《二十四史》引先秦诸子典籍内容自动识别与计量分析
来源：图书情报工作杂志2026年第5期北京时间：
作者：胡蝶,赵文华,王希羽,刘浏
单位：1 中国人民大学信息资源管理学院 北京 100872;2 南京农业大学信息管理学院 南京 210095;3 南京农业大学人文与社会计算研究中心 南京 210095
摘要：[目的/意义] 《二十四史》作为中国古代官修史书的重要汇编，对先秦诸子典籍多有引用，系统梳理和分析其引书情况，有助于揭示诸子思想的继承与演变规律。研究旨在构建字词级别的引书识别框架，实现对史书中先秦诸子引书的细粒度识别与分析，从而为古文研究提供一种可靠的典籍引书识别方法，并为诸子研究开辟新的分析视角。[方法/过程] 首先，选取无监督古汉语检索模型辅助人工标注，建立初步的《二十四史》引先秦诸子典籍语料库；其次，基于标注语料，依托大语言模型检索增强生成框架，构建细粒度引书识别模型，并采用人机协同迭代策略完善引书语料库、优化模型性能；最后，对史书中的先秦诸子引书开展多维度的计量分析。[结果/结论] 当检索器返回相似度最高的前三个句子时，采用Esimcse-GujiRoBERTa_ts作为古汉语文本检索器，并结合指令微调后的internlm2_5-7b-chat作为文本生成器，所构建的引书识别框架对文本是否包含引书的判断能力F1值达到98.59%，文本输出的序列标注能力F1值达到82.65%。后续的计量分析揭示了以《论语》为代表的儒家思想在不同历史时期的重要地位。
关键词：细粒度引书识别,大语言模型,检索增强生成,先秦诸子典籍,二十四史,
基金资助：本文系国家社会科学基金重大项目“先秦诸子典籍知识库建设及词典编纂”(项目编号：22&ZD262)和江苏省社会科学基金一般项目“《二十四史》人物知识图谱构建与应用研究”（项目编号：24TQB004）研究成果之一。
