别评测数据集,由北京大学数字人文研究中心组织标注,语料来源是网络上公开的部分中国古代正史纪传文本㊂数据集以 二十四史 为基础语料,包含13部书中的22卷语料,随机截断为长度约100字的片段,标注了人名(PER)㊁书名(BOOK)㊁官职名(OFI)三种实体,总计15.4万字(计标点)㊂数据集统计如下:表1㊀实验用数据集统计总字数实例数人名数书名数官职数实体总数15.4万字23476670213336310246㊀㊀标签方案采用 BISO ,其中 B 表示实体的开始字符, I 表示实体的其它字符, S 表示只含单字实体, O 表示非实体字符㊂下面给出一个标签例子:友_B-PER倫_I-PER幼_O亦_O明_O敏_O,_ O通_O論_B-BOOK語_I-BOOK㊁_O小_B-BOOK 學_I-BOOK,_O曉_O音_O律_O㊂_O存_S-PER已_O死_O,_O太_B-PER祖_I-PER以_O友_B-PER 倫_I-PER為_O元_B-OFI從_B-OFI馬_I-OFI軍_I -OFI指_I-OFI揮_I-OFI使_I-OFI},_O表_O右_B -OFI威_I-OFI武_I-OFI將_I-OFI軍_I-OFI㊂2.实验设置实验时标注语料按8ʒ1ʒ1分别分为训练集㊁开发集和测试集㊂主要超参数设置如表2所示㊂㊃351㊃2024年第3期㊀㊀㊀㊀㊀㊀㊀㊀㊀蔡维奕:基于BERT-BiLSTM-CRF古籍文献命名实体识别表2㊀超参设置表超参值超参值dropout0.5L21e-8 Batch size16Learing rate1e-5 Optimizer Adm Learning rate decay0.05 Momentum0.9Learning rate clipping 5.0㊀㊀实验采用精度(P)㊁召回率(R)和F1值三个指标评估模型性能,分别表示如下:P=预测正确的实体数预测的总实体数R=预测正确的实体数总实体数F1=2∗P∗RP+R3.实验结果为了比较本文采用的模型,实验引入3个基线,分别描述如下:(1)CRF:结合了最大熵模型和隐马尔可夫模型的特点,在序列标注任务中取得了很好的效果,特征采用相连5个窗口内的字符及其组合㊂(2)BiLSTM-CRF:结合BiLSTM与CRF,字向量表示随机初始化㊂模型参数与本文所提出模型的对应组件相同㊂(3)BERT-CRF:使BERT学习到字符的表示,并做为特征直接输出到CRF㊂模型参数与本文所提出模型的对应组件相同㊂表3给出基线与本文所提模型的实验结果㊂可以发现,仅采用离散特征的CRF模型性能远低于采用密向量表示的模型㊂在三个密向量表示的模型,采用预训练语言模型的BERT-CRF的性能高于未采用预训练语言模型的BiLSTM-CRF㊂本文所采用模型充分利用BERT与BiLSTM的优点,在精度㊁召回率和F1值都取得最高的分数㊂表3㊀基线与本文所提模型的实验结果模型P R F1CRF82.4882.3282.40BiLSTM-CRF89.8787.5488.69BERT-CRF92.590.6591.57BERT-BiLSTM-CRF93.591.292.34 4.实验分析本节从学习率㊁训练批大小方面分析了超参对性能的影响,此外,也比较分析了不同实体类型㊁不同文本长度的性能㊂(1)学习率影响图2显示了不同学习率对性能的影响,可以看到,当学习率为1e-5时,本文模型在精度㊁召回率和F1值达到了最好的性能㊂图2㊀不同学习率的性能(2)批训练大小的影响批训练大小也是重要超参之一㊂图3显示了不同批训练大小的F1值,可以看出,当批训练大小为16时,模型取得了最好的性能㊂图3㊀不同批训练大小的性能(3)不同类型实体识别结果表3给出不同类型的命名实体的识别比较结果㊂可以看出,书名实体的识别效果最差,人名识别效果最好,主要原因是书名的训练实例太少,而人名的训练实例比较多㊂此外,本文采用模型在所有的类型上都超过了BERT-CRF的识别性能㊂表3㊀模型对不同类型命名实体的识别比较类型BERT-CRF BERT-BiLSTM-CRF 人名(PER)92.4593.86书名(BOOK)83.4685.6官职名(OFI)91.1391.65 (4)不同文本长度的实验结果BiLSTM能抓住长距离依存特征㊂实验比较了不同文本长度的识别性的影响㊂我们样本按句子长度分为4组:小于10㊁大于等于10及小于30㊁大于等于30及小于50㊁大于等于50.表4给出本文模型与BERT-CRF的比较结果㊂可以看出,当文本长度㊃451㊃湖北科技学院学报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀总第44卷小于10时,两个模型性能基本相同㊂随着文本长度增大,两个模型的识别性能差距不断变大,当长度大于50时,本文模型超过BERT-CRF模型达到2.11%㊂这显示本文模型能有效抓住长文本的长距离依存信息㊂表4㊀不同长度文本的识别F1值比较文本长度BERT-CF BERT-BiLSTM-CRF<1097.3197.3410ɤ㊃ɤ3094.1094.2130<㊃ɤ5088.5389.04>5078.3580.46㊀㊀(5)实例分析为了更好地与基线进行比较,表5给出了本文方法与BiLSTM-CRF在古文命名实体识别的实例分析㊂在例子1中,BiLSTM-CRF方法由于缺少更多的上下文语义信息,并没有识别出人名{王鐵槍| PER}㊂在例子2中,本文所提方法识别出了所有的实体,而BiLSTM-CRF把两个OFI实体没有识别准确,这说明本文所提方法能获得更多边界信息㊂表5㊀实例分析与比较序号句子实例BiLSTM-CRF BERT-BiLSTM-CRF1持一鐵槍,騎而馳突,奮疾如飛,而佗人莫能舉也,軍中號{王鐵槍|PER}㊂持一鐵槍,騎而馳突,奮疾如飛,而佗人莫能舉也,軍中號王鐵槍㊂持一鐵槍,騎而馳突,奮疾如飛,而佗人莫能舉也,軍中號{王鐵槍|PER}㊂2壬午,{匡國軍節度使|OFI}{劉知俊|PER}爲{潞州行營招討使|OFI}㊂癸巳,改卜郊㊂{張文蔚|PER}薨㊂壬午,匡國軍{節度使|OFI}{劉知俊|PER}爲潞州行營{招討使|OFI}㊂癸巳,改卜郊㊂{張文蔚|PER}薨㊂壬午,{匡國軍節度使|OFI}{劉知俊|PER}爲{潞州行營招討使|OFI}㊂癸巳,改卜郊㊂{張文蔚|PER}薨四㊁结论古籍文献命名实体识别是正确分析处理古籍文献文本的基础步骤,也是深度挖掘㊁分析古代人文知识与文化的重要前提㊂本文采用BERT-BILSTM-CRF模型实现对古籍文献命名实体识别,实验表明模型的准确率㊁召回率和F1值均达到了较好的效果㊂此外实验也显示本模型能有效抓住长距离文本的依存信息㊂虽然书名实体识别性能不佳,这主要是由于训练语料太少,模型训练不充分所致㊂本文主要研究人名㊁书名㊁官职名三类古籍文献命名实体㊂后期研究工作中,将收集整理更大规模的古籍文献命名实体语料,研究更多的不同类型的古籍文献命名实体,并进一步研究模型各项参数,训练更好的模型,为古籍文献命名实体识别提供帮助㊂参考文献:[1]㊀崔丹丹,刘秀磊,陈若愚,等.基于Lattice LSTM的古汉语命名实体识别[J].计算机科学,2020,47(S2):18-22.[2]㊀胡为,刘伟,石玉敬.基于BERT-BiLSTM-CRF的中医医案命名实体识别方法[J].计算机时代,2022(9):119-122+135.[3]㊀余馨玲,常娥.基于DA-BERT-CRF模型的古诗词地名自动识别研究 以金陵古诗词为例[J].图书馆杂志,2023,42(10):87-94+73.[4]㊀Devlin J,Chang MW,Lee K.Bert:Pre-training of deepbidirectional transformers for language understanding[J/OL].https:///pdf/1810.04805.pdf.11Oct.2018.[5]㊀Schuster M,Paliwal KK.Bidirectional recurrent neuralnetworks[J].IEEE transactions on Signal Processing.1997,45(11):2673-2681.[6]㊀McCallum A.Efficiently inducing features of conditionalrandom fields[C].//Inproceedings of the Nineteenthconference on Uncertainty in Artificial Intelligence,USA,7Aug.2002.[7]㊀Gao Z,Feng A,Song X,etal.Target-dependent senti-ment classification with BERT[J].Ieee Access,2019(7):154290-154299.[8]㊀Catelli R,Pelosi S,Esposito M.Lexicon-based vs Bert-based sentiment analysis:A comparative study in Italian[J].Electronics,2022,11(3):374.[9]㊀Guven Z A,Unalir M O.Natural language based analysisof SQuAD:An analytical approach for BERT[J].ExpertSystems with Applications,2022,195:116592. [10]Esmaeilzadeh A,Taghva K.Text classification using neu-ral network language model(nnlm)and bert:An empiri-cal comparison[C].//Intelligent Systems and Applica-tions:Proceedings of the2021Intelligent Systems Confer-ence(IntelliSys)Volume3.Springer International Pub-lishing,2022:175-189.[11]Souza F,Nogueira R,Lotufo R.Portuguese named entityrecognition using BERT-CRF[J/OL].https://arxiv.㊃551㊃2024年第3期㊀㊀㊀㊀㊀㊀㊀㊀㊀蔡维奕:基于BERT-BiLSTM-CRF古籍文献命名实体识别org/pdf/1909.10649.pdf.23Sep.2019. [12]Alsaaran N,Alrabiah M.Arabic named entity recogni-tion:A BERT-BGRU approach[J].Computers,Materi-als and Continua,2022,68:471-485.[13]Jiang S,Zhao S,Hou K,etal.A BERT-BiLSTM-CRFmodel for Chinese electronic medical records named entityrecognition[C].//12th international conference on intelli-gent computation technology and automation(ICICTA).IEEE,2019:166-169.[14]Tikhomirov M,Loukachevitch N,Sirotina A,ingbert and augmentation in named entity recognition for cy-bersecurity domain[C].//Natural Language Processingand Information Systems:25th International Conference onApplications of Natural Language to Information Systems,Germany,24–26June,2020.[15]Hakala K,Pyysalo S.Biomedical named entity recogni-tion with multilingual BERT[C].//Proceedings of the5thworkshop on BioNLP open shared tasks.ACL,2019:56-61.[16]Labusch K,Kulturbesitz P,Neudecker C,etal.BERTfor named entity recognition in contemporary and historicalGerman[C].//Proceedings of the15th conference on nat-ural language processing.ACL,2019:8-11. [17]Montejo-Ráez,A and Jiménez-Zafra,S.M.Current Ap-proaches and Applications in Natural Language Processing[J].Applied Sciences,2022,12(10):4859.Named Entity Recognition in Ancient Books andLiterature Based on BERT-BiLSTM-CRFCAI Wei-yi(School of Mathematics and Computer Science Northwest Minzu University,Lanzhou730030,China)Abstract:There are a lot of complex words,ambiguous words,variant characters,and other problems in ancient texts,making named entity recognition in ancient texts a challenging task.This paper proposes a named enti-ty recognition method for ancient texts based on the BERT-BiLSTM-CRF model.This method first uses a pre-trained language model BERT to model the context representation of characters,then processes the output of BERT through a BiLSTM model to solve the problem of long-distance dependencies and obtain richer feature information. Finally,these features are jointly modeled through a CRF model to achieve accurate identification of named entities in ancient documents.Experimental results show that the performance of BERT-BiLSTM-CRF exceeds all baseline models.Key words:Bilstm model;Bert model;Ancient texts责任编辑:彭茜珍㊃651㊃湖北科技学院学报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀总第44卷。
古汉语电子语料库资源与类型概述
近年来 在古 汉语 电子语 料 库 的 支持 下 ， 信息 处 理 的 角度 研 从 究 古汉 语词 汇 、 法和 语 义 问题 的成 果 也 日渐 增 多 。除 了词 语 自 语 动切分 、 词性 自动标 注 等语料 加工技 术 以外 ， 汉语 电子语 料库 在 古 开 发信 息抽取 系统 、 信息 检索 பைடு நூலகம்统 、 文本 分类 和过滤 系统方 面正逐 渐 朝着智 能化 方 向发 展 。事 实 上 ， 古汉 语 电 子语 料库 开 发 建设 的
应用 ， 建立 了各种 类型 的语料 库 。 所 谓古 汉语 电子语 料 库是 指 经过 深 度 加工 ， 注 了 各种 语 言 标 学属性 以便 进行语 言 学研 究 的古 籍 数据 库 ， 称汉 语 古 籍语 料 库 又 （ 建 军 ２０ ：０ — １９ 或 古 文 献 数 字 语 料 库 （ 东 海 ２０ ： 杨 ０ ６ １３ ０ ） 王 ０ ５ １ ７ ２ ） 建立 古汉语 电子 语 料库 的 目的是 要 运 用计 算 机 技 术 ， １ —１ １ ，
通过语 料库 来研究 古代 汉语 的语 言规律 。古 汉语 电子语 料库 已经
成为汉 语史 研究 不可 缺少 的墓础 资源 。 古 汉语 电 子语 料 库 能 够 提 供 大 量 的 古汉 语 自然 语 言 材 料 ， 有 助 于 研 究 者 据 其 得 出 可 验 证 的 结 论 。 在 计 算 机 技 术 的 支 持 下 ， 汉语 电 子 语 料 库 可 以 应 用 于 词 汇 、 法 、 义 、 用 、 古 语 语 语 语 体研究 ， 可应用 于词 典 编纂 、 汉语 教 学 以及人 工智 能 、 也 古 机 器 翻 译 等 领域 。古 汉 语 电子 语 料 库 的应 用 还 处 于 起 步 阶 段 ， 主 要 用 于 字 、 频 率 统 计 或 是 对 词 汇 、 法 现 象 进 行 归 纳 统 计 词 语
中医药古籍文献实体标注规范探索
刘丽红, 付 璐, 姚克宇, 等. 中医药古籍文献实体标注规范探索[J]. 中华医学图书情报杂志, 2022, 31(12): 1-6. DOI：10.3969/j.issn.1671-3982.2022.12.001·研究与探讨·中医药古籍文献实体标注规范探索刘丽红1，付 璐2，姚克宇1，王俊慧3，朱 彦1[摘要]针对中医药古籍文献进行语义标注，以《健康信息学—中医药学语言系统语义网络框架》中医药学语言系统的语义网络框架为标准，参考清代医籍的语料分类模式，结合中医古籍文献的特点，面向中医临床证治主题，选取与临床诊疗密切相关的“病—证—治—方—药”术语，探索性标注9类语料实体，提出中医药语料实体标注流程规范、总原则，并同时基于标注实践对在标注过程中产生的易混淆的实体进行进一步细化区分，以期为中医药文献语料实体标注研究提供参考，帮助研究人员快速、准确地进行知识检索与获取。
[关键词]中医药文献；中医药古籍；实体标注；规范[中图分类号]R2-52；G254.3 [文献标志码]A [文章编号]1671-3982(2022)12-0001-06An exploration of entity labeling specifications for ancient books of traditional Chinese medicine LIU Li-hong 1, FU Lu 2, YAO Ke-yu 1, WANG Jun-hui 3, ZHU Yan 1（1.Institute of Information on Traditional Chinese Medicine, China Academy of Chinese Medical Sciences, Beijing 100700, China; 2.National Resource Center for Chinese Materia Medica, China Academy of Chinese Medical Sciences, Beijing 100700, China; 3.Guang ′anmen Hospital, China Academy of Chinese Medical Sciences, Beijing 100053, China） Corresponding author: ZHU Yan[Abstract ] Using Health informatics —Semantic network framework of traditional Chinese medicine languagesystem as the standards, semantic labeling of ancient books of traditional Chinese medicine was conducted withreference to the corpus classification model of Qing dynasty medical texts. Combined with the characteristics of ancient TCM literature and the theme of clinical diagnosis and treatment, the terminology "disease -syndrome -therapy -prescription -medicine" closely related to clinical treatment was selected, the labeling of nine types of corpus entities was explored, and the specifications and general principles were proposed. It further refined the distinction of confusing entities generated in the process based on the labeling practice, with a view to providing a reference for the study of entity labeling of TCM literature corpus and helping researchers to perform knowledge retrieval and acquisition quickly and accurately.[Key words ] TCM literature; TCM ancient book; Entity labeling; Specification[基金项目]科技基础资源调查专项资助“中医药防治疫病知识库平台的构建与应用研究”（2022FY102005）；中国中医科学院科技创新工程“中医药通用数据元素表示及应用示范研究”（CI2021A05409）；中国中医科学院基本科研业务费自主选题“基于术语集的中医药文献语料库与知识库一体化系统构建研究”（ZZ150316）[作者单位]1.中国中医科学院中医药信息研究所，北京 100700；2.中国中医科学院中药资源中心，北京 100700；3.中国中医科学院广安门医院，北京 100053[作者简介]刘丽红（1979-），女，硕士，副研究员，研究方向为中药数据标准化。
《国语》存疑句考辨一例——兼论古籍校勘中的语言学方法
《国语》存疑句考辨一例——兼论古籍校勘中的语言学方法［摘要］古籍整理通常是结合版本目录校勘之学来开展的，传统的“小学”即文字、音韵、训诂也为古籍训释校勘提供了理论方法支撑。
传统的学科存在着些许弊端，如传统训诂学王力先生就指出其最大弊病乃是崇古，纂集派述而不作，杂引古训，不问是非，以讲述故训为目的，忽视系统和理论探讨。
随着现代语言学理论及研究方法的不断发展，将其应用于跨学科研究越来越多。
本文从语言系统内部选取例证，注重语言的时代性、社会性和规律性，在定量与定性分析的基础上运用现代语言学理论来解决《国语》中存疑句一例，这一研究方法是运用现代语言学理论解决古籍校勘问题的一次科学尝试，而并非单纯的引用史料记载、风俗习惯，进行上下文猜测，或附会意识形态等语言外的证据得出的缺乏说服力的研究结论。
［关键词］“不可以……”结构；普通语言学；古籍校勘新方法《国语》是我国第一部的国别体断代史，横跨春秋战国时期五百多年的历史（约公元前1000年~公元前440年），以记言为主的《国语》与记事为主的《左传》都是先秦时期重要的文献典籍。
《国语》作为战国时期典型的言语作品和记言的名篇，它上承古汉语上古前期下起中后期，相当具有研究价值和语料价值，此外《国语》具有珍贵的史料价值，对于了解和研究先秦社会史、思想史具有重要意义。
自东汉以来为其做注者甚繁，唯留下三国吴韦昭《国语解》，成为最早的传世注本。
清代学者及近人都曾对其注释进行过疏证补缺，时人的专著研究也浩如烟海，然而仍存在颇有争议的疑难句，研究者给出的解释不一，给阅读研究《国语》造成了诸多不便，我们将运用语言学相关理论，借助计算机语料库搜集同时代同结构的书证，对“不可以封（国）”一句进行具体论证，尽力解决仍存在争论的存疑句，进行具体论证以求得到较为科学精审的解释。
《国语·晋语三》中存在存疑句——不可以封（国），明道本、公序本作各本“封”下有“国”。
韦昭注曰“不可以守封国也”。
林业古籍断句模式语料库建设方案探讨——以《树艺篇》为训练文本
揖Key words铱Forestry ancient books曰The pausing曰Corpus曰ShuY i Pian
古籍断句袁是古籍整理实践中重要的组成部分遥 通过标点原文袁能 够区分出原文字句段落袁厘清上下文关联袁从而引导读者理解内容遥 这 是非常有助于古籍的传播和阅读的遥 中国林业类古籍的整理主要功在 收集袁但其中仅有少量的文献被标点遥 那么如果希望更多的林业古籍 被有效利用袁就必须加大古籍整理的力度遥 中文信息处理技术的介入袁 提高了该领域的工作效率袁 这其中尤以自动化标点的实现最为紧要遥 目前已有不少这样的研究成果院有古籍断句的系统结构图以及基于模 式匹配的断句方法曰 有基于前后 n-gram 模型的古汉语断句算法和一 种可用于古文自动断句的以两个统计量互信息和测试差为特征的条 件随机场模型曰另外 2011 年国学网还开放了一个古籍断句评测系统遥
依靠科研项目袁通过大学生进行科技创新项目袁引导学生在农村 污水控制方面进行实验袁如畜禽污水处理尧农产品安全生产等袁提高学 生的创新能力遥 2.4 完善教学体系袁加强课程设计
中医古籍语言系统分类体系的构建
。１ ５・
・
研 究与探 讨 ・
中 医古 籍 语 言 系统 分 类体 系的构 建
朱 玲 ’崔 。 蒙 杨 ， 峰
［ 摘要 ］ 绍 了古籍分类的历史沿革 ， 介 制定 了古籍 分类 的 目的、 原则 ， 参照 中 医药学语 言 系统 的分类体 系及 古代 分类 注解《内 经》 的经验 ， 结合具体古籍概念语义类型加工使用概 况， 采用 自上而下和 自下而上相结合 的方法 ， 步拟定 了十二 大类 的古籍 初
・
ｌ ６‘
中华 医学图书情报杂志 ２ １ ６月 第 ２ 卷第 ６期 ０ ２年 ｌ
Ｃ ｉ Ｊ ｄＬｂ ｆ ｃ。 ｏ．１Ｎ ． Ｊｎ ．０ ２ ｈ ｉｒ ｎ ｉＶ １ ｏ６ ｕｅ２ １ ｎ Ｍｅ Ｉ Ｓ ２
谱 系树进 行知识 挖 掘 ， 显 隐含 在 古 籍 文本 形 式 中 凸 知识 体 系之 间 的 相 互 关 联 ， 利 于 现 代 人 方 便 、 以 快
选题研究项 目“ 统 针灸 知识本 体构 建及 示 范应 用研 传
究” Ｚ０００ ） （ Ｚ５ ３ １
［ 作者 单位 ］ ． １ 中国中医科学 院 中医药信息研 究所 ， 北京 １０ ０ ； ０７ ０
２ 中国中医科学院针灸研 究所 ， ． 北京 【 作者简介 ］ 朱 １０ ０ ０ ７０
玲 （９ ９ ） 女 ， １７ 一 ， 江苏靖 江人 ， 士研究生 ， 博 助理研 究
学 科 ” 增 加 了一个新 类 目“ 艺学 与 中药技 术 ” 将 ； 工 ，
“Ｅ Ｔ ５中药其 他技 术 ” “ Ｅ 及 Ｔ ８中药 制 药 工 艺 ” 的部
分词汇合并后也归入此类 目。可见 ， 中医药学 主题 词表的分类 是在参照 Ｍ Ｓ Ｅ Ｈ词表 、 材 、 教 工具 书的
论衡奇怪篇第十五
论衡奇怪篇第十五奇怪篇第十五【题解】本篇是在驳斥各种天生圣人的奇谈怪论，故篇名曰“奇怪”。
汉儒认为帝王、圣人不是人的后代，而是神奇古怪之类的龙、燕卵与人交配，薏苡、大人迹之类感于人而产生出来的。
王充认为这些都是没有根据的说法。
他认为，人不可能跟人以外的东西成为配偶，“天地之间，异类之物，相与交接，未之有也”。
万物本性应该像各自原来的物种，帝王、圣人既是人，就应该是人生的。
“物生（性）自类本种”。
“含血之类，相与为牝牡；牝牡之会，皆见同类之物”。
“今龙与人异类，何能感于人而施气！”并大胆地提出质问，难道汉光武帝是嘉禾、凤凰生的吗？“是则光武皇帝嘉禾之精、凤凰之气欤”？【原文】15·1儒者称圣人之生，不因人气（1），更禀精于天。
禹母吞薏苡而生禹（2），故夏姓曰姒（3）。
母吞燕卵而生。
（4），故殷姓曰子（5）。
后稷母履大人迹而生后稷，故周姓曰姬（6）。
《诗》曰：“不坼不副（7）”，是生后稷。
说者又曰：禹、。
逆生，闿母背而出（8）。
后稷顺生，不坼不副。
不感动母体（9）。
故曰“不坼不副”。
逆生者子孙逆死，顺生者子孙顺亡。
故桀、纣诛死，赦王夺邑（10）。
言之有头足，故人信其说；明事以验证（11），故人然其文（12）。
谶书又言（13）：尧母庆都野出，赤龙感己（14），遂生尧（15）。
《高祖本纪》言：刘媪尝息大泽之陂，梦与神遇。
是时，雷电晦冥，太公往视（16），见蛟龙于上。
已而有身，遂生高祖。
其言神验，文又明著，世儒学者，莫谓不然。
如实论之，虚妄言也。
【注释】（1）人气：指构成人的气。
（2）薏苡（y！以）：俗称“药玉米”、“回回米”，一种禾本科植物。
其果实可供食用或药用。
（3）汉儒认为“苡”与“姒”同音，故有此附会。
（4）。
（xi8谢）：即契，传说是商的始祖。
燕卵：本书《诘术篇》、《进瑞篇》、《恢国篇》均作“燕子”，可从。
意思是燕卵是燕之子。
下文“卵”亦同。
（5）参见《史记·殷本纪》。
（6）汉儒认为“迹”与“姬”同音，故有此附会。
“奇葩”这个词的古籍文献语料解读
知网《国学宝典数据库》里“奇葩”这个词的古籍文献语料截至2013年3月，《国学宝典》收录先秦至民国文献4903多本，分为：经、史、子、集、丛书及通俗小说。
该数据库收录古籍所选版本，为古籍母本或现存最早的版本及精校本，基本涵盖了古籍文献所有重要的文献资料。
本义引申义朝代总计奇特而美丽的花朵喻样貌美丽的女子喻华丽的文辞其他奇特而美好的植物汉 2 1 1唐 2 2宋33 27 2 3 1元14 11 3明60 42 14 1 3清65 51 8 6民国 3 2 1总计179 136 29 10 4比例75.98% 16.20% 5.59% 2.23%汉司马相如《美人赋》：“有女独处，宛然在床，奇葩逸丽，淑质艶光。
”汉代司马相如的词赋中把美丽的女子比作“奇葩”，形容其娇美娴静的出众容貌。
2褒东汉末年王粲之《神女赋》惟天地之普化，何产气之淑真。
陶阴阳之休液，育夭丽之神人。
禀自然以绝欲，超希世而无群。
体纤约而方足，肤柔曼以丰盈。
发似玄鉴，鬓类削成。
质素纯皓，粉黛不加。
朱颜熙曜，晔若春华。
口譬含丹，目若澜波。
美姿巧笑，靥辅奇葩。
戴金羽之首饰，珥照夜之珠晔。
袭罗绮之黼衣，曳缛绣之华裳。
错缤纷以杂佩，熠龠而煌。
退变容而改服，冀致态以相移。
发筵对兮倚床垂，税裳兮免簪笄，施华的（《史记·索隐》作「玄的」。
）兮结羽钗。
扬娥微眄，悬藐流离。
婉约绮媚，举动多宜。
称诗表志，安气和声。
探怀授心，发露幽情。
彼佳人之难遇，真一遇而长别。
顾大罚之淫愆，亦终身而不灭。
心交战而贞胜，乃回意而自绝。
（《艺文类聚》七十九，《书钞》一百三十五，《文选·潘岳寡妇赋》注，《史记·五宗世家·索隐》，《御览》三百八十一，又七百十九）唐全唐诗补编全唐诗续补遗·卷十七〔神仙鬼怪〕东风昨夜落奇葩，散作春江万顷霞。
从此渔郎得消息，溯流直到是仙家。
○桃川仙隐1褒全唐文卷二百五十董诰 (清)然则太液初满，上林新霁，蘴茸灼烁，万品千计，摇瑞色而函芝，杂奇葩而转蕙，孰与夫玉堂金閤之偏赏，白日青春之特丽？长乐花赋（并序）1褒长乐花赋（并序）蜀太守庭际有紫华草，秋中始繁英露洗，冬早尚直本霜封，芜杂大同於众卉，盛衰小异於群物。
古文献异文的类型与价值
古文献异文的类型与价值
古文献异文是古代文献中存在的各种不同记录形式。
这些异文反映了文献在流传过程中的变化和不同版本之间的差异。
根据研究者的归纳，古文献异文大致可以分为以下几种类型：
错别字：由于抄写或印刷过程中的疏忽，产生的错误字。
通假字：古代文献中，有些字因为音同或音近而被另一个字替代，这种替代字就是通假字。
异体字：同一个字的不同书写形式，如繁体和简体的差异。
避讳字：为了避讳某些字或词，采用其他字或词代替。
版本差异：不同版本的文献，由于抄写或印刷的年代、地域、版本类型的不同，产生的差异。
古文献异文的价值主要体现在以下几个方面：
校勘：通过对比不同版本的异文，可以发现文献中的错误，并进行校正。
语言学研究：通过对古文献异文的研究，可以了解古代语言的演变规律、语音、词汇、语法等方面的变化。
历史文化研究：古文献异文中包含了许多历史和文化信息，如人名、地名、官职名等，通过对这些信息的分析，可以了解古代社会的历史和文化背景。
文学研究：古文献异文反映了文学作品的传播和演变过程，通过对异文的研究，可以深入了解文学作品的内涵和意义。
总的来说，古文献异文是一种重要的语言、历史、文化资源，对于我们了解古代文化和历史具有重要意义。
同时，通过对古文献异文的研究，也可以促进语言学、历史学、文学等相关学科的发展。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
知网《国学宝典数据库》里“奇葩”这个词的古籍文献语料截至2013年3月，《国学宝典》收录先秦至民国文献4903多本，分为：经、史、子、集、丛书及通俗小说。
该数据库收录古籍所选版本，为古籍母本或现存最早的版本及精校本，基本涵盖了古籍文献所有重要的文献资料。
本义引申义朝代总计奇特而美丽的花朵喻样貌美丽的女子喻华丽的文辞其他奇特而美好的植物汉 2 1 1唐 2 2宋33 27 2 3 1元14 11 3明60 42 14 1 3清65 51 8 6民国 3 2 1总计179 136 29 10 4比例75.98% 16.20% 5.59% 2.23%汉司马相如《美人赋》：“有女独处，宛然在床，奇葩逸丽，淑质艶光。
”汉代司马相如的词赋中把美丽的女子比作“奇葩”，形容其娇美娴静的出众容貌。
2褒东汉末年王粲之《神女赋》惟天地之普化，何产气之淑真。
陶阴阳之休液，育夭丽之神人。
禀自然以绝欲，超希世而无群。
体纤约而方足，肤柔曼以丰盈。
发似玄鉴，鬓类削成。
质素纯皓，粉黛不加。
朱颜熙曜，晔若春华。
口譬含丹，目若澜波。
美姿巧笑，靥辅奇葩。
戴金羽之首饰，珥照夜之珠晔。
袭罗绮之黼衣，曳缛绣之华裳。
错缤纷以杂佩，熠龠而煌。
退变容而改服，冀致态以相移。
发筵对兮倚床垂，税裳兮免簪笄，施华的（《史记·索隐》作「玄的」。
）兮结羽钗。
扬娥微眄，悬藐流离。
婉约绮媚，举动多宜。
称诗表志，安气和声。
探怀授心，发露幽情。
彼佳人之难遇，真一遇而长别。
顾大罚之淫愆，亦终身而不灭。
心交战而贞胜，乃回意而自绝。
（《艺文类聚》七十九，《书钞》一百三十五，《文选·潘岳寡妇赋》注，《史记·五宗世家·索隐》，《御览》三百八十一，又七百十九）唐全唐诗补编全唐诗续补遗·卷十七〔神仙鬼怪〕东风昨夜落奇葩，散作春江万顷霞。
从此渔郎得消息，溯流直到是仙家。
▶桃川仙隐1褒全唐文卷二百五十董诰 (清)然则太液初满，上林新霁，蘴茸灼烁，万品千计，摇瑞色而函芝，杂奇葩而转蕙，孰与夫玉堂金閤之偏赏，白日青春之特丽？长乐花赋（并序）1褒长乐花赋（并序）蜀太守庭际有紫华草，秋中始繁英露洗，冬早尚直本霜封，芜杂大同於众卉，盛衰小异於群物。
余讶而未识，吏或告余曰：“此长虞所赋蜀长乐花也。
”故心暗赏焉，因口授书吏，遂墨而成作，恨不见古人所为，得仿佛其旨尔。
夫长者以短长之形，度其长则至美；夫乐者以哀乐之类，同其乐则至喜：长也乐也，吾安得贯，缀绿颖之重叠，索紫蕤之烂漫。
迫而象之，君子其常，或微或章，耸危冠兮缨若绶，默退静其何望？远以意之，佳人欲翔，炫炫煌煌，重罗绮兮扑摇翠蹇来思而未尝。
匪以幽兮自直，匪以直兮方。
然则太液初满，上林新霁，蘴茸灼烁，万品千计，摇瑞色而函芝，杂奇葩而转蕙，孰与夫玉堂金閤之偏赏，白日青春之特丽？不彩，虽秋令而不残。
冲雨霰之飞薄，任云山之险难，芳弗珍於び靡，节常慕於檀栾。
吾则知树背紫华灼灼，生君之堂。
彼不伐兮秋自翳，时或珍兮君是惠。
彤庭赫兮朱草骈，交屈轶兮友宾连。
伊榛莽而荒些，君曷为兮赋旃？宋安阳集卷一韩琦如天匠春物归裁剸珍，丛与奇葩万态极婉娈。
1褒安阳集卷九韩琦韩亿《和崔象之紫菊》紫菊披香碎晓霞，年年霜晚赏奇葩。
嘉名自合开仙府，丽色何妨夺锦砂。
雨径萧疏凌藓晕，露丛芬馥敌兰芽。
孤标只取当筵重，不似寻常泛酒花。
1褒鄮峰真隐大曲卷一史浩采莲入破/采莲令璇穹层云上覆，光景如梭逝。
惟此过隙缓征辔。
垂象森列昭回。
碧落卓然躔度，炳曜更腾辉。
永永清光晔炜。
绵四野、金璧为地。
蕊珠馆，琼玖室，俱高峙。
千种奇葩，松椿可比。
暗香幽馥，岁岁长春，阳乌何曾西委。
1褒莲花鄮峰真隐大曲卷一史浩采莲舞唱了，后行吹渔家傲。
五人舞，换坐如初。
竹竿子勾念。
伏以珍符至，朝廷之道格高深；年谷屡丰，郡邑之和薰遐迩。
式均欢宴，用乐清时。
感游女于仙衢，咏奇葩于水国。
折来和月，露浥霞腮；舞处随风，香盈翠袖。
既徜徉于玉砌，宜宛转于雕梁。
爰有佳宾，冀闻清唱。
1褒莲花石门文字禅卷五释觉范和曾逢原试茶连韵霜须瘴面豁齿牙,门前小舟尝自拏。
茅茨丛竹依垄畬,君来游时方采茶。
传呼部曲江路賖,迎门颠倒披袈裟。
仙风照人虔敬加,秀如春露湿兰芽。
和如东风吹奇葩,马蹄归路冲飞花。
青松转壑登龙蛇,路人聚观不敢哗。
诗筒复肯来山家,想见戟门兵卫遮。
湘江玉展无纤瑕,但闻江空响钓车。
嗟予生计唯摝鰕,安识醉墨翻侧麻。
喜如小儿抱秋瓜,宣和官焙囊綘纱。
见之美如痒初爬,爱客自试欢无涯。
身世都忘是长沙,院落日长蜂趁衙。
园林雨足鸣池蛙,诗成句法规正邪。
细窥不容铢两差,逸群翰墨争传夸。
坡谷非子前身耶,沅湘万古一长嗟。
明年夜直趋东华,应有佳句怀烟霞。
？褒石门文字禅卷六释觉范（释惠洪）次韵苏通判观牡东风背立知谁家，扶头醉韵中流霞。
天涯出识洛阳画，露丛幽蕊生奇葩。
两翁赋诗皆妙语，读之令人欲仙去。
坐间亦着白发禅，胜游且愿追支许。
拥毳同看聊自娱，春归不肯略踟蹰。
解空勿忆南泉老，但言如梦不言无。
5褒国画里的牡丹东山词东山词补贺铸马家春慢珠箔风轻，绣帘浪卷，乍入间蓬岛。
斗玉阑干，渐庭馆帘栊春晓。
天许奇葩贵品，异繁杏、夭桃轻巧。
命化工、倾国风流，□与一枝纤妙。
1褒仙境檆溪居士集卷九刘才邵泉川涌辞彩霞敷高文得论著之宜大笔极铺张之妙，则何以仰膺选擢式副简求接逸轨，于文场吐奇葩，于俊域如某者襟灵不慧标置非奇无轶伦泛驾之长才乏耸壑昂霄之素誉天心月胁思测究而未能蝉腹龟肠觉空虚之可愧？褒西塘集卷三郑侠至于沚渚亭台湖山之楼，长桥巨舫公与其属，以休以游。
席春幄之奇葩，怀暑阁之清风。
？褒放翁逸稿卷上陆游南园记庆元三年二月丙午，慈福有旨，以别园赐今少师、平原郡王韩公，其地实武林之东麓，而西湖之水汇于其下，天造地设，极湖山之美。
公既受命，乃以禄赐之余，葺为南园，因其自然，辅以雅趣。
方公之始至也，前瞻却视，左顾右盼，而规模定；因高就下，通窒去弊，而物态别。
奇葩美木，争效于前；清泉秀石，若顾若揖。
于是飞观杰阁，虚堂广厦。
上足以陈俎豆，下足以奏金石者，莫不毕备。
升而高明显，敞如蜕尘垢，入而窈窕邃深疑于无穷。
1褒东坡乐府卷三苏轼闽溪珍献。
过海云帆来似箭。
玉座金盘。
不贡奇葩四百年。
轻红酿白。
雅称佳人纤手擘。
骨细肌香。
恰是当年十八娘。
〔送赵令〕4褒荔枝南湖集卷二张镃千叶黄梅歌笛声吹起南湖水，散作奇葩满园里。
被春收入玉照堂，不逐余芳弄红紫。
一春开霁能几时，江梅正多人来稀。
光风屈指已过半，赖有缃芷森高枝。
今朝柱杖偏宜到，暖碧红烟染林草。
悠然试就花下行，便有疏英点乌帽。
细看宝压轾金涂，帝网粲缀万斛珠。
一香举处众香发，幻巧更吐冰霜须。
叵罗盛酒如春沼，不待东风自开了。
呼童撼作晴雪飞，雪飞争似花飞好。
上都赏玩争出城，日高三丈车马尘。
谁能摆脱热官与铜臭，肯学花底真闲人。
时平空山老壮士，不得燕秦报君死。
鸡鸣抚剑起相叹，梦领全师渡河水。
吾曹耻作儿女愁，何如且插花满头。
一盏一盏复一盏，坐到落梅无始休。
无梅有月尤堪饮，醉卧苍苔石为枕。
醒来明月别寻花，桃岸翻霞杏堆锦。
1褒漫塘集卷二十刘宰而嘉树屏罗屹然而秀石山立奇葩异卉四时相因吐艳吹香而不绝也。
1褒斐然集卷四胡寅《示诗僧了信》伊谁遣子着袈裟，幸自同源又一家。
尚喜深山閟珍璞，曾看枯卉粲奇葩。
空言组绣真无用，实际津途亦易差。
衣敝履穿头欲雪，定于何处作生涯。
1褒乐章集上卷柳三变玉女摇仙佩飞琼伴侣，偶别珠宫，未返神仙行缀。
取次梳妆，寻常言语，有得几多姝丽。
拟把名花比。
恐旁人笑我，谈何容易。
细思算，奇葩艳卉，惟是深红浅白而已。
争如这多情，占得人间，千娇百媚。
须信画堂绣阁，皓月清风，忍把光阴轻弃。
自古及今，佳人才子，少得当年双美。
且恁相偎倚。
未消得，怜我多才多艺。
愿奶奶、兰人蕙性，枕前言下，表余深意。
为盟誓。
今生断不孤鸳被。
2褒击壤集卷八邵雍《寄毫州秦伯镇兵部》三川地正得中阳，气入奇葩亦自王。
善识好花人不远，好花无恡十分芳。
1褒击壤集卷十三邵雍《谢君实端明惠牡丹》霜台何处得奇葩，分送天津小隐家。
初讶山妻忽惊走，寻常只惯插葵花。
1褒击壤集卷十九邵雍《洛阳春吟》洛阳人惯见奇葩，桃李花开未当花。
须是牡丹花盛发，满城方始乐无涯。
1褒容斋三笔卷十六洪迈门焉闺焉左氏传好用“门焉”字，如“晋侯围曹，门焉”，“齐侯围龙，卢蒲就魁门焉”，“吴伐巢，吴子门焉”，“逼阳人启门，诸侯之士门焉”。
及“蔡公孙翩以两矢门之”，“门于师之梁”，“门于阳州”之类，皆奇葩之语也。
然公羊传云：“入其大门，则无人门焉者；入其闺，则无人闺焉者；上其堂，则无人焉。
”又杰出有味。
何休注“堂无人焉”之下曰：“但言焉，绝语辞，堂不设守视人，故不言焉者。
”休之学可谓精切，能尽立言之深意。
3褒笑笑词序郭应祥詹傅傅窃闻之，下士闻道大笑之，不笑不足以为道。
乐然后笑，人不厌其笑，则知笑之为辞，盖一名而二义也。
遁斋先生以宏博之学，发为经纬之文，形于言语议论，着于发策决科，高妙天下，模楷后学。
以其绪余寓于长短句，岂惟足以接张于湖、吴敬斋之源流而已。
窃窥其措辞命意，若连冈平陇，忽断而后续；其下语造句，若奇葩丽草，自然而敷荣。
虽参诸欧、苏、柳、晏，曾无间然。
而先生自谓诗不甚工，棋不甚高，常以自娱。
人或从而笑之，岂非类下士之闻道也钦？3褒摛文堂集卷九慕容彦逢宣召翰林学士许光疑入院口宣有敕：卿等来造明廷适逢令节锡兹燕衎侑，以声文珍剂，奇葩上樽，嘉果并加，存赐用示优恩。
1褒清苑斋诗集▶哀山民赵师秀《叶侍郎送红芍药》雕栏迎夏发奇葩，不拟分来野客家。
自洗铜瓶插欹侧，暂令书卷识奢华。
旧游尚忆扬州梦，丽句难同谢朓夸。
应被花嗔少风味，午窗相对一杯茶。
1褒芍药韦斋集卷六·绝句朱松春日二首已分春光冉冉过，奇葩好在奈愁何。
谁令玉颊红成点，如意痕深琥珀多。
？褒苏轼集卷九苏轼《座上赋戴花得天字》清明初过酒阑珊，折得奇葩晚更妍。
春色岂关吾辈事，老狂聊作座中先。
醉吟不耐欹纱帽，起舞従教落酒船。
结习渐消留不住，却须还与散花天。
1褒罗鄂州小集卷一罗愿《奉简李叔勤觅茉莉花栽》郓令风流太史家，早知茉莉有奇葩。
生嫌众色空尘滓，偏阅余香见等差。
多谢珠矶来座右，好将根叶到天涯。
蜀江红紫纷披后，初看东南第一花。
1褒茉莉张子野词补遗下张先《汉宫春》红粉苔墙。
透新春消息，梅粉先芳。
奇葩异卉，汉家宫额涂黄。
何人斗巧，运紫檀、翦出蜂房。
应为是、中央正色，东君别与清香。
仙姿自称霓裳。
更孤标俊格，非雪凌霜。
黄昏院落，为谁密解罗囊。
银瓶注水，浸数枝、小阁幽窗。
春睡起，纤条在手，厌厌宿酒残妆。
1褒四朝闻见录戊集叶绍翁奇葩美木争效于前清泉〔汲古阁刻作流〕秀石若顾若揖于是飞观杰阁虚堂广厦〔汲古阁刻作厅〕1褒全宋词092.谢克家、葛胜仲临江仙槛外奇葩江外种，娇春未减酲红。
画楼晴日敛云峰。
佛香来海岸，蜀锦荐灯笼。
今夜那忧杀风景，酒花来斗妖浓。
江梅冷淡避春风。
明朝来纵赏，应醉绮罗丛。
1褒全宋词172.李鼐、杨无咎《青玉案》奇葩珍树丛丛绕。