本體結構與文史研究專題

課程資訊：

  • 科號：10520CL 533900
  • 科目名稱：本體結構與文史研究專題
  • 上課時間：T6T7T8
  • 授課老師：祝平次
  • 學分： 3
  • 教室：計中電二
  • 助教：許漢祥
  • 辦公室時間：1:20-3:20(一)，人社B508；12:20-2:20(二)，計中電二(請先以電郵或辦公室電話42742確認)

課程說明：

  • 優越的文史學科研究，常常需要植基於對於文本資料的掌握。以前的文史研究者對於文本的掌握，常常依賴超人的記憶力，以及卡片檢索系統。但這樣的情形，由於教育培養的方式差異，今天的文史學者很少接受上面兩者的訓練，導致對於資料掌握的情形並不理想。這種情況更因為文史研究能力需要長時期的培育，因而更形嚴重。但由於數位資訊技術的發遠，利用數位技術來彌補現今學者缺乏傳統訓練，成為人文學界必須嚴肅面對的問題。本課程的設計，有兩個重點。第一個重點，在於學習如何利史丹福大學所開發的Protégé(http://protege.stanford.edu/)數位工具把文本變成知識庫(knowledge base)；第二個重點，則在第一個重點的基礎上，利用文本分析工具(庫博與AntConc)，來進行文本分析。每位修習課程的同學，需在最後一週，在「本體知識工作坊上呈現自己一學期實做的成果，並完成一篇依據自己所擇取的研究文本的學期研究報告。報告的成果，必需與課堂上學習的研究方法相關。
  • 以下再對兩個課程重點詳加說明。
  • 知識庫的結構(ontology)，在台灣譯為「知識本體」，原為西方哲學中的「存有論」，討論物的存在以及物與物之間的關係；後來被資訊學者轉用到知識庫的建立上。而建立知識庫的一大目的，則在於讓電腦可以自動判讀資料，以及在電腦與電腦之間進行資料分享。(Semantic Web)簡單來講，具體來講，就是讓電腦可以跨越資料的內容，例如不只是把「洋裝」當做「洋裝」，而可以進一步以不同的方式將「洋裝」連繫到「衣服」、「女性」；抽象來講，知識本體就是讓電腦可以認識「世界」或「世界」的某個特別的部分的架構。而所謂的「認識」，和人類的語言的運用有密不可分的關係，因而知識本體也和讓電腦能自動判讀語意有關係，最著名的例子之一，就是美國普林斯頓大學發展出來的WordNet。中文的詞彙，也有一些嘗試，如中研院語言學中文詞彙網路。本課程的目的，並不在於學習建立一個抽象的知識本體，而在於為現成的文本編造一個知識本體。藉由建立知識本體的過程，將文本後面所隱含的世界突顯出來。並藉由這個過程，加強對於文本的掌握。亦即，我們要藉由建立知識本體的軟體來突顯資料的結構。例如，在《論語》裏，我們可以質問下列的問題：有那些弟子問過孔子話；有那些弟子被孔子評論過；有那些弟子是孔子主動跟他講話？當我們這樣結構化《論語》裏的文本以後，我們很容易就可以利用同樣的問題去質問其它的文本，從而比較在先秦文本問答體的一些相關問題。當然，我們也容易可以去問，什麼樣的「器物」以什麼樣的分類出現在一個文本裏，然後比較在不同文本裏所呈現的「器物」世界的不同。然後，可以進一步思考結構化資料與我們研究的關係，期待在這樣的操作下，對於一些經典議題可以有新的發掘方式。
  • 文本分析的重點，則著重在利用一些軟體，進行關鍵詞分析、n-gram分析、正則表示式的使用等等，並將分析的結果利用MS Excel轉為圖表、圖象的報告。
  • 修習本課程結束後，同學將對於資料／知識結構、資料庫以及文本分析，以及資料的形式轉換可以有基礎的掌握，並運用於自己的研究上。對於文本資料的理解深度與整體性的掌握，因為藉著比較具體可視的方性進行，應該會加強很多。在課程的實做中，同學也可以從中學會如何與別人進行協同研究。
  • 本課程的重點在於從實做中學習，沒有時間進行每週作業、不願意跟同學互動的同學，請勿修習本課程。

進行方式：

  • 本課程以實做與討論為重點。每一週，同學必須進行課後的實際操作與成果記錄、反省，然後把成果記錄拿到課堂上討論。
  • 學期中段以後，會安排每次上課由一到兩組同學報告。
  • 最後兩個禮拜則是安排在人社院進行實際成果的報告。

教學進度 ：

線上資源：

教學影片：

參考資料：

  • 廣義知網2.0
  • 中文詞彙網路
  • 徐晨飛, 錢智勇, 端木藝 and 周建忠，〈東亞楚辭文獻資料庫建設及語義化應用研究進展綜述〉。收於項潔編《數位人文：在過去、現在和未來之間》。台北：臺大出版中心，2016。頁317--350。（本文介紹知識本體與資料庫之間的關係，但目前網站呈現的資料，似乎和報告內容不符。2017-01-31)
  • protégé 使用手冊
  • 語言分析與資料科學(台大基本能力課課程講義，台大語言學研究所語言處理與人文計算實驗室 謝舒凱：謝舒凱老師的課程大綱書，裏面包含了利用數位工具分析文本的幾種類型。看了以後，會令人很想學R。(因為都是舉R的例子。) Python在 http://scikit-learn.org/stable/ 也有類似的套件(package)。
  • John Sowa, Knowledge Representaion: Logical, Philosophical, and Computational Foundations. http://www.jfsowa.com/krbook/index.htm. 2017-06-11.

評分標準：

  • 平時成績 50％：平常作業、上課表現（發表與討論）。
  • 期末報告 50％：利用習得的數位工具，完成一篇研究報告。
  • 博士生的評分標準將高於碩士生。

課程網頁：