广东省数据知识产权存证登记平台-证书详情

登记信息

中古文学注释研究用-《昭明文选》正文—李善注文结构化数据集 已登记

数据申请号：

粤2026091105532
数据登记号：

SZ2026310009434.1
关键词：

《昭明文选》，李善注文，结构化，古典文学
登记时间：

2026-10-04
平台证书编号：

20260944000009434
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
法院编号：

广州互联网法院 - 7f1cd47b1d009b96dc355f5a27451c5497294f47e7fdc64de9f68c2389c7c6cd-749fc1a4;legalxchain

区块链信息

上链时间：

2026-09-24
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：

f6f4a21e0978327665d7d68dd133e133cb7465af31f75ad548ad8326560a8f5f6924cdf5041142b1fcded147c9f43a08cc68f259c92e5a8645177d82fe873601
区块链存证证书编号：

LXM-GDIPI-23202609243988511950

数据信息

数据简介

本数据集以《昭明文选》六十卷为整理对象，依据胡克家重刊宋淳熙尤袤刻李善注本相关公开数字文本，对《文选》正文及李善注文进行系统整理、清洗与结构化加工。数据覆盖全书六十卷，形成约1.94万条结构化记录。数据以“正文—注文”的对应关系为基本组织单元，主要设置卷数、文类名、部类名、作品名、正文、注文等字段，将原有连续古籍文本转化为可检索、可统计、可计算的数据资源，并保留作品层级、文类层级及正文与注文之间的对应关系。该数据可用于《昭明文选》文本检索、李善注研究、典故与引文分析、知识来源分析、词汇统计、文学文献研究及数字人文计算，也可进一步用于古籍知识库建设、文本相似度分析、自然语言处理及人工智能模型训练等应用场景，具有较高的古籍数据开发与研究利用价值。

数据来源：

公开采集
数据所属行业分类：

P83 教育

数据处理规则说明

本数据以《昭明文选》正文及李善注文原始数字文本为加工前数据，以“正文—注文”对应关系为基本处理单元。首先依据卷次、文类、部类、作品名及原文编排顺序拆分文本，识别正文段落与紧随其后的注文内容。正文—注文匹配以原书注释位置和语义指向为主要依据：注文直接解释某一字、词、句或典故者，匹配至相应正文；注文连续解释同一句或同一语义单元者合并归入同一正文记录；如一条注文涉及前后多个语句，则结合注释起止位置、所释词语及上下文语义确定其主要对应对象；无法明确定位或存在歧义的记录进入人工复核，不作强制匹配。电子表格及程序工具仅用于文本清洗、字段整理和辅助检查，最终对应关系及标注结果均由人工核验确认。

应用场景描述

本数据可应用于古典文学研究、古籍整理、数字人文、知识库建设及人工智能辅助研究等场景。首先，可支持《昭明文选》正文与李善注的全文检索、篇章定位、文类统计及正文—注文对应关系研究，提高传统文献检索与校读效率。其次，可用于典故、引文、人物、地名、书名及知识来源等信息的提取与统计，为中古文学、文献学、注释学和知识史研究提供结构化数据基础。再次，可进一步用于文本相似度分析、互文关系识别、词汇与主题统计、知识图谱构建，以及古籍自然语言处理模型、检索增强系统和人工智能辅助阅读工具的训练与测试。该数据还可服务于高校教学、科研数据库建设及数字古籍平台开发，具有较强的学术研究和数字化应用价值。

数据格式：

xlsx
数据更新频率：

实时更新
数据量：

19400

样例数据

见附件图片附件下载

数据结构样例

字段名：卷数文类名部类名作品名正文注文

数据状态

2026-10-04

数据知识产权登记完成