基于语言模型方法在地方志中挖掘与发现传记信息

我们展示了通过文本挖掘历史地方志（difangzhi）来扩展中国传记数据库（China Biographical Database）内容的结果。该数据库的目标是通过亲属关系、社会联系以及人们任职的地点和官职，来观察人们如何相互连接。地方志是覆盖宋至清时期最重要的姓名与官职集合。尽管我们从地方官员开始，但最终将纳入地方科举考生名单、在当地政府任职的人员以及有传记的当地知名人物。我们收集的数据越多，涌现的联系就越多。开展系统性文本挖掘工作的价值在于，我们能够识别直接或间接有用而无需深度历史研究的相关联系。中央研究院（Academia Sinica）正在开发明清中央政府官员姓名数据库。