CADAL中國文學編年史系統(tǒng)的設計與實現(xiàn).pdf

1、中國有著數(shù)千年的文明史，古代、近代和當代文學作品浩如煙海。但隨著時間的遷移，很多著作名篇、文化大家遺失在歷史長河中。面對如恒河沙數(shù)的典籍文獻，進一步的保護、整理和研究工作也變得非常復雜和浩繁。因此，借助于信息技術進行文學編年史研究的需求就變得愈加迫切。
　　 CADAL中國文學編年史項目著眼于構建中國文學編年史研究信息系統(tǒng)，以挖掘中國文學、歷史、地方志、地理等相關數(shù)字資源的潛在價值為立項之本。與傳統(tǒng)的文史系統(tǒng)相比，CADAL中國

2、文學編年史系統(tǒng)并非簡單地將所有文學作品原文數(shù)字化，而是將文學、歷史、地理數(shù)據(jù)和信息技術相結(jié)合，著重于相關領域背景資料的整理，利用數(shù)據(jù)庫技術、地理信息技術、多媒體技術、語義網(wǎng)技術和海量存儲技術等，建立一套綜合“文學”、“歷史”、“地理”信息的中國文學編年史信息系統(tǒng)以提高數(shù)字資源的利用率。
　　 本文圍繞CADAL文學編年史系統(tǒng)的研發(fā)，主要工作如下：
　　 第一，需求分析和總體架構。通過對用戶需求及CADAL資源狀況分析，給

3、出了CADAL文學編年史系統(tǒng)的總體框架，包括基本文史信息檢索，歷史地理信息，多媒體應用等平臺，并具體給出每個平臺的功能及實現(xiàn)目標，最后給出了系統(tǒng)設計邏輯架構和物理架構。
　　 第二，關鍵技術。采用網(wǎng)絡爬蟲和基于正則表達式的信息抽取技術實現(xiàn)OCR書籍和網(wǎng)絡信息提取與結(jié)構化；采用基于Lucene架構實現(xiàn)了全文搜索引擎；提出了中國古地圖的自動標注與抽取算法CAMAME，以CADAL中本身包含的大量的數(shù)字化的中國古代地圖集作為數(shù)據(jù)源，結(jié)