# 《史记》数字人文研究方法总则

> 基于计算语言学、数字人文与数据科学的《史记》综合研究框架
> 创建时间：2026-02-06
> 版本：v2.0

---

## 目录

- [一、研究理念](#一研究理念)
- [二、数据准备与标注方法](#二数据准备与标注方法)
- [三、文本分析方法](#三文本分析方法)
- [四、网络分析方法](#四网络分析方法)
- [五、时空分析方法](#五时空分析方法)
- [六、知识工程方法](#六知识工程方法)
- [七、统计分析方法](#七统计分析方法)
- [八、可视化方法](#八可视化方法)
- [九、研究流程](#九研究流程)
- [十、质量控制](#十质量控制)

---

## 一、研究理念

### 1.1 从"细读"到"远观"

**细读（Close Reading）**
- 传统人文研究方法
- 深入分析具体文本细节
- 注重语境、修辞、含义
- 适用范围：单篇或少数篇章

**远观（Distant Reading）**
- 数字人文研究方法
- 聚合大规模数据分析
- 发现宏观模式和趋势
- 适用范围：整部史记或跨章节

**结合策略**
- 远观发现模式 → 细读验证解释
- 细读提出假设 → 远观量化验证
- 宏观与微观互相补充

### 1.2 数据驱动的历史研究

**传统历史研究**
```
史料阅读 → 提出观点 → 选择性引证 → 形成论述
```

**数字人文研究**
```
数据采集 → 结构化标注 → 计算分析 → 可视化展示 →
模式发现 → 假设提出 → 统计验证 → 学术阐释
```

**优势**
- 全面性：覆盖全文，减少选择性偏差
- 系统性：统一标准，可重复验证
- 发现性：揭示隐藏模式和关联
- 客观性：数据支撑，减少主观臆断

### 1.3 四层语义模型

本项目的研究方法建立在四层语义递进模型上，每一层在前一层基础上构建更高级的语义理解：

| 层次         | 关注对象         | 核心问题                         | 方法                                     |
| ------------ | ---------------- | -------------------------------- | ---------------------------------------- |
| **结构语义** | 篇章、段落、句子 | 文本怎么组织的？句子间什么关系？ | 切分、编号、因果/并列/递进识别、注释对齐 |
| **图谱语义** | 实体、事件、关系 | 谁做了什么？在哪里？什么时候？   | NER标注、事件提取、关系发现、纪年推断    |
| **知识语义** | 本体、规则、方法 | 怎么分类？遵循什么规律？         | 本体构建、逻辑推理、知识单元化           |
| **应用语义** | 考据、叙事、发现 | 历史真相是什么？有哪些矛盾？     | 矛盾检测、规律归纳、交互式探索           |

每一层都是下一层的前提：没有结构语义就无法准确提取图谱语义，没有图谱语义就无法构建知识语义，没有知识语义就无法支撑应用语义。

详见 [SKILL_00 管线总览](../../skills/SKILL_00_管线总览.md)§四。

### 1.4 跨学科融合

本研究融合以下学科方法：

| 学科         | 贡献方法                     | 应用场景               |
| ------------ | ---------------------------- | ---------------------- |
| 计算语言学   | 分词、词性标注、依存分析     | 文本处理、语言特征分析 |
| 数据科学     | 统计分析、机器学习、数据挖掘 | 模式发现、预测建模     |
| 网络科学     | 图论、网络分析、社区发现     | 人物关系、社会结构     |
| 地理信息科学 | GIS、时空分析、地图可视化    | 历史地理、事件分布     |
| 知识工程     | 本体建模、知识图谱、语义推理 | 知识组织、智能问答     |
| 信息可视化   | 图表设计、交互设计、视觉编码 | 数据呈现、探索分析     |
| 历史学       | 史料考证、历史解释、批判思维 | 结果验证、学术阐释     |

---

## 二、数据准备与标注方法

### 2.1 文本获取与预处理

#### 2.1.1 文本来源
- [维基文库·史記](https://zh.wikisource.org/zh-hans/史記)：主要底本来源（含三家注）
- 《史记》标点本（中华书局版）：校勘参照
- 数字化文本：130篇完整文本
- 文件组织：corpus/archive/chapter/ 目录（原始底本，校对基准）

#### 2.1.2 预处理步骤
1. **格式统一**
   - 编码：UTF-8
   - 格式：纯文本（.txt）
   - 命名：序号_篇名.txt（如 001_五帝本纪.txt）

2. **文本清洗**
   - 去除页码、注释
   - 统一标点符号
   - 保留原始分段

3. **质量检查**
   - 字数统计验证
   - 缺字检查
   - 格式一致性检查

### 2.2 语义标注方法

#### 2.2.1 实体标注（18类，v2.5）

《史记》实体分类体系（〖〗统一格式）：

| 序号   | 类别   | 标记         | 示例         | 说明               |
| ------ | ------ | ------------ | ------------ | ------------------ |
| 1      | 人名   | `〖@〗`      | 〖@秦始皇〗  | 历史人物姓名       |
| 2      | 地名   | `〖=〗`      | 〖=咸阳〗    | 地理位置名称       |
| 3      | 官职   | `〖;〗`      | 〖;丞相〗    | 官员职位名称       |
| 4      | 时间   | `〖%〗`      | 〖%元年〗    | 时间表达           |
| 5      | 邦国   | `〖'〗`      | 〖'秦〗      | 统一王朝+诸侯国    |
| 6      | 氏族   | `〖&〗`      | 〖&刘氏〗    | 宗族姓氏集团       |
| 7      | 身份   | `〖#〗`      | 〖#天子〗    | 社会角色           |
| 8      | 数量   | `〖$〗`      | 〖$三万人〗  | 军队/距离/金额     |
| 9      | 制度   | `〖^〗`      | 〖^郡县制〗  | 政治经济制度       |
| 10     | 族群   | `〖~〗`      | 〖~匈奴〗    | 民族/部落名称      |
| 11     | 器物   | `〖•〗`      | 〖•鼎〗      | 器具、物品         |
| 12     | 天文   | `〖!〗`      | 〖!彗星〗    | 天文现象、星宿     |
| 13     | 神话   | `〖?〗`      | 〖?黄帝〗    | 神话传说人物       |
| 14     | 生物   | `〖+〗`      | 〖+桑〗      | 动植物             |
| 15     | 典籍   | `〖{〗`      | 〖{春秋〗    | 古代文献           |
| 16     | 礼仪   | `〖:〗`      | 〖:宗庙〗    | 礼制仪式           |
| 17     | 刑法   | `〖[〗`      | 〖[腰斩〗    | 刑罚法律           |
| 18     | 思想   | `〖_〗`      | 〖_仁义〗    | 思想概念           |

#### 2.2.2 标注原则

**一致性原则**
- 同一实体在全文中使用相同标记
- 人物别名、字号统一为最常用名

**完整性原则**
- 标注完整实体（如"秦始皇"不拆分）
- 包含修饰词（如"大将军"而非"将军"）

**准确性原则**
- 根据语境判断类别
- "秦"可能是邦国〖'秦〗或地名〖=秦〗
- "王"可能是官职$王$或人名@某王@

**边界情况处理**
- 复合实体：官职+人名 → $丞相$@李斯@
- 嵌套实体：地名+建筑 → 〖=咸阳〗宫
- 模糊实体：神话/历史 → 标注为主要类别

#### 2.2.3 段落编号

采用圣经式编号系统（Biblical notation）：

```
# [0] 章节名

## [1] 一级标题
### [1.1] 二级标题
#### [1.1.1] 三级标题

[1.1.1] 段落内容第一句...
[1.1.2] 段落内容第二句...
```

**编号规则**
- [0]：保留给章节标题
- [1], [2], [3]...：一级标题
- [1.1], [1.2]...：二级标题
- [1.1.1], [1.1.2]...：段落句子

**优势**
- 精确定位：可引用具体句子
- 便于索引：支持交叉引用
- 结构清晰：层级关系明确

### 2.3 标注工具与流程

#### 2.3.1 半自动标注流程

```
原始文本 → 分词标注 → 实体识别 → 人工校对 → 标注文件
```

**工具链**
1. **分词**：jieba / pkuseg
2. **NER**：基于规则 + BERT模型
3. **校对**：人工审核修正
4. **输出**：tagged.md 文件

#### 2.3.2 质量控制

**三级检查**
1. 自动检查：格式、完整性
2. 交叉验证：一致性比对
3. 专家审核：准确性判断

**标注一致性指标**
- Cohen's Kappa > 0.8
- 实体边界F1 > 0.90
- 分类准确率 > 0.95

---

## 三、文本分析方法

### 3.1 词汇统计分析

#### 3.1.1 基础统计

**词频分析**
- 高频词Top N
- Zipf定律验证
- 词频-排名曲线

**词汇丰富度**
- TTR（Type-Token Ratio）
- MATTR（Moving Average TTR）
- Herdan's C

**覆盖率分析**
- 高频词覆盖率
- 词汇增长曲线
- 新词出现率

#### 3.1.2 专有名词分析

基于18类实体标注：

**人名分析**（1820个）
- 高频人物识别
- 时代分布统计
- 共现网络分析

**地名分析**（954个）
- 地理分布热力图
- 地名时代演变
- 中心地识别

**官职分析**（850个）
- 官制体系梳理
- 朝代演变对比
- 职位层级分析

#### 3.1.3 语义场分析

**词汇聚类**
- 同义词识别
- 反义词对比
- 语义场划分

**主题词提取**
- TF-IDF
- TextRank
- 关键词网络

### 3.2 句法分析

#### 3.2.1 句长统计

**分布分析**
- 平均句长
- 句长分布直方图
- 各体裁对比

**句式识别**
- 短句：<10字
- 中句：10-25字
- 长句：25-50字
- 超长句：>50字

#### 3.2.2 特殊句式

**文言句式**
- 判断句：...者...也
- 被动句：为...所...
- 倒装句：宾语前置
- 省略句：主语省略

**统计方法**
- 规则匹配
- 依存句法分析
- 人工验证

### 3.3 文体计量分析

#### 3.3.1 风格特征量化

**词汇特征**
- 实词/虚词比例
- 名词/动词比例
- 专有名词密度
- 词汇丰富度

**句法特征**
- 平均句长
- 句式分布
- 从句使用率
- 对话占比

**修辞特征**
- 对偶频率
- 排比频率
- 比喻密度
- 引用频率

#### 3.3.2 五体对比

| 指标     | 本纪   | 表     | 书     | 世家   | 列传   |
| -------- | ------ | ------ | ------ | ------ | ------ |
| 平均句长 | 25-30  | 10-15  | 30-40  | 20-25  | 20-30  |
| 对话占比 | 30-40% | <5%    | 10-15% | 25-35% | 35-45% |
| 专名密度 | 高     | 极高   | 中     | 高     | 中高   |
| 叙事性   | 强     | 弱     | 中     | 强     | 强     |
| 论述性   | 中     | 弱     | 强     | 中     | 弱     |

#### 3.3.3 聚类分析

**方法**
- 基于风格特征的K-means聚类
- 层次聚类（Hierarchical Clustering）
- 主成分分析（PCA）降维

**应用**
- 识别相似篇章
- 探讨作者归属
- 发现异常文本

### 3.4 对话分析

#### 3.4.1 对话识别

**标识词**
- 曰、言、谓、云
- 问、答、对
- 白、告、语

**对话类型**
- 直接引语："曰：'...'"
- 间接引语："谓...如此"

#### 3.4.2 对话统计

**量化指标**
- 对话句数量
- 对话占比
- 平均对话长度
- 对话人物分布

**功能分析**
- 情节推动
- 人物塑造
- 矛盾展现
- 思想表达

### 3.5 主题建模

#### 3.5.1 LDA主题模型

**参数设置**
- 主题数：10-20个
- 迭代次数：1000+
- 每主题词数：10-15个

**分析步骤**
1. 文本预处理（分词、去停用词）
2. 构建词-文档矩阵
3. LDA模型训练
4. 主题解释与命名
5. 主题分布可视化

#### 3.5.2 预期主题

基于《史记》内容，预期发现主题：

1. **战争与军事**：战、伐、攻、破、围
2. **政治与权力**：王、侯、相、将军、封
3. **礼制与法律**：礼、法、刑、制、令
4. **经济与财政**：赋、税、钱、谷、贾
5. **思想与文化**：道、德、仁、义、学
6. **天文与历法**：星、月、历、正朔
7. **家族与世系**：父、子、世、嗣、传
8. **道德品质**：忠、孝、信、义、勇
9. **自然灾害**：水、旱、饥、疫
10. **外交与联盟**：使、约、质、和

#### 3.5.3 主题演变

**时间维度**
- 主题在不同时期的分布
- 主题兴衰趋势

**空间维度**
- 主题在不同体裁的分布
- 本纪 vs 列传主题差异

### 3.6 情感分析

#### 3.6.1 褒贬倾向

**情感词典**
- 褒义词：贤、圣、仁、义、忠
- 贬义词：暴、淫、残、奸、佞

**倾向判断**
- 太史公曰的评价
- 赞中的情感表达
- 叙述中的隐含态度

#### 3.6.2 人物形象

**情感分析应用**
- 正面人物：伯夷、管仲、孔子
- 负面人物：桀、纣、秦二世
- 复杂人物：秦始皇、项羽

---

## 四、网络分析方法

### 4.1 社会网络分析（SNA）

#### 4.1.1 网络构建

**节点（Node）**
- 人物（1820个人名）

**边（Edge）**
- 关系类型：
  1. 君臣关系
  2. 父子关系
  3. 师徒关系
  4. 朋友关系
  5. 敌对关系
  6. 联盟关系
  7. 婚姻关系

**权重（Weight）**
- 共现频次
- 互动强度
- 关系持续时间

#### 4.1.2 网络指标

**节点指标**

| 指标                   | 含义           | 应用                   |
| ---------------------- | -------------- | ---------------------- |
| Degree Centrality      | 度中心性       | 识别关系最多的人物     |
| Betweenness Centrality | 中介中心性     | 识别关键桥梁人物       |
| Closeness Centrality   | 接近中心性     | 识别核心人物           |
| PageRank               | 权威度         | 评估人物影响力         |
| Eigenvector Centrality | 特征向量中心性 | 识别连接重要人物的人物 |

**网络指标**

| 指标                   | 含义         | 应用             |
| ---------------------- | ------------ | ---------------- |
| Density                | 密度         | 网络紧密程度     |
| Clustering Coefficient | 聚类系数     | 小团体程度       |
| Average Path Length    | 平均路径长度 | 网络连通性       |
| Modularity             | 模块度       | 社区结构明显程度 |
| Assortativity          | 同配性       | 相似节点连接倾向 |

#### 4.1.3 社区发现

**算法**
- Louvain算法
- Girvan-Newman算法
- Label Propagation

**应用**
- 发现政治派系
- 识别家族集团
- 揭示隐藏联盟

#### 4.1.4 网络可视化

**布局算法**
- Force-Directed（力导向）
- Circular（环形）
- Hierarchical（层次）

**视觉编码**
- 节点大小：重要性
- 节点颜色：朝代/派系
- 边粗细：关系强度
- 边颜色：关系类型

### 4.2 人物共现网络

#### 4.2.1 共现定义

**窗口方法**
- 同段共现
- 同节共现
- 同篇共现

**权重计算**
- 简单计数
- TF-IDF加权
- PMI（Pointwise Mutual Information）

#### 4.2.2 分析应用

**核心人物**
- 共现频次最高的人物
- 跨时代的关键人物

**人物群体**
- 战国四公子
- 汉初三杰
- 酷吏群体

### 4.3 事件网络

#### 4.3.1 事件定义

**事件要素**
- 时间：何时
- 地点：何地
- 人物：何人
- 事件类型：何事

**事件类型**
- 战争：伐、攻、围
- 政变：弑、废、立
- 改革：变法、改制
- 外交：使、盟、约

#### 4.3.2 事件关系

**关系类型**
- 因果关系：A导致B
- 时序关系：A先于B
- 并发关系：A与B同时
- 对立关系：A与B冲突

**网络分析**
- 关键事件识别
- 因果链分析
- 历史转折点发现

---

## 五、时空分析方法

### 5.1 历史地理分析

#### 5.1.1 地名定位

**地名系统**
- 古今对照：古地名 → 现代坐标
- 空间范围：点、线、面
- 层级关系：国-郡-县

**数据源**
- 中国历史地图集
- 谭其骧地理数据库
- OpenStreetMap

#### 5.1.2 空间分析

**点模式分析**
- 核密度估计（KDE）
- 最近邻分析
- 空间聚类

**面分析**
- 势力范围变化
- 疆域演变
- 控制区重叠

#### 5.1.3 GIS可视化

**地图类型**
- 点分布图：城市、战场
- 热力图：活动密度
- 流向图：人口迁移、战争路线
- 时间滑块：动态演变

### 5.2 时间分析

#### 5.2.1 时间标注

**时间类型**（390个时间表达）
- 绝对时间：年-月-日
- 相对时间：明年、后
- 年号纪年：元年、二年

**时间归一化**
- 转换为公元纪年
- 建立时间轴
- 标注不确定度

#### 5.2.2 事件时序

**时间线构建**
- 主要历史事件
- 人物生卒年
- 朝代更替

**时间密度分析**
- 事件高发期
- 历史转折点
- 空白期识别

### 5.3 时空融合分析

#### 5.3.1 时空数据模型

**时空对象**
```
事件 = {
  时间: 时间点/时间段,
  地点: 坐标/区域,
  主体: 人物/国家,
  类型: 战争/政变/改革...,
  描述: 文本
}
```

**关系网络**
- 时空共现：同时同地
- 时空序列：迁移轨迹
- 时空扩散：影响范围

#### 5.3.2 可视化方法

**时空立方体（Space-Time Cube）**
- X轴：经度
- Y轴：纬度
- Z轴：时间

**动态地图**
- 时间滑块控制
- 动画展示演变
- 交互式探索

---

## 六、知识工程方法

### 6.1 知识图谱构建

#### 6.1.1 本体设计

**核心概念**
- 人物（Person）
- 地点（Place）
- 事件（Event）
- 时间（Time）
- 组织（Organization）
- 器物（Artifact）

**关系类型**
```
人物关系：
- 父子关系（fatherOf/childOf）
- 君臣关系（rulerOf/servantOf）
- 师徒关系（teacherOf/studentOf）
- 婚姻关系（marriedTo）
- 敌对关系（enemyOf）

人-事关系：
- 参与（participateIn）
- 发起（initiate）
- 受害（victimOf）

人-地关系：
- 出生地（bornIn）
- 活动地（activeIn）
- 葬地（buriedIn）

事-时关系：
- 发生时间（occurAt）

事-地关系：
- 发生地点（occurIn）
```

#### 6.1.2 知识抽取

**实体抽取**
- 基于18类标注
- NER模型辅助
- 实体消歧

**关系抽取**
- 规则模板
- 依存句法
- 远程监督学习

**事件抽取**
- 事件触发词
- 事件要素识别
- 事件关系推理

#### 6.1.3 知识存储

**图数据库**
- Neo4j：原生图存储
- 节点：实体
- 边：关系
- 属性：实体/关系属性

**RDF三元组**
```
<秦始皇, 出生地, 邯郸>
<秦始皇, 担任, 秦王>
<秦始皇, 统一, 六国>
```

### 6.2 语义推理

#### 6.2.1 推理规则

**传递性**
```
父子关系 + 父子关系 → 祖孙关系
A父of B AND B父of C → A祖父of C
```

**继承性**
```
人物 IS-A 历史人物
秦始皇 IS-A 帝王 IS-A 人物
```

**时序推理**
```
事件A发生在前 AND 事件B发生在后
→ A可能导致B（需进一步验证）
```

#### 6.2.2 知识补全

**链接预测**
- 预测缺失关系
- 识别隐含联系

**实体对齐**
- 同名异人消歧
- 异名同人识别

### 6.3 智能问答

#### 6.3.1 问题类型

**简单查询**
- "秦始皇何时出生？"
- "廉颇是哪国人？"

**复杂查询**
- "刘邦和项羽的共同敌人有哪些？"
- "参与长平之战的将领有谁？"

**推理查询**
- "秦始皇的祖父是谁？"（需推理）
- "管仲和孔子有可能见过面吗？"（时空推理）

#### 6.3.2 SPARQL查询

示例：查询秦始皇的所有关系
```sparql
SELECT ?relation ?object
WHERE {
  :秦始皇 ?relation ?object .
}
```

---

## 七、统计分析方法

### 7.1 描述统计

#### 7.1.1 集中趋势

**均值（Mean）**
- 平均篇幅：4,834字/篇
- 平均句长：20-30字

**中位数（Median）**
- 篇幅中位数
- 人物出现频次中位数

**众数（Mode）**
- 最常见字数区间
- 最频繁的关系类型

#### 7.1.2 离散程度

**标准差（SD）**
- 篇幅标准差
- 词频标准差

**四分位数（Quartile）**
- Q1, Q2（中位数）, Q3
- 箱线图展示

**变异系数（CV）**
- CV = SD / Mean
- 比较不同指标的离散程度

### 7.2 相关性分析

#### 7.2.1 Pearson相关

**分析对象**
- 篇幅 vs 人物重要性
- 对话比例 vs 人物个性鲜明度
- 地名频次 vs 地理重要性

**相关系数解释**
- |r| > 0.7：强相关
- 0.4 < |r| < 0.7：中等相关
- |r| < 0.4：弱相关

#### 7.2.2 Spearman相关

**非参数方法**
- 适用于序数数据
- 不要求线性关系

### 7.3 假设检验

#### 7.3.1 t检验

**应用场景**
- 本纪 vs 列传平均句长差异
- 战国 vs 汉朝人物数量差异

**显著性水平**
- α = 0.05
- p < 0.05：拒绝原假设

#### 7.3.2 卡方检验

**应用场景**
- 不同体裁对话比例差异
- 不同朝代官职分布差异

### 7.4 回归分析

#### 7.4.1 线性回归

**模型**
```
Y = β0 + β1*X1 + β2*X2 + ... + ε
```

**应用**
- 预测篇幅基于主题
- 预测人物重要性基于多指标

#### 7.4.2 逻辑回归

**应用**
- 预测人物正负面评价
- 分类篇章体裁

### 7.5 聚类分析

#### 7.5.1 K-means

**步骤**
1. 选择K值
2. 随机初始化质心
3. 分配样本到最近质心
4. 更新质心
5. 迭代至收敛

**应用**
- 人物分群
- 篇章分类

#### 7.5.2 层次聚类

**类型**
- 凝聚式（Bottom-up）
- 分裂式（Top-down）

**树状图（Dendrogram）**
- 可视化聚类过程
- 选择最佳分割

---

## 八、可视化方法

### 8.1 可视化原则

#### 8.1.1 有效性原则

**准确性**
- 数据映射正确
- 避免误导性可视化

**清晰性**
- 信息层次分明
- 避免视觉杂乱

**效率性**
- 快速传达信息
- 减少认知负担

#### 8.1.2 视觉编码

**视觉通道**
| 通道           | 数据类型   | 效果   |
| -------------- | ---------- | ------ |
| 位置           | 定量       | 最准确 |
| 长度           | 定量       | 准确   |
| 角度/斜率      | 定量       | 中等   |
| 面积           | 定量       | 较差   |
| 颜色（色调）   | 定性       | 适中   |
| 颜色（饱和度） | 定量       | 适中   |

### 8.2 基础图表

#### 8.2.1 统计图表

**柱状图（Bar Chart）**
- 用途：类别比较
- 示例：五体字数对比

**折线图（Line Chart）**
- 用途：趋势展示
- 示例：词汇增长曲线

**饼图（Pie Chart）**
- 用途：比例展示
- 示例：五体占比

**散点图（Scatter Plot）**
- 用途：相关性分析
- 示例：篇幅 vs 人物数

**箱线图（Box Plot）**
- 用途：分布比较
- 示例：各体裁句长分布

**热力图（Heatmap）**
- 用途：矩阵数据
- 示例：人物共现矩阵

### 8.3 高级可视化

#### 8.3.1 网络图（Network Graph）

**节点-边图**
- 人物关系网络
- 事件关联网络

**力导向布局**
- 自动优化节点位置
- 突出网络结构

**社区着色**
- 不同颜色表示社区
- 识别派系集团

#### 8.3.2 地理可视化

**点分布图**
- 城市、战场位置
- 大小表示重要性

**热力图**
- 事件密度
- 活动热点区域

**流向图**
- 人口迁移
- 军队移动
- 商贸路线

#### 8.3.3 时间可视化

**时间轴（Timeline）**
- 线性时间展示
- 事件标注

**甘特图（Gantt Chart）**
- 人物生命周期
- 朝代存续时间

**时间河流图（Stream Graph）**
- 主题演变
- 人物活跃度变化

#### 8.3.4 文本可视化

**词云（Word Cloud）**
- 高频词展示
- 字体大小表示频次

**树状图（Treemap）**
- 层级数据
- 面积表示占比

**桑基图（Sankey Diagram）**
- 流量关系
- 人物流动、继承关系

### 8.4 交互设计

#### 8.4.1 交互技术

**缩放（Zoom）**
- 细节层次探索
- 鱼眼视图

**过滤（Filter）**
- 时间范围筛选
- 类别筛选

**高亮（Highlight）**
- 鼠标悬停
- 点击选中

**链接（Linking）**
- 多视图联动
- 同步选择

#### 8.4.2 动画

**转场动画**
- 平滑过渡
- 引导注意力

**时间动画**
- 历史演变
- 时间滑块控制

---

## 九、研究流程

### 9.1 完整研究流程

```
第一阶段：数据准备（2-3个月）
├── 文本获取与清洗
├── 语义标注（52/130完成）
├── 质量检查
└── 词表构建（已完成）

第二阶段：基础分析（1-2个月）
├── 词汇统计
├── 句法分析
├── 文体计量
└── 对话分析

第三阶段：高级分析（2-3个月）
├── 社会网络分析
├── 时空分析
├── 主题建模
└── 知识图谱构建

第四阶段：综合研究（1-2个月）
├── 跨方法整合
├── 假设验证
├── 模式解释
└── 学术阐释

第五阶段：成果产出（1个月）
├── 研究报告
├── 学术论文
├── 可视化平台
└── 数据发布
```

### 9.2 迭代式研究

**不是线性流程**
```
探索 → 发现 → 假设 → 验证 → 解释 → 新问题 → 探索...
```

**螺旋上升**
- 每轮分析带来新认识
- 深化理解，提出新问题
- 持续迭代，不断完善

### 9.3 协作模式

**学科协作**
- 计算机：技术支持
- 历史学：学术把关
- 统计学：方法论
- 设计学：可视化

**角色分工**
- 数据工程师：数据处理
- 算法工程师：模型开发
- 领域专家：结果解释
- 可视化设计师：呈现

---

## 十、质量控制

### 10.1 数据质量

#### 10.1.1 准确性

**文本准确性**
- 与原版对照
- 错字率 < 0.1%

**标注准确性**
- 人工审核
- 一致性检查
- Cohen's Kappa > 0.8

#### 10.1.2 完整性

**覆盖度**
- 130篇全覆盖
- 重要实体无遗漏

**缺失值处理**
- 记录不确定项
- 多源验证

### 10.2 分析质量

#### 10.2.1 可重复性

**代码开源**
- GitHub发布
- 完整脚本
- 详细文档

**数据开放**
- 标注数据发布
- API接口
- 使用协议

#### 10.2.2 可验证性

**结果验证**
- 与传统研究对照
- 多方法交叉验证
- 专家评审

**统计显著性**
- 显著性检验
- 置信区间
- 效应量

### 10.3 解释质量

#### 10.3.1 学术严谨性

**避免过度解释**
- 相关≠因果
- 数据支撑结论
- 承认局限性

**历史语境**
- 结合历史背景
- 理解文化差异
- 尊重史学传统

#### 10.3.2 批判性思维

**质疑假设**
- 检验预设
- 寻找反例
- 替代解释

**局限性说明**
- 数据局限
- 方法局限
- 解释局限

---

## 附录

### A. 工具与资源

#### A.1 编程语言
- Python 3.9+
- R 4.0+
- JavaScript (ES6+)

#### A.2 Python库
- **文本处理**：jieba, spaCy, NLTK
- **数据分析**：Pandas, NumPy, SciPy
- **可视化**：Matplotlib, Seaborn, Plotly
- **网络分析**：NetworkX, igraph
- **主题建模**：Gensim, BERTopic
- **知识图谱**：py2neo, RDFlib
- **地理分析**：GeoPandas, Folium

#### A.3 工具软件
- **文本编辑**：VS Code, Sublime
- **数据分析**：Jupyter Notebook, RStudio
- **图数据库**：Neo4j
- **GIS软件**：QGIS
- **网络可视化**：Gephi
- **版本控制**：Git

### B. 参考文献

#### B.1 数字人文
- Moretti, F. (2013). *Distant Reading*
- Jockers, M. (2013). *Macroanalysis*
- 王军, 等 (2022). 数字人文视角下的《史记》《汉书》比较研究

#### B.2 文本分析
- Manning, C. & Schütze, H. (1999). *Foundations of Statistical NLP*
- Jurafsky, D. & Martin, J. (2021). *Speech and Language Processing*

#### B.3 网络分析
- Newman, M. (2010). *Networks: An Introduction*
- Barabási, A. (2016). *Network Science*

#### B.4 知识图谱
- Hogan, A. et al. (2021). *Knowledge Graphs*

### C. 术语表

| 术语            | 英文            | 解释                                       |
| --------------- | --------------- | ------------------------------------------ |
| 细读            | Close Reading   | 深入分析具体文本的传统方法                 |
| 远观            | Distant Reading | 大规模文本分析的数字人文方法               |
| 实体识别        | NER             | Named Entity Recognition，识别文本中的实体 |
| 知识图谱        | KG              | Knowledge Graph，结构化的知识表示          |
| 社会网络分析    | SNA             | Social Network Analysis，研究社会关系结构  |
| 主题建模        | Topic Modeling  | 发现文本隐含主题的统计方法                 |
| 词频-逆文档频率 | TF-IDF          | Term Frequency-Inverse Document Frequency  |
| 中心性          | Centrality      | 衡量节点在网络中重要性的指标               |

---

**版本历史**
- v2.0 (2026-03-15): 更新至v2.0，详细方法论已迁移至skills/目录
- v1.0 (2026-02-06): 初始版本

> **注**：具体的操作方法论文档（实体标注、事件识别、年代推断等）已迁移至项目根目录 `skills/` 目录下，采用分层编号体系组织。本文件保留总体研究框架概述。

**维护者**：Claude Code Assistant
**许可证**：CC BY-NC-SA 4.0