焦清局，劉永革，仇 利萍，金園園，熊 晶，劉國(guó)英，高峰

（1.安陽師范學(xué)院計(jì)算機(jī)與信息工程學(xué)院，河南安陽455000； 2.甲骨文信息處理教育部重點(diǎn)實(shí)驗(yàn)室，河南安陽455000； 3.河南省甲骨文信息處理重點(diǎn)實(shí)驗(yàn)室，河南安陽455000； 4.安陽師范學(xué)院歷史與文博學(xué)院，河南安陽455000； 5.中國(guó)社會(huì)科學(xué)院先秦史研究所，北京100732）

甲骨學(xué)的研究為人們探究中國(guó)文字的起源、殷商史及中國(guó)文明史具有重要的意義。然而，單純依靠文獻(xiàn)的傳統(tǒng)甲骨學(xué)研究已不能滿足當(dāng)今社會(huì)發(fā)展的需要，特別是不能快速有效地破譯未識(shí)甲骨字的語義。隨著甲骨學(xué)研究成果和文獻(xiàn)的積累，甲骨學(xué)知識(shí)逐步呈現(xiàn)系統(tǒng)和大規(guī)?；槔糜?jì)算機(jī)技術(shù)研究甲骨學(xué)提供了基礎(chǔ)數(shù)據(jù)。近年來，在甲骨字的輸入和可視化、識(shí)別、語義分析、網(wǎng)絡(luò)甲骨學(xué)等方面已有一些初步探索和研究。甲骨字的輸入為甲骨學(xué)文獻(xiàn)和著錄的數(shù)字化提供了必要的工具。2004 年，為對(duì)甲骨文字、拓片、文獻(xiàn)等信息數(shù)字化，劉永革等[1]開發(fā)了甲骨字輸入法：將甲骨字轉(zhuǎn)化為圖片，并通過插入圖片的方法輸入甲骨字。為了更好地輸入甲骨字，肖明等[2]利用模糊信息分析理論研究了象形碼編碼模型。顧紹通等[3]通過編碼研究，可從形和音的角度輸入甲骨文：首先，利用部件對(duì)甲骨字進(jìn)行拆分，然后，將甲骨字部件與標(biāo)準(zhǔn)鍵盤的26 個(gè)鍵位建立映射關(guān)系，最后，按照規(guī)定順序輸入甲骨字部件對(duì)應(yīng)的鍵位，完成甲骨文輸入。與顧紹通等的方法類似，聶艷召等[4]將甲骨字拆分成更小的部件（稱為筆畫或碼元），然后設(shè)計(jì)編碼系統(tǒng)，進(jìn)而輸入甲骨字。在計(jì)算機(jī)技術(shù)輔助的甲骨學(xué)研究中，甲骨字識(shí)別在甲骨異體字（異體字是同一個(gè)甲骨字的不同寫法）辨別、甲骨學(xué)文獻(xiàn)數(shù)據(jù)庫建設(shè)等方面具有重要作用。栗青生等[5]通過對(duì)甲骨字向圖的轉(zhuǎn)換，進(jìn)而識(shí)別甲骨文字。該方法首先把甲骨字的一些重要端點(diǎn)和交點(diǎn)抽象為圖中的點(diǎn)；然后，根據(jù)甲骨字形連接圖中點(diǎn)之間的邊，進(jìn)而形成該甲骨字的圖；最后，根據(jù)圖的匹配算法識(shí)別未知甲骨字。2014 年，高峰等[6]首先利用語境分析生成的候選字庫得到對(duì)應(yīng)的甲骨文語義構(gòu)件向量，然后結(jié)合Hopfield 網(wǎng)絡(luò)識(shí)別的結(jié)果計(jì)算待識(shí)別的甲骨文模糊字的匹配度，根據(jù)匹配度識(shí)別甲骨字。2016 年，顧紹通等[7]通過對(duì)甲骨字的拓?fù)涮崛『途幋a抽象甲骨字，并通過拓?fù)渑錅?zhǔn)算法識(shí)別甲骨字。同樣利用圖像處理的方法，GUO等[8]首先利用Gabor 變換和稀疏表達(dá)提出一種層次表示（hierarchical representation）法，然后結(jié)合卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network, CNN）識(shí)別甲骨字。在甲骨文語義分析方面，2012 年，袁冬等[9]提出基于實(shí)例的甲骨文釋文機(jī)器翻譯方案，并實(shí)現(xiàn)一套機(jī)器翻譯系統(tǒng)。2015 年，高峰等[10]首先構(gòu)建一個(gè)融合甲骨文和現(xiàn)代漢語的語義知識(shí)庫，然后通過可拓模型解決甲骨卜辭問題。同年，熊晶等[11]在文本挖掘的基礎(chǔ)上，結(jié)合語義Web 技術(shù)，將實(shí)體及其關(guān)系資源描述框架（resource description framework,RDF）抽象化，并在生成的RDF 集合中進(jìn)行語義搜索，利用本體關(guān)系和推理挖掘RDF 對(duì)象間顯式或隱式的語義關(guān)系。在網(wǎng)絡(luò)甲骨學(xué)方面，2016 年，DRESS 等[12]選擇60 個(gè)甲骨文動(dòng)物字作為研究對(duì)象，通過提取這些甲骨字的特征向量，計(jì)算相似性距離，構(gòu)建動(dòng)物甲骨字的認(rèn)知網(wǎng)絡(luò)。焦清局等[13]從系統(tǒng)的角度研究甲骨學(xué)，并利用甲骨拓片數(shù)據(jù)，通過建模構(gòu)建甲骨字網(wǎng)絡(luò)。在甲骨字網(wǎng)絡(luò)之上，對(duì)網(wǎng)絡(luò)屬性進(jìn)行分析，為用計(jì)算機(jī)技術(shù)預(yù)測(cè)未識(shí)甲骨字的語義提供數(shù)據(jù)和理論支持。

語言是人類驅(qū)動(dòng)（human-driven）的復(fù)雜適應(yīng)系統(tǒng)[14]，從復(fù)雜系統(tǒng)或復(fù)雜網(wǎng)絡(luò)的角度對(duì)自然語言的研究可以充分捕捉語句、詞、字之間的語法和語境的內(nèi)在關(guān)聯(lián)信息，也有助于揭示語言的結(jié)構(gòu)化和語言在演化過程中的未知屬性[15]。2001 年，CANCHO等[16]首次利用復(fù)雜網(wǎng)絡(luò)的方法構(gòu)建并研究英語同現(xiàn)網(wǎng)絡(luò)。隨后，從復(fù)雜網(wǎng)絡(luò)的角度對(duì)語言進(jìn)行研究，包括語言網(wǎng)絡(luò)的構(gòu)建及其特性分析、語言中未知屬性分析、基于網(wǎng)絡(luò)視角的語言認(rèn)知分析等。2005 年，STEYVERS 等[17]構(gòu)建并分析了3 種語義網(wǎng)絡(luò)，并對(duì)它們進(jìn)行網(wǎng)絡(luò)特性的對(duì)比分析。此外，還提出一種語義網(wǎng)絡(luò)增長(zhǎng)模型。同年，韋洛霞等[18]根據(jù)詞同現(xiàn)構(gòu)建了漢語網(wǎng)絡(luò)，并揭示網(wǎng)絡(luò)的無標(biāo)度特性。ARBESMAN 等[19]構(gòu)建了英語和西班牙的音韻（phonologically）網(wǎng)絡(luò)，并詳細(xì)分析了具有相同小構(gòu)件的西班牙語和英語在音韻和語義之間的差異。SIEW 等[20]不僅構(gòu)建了音韻網(wǎng)絡(luò)，而且使用模塊結(jié)構(gòu)（module structure）挖掘算法，從音韻網(wǎng)絡(luò)中挖掘17 個(gè)模塊，并分析了模塊的特性。 2017 年，DAUTRICHE 等[21]利用字之間的相鄰音韻關(guān)系構(gòu)建音韻相鄰網(wǎng)絡(luò)，分析發(fā)現(xiàn)，與隨機(jī)網(wǎng)絡(luò)相比，音韻網(wǎng)絡(luò)有較高聚類系數(shù)和傳遞性。2019 年，LIANG等[22]利用構(gòu)建的206 個(gè)現(xiàn)代漢字共現(xiàn)網(wǎng)絡(luò)（cooccurrence network）分析其演化過程中的統(tǒng)計(jì)參數(shù)關(guān)系，結(jié)果表明，現(xiàn)代漢語拓?fù)浣Y(jié)構(gòu)的光譜行為（spectral behavior）在演化過程中具有一致性。ARRUDA 等[23]提 出 一 種 基 于 段 落（paragraphbased）的文本表示方法，利用此方法揭示了真實(shí)的文本具有較強(qiáng)的社團(tuán)結(jié)構(gòu)特性。通過構(gòu)建語言的語義網(wǎng)絡(luò)、句法網(wǎng)絡(luò)、概念網(wǎng)絡(luò)、信息網(wǎng)絡(luò)以及社會(huì)網(wǎng)絡(luò)可揭示人類的認(rèn)知系統(tǒng)[24]。SIZEMORE 等[25]通過構(gòu)建語義特征網(wǎng)絡(luò)探索知識(shí)鴻溝（knowledge gaps）問題，并揭示語義特征網(wǎng)絡(luò)在語言學(xué)習(xí)過程中的重要性。HAGOORT[26]從多重腦網(wǎng)絡(luò)的角度揭示了人類處理語言的過程。

未識(shí)甲骨字的語義預(yù)測(cè)是目前甲骨學(xué)研究中面臨的重要問題和難題。雖然計(jì)算機(jī)技術(shù)輔助的甲骨學(xué)研究取得了一些進(jìn)展，但要預(yù)測(cè)未識(shí)甲骨字的語義還很遠(yuǎn)。為了解決以上問題，本文從系統(tǒng)的角度對(duì)未識(shí)甲骨字進(jìn)行研究。首先，利用甲骨文拓片數(shù)據(jù)構(gòu)建了甲骨字網(wǎng)絡(luò)；其次，對(duì)未識(shí)甲骨字在網(wǎng)絡(luò)上的重要性、信息豐富度、閉合性進(jìn)行研究；最后，結(jié)合網(wǎng)絡(luò)特性和拓片的上下文語境對(duì)未識(shí)甲骨字的場(chǎng)景語義進(jìn)行了預(yù)測(cè)。

1 甲骨字網(wǎng)絡(luò)的構(gòu)建

為了分析未識(shí)和已識(shí)甲骨字在網(wǎng)絡(luò)上的不同特征，需要構(gòu)建甲骨字網(wǎng)絡(luò)。本文以甲骨拓片為基礎(chǔ)數(shù)據(jù)，并利用文獻(xiàn)[13]中的方法構(gòu)建甲骨字網(wǎng)絡(luò)，即網(wǎng)絡(luò)矩陣M。此方法共包含3 個(gè)步驟。第1，選定一片甲骨拓片，假設(shè)此拓片上有2 個(gè)甲骨字i 和j，則可用式（1）和式（2）定義甲骨字i 和j 之間的距離wij，并將wij值賦予Mij處。在式（1）中，int eral 的值可用式（2）計(jì)算：如果2 個(gè)甲骨字之間沒有殘缺的字（由于年代久遠(yuǎn)，甲骨拓片中的甲骨字可能出現(xiàn)脫落），li和lj表示甲骨字i 和j 在拓片中的位置，并且字j 在字i 的后面，那么int eral 的值為lj-li；如果甲骨字i 和j之間有殘缺的甲骨字，那么int eral 的值有兩部分組成，其中一部分為β，表示殘缺甲骨字之間的距離，在本文中，設(shè)置為2。第2，如果2 個(gè)甲骨字在不同的拓片上同時(shí)出現(xiàn)，分別計(jì)算這2 個(gè)甲骨字在不同拓片上的相似性距離，相加后賦予相似性矩陣對(duì)應(yīng)的位置。第3，根據(jù)71 455 片拓片，得到6 199 個(gè)甲骨字（包含甲骨異體字）之間的相似性矩陣，此矩陣共包含160 964 條邊。

2 未識(shí)甲骨字特性定義

為破譯未識(shí)甲骨字的語義，需要對(duì)已識(shí)和未識(shí)甲骨字的網(wǎng)絡(luò)特性進(jìn)行分析，并利用已識(shí)甲骨字的特性指導(dǎo)未識(shí)甲骨字的考釋。本文以甲骨字網(wǎng)絡(luò)為基礎(chǔ)數(shù)據(jù)，對(duì)已識(shí)和未識(shí)甲骨字在網(wǎng)絡(luò)上的重要性、信息豐富度、考釋難易程度進(jìn)行詳細(xì)分析，進(jìn)而為未識(shí)甲骨字的考釋提供方法指導(dǎo)。

2.1 介數(shù)中心性

首先對(duì)未識(shí)甲骨字是否值得進(jìn)一步研究進(jìn)行探索。由于本文使用甲骨字網(wǎng)絡(luò)抽象甲骨文系統(tǒng)，因此，需要對(duì)未識(shí)甲骨字在甲骨字網(wǎng)絡(luò)中對(duì)應(yīng)結(jié)點(diǎn)的重要性進(jìn)行研究。在復(fù)雜網(wǎng)絡(luò)中，介數(shù)中心性（betweenness centrality, BC）是結(jié)點(diǎn)重要性的一種指標(biāo)[27]，以經(jīng)過某個(gè)結(jié)點(diǎn)的最短路徑數(shù)目來刻畫結(jié)點(diǎn)的重要性：

其中，gst表示從結(jié)點(diǎn)s 到結(jié)點(diǎn)t 的最短路徑數(shù)目，nist為從結(jié)點(diǎn)s 到結(jié)點(diǎn)t 的gst條最短路徑中經(jīng)過結(jié)點(diǎn)i 的最短路徑數(shù)目。

2.2 結(jié)點(diǎn)的強(qiáng)度和度

拓片是甲骨文字系統(tǒng)存在最為有力的載體，也是計(jì)算甲骨學(xué)家能夠獲取的最直觀的數(shù)據(jù)，它構(gòu)成了甲骨文系統(tǒng)的基本語義單元。甲骨文拓片中字與字之間的相互關(guān)聯(lián)信息是預(yù)測(cè)未識(shí)甲骨字的重要信息。本文構(gòu)建的甲骨字網(wǎng)絡(luò)以原始拓片為基礎(chǔ)數(shù)據(jù)，通過抽象同一拓片中字（i）與字（j）之間的前后順序定義它們之間的距離，而字i 和j 之間的權(quán)重通過它們?cè)诓煌仄行纬傻木嚯x疊加得到。因此，構(gòu)建的甲骨字網(wǎng)絡(luò)不僅能反映字與字之間的語境信息，而且能反映字與字之間在不同拓片中出現(xiàn)的次數(shù)。

如果一個(gè)未識(shí)甲骨字在不同拓片中出現(xiàn)次數(shù)較多，并且所在拓片含有的甲骨字較多，那么，此未識(shí)甲骨字因其在甲骨文系統(tǒng)中包含的信息較豐富，其語義被預(yù)測(cè)的可能性較大。在甲骨字網(wǎng)絡(luò)中，未識(shí)甲骨字的信息豐富度表現(xiàn)為結(jié)點(diǎn)（i）的強(qiáng)度（S，式（4））和與此結(jié)點(diǎn)相連且權(quán)重大于0 的個(gè)數(shù)（U，式（5））。

式（4）和（5）中，N 表示網(wǎng)絡(luò)矩陣M 的結(jié)點(diǎn)數(shù)，wij表示結(jié)點(diǎn)i 和j 之間的權(quán)重值。當(dāng)wij大于0 時(shí)，δ 取值為1，否則取值為0。

2.3 未識(shí)甲骨字的閉合系數(shù)

在2.2 節(jié)中，分析了一個(gè)甲骨字與其他甲骨字之間在不同拓片出現(xiàn)的情況（U 值）以及不同拓片同時(shí)出現(xiàn)的強(qiáng)度（S 值），這些結(jié)果為破譯未識(shí)甲骨字的語義提供了重要的信息。但是這些信息只是從模糊的角度反映未識(shí)甲骨字語義推理的重要性。如，一個(gè)未識(shí)甲骨字（i）有較大的S 和U 值，而與字i 相連的都是未識(shí)甲骨字（可標(biāo)記為[i1,i2,…,in]）。由于甲骨字[i1,i2,…,in]的語義是未知的，因此也無法從[i1,i2,…,in]中獲取有用信息進(jìn)而預(yù)測(cè)i 字的語義。同樣，對(duì)于一個(gè)具有較大S 和U 值的已識(shí)甲骨字j，與j 字相連的都是已識(shí)甲骨字（可標(biāo)記為[ j1,j2,…,jm]），那么j 字也無法為破譯未識(shí)甲骨字提供有用信息。這種現(xiàn)象稱為甲骨字的閉合性（見式（6）和圖1）。

式（6）中，Ci表示甲骨字i 的閉合系數(shù)，Nn和Un分別表示已識(shí)和未識(shí)甲骨字的個(gè)數(shù)，wih和wik分別表示甲骨字i 與已識(shí)和未識(shí)甲骨字連接的權(quán)重。由于連接的權(quán)重和值較大，對(duì)其取對(duì)數(shù)。

圖1 閉合系數(shù)計(jì)算示意圖Fig.1 An example to calculate closed coefficient

一個(gè)未識(shí)甲骨字的閉合性的絕對(duì)值越大，被破譯的可能性越?。欢粋€(gè)已識(shí)甲骨字的閉合性值越大，此字為破譯其他未識(shí)甲骨字提供的信息就越少。從式（6）中可以推斷，如果一個(gè)未識(shí)甲骨字i 與其他已識(shí)甲骨字連接的權(quán)重越小，而與其他未識(shí)甲骨字連接的權(quán)重越大，Ci的負(fù)值就越小，|Ci|絕對(duì)值就越大；如果一個(gè)已識(shí)甲骨字j 與其他已識(shí)甲骨字連接的權(quán)重越大、而與其他未識(shí)甲骨字連接的權(quán)重越小，Cj的值就越大?？傊?，在甲骨文字系統(tǒng)中，如果已識(shí)甲骨字的Cj值和未識(shí)甲骨字的|Ci|值較大，對(duì)破譯未識(shí)甲骨字語義的困難就越大。對(duì)于一個(gè)未識(shí)甲骨字i，如果它的Ci值越大，說明此字與已識(shí)甲骨字連接較為緊密，可用信息越多，破譯的可能性越大。

在圖1 中，與甲骨字1 相連的甲骨字共有5 個(gè)，分別為甲骨字2，3，4，5，6，它們與甲骨字1 的權(quán)重分別為30，90，60，20，10，如果甲骨字2，3，4 為已識(shí)甲骨字，甲骨字5，6 為未識(shí)甲骨字，那么甲骨字1 的閉合系數(shù)C1為

3 實(shí)驗(yàn)結(jié)果分析與討論

3.1 未識(shí)甲骨字的重要性

為計(jì)算未識(shí)甲骨字在甲骨字網(wǎng)絡(luò)中的重要性，首先計(jì)算所有甲骨字的介數(shù)中心性（式（3））；然后，對(duì)所有甲骨字的介數(shù)中心性值進(jìn)行排序，排序后的結(jié)果為SBC；最后，選出排名前NS的結(jié)點(diǎn)，計(jì)算NS中未識(shí)甲骨字所占比例PS：

式（7）中，當(dāng)甲骨字i 為未識(shí)字時(shí)，θ 取值為1，否則取值為0。

圖2表示的是當(dāng)Ns=[50,100,200,…,1500,1600]時(shí)（由于已識(shí)甲骨字的個(gè)數(shù)為1 602，所以NS的最大值設(shè)置為1 600），未識(shí)甲骨字在BC 值上的PS值。從圖2 中可以看到，當(dāng)NS=50 時(shí)，PS在BC 上的值為10%，即前50 個(gè)甲骨字中，僅有5 個(gè)字是未識(shí)甲骨字；當(dāng)NS=100 時(shí)，PS在BC 上的值為13%，即前100 個(gè)甲骨字中，僅有13 個(gè)字是未識(shí)甲骨字。隨著NS值的增大，PS值也逐步增大。當(dāng)NS=1 600 時(shí)，PS值為52.06%，其結(jié)果意味著未識(shí)甲骨字的重要性甚至大于已識(shí)甲骨字。因此，未識(shí)甲骨字語義預(yù)測(cè)對(duì)重新認(rèn)識(shí)甲骨文系統(tǒng)、殷商文化和古代史都有重要意義。

圖2 未識(shí)甲骨字在BC 值上的PSFig.2 The values of PS of unknown oracle characters on BC

3.2 未識(shí)甲骨字的信息豐富度

未識(shí)甲骨字的信息豐富度是語義預(yù)測(cè)的直接依據(jù)。依據(jù)S（式（4））和U（式（5））的定義，分析未識(shí)甲骨字的信息豐富度：第1，計(jì)算所有結(jié)點(diǎn)的S 和U值；第2，對(duì)結(jié)點(diǎn)的S 和U 值進(jìn)行排序，取出排名前NS個(gè)結(jié)點(diǎn)，計(jì)算NS中未識(shí)甲骨字所在的比例PS（式（7） ） 。 圖 3 表 示 的 是 當(dāng) Ns=[50,100,200,…,1500,1600]時(shí)，未識(shí)甲骨字在值S（圖3A）和U（圖3B）上的PS值。從圖3 中可以看到，當(dāng)NS=50 時(shí)，PS在S 上的值為10%，即前50 個(gè)甲骨字中，僅有5 個(gè)是未識(shí)甲骨字；當(dāng)NS=100 時(shí)，PS在S 上的值為17%，即前100 個(gè)甲骨字中，僅有17個(gè)是未識(shí)甲骨字。隨著NS值的增大，PS值也逐漸增大?？梢钥吹剑坠亲值腟 值越大，其語義被破譯的可能性就越大。對(duì)于U 值，隨著NS值的增大,PS值也逐漸增大。如，當(dāng)NS=50 時(shí)，PS在S 上的值為6%，即前50 個(gè)甲骨字中，僅有3 個(gè)是未識(shí)甲骨字；當(dāng)NS=100 時(shí)，PS在S 上 的 值 為12%，即 前100 個(gè) 甲骨字中，僅有12 個(gè)是未識(shí)甲骨字。從U 值中可以看到，與S 值相比，U 值在破譯甲骨字語義上起更重要的作用。綜上，甲骨字的信息豐富度在預(yù)測(cè)甲骨字語義上具有重要的支持作用，而一些未識(shí)甲骨字（具有較大的S 和U 值）的可用信息足以預(yù)測(cè)其語義。

圖3 未識(shí)甲骨字在S 和U 值上的PSFig.3 The values of PS of unknown oracle characters on S and U

3.3 未識(shí)甲骨字的考釋難易程度

閉合系數(shù)（式（6），C）可以定義未識(shí)甲骨字的考釋難易程度，即未識(shí)甲骨字的閉合系數(shù)越大，此字的語義被破譯的可能性越大。考釋難易程度有助于解決首先預(yù)測(cè)那些未識(shí)甲骨字的語義問題。圖4 給出了已識(shí)甲骨字和未識(shí)甲骨字的C 值。需要注意的是，在計(jì)算C 值時(shí)，如果分子和分母其中一項(xiàng)為0，不計(jì)算此字的C 值。通過篩選，共得到已識(shí)甲骨字1 397 個(gè)，未識(shí)甲骨字3 367 個(gè)。從圖中以看到，對(duì)于已識(shí)甲骨字，有2.79%（共39 個(gè)，見表1）的甲骨字C值小于0，即這些甲骨字與未識(shí)甲骨字連接緊密；有0.21%（共3 個(gè)）的C 值等于0，說明這些甲骨字與已識(shí)甲骨字和未識(shí)甲骨字連接的權(quán)重相等。而C 值較大（大于4）的甲骨字僅占到所有已識(shí)甲骨字的5.94%（共83 個(gè)），大部分（91.05%，共1 272 個(gè)甲骨字）已識(shí)甲骨字的C 值分布在0 ～4。

通過以上分析可知，已識(shí)甲骨字并沒有較強(qiáng)的閉合性，可以為未識(shí)甲骨字語義的預(yù)測(cè)提供重要的可用信息。對(duì)于未識(shí)甲骨字，C 值小于等于0 的共有234 個(gè)（見表1），而C 值分布在0 ～4 的共有2 863個(gè)（占85.03%）。與已識(shí)甲骨字連接緊密而與未識(shí)甲骨字連接稀疏（即C 值大于4）的未識(shí)甲骨共有270 個(gè)。與已識(shí)甲骨字一樣，未識(shí)甲骨字的閉合性較弱，這為預(yù)測(cè)未識(shí)甲骨字的語義提供了重要的理論和數(shù)據(jù)依據(jù)。特別是對(duì)于具有較大C 值的270 個(gè)未識(shí)甲骨字，是需要破譯的首要目標(biāo)。

圖4 已識(shí)和未識(shí)甲骨字的C 值Fig.4 The values of C of known and unknown oracle characters

表1 不同C 值的已識(shí)和未識(shí)甲骨字的個(gè)數(shù)和占比Table 1 The number and percentage of known and unknown oracle characters on different values of C

閉合性為首先預(yù)測(cè)那些未識(shí)甲骨字的語義提供了重要的數(shù)據(jù)支持，因?yàn)檫@些未識(shí)甲骨字與已識(shí)甲骨字緊密相連，且在不同的拓片中多次出現(xiàn)，并構(gòu)成相對(duì)完整的語義單元。更進(jìn)一步，對(duì)已識(shí)甲骨字（連接性甲骨字和非連接性甲骨字）進(jìn)行模糊分類。連接性甲骨字在拓片中起“連接”的作用，如“卜”字的出現(xiàn)，表明此拓片用于占卜，對(duì)于預(yù)測(cè)未識(shí)甲骨字的語義提供的信息較少。另外，“卜”字在所有的拓片中共出現(xiàn)了至少20 375 次[13]，能夠提供可用信息非常少。由于這些甲骨字有較高的U 值，因此，去掉U 值排名前100 的甲骨字，然后計(jì)算已識(shí)和未識(shí)甲骨字的閉合性C。圖5 給出了已識(shí)和未識(shí)甲骨字的閉合系數(shù)。從圖5 中可看到：（1）沒有出現(xiàn)有較高C值的已識(shí)甲骨字，（2）沒有出現(xiàn)具有較高|Ci|值的未識(shí)甲骨字。因此，已識(shí)和未識(shí)甲骨字都不具有很強(qiáng)的閉合性，可以利用已有的拓片數(shù)據(jù)信息預(yù)測(cè)未識(shí)甲骨字的語義。

圖5 篩選連接性甲骨字后的已識(shí)和未識(shí)甲骨字的閉合系數(shù)Fig.5 The closed coefficient of known and unknown oracle characters by selecting linked oracle characters

3.4 未識(shí)甲骨字的場(chǎng)景語義預(yù)測(cè)

通過對(duì)未識(shí)甲骨字的特征分析可知，如果一個(gè)未識(shí)甲骨字的介數(shù)中心性、強(qiáng)度和度以及閉合系數(shù)有較大的值，那么此字的場(chǎng)景語義最有可能被破譯。依據(jù)此結(jié)論，對(duì)未識(shí)甲骨字（標(biāo)記為P，此字的介數(shù)中心性、強(qiáng)度和度以及閉合系數(shù)值較大）（異形體為，，）的場(chǎng)景語義進(jìn)行預(yù)測(cè)。為了充分利用甲骨拓片的上下文信息，首先，對(duì)未識(shí)甲骨字P 的前置甲骨字B 出現(xiàn)的次數(shù)FB（式（8））、間隔前置甲骨字Bi出現(xiàn)的次數(shù)FBi（式（9））、后置甲骨字A 出現(xiàn)的次數(shù)FA（式（10））、間隔后置甲骨字Ai出現(xiàn)的次數(shù)FAi（式（11））進(jìn)行計(jì)算。

式（8）～（11）中，TN表示所有甲骨拓片的個(gè)數(shù)，當(dāng)wPB和wPA值為10 時(shí)（可由式（1）和(2)推理），γB和γA取為1，否則取為0。當(dāng)wPBi和wPAi值為時(shí)（可由式(1)和(2)推理），γBi和γAi取為1，否則取為0。

然后，對(duì)FB、FBi、FA、FAi進(jìn)行排序；第3，在篩選B、Bi、A、Ai為已識(shí)甲骨字的情況下，計(jì)算FB、FBi、FA、FAi的值。通過計(jì) 算發(fā)現(xiàn)，當(dāng)FB為1 889（最大值）時(shí)，甲骨字B 為（簡(jiǎn)體字為受），說明甲骨字P與B 經(jīng)常聯(lián)合出現(xiàn)。根據(jù)甲骨文語法知識(shí)[28]，甲骨字B 后應(yīng)與名詞聯(lián)合使用。因此，推測(cè)未識(shí)甲骨字P 的詞性應(yīng)為名詞。進(jìn)一步對(duì)FA進(jìn)行分析，當(dāng)FA為最大（1 676）時(shí)，甲骨字A 為（簡(jiǎn)體字為于）。同樣，根據(jù)甲骨文語法知識(shí)知，的前面經(jīng)常與名詞連用，因此，推測(cè)未識(shí)甲骨字P 詞性為名詞。

為了預(yù)測(cè)未識(shí)甲骨字P 的場(chǎng)景語義，對(duì)FB值的前置甲骨字B 做進(jìn)一步分析，當(dāng)FB=531 時(shí)，前置甲骨字B 為（簡(jiǎn)體字為牢）。字在甲骨文系統(tǒng)中用來表示圈起來飼養(yǎng)家禽[29]。那么，字是否與家禽以及一些動(dòng)物有關(guān)？接下來，通過擴(kuò)大P 字的搜索范圍，即計(jì)算P 的后置甲骨字FA和間隔后置甲骨字FAi。當(dāng)FA=FAi=455 時(shí)，P 字后置甲骨字為一（簡(jiǎn)體字為一）、間隔后置甲骨字為（簡(jiǎn)體字為牛）；不僅如此，P 字也經(jīng)常（FA=241）和甲骨字二（簡(jiǎn)體字為二）共同出現(xiàn)。P 字和一定數(shù)量的家禽共同使用（或出現(xiàn)），由此推斷P（）字為參與“祭祀”場(chǎng)景的描述。為了驗(yàn)證推斷的正確性，進(jìn)一步對(duì)未識(shí)甲骨字P 的間隔后置甲骨字進(jìn)行分析，當(dāng)FAi=336時(shí)，P 字和甲骨字（簡(jiǎn)體字為祖）共同出現(xiàn)。通過分析，預(yù)測(cè)未識(shí)甲骨字P 用于“祭祀祖先”場(chǎng)景語義的描述。不僅如此，未識(shí)甲骨字P 和后置甲骨字（簡(jiǎn)體字為疾）聯(lián)合使用（FA=226）。以上情況說明，未識(shí)甲骨字主要用于描述“祭祀祖先”的場(chǎng)景，并在祭祀的同時(shí)祈禱先人保佑后人健康。

4 結(jié) 論

甲骨文是地下出土中我國(guó)最早的成文古典文獻(xiàn)遺產(chǎn)，是漢字漢語的鼻祖，承載著真正的中華基因。對(duì)未識(shí)甲骨字的考釋是甲骨學(xué)研究的最主要內(nèi)容，可以廣泛推動(dòng)甲骨學(xué)的發(fā)展。然而，現(xiàn)有計(jì)算機(jī)技術(shù)輔助的研究方法無法進(jìn)一步破譯未識(shí)甲骨字的語義。為了破譯未識(shí)甲骨字的語義，本文以甲骨拓片為基礎(chǔ)數(shù)據(jù)，首先，通過抽象甲骨文字在拓片中的上下文語境構(gòu)建甲骨字網(wǎng)絡(luò)；然后，在甲骨字網(wǎng)絡(luò)之上，分析未識(shí)甲骨字的重要性、信息豐富度、閉合性等特性，為預(yù)測(cè)未識(shí)甲骨字的場(chǎng)景語義提供理論依據(jù)；最后，根據(jù)網(wǎng)絡(luò)特性和甲骨拓片的上下文語境預(yù)測(cè)未識(shí)甲骨字的場(chǎng)景語義。本文的研究可為用計(jì)算機(jī)技術(shù)破譯未識(shí)甲骨字的語義提供研究思路。但尚有很多問題需要改進(jìn)：第1，構(gòu)建的甲骨字網(wǎng)絡(luò)不完備。現(xiàn)有的甲骨拓片約有15 萬片，而文中僅使用了約7.1 萬片。甲骨拓片的不足會(huì)嚴(yán)重影響甲骨字網(wǎng)絡(luò)的完備性，而甲骨字網(wǎng)絡(luò)的不完備會(huì)降低語義預(yù)測(cè)的正確率；第2，使用文中方法預(yù)測(cè)的未識(shí)甲骨字語義是模糊的，還不能精準(zhǔn)預(yù)測(cè)其語義，即找到與現(xiàn)代漢字的映射關(guān)系；第3，提出的未識(shí)甲骨字預(yù)測(cè)方法是半自動(dòng)化的計(jì)算機(jī)輔助方法。甲骨字與甲骨字之間的語義推理需要甲骨學(xué)家、古文字學(xué)家的參與，無法智能地完成場(chǎng)景語義的預(yù)測(cè)。這種半自動(dòng)化的計(jì)算機(jī)輔助預(yù)測(cè)模型并不理想。

為了克服文中方法的缺點(diǎn)，今后的研究將從以下兩個(gè)方面對(duì)計(jì)算機(jī)輔助的甲骨字語義預(yù)測(cè)做改進(jìn)。首先，收集文中未使用的甲骨拓片（約8 萬片），建立完備的甲骨字網(wǎng)絡(luò)，提高語義預(yù)測(cè)的正確率。其次，利用機(jī)器學(xué)習(xí)、人工智能等最新算法，設(shè)計(jì)更加智能的未識(shí)甲骨字語義預(yù)測(cè)模型，如神經(jīng)網(wǎng)絡(luò)及其衍生方法：卷積神經(jīng)網(wǎng)絡(luò)（conventional neural network, CNN）[30]、遞歸神經(jīng)網(wǎng)絡(luò)（recurrent neural network, RNN）[31-32]、圖 卷 積 神 經(jīng) 網(wǎng) 絡(luò)（graph conventional neural network，GCNN）[33]等。其 中遞歸神經(jīng)網(wǎng)絡(luò)及其衍生的長(zhǎng)短期記憶網(wǎng)絡(luò)（long short term memory network, LSTM）[34-35]由于其良好的記憶功能已被廣泛應(yīng)用于自然語言處理，特別是語言模型中的上下文殘缺詞的推理；而圖卷積神經(jīng)網(wǎng)絡(luò)在處理圖（graph）（或稱為網(wǎng)絡(luò)）數(shù)據(jù)方面具有高效性能，使其成為神經(jīng)網(wǎng)絡(luò)研究領(lǐng)域最活躍的分支[36]。在今后的研究中，筆者將使用圖卷積神經(jīng)網(wǎng)絡(luò)處理甲骨字網(wǎng)絡(luò)（或稱甲骨字圖），并結(jié)合長(zhǎng)短期記憶網(wǎng)絡(luò)標(biāo)注未識(shí)甲骨字的語義，進(jìn)而減少預(yù)測(cè)模型的人工干預(yù)，推動(dòng)計(jì)算機(jī)技術(shù)輔助的未識(shí)甲骨字語義預(yù)測(cè)的進(jìn)展。