广东省数据知识产权存证登记平台-证书详情

登记信息

中国古代类书结构化知识数据集 已登记

数据申请号：

粤2026081405308
数据登记号：

SZ2026340008309.4
关键词：

中国古代类书；古典文献；结构化数据；数字人文；知识库
登记时间：

2026-09-11
平台证书编号：

20260844000008309
数据处理者：

王治田
服务机构：

厦门大学马来西亚分校
登记主体：

王治田 ;张杰 ;侯君明
法院编号：

广州互联网法院 - e1ea86fb5e4be6f2b3d2d9d9181ec88269a98701dd135bba6bab17ada06d381c-749fc1a4;legalxchain

区块链信息

上链时间：

2026-08-31
所属区块链：

司法联盟链·广东省知识产权保护中心
证据指纹：

9e042003d955aa28b269815b7f3cf6349c3cb549b352a1321bd95119e6c663344a80de9199a2d9c105177628d9f5bca92923ebacbb5d1cbd6736c99e7731ecd1
区块链存证证书编号：

LXM-GDIPI-23202608313754137613

数据信息

数据简介

本数据集以中国古代类书文献为主要数据来源，对公开获取的古籍文本进行采集、清洗、校核、分类、切分、信息提取与结构化加工，形成具有统一数据规范的古典知识数据集。数据涵盖《初学记》《白氏六帖》《唐类函》《渊鉴类函》等重要类书，按照原书知识分类体系及文本特征，对部类、卷次、词目、正文、注文、事对及相关知识单元进行结构化组织，并保留不同文献间可关联的信息。数据集主要采用JSON、表格等结构化及半结构化形式，可用于古典文献检索、类书研究、知识分类研究、文学互文分析、数字人文研究，以及人工智能模型训练、检索增强生成与知识库建设等应用。

数据来源：

公开采集
数据所属行业分类：

R86 新闻和出版业

数据处理规则说明

数据主要来源于依法公开获取的中国古代类书数字文本。首先通过自动化程序及人工方式完成数据采集与汇总，并对原始文本进行格式统一、字符清洗、异常数据处理及人工校核；其次依据类书原有知识分类体系及文本结构，对数据进行卷次识别、部类划分、条目切分和层级解析；在此基础上，通过Python程序、规则匹配及自然语言处理等方法提取部类、卷次、词目、正文、注文、事对、来源等信息，按照统一字段规范转换为JSON、表格等结构化或半结构化数据，并进行去重、规范化和质量检查。数据不涉及个人信息，无需进行个人信息匿名化、去标识化处理。

应用场景描述

本数据集主要面向中国古典文献研究、数字人文、古籍智能整理及人工智能应用等场景。适用于中国古代类书的知识分类、文献检索、词目关联、知识组织及跨文献比较，可支持文学研究中的典故识别、互文关系发现、知识来源追踪和文学知识史分析。在数字人文领域，可用于知识图谱构建、文本统计、语义分析和可视化研究；在人工智能领域，可作为古典文献领域模型训练、检索增强生成（RAG）、语义检索及智能问答系统的专业知识数据源。数据集通过将传统非结构化古籍文本转化为机器可读取、检索、计算和关联的结构化数据，解决古籍知识分散、检索困难及机器利用效率较低等问题。

数据格式：

JSON、Markdown（MD）、Excel（XLSX）
数据更新频率：

实时更新
数据量：

161359

样例数据

[ { "卷": "一", "部类": "天", "部类序号": "一", "部类附名": null, "词条": "高明柔克", "注文": "高明，天也。柔克，寒暑不干。", "注文類型": "解釋文意" }, { "卷": "一", "部类": "天", "部类序号": "一", "部类附名": null, "词条": "陰騭下人", "注文": "言天默定下人之命。", "注文類型": "解釋文意" }, { "卷": "一", "部类": "天", "部类序号": "一", "部类附名": null, "词条": "天尊", "注文": "地卑。", "注文類型": "對仗" },

数据结构样例

本数据集采用分文献、分层级的结构化数据组织方式，主要包括《初学记》《白氏六帖》《唐类函》《渊鉴类函》等数据表（集）。主要字段包括：书名（String，文献标识）、卷次（String/Integer，卷次信息）、部类（String，知识分类）、部类序号（Integer，分类排序）、词目（String，知识条目标识）、正文（Text，条目正文）、注文（Text，原文注文）、事对（Text/Array，事对知识单元）、来源（String，文献来源）等。不同类书依据原书体例设置相应扩展字段。以“书名＋卷次＋部类＋词目/条目序号”等字段组合识别具体知识记录；数据主要采用JSON、XLSX格式存储。

数据状态

2026-09-11

数据知识产权登记完成