主讲人：张宁

*了解培训详情及报名请扫描本文海报二维码。

主讲人：唐宸

*了解培训详情及报名请扫描本文海报二维码。

主讲人：贾智

*了解培训详情及报名请扫描本文海报二维码。

主讲人：龙润田

*了解培训详情及报名请扫描本文海报二维码。

主讲人：沈威

*了解培训详情及报名请扫描本文海报二维码。

主讲人：胡韧奋

*了解培训详情及报名请扫描本文海报二维码。

主讲人：沈威

*了解培训详情及报名请扫描本文海报二维码。

作为中国传统历史文化的工艺象征之一，刺绣蕴含着丰富的文化意蕴与美学价值。在技术转型的背景下，刺绣传承的方式悄然发生改变。刺绣由以往博物馆式静态传承走向面向大众的活态传承。刺绣活态传承由囿于以往“口传心授”的谱系性方式，转向突破自身专业性和排他性的多方互动。立足于数智时代，技术是缩减主体间隔与形成文化交流的关键枢纽。借助于数智技术的传输路径，刺绣内部的专业知识扩散并渗透到民众的日常生活世界，人们在感受传统刺绣带来的意象气韵时，也在享受当代技术建构的创新实践。因此，数智技术成为刺绣回归日常生活的重要介质。

当下，非遗数据库是整合、完善非遗传承人及其代表性项目的重要系统化存储手段。非遗数据库建构的首要基础是数据的完备性。从广义上来看，数据完备性至少包括体量的充盈及分类的合理化两大方面。对于我国刺绣类非遗来说，其数据集种类多样，具备数据量庞杂的特点。但传统的刺绣分类识别主要依靠专业人员，耗时大、成本高、能力差异等因素都限制资源的合理化利用。因此，刺绣分类智能化是打破传统人工藩篱的基本思路。例如，董馥伊^[1]首次引入计算机技术局部矢量化的方法，实现了传统栽绒毯纹样特征的智能检索分类。

近年来，深度学习技术被广泛地应用到刺绣分类识别领域中。刘净净、郭飞等^[2]改进BP神经网络，使得模型的正确识别率高达78%，开辟了刺绣深度学习分类的先河。目前基于深度学习的刺绣研究现状如表1所示，刺绣的深度学习分类方法虽然能实现刺绣的智能检测，构建较为完善的非遗分类结构体系，但是这些方法以静态识别为主，程序烦琐、局限性大、灵活性低，尚未真正实现刺绣实时检测的功能。因此，本文旨在借助目标检测领域先进、高效、准确的YOLOv8模型^[3]，为刺绣动态实时视频分类提供有力支持。

def

表1 基于深度学习的刺绣研究现状[4][5][6][7][8][9][10]

针对现在检测和分类算法存在的问题，本文将计算机视觉和人工智能技术与数字人文领域结合，对现有YOLOv8算法进行改进。基于DCGAN网络均衡刺绣图像数据集，解决小样本刺绣图像类别不均衡问题；改进YOLOv8的主干网络，引入InceptionNeXt模块，实现在多个尺度上高效提取特征，从而提升特征提取能力；增加GAM模型作为过渡模块，在特征融合前对信息进行筛选，提升网络的特征融合能力。最后使用改进后的网络模型对测试集进行实验，将实验结果进行可视化分析，与现有的技术进行比较，并验证所提出的方法的有效性。同时，使用图片、视频和摄像头进行离线、在线验证。通过这一研究，为刺绣文化的传承与创新提供一种全新的技术手段，将传统手工艺与现代科技有机融合，为刺绣艺术的发展注入新的活力。本文的研究成果不仅对于刺绣文化的传承和推广具有重要意义，还将为多端部署技术在文化艺术领域的应用提供有益的参考和借鉴，其基于YOLOv8的刺绣动态检测与分类流程图如图1所示。

本文的分类对象为中国传统十大名绣：汴绣、汉绣、杭绣、京绣、鲁绣、瓯绣、蜀绣、苏绣、湘绣和粤绣。每种刺绣因其历史背景和地域文化的差异，形成了独特的针法与风格，例如汴绣的“蒙针绣”、苏绣的“双面绣”、京绣的“打籽针”、蜀绣的“锦纹针”、鲁绣的“抽丝编花”、瓯绣的“八字针”、杭绣的“贴续绣”、粤绣的“乱底针”、汉绣的“齐针”和湘绣的“掺针”，都是各自绣种的工艺代表。为了构建全面的刺绣样本库，本研究的刺绣作品来源广泛，包括小红书、抖音、微博、京东等线上网络渠道和博物馆、文化馆等线下文化机构公开的数字图像资源（共计1,263件），以及刺绣大师与传承人提供的作品图像（共计152件）。此外，还补充和吸收相关刺绣艺术书籍和刊物中的高质量图片（共计315件）。所有采集的图像均经过非遗领域专家的严格质量把控与品种鉴定，以确保样本的艺术代表性和数据完整性。

图1 基于YOLOv8的刺绣动态检测与分类流程图

数据预处理技术是指在将数据输入模型之前，对数据进行一系列处理操作，以提高模型的性能和泛化能力。常见的数据预处理技术包括数据均衡、数据增强、数据标准化、归一化和数据降维等，在医学影像分析、农业检测、遥感影像等领域，已广泛应用于各类计算机视觉任务中。针对数据集样本不均衡问题，郭忠远等^[11]利用DCGAN模型均衡和扩充红枣外观缺陷数据集，使得模型准确率上升2.18%—3.26%；袁卫民等^[12]利用DCGAN模型，生成虚拟样本，使得准确率优于其他算法，解决了轴承故障数据不均衡的问题。同时，针对数据集样本容量较小问题，郑慧怡等^[13]利用添加椒盐噪声和随机旋转技术，实现了数据样本容量的扩充。陈金荣等^[14]利用翻转、亮度转换和旋转等技术扩充了数据集的总量，从而提高模型的准确率，极大地降低了漏检率。

针对当前刺绣数据集种类不均衡和样本较少等问题，本文在已有前沿方法的基础上，采用对抗生成网络技术和数据增强技术，整理和优化刺绣数据集，有效增加少样本类别的数据量，增强模型对不同类别特征的捕捉能力，从而提高分类的准确性。相比于现有前沿数据预处理方法，本文针对不同刺绣针法和图案的特点，进行优化适配，确保增强后的图像仍然保留了刺绣特有的细节和艺术性。

（一）类别均衡

由于地域和文化背景的差异，一些刺绣因其历史悠久或地理位置偏远，获取相关图像的难度较大，导致此类别的数据样本较少；而另一些刺绣因文化传播广泛、应用场景多样，相关图像较多。因此，在实际收集这些刺绣图像时，往往会面临类别不均衡的问题。在不均衡的数据集中，模型容易偏向于多样本类别，忽视少样本类别，从而导致分类结果偏向常见类别，严重影响分类的准确性和可靠性。

为了实现不同类别刺绣样本的均衡，可以考虑收集更多的小样本刺绣图像，或者减少大样本的刺绣集图像数量。但由于刺绣类别的不均衡性，获取较多的小样本刺绣图像存在较大难度。利用生成对抗网络（Generative Adversarial Networks，GAN）生成图片，可以有效解决上述问题。^[15]传统GAN尽管在生成逼真图像方面表现出色，但在训练稳定性和生成图像质量上存在诸多挑战，导致模型在训练过程中容易出现梯度消失、模型崩塌和生成的样本类别不可控等现象。^[16]

深度卷积生成对抗网络（Deep Convolutional Generative Adversarial Networks，DCGAN）通过引入卷积层、批量归一化、去掉池化层、使用Leaky ReLU激活函数以及改进架构设计，显著提升了传统GAN的性能。^[17]通过改进，DCGAN在生成图像质量、训练稳定性和模型鲁棒性方面表现出色，因此，本研究使用DCGAN来生成小样本刺绣图像，以缓解类别不均衡问题。为了确保传统刺绣样本和非遗数据库数据的真实性和完整性，基于DCGAN生成的刺绣图像仅作为模型训练中的辅助数据，旨在提升分类性能，而非用于非物质文化遗产数据库的核心数据保存。同时，为了保证DCGAN生成的刺绣图像在艺术性和工艺上的代表性，生成过程严格依据各类刺绣的针法和纹理特征进行，且由非遗领域专家进行审查和筛选，以确保生成图像在风格和工艺上与传统刺绣相符，从而避免偏离原有的工艺特色和文化价值。

DCGAN的结构如图2所示。从中可以看出，DCGAN由生成器和判别器组成。生成器的任务是从随机噪声中生成逼真的图像，判别器的任务是区分真实图像和生成器生成的假图像。通过生成器和判别器的反复对抗训练，不断迭代优化，两者共同提升，生成高质量的图像。

利用DCGAN生成特定类别的刺绣图像，有助于平衡数据类别，有效扩充数据集，使各类别的数据量趋于一致，从而提升模型在各类别上的分类性能。生成的刺绣图像变化情况如图3所示。

（二）数据增强

利用深度学习进行刺绣检测与分类时需要大量的刺绣图片作为训练样本，如果没有足够的训练样本支撑，当网络深度较深时就极易出现过拟合的情况。在深度学习中，数据增强是提升模型性能的一种常用手段，可以在不降低网络深度的同时又能够有效地拟合数据，提高模型的鲁棒性和泛化能力。亚历克斯·克里泽夫斯基（Alex Krizhevsky）等人[18]通过对CIFAR-10数据集的图像进行随机裁剪和水平翻转，显著提高了分类准确率。西哈姆·塔比克（Siham Tabik）等人^[19]则在手写数字识别任务MNIST数据集中使用了扭曲和缩放等变换手段，成功提升了模型的表现性能。

在刺绣图像分类领域，目前的研究主要集中在特征提取和模型设计方面，对于数据增强的研究较为有限。刺绣作为一种兼具生命情感与审美意象的手工艺，其图案庞杂丰富，但由于刺绣图像收集和标注的困难，训练样本通常较为有限。为有效缓解这一问题，支撑更深的神经网络训练，本研究采用常见的数据增强方法，包括旋转、水平翻转、垂直翻转、随机裁剪、随机改变亮度和添加高斯噪声。^[20]在数据预处理阶段，对原始刺绣图像应用上述增强方法，提高模型分类性能、防止网络过拟合，并生成新的训练样本，部分刺绣数据增强示例如图4所示。

图2 DCGAN结构

图3 刺绣图像生成过程示例

图4 部分刺绣数据增强示例

原始数据集分别按照0.7、0.2和0.1的比例随机分为训练集、验证集和测试集。原始刺绣数据集、刺绣增强数据集和经过DCGAN均衡后的刺绣图像图幅数如表2所示。

表2 均衡和生成数据集划分情况

（一）网络结构设计

在目标检测算法中根据检测过程的不同，可以分为双阶段算法和单阶段算法。双阶段算法先提取图像候选区域再进行类别的判定，其漏识别率较低，但速度较慢，典型网络有RCNN和Faster-RCNN。^[21]单阶段算法则不需要产生候选区域阶段，一步到位直接产生物体的类别概率和位置坐标值，经过单次检测即可直接得到，因此有着更快的检测速度，最典型的是YOLO系列算法。^[22]考虑到刺绣在线检测的实时性，因此采用YOLO算法来分类刺绣图像。

YOLOv8是由Ultralytics公司于2023年1月发布的一种目标检测算法，^[23]本研究基于YOLOv8算法，旨在对十种刺绣图像进行分类。针对当前YOLOv8算法存在的分类准确率不足等问题，我们对其进行了改进，以提高刺绣分类的准确度。为增强多尺度信息提取能力，我们将YOLOv8的主干网络替换为InceptionNeXt模块，从而提升特征提取的性能。通过引入并行卷积操作，模型能够捕捉到更多的图像细节和上下文信息，从而提高特征提取的效率和整体性能。在原始的YOLOv8中，主干网络提取特征后，直接将其输入到颈网络。尽管YOLOv8在特征融合方面已有一定设计，但对于关键信息的针对性提取和识别仍显不足。因此，我们引入全局注意机制（Global Attention Mechanism，GAM）模型作为过渡模块，在特征融合前对信息进行筛选，以增强关键信息的识别能力。

1.InceptionNeXt模块

InceptionNeXt模块在ConvNeXt和Inception架构的基础上进行了一系列改进，同时引入更优化的模块设计，适用于图像分类、目标检测等多种计算机视觉任务。^[24]用InceptionNeXt模块取代原有的C2F模块，可以实现在提高模型特征提取能力的同时，不额外增加网络参数数量。InceptionNeXt通过并行卷积操作（3×3，1×11，11×1）在不同尺度上提取特征，同时引入跳跃连接并添加了常量映射，这种分解不仅有效减少了参数量和计算量，还保留了大核深度卷积的优点，扩大了感知领域，提高了模型性能。InceptionNeXt模块的主要结构如图5所示。

图5 InceptionNeXt模块结构图

2.GAM注意力机制模块

近年来，注意力机制已成为目标检测任务中的关键组成部分。^[25]注意力机制的灵感来源于人类视觉系统，能够筛选大量信息并找到重要数据。GAM注意力机制模块使用通道注意力机制和空间注意力机制，通过关注全局信息和局部信息的交互，增强特征表达能力，并广泛应用于图像分类、目标检测等计算机视觉任务，其结构如图6所示。GAM通过引入全局和局部的注意力机制，对全局上下文信息进行引导，调节局部特征的表达，提升网络对重要特征的捕捉能力，最终提高网络的识别和分类能力。^[26]对于给定的输入特征，，中间状态特征F₂和输出特征F₃定义为：

（1）

其中，表示按元素进行乘法操作。

图6 GAM注意力机制模块结构图

3.改进后的网络结构

改进后的网络结构如图7所示，使用刺绣增强均衡数据集，将输入的刺绣图像首先通过主干网络部分逐步提取特征。在主干网络部分中，刺绣图像特征通过5个卷积模块、4个InceptionNeXt模块和1个SPPF模块后，得到不同尺度的特征图。再由颈部网络将不同尺度的刺绣特征图进行融合，最后头部网络根据分类需求输出预测结果以及置信度。改进后的网络结构通过多尺度特征提取和全局特征交互与融合等操作，提高了目标检测与分类的性能和鲁棒性，并在复杂场景下取得更准确的分类结果。

图7 改进后的YOLOv8网络结构

（二）超参数设置

本研究模型在CPU（Intel Core I7-12700K，20线程，3.6GHz）和GPU（NVIDIA RTX 3070，8GB，5888CUDA）上进行训练，使用Adam作为模型的优化算法。为加速网络收敛，避免网络陷入局部最优解，学习率自适应调节方法，其超参数具体设置如表3所示。

表3 超参数设置

（三）评价指标

在图像分类问题中，通常使用二元交叉熵损失函数（Binary Cross Entropy，BCE）作为分类损失函数。^[27]在刺绣十分类问题中，BCE的梯度形式更优，训练时更加稳定，训练输出时对每一种类别k进行判断，并输出置信度，其公式如（2）所示：

（2）

其中，y_i为第i刺绣样本的真实类别，p_i为网络对刺绣样本i的预测类别。

为了能够有效评估改进后的YOLOv8模型对刺绣的检测和分类结果，本研究采用召回率（Recall）、准确率（Accuracy）、精度（Precision）、F1值（F1-Score）和AP作为评价指标。上述五种评价指标均为数值越大，代表模型的分类性能越优，公式如下所示：

（3）

（4）

（5）

（6）

其中，TP为真正例，表示模型正确地将类别k的刺绣样本预测为类别k；TN为真负例，表示模型正确地将不属于类别k的刺绣样本预测为不是类别k；FP为假正例，表示模型错误地将不属于类别k的刺绣样本预测为类别k；FN为假负例，表示模型错误地将属于类别k的刺绣样本预测为其他不是类别k的类别。

（7）

以召回率为横坐标，精度为纵坐标，便能绘制出精度召回率（Precision-Recall，P-R）曲线。P-R曲线与横纵轴围成的面积代表对应刺绣类别的AP。其中，围成的面积越大，AP值就越高，对应模型的检测效果就越好。

为了防止模型出现过拟合状态，采用早停法策略确定合适的训练周期。^[28]假设E_opt(t)是在第t个周期下的最优验证集损失值，GL(t)为泛化误差。当泛化误差GL(t)的增长率大于指定值时，则停止训练，如公式（8）所示：

（8）

（一）训练结果可视化

1.损失曲线

图8展示了改进后的YOLOv8模型在训练过程中随着迭代周期次数的增加，训练集和验证集损失值的变化趋势。从图8可以看出，由于前期学习率较大，导致模型在验证集上的损失曲线出现震荡，但总体呈下降趋势，表明模型在持续学习特征并不断地进行优化。在第25个周期后，预测损失的偏差逐渐减小。在第40个周期后，验证集的损失值逐渐趋于稳定，并在第45个周期左右基本达到收敛状态。选择在验证集上损失值最小时的权重，即第48个周期下的权重作为模型最终权重。

图8 训练集与验证集损失曲线

2.分类结果评价指标

将测试集的刺绣图像输入到最终的分类模型中，检测改进后的YOLOv8模型的分类效果，其刺绣分类结果评价指标如表4所示。再对表4的内容进行可视化分析与展示，其结果如图9所示。

表4 改进后的模型刺绣分类结果评价指标

图9 刺绣分类结果评价指标柱状图

从图9中可以看出，刺绣分类模型在各个类别上表现出色，整体平均召回率为0.90434，平均准确率为0.90434，平均精度为0.91505，平均F1值为0.90751，平均AP达到0.96889。鲁绣、京绣和蜀绣表现尤为突出，鲁绣的各项指标几乎达到最佳。汉绣、瓯绣和湘绣在各项指标上表现均衡，特别是汉绣的精度和AP较高，显示出较强的分类能力。而杭绣虽然精度较高，但是其召回率较低，表示模型可能遗漏了部分真正例。从整体来看，改进后的分类模型在大多数刺绣类别上能保持高识别精度和召回率。

3.分类结果可视化分析

图10展示了改进后的分类模型在不同刺绣类别上的混淆矩阵，图11展示了不同刺绣类别的P-R曲线。从图10的混淆矩阵可以看出，改进后的分类模型在大多数刺绣类别上的分类表现较好，特别是鲁绣，其主对角线上的值较高，表明这一类别的样本大部分被正确分类。然而，对于汴绣和湘绣，存在较明显的分类错误，其他类别的样本被误分类为这些类别的频率较高，说明模型在这两个类别上的区分能力有待提升。

图11的P-R曲线进一步展示了模型在不同阈值下的精度和召回率之间的权衡关系。曲线上每个点表示在对应召回率下的最大精度值，当P=R时对应的阈值点即为均衡点（Best Event Point，BEP），BEP越大，则说明模型对此类别的分类性能越好，即P-R曲线越靠近右上角。对于综合混淆矩阵和P-R曲线的分析，证明改进后的分类模型整体性能较好，能够较准确地分类大部分刺绣类别。对于鲁绣，模型的分类效果几乎没有误分类。尽管杭绣的P-R曲线明显低于其他类别，表明模型在识别杭绣时的效果不佳，但其精度较高，使得在目标检测过程中有较好的性能。改进后的模型在对刺绣图像的识别和分类的表现稳定且优异，这表明模型在处理大部分刺绣类别时已经达到了较高的精度和可靠性，展示了很强的泛化能力和鲁棒性，能够满足实际应用中的需求。

图10 混淆矩阵

图11 P-R曲线

t-分布随机邻域嵌入（t-Distributed Stochastic Neighbor Embedding，t-SNE）^[29]是一种用于高维数据降维的非线性算法，特别适用于在二维或三维空间中可视化高维数据。由劳伦斯·范德马滕（Laurens van der Maaten）和杰弗里·辛顿（Geoffrey Hinton）于2008年提出，t-SNE通过将高维数据点嵌入到低维空间中，同时尽可能保持相似数据点的邻近关系，因而广泛用于数据可视化和探索性数据分析。t-SNE首先在高维空间中计算数据点之间的相似度。对于每对高维数据点i和j，t-SNE使用基于高斯分布的条件概率表示数据点j在给定数据点i的情况下作为邻居的概率，如公式（9）所示：

（9）

其中，是根据数据点i的局部密度自动调整的，k是所有数据点的索引（除去数据点i本身）。

在低维空间中，t-SNE使用类似的方法计算数据点基于学生氏t分布，y_i和y_j之间的相似度q_ij的关系如公式（10）所示：

（10）

其中，y_k和y_l表示降维后的数据点。t-SNE通过最小化高维空间和低维空间相似度分布之间的Kullback-Leibler散度^[30]，使得低维空间中的数据点配置尽可能反映高维空间中的邻近关系，实现高维数据的有效降维，从而成为数据科学和机器学习领域的常用工具之一。将YOLOv8模型的颈网络输出特征图作为输入，基于t-SNE算法进行高维数据降维，原始网络和改进后的网络的降维结果可视化如图12所示。

图12 t-SNE降维可视化

对于t-SNE降维结果，在理想情况下，同一类别的刺绣样本会聚集在一起，不同类别的刺绣样本应该形成相对清晰的簇，簇与簇之间有明显的间隙。由图12可知，使用原始YOLOv8模型对刺绣进行分类，降维结果表明模型对不同类别的刺绣在二维空间中有一定程度的分离，例如，汴绣和鲁绣有较为明显的聚集区，表明这些类别的样本特征较为一致。但图中存在一些不同类别之间的重叠，特别是在图的中央区域，湘绣和京绣的样本较为紧密地聚集在一起，表明这些类别内部的样本特征相对一致，原始YOLOv8模型没能有效提取到这些刺绣的独特特征，表明模型在区分这些类别时存在一定困难。而对于粤绣，其簇分布较为分散，表明该类别的样本特征差异较大，分类效果不理想。

改进后的YOLOv8模型进一步优化了特征提取部分，使得同一类别的特征更加一致，不同类别刺绣的特征更加可分离、类别分布更加集中、边界更加清晰，各个团簇之间的间距也更加合理，这将有利于模型区分不同类别的刺绣。对于部分类别的刺绣，如湘绣和京绣，在降维图像不同区域形成了多个相对独立的小团簇，表明这些类别的刺绣存在多种独特特征，其特征分布存在一定的异质性。改进后的模型从可视化角度权衡分类性能表现，分类效果更加理想，有助于提高模型对于不同类别刺绣的识别准确性和稳定性。这种优化使得模型更能够捕捉到刺绣类别之间的微妙差异，有效地区分湘绣和京绣等部分类别的刺绣，并且能够在降维图像中形成相对独立的小团簇，进一步凸显了这些类别之间的特征差异和异质性，从而提高了模型的泛化能力和分类精度。

（二）消融实验结果及分析

表5为消融实验结果，采用准确率、精度和F1值作为评价指标，并对使用不同数据集训练的结果进行比较。从表5可以看出，采用原始刺绣数据集的YOLOv8的准确率仅为52.02%，说明在少量刺绣样本的数据集下，YOLOv8对刺绣图像的分类效果较差。B和C都是对数据集的数据增强，从表中可以看出，当数据集采用刺绣增强数据集时，B较于A的准确率提高了30.02%，精度提高了62.2%，说明模型泛化能力增强。C是在B的基础上引入了刺绣增强均衡数据集，训练数据量显著增加了，模型的训练效果也进一步提升，准确率随之提高，达到了70.15%，增强了模型的稳定性。

D在YOLOv8中引入了InceptionNeXt模块，准确率为85.74%，相较于C，提高了22.22%，F1值为89.74%，提高了18.37%，说明模型提取了有效的特征，提高了分类准确率。E为YOLOv8中引入了GAM模块，准确率为84.88%，相较于C，提高了21%，F1值为89.17%，提高了17.62%，说明GAM模块通过关注全局信息和局部信息的交互，增强特征表达能力。F为本研究改进后的YOLOv8模型，在C的基础上，准确率、精度和F1值分别提高了28.91%、27.04%和19.71%。准确率达到最大值90.43%，比D和E分别提高了5.47%和6.54%。

表5 消融实验结果

（三）与其他网络对比实验分析

为了验证本研究改进后的YOLOv8模型的分类性能，本文选取LeNet^[31]、AlexNet^[32]、VGGNet^[33]、ResNet^[34]、Inception^[35]和Xception^[36]经典分类网络进行比较。以上6个网络均使用相同的网络参数和软硬件平台进行训练。表6为本研究改进后的YOLOv8模型和其他经典分类网络模型对十种刺绣分类的实验结果，粗体表示评估指标的最佳值。从表6中可以看出，本研究提出的方法在所有指标都达到了最优值，表明该模型对十种刺绣的分类表现出了优越的性能。

表6 与不同经典分类网络的对比结果

本研究选择刘净净等人改进的MLP网络^[37]、周泽聿等人改进的Xception-TD网络^[38]和刘羿漩等人改进的DenseNet网络^[39]进行比较，比较结果如表7所示。可以看出，本研究提出的方法支持最多10种类型刺绣图像，且同时支持在线检测，除了准确率指标外，其余指标均达到最优值。

表7 与不同改进分类网络的对比结果

（一）静态图片验证

随机从刺绣图像测试集中选取不同种类的刺绣图像作为验证样本，进行基于CAM（Class Activation Map，类激活映射）热力图的可解释性分析。CAM热力图是一种用于解释卷积神经网络决策过程的可视化技术，它通过突出输入图像中对最终分类结果最有贡献的区域，帮助研究者和用户理解模型在做出决策时关注的部分。^[40]

首先将输入的刺绣图像通过神经网络中的多层卷积和池化操作，提取出包含不同区域空间信息和语义信息的高层次的特征图。在特征提取之后，通过全连接Softmax层进行处理，以输出每个刺绣类别的概率。同时在训练过程中进行权重映射，将每个特征图的权重w_c与其对应的特征图进行加权求和，然后进行ReLU操作，其公式如下：

（11）

其中，f_x(x,y)表示第k个特征图在位置(x,y)的值。最终生成一个与输入图像大小相同的CAM热力图，并将其与原始图像叠加，以直观地显示不同区域对最终分类决策贡献程度，不同随机刺绣样本检测结果及热力图如图13所示。

图13 静态图片检测结果及热力图

从图13中可以看出，改进后的模型在对杭绣进行分类时，主要关注作品中光滑的针脚和细致的纹理部分。杭绣针法以精细、柔和的细节处理著称，特别是对眼部线条和光影的处理，采用对口、走势、平金、吊角、提金、拨路、盘棕等二十余种技法，创作出的作品具有光泽、平整、顺滑、洁净、巧妙的特质。热力图中亮度最高的区域集中在猫眼周围，表明模型识别出这部分刺绣的细腻和顺滑之处，这与杭绣针法柔中带刚的特征相一致。针对汴绣的图样，模型的关注点集中在人物的服装和发饰部分，热力图高亮区域表明模型识别出蒙针和滚针绣律动、庄重的表形效果，这与汴绣针法精致细腻、稳静柔和的特点相吻合。鲁绣针法强调虚实结合，通过通镶拼、花边、小扣锁、绣花等技法，使不同针法和谐统一，作品层次清晰、色调淡雅，呈现出浮雕般的立体效果，给人以深邃而生动的视觉体验。针对鲁绣作品，模型特别关注了图案中层次分明、浮雕般的刺绣部分。热力图显示，模型对这些立体感强烈的部分给予了高度关注，这正是鲁绣通过虚实结合和不同针法的巧妙运用所体现出的特点。在京绣分类中，模型重点关注了作品中富有宫廷风格的金线和色彩鲜艳的图案。热力图的高亮部分集中在图像的边角处，覆盖了具有端庄质朴、绣线配色鲜艳而不俗的区域，这与京绣针法强调华贵典雅和“平金打籽”的特征相一致。

改进后的YOLOv8分类模型在四种刺绣图像上均能准确识别出对应的刺绣类型，能够正确地关注到刺绣图像中的典型区域，这些区域包含了刺绣的重要细节和特征，显示了其在特征提取和分类上的有效性。

（二）离线视频验证

刺绣视频是由一系列连续的图像组成，在进行视频分类检测时，通常会将视频数据拆解成单帧图片，并对单帧图片进行提取，转换成一系列静态图片，然后将静态图片输入到模型进行独立分类。由于视频的每一帧都会得到一个独立的分类结果，通常需要对这些结果进行整合，以获得最终的分类结果。本研究使用多数投票法对分类结果进行整合，^[41]分别统计每种刺绣类别的出现频率，再整合所有帧的分类结果，实现对视频内容的准确分类。

视频测试集选取4段长度在13秒至28秒的刺绣展示片段，使用视频处理库OpenCV^[42]将视频文件打开，并转化为RGB格式，输入到改进后的分类模型中，执行前向预测，并生成CAM热力图，结果如图14所示。

从图14中可以看出，在对湘绣视频的分类过程中，热力图显示模型主要关注熊猫的头部区域（左上）和梅花部分（右上）。这部分图像的针法异样，柔中带刚，粗中呈细，线隐针藏，体现了湘绣独有的全异绣和鬅毛针等针法的特点。针对蜀绣视频的分类，模型的关注点集中在山峦的边缘和顶部区域。热力图的高亮部分表明模型识别出这些区域所展示的晕针和掺针技法所形成的柔和渐变效果，这与蜀绣“针脚整齐、线片光亮、紧密柔和”的技艺特点相吻合。在粤绣视频的分类中，热力图显示模型的关注点主要在作品中表现物象肌理的部分，特别是凤凰羽毛的细节。这些区域展示了粤绣中的平针和乱底等针法，表现了复杂的肌理和图案设计，进一步凸显了粤绣在针法运用上的灵活性与独特性。所有四个刺绣视频的预测结果都与实际结果一致，进一步验证了改进后的YOLOv8模型在刺绣分类任务中的高准确性和可靠性，为刺绣视频分类提供了一种可靠的实现途径。

（三）在线验证

基于摄像头的在线分类技术可以实现对刺绣作品的实时检测和分类，自动采集和记录每件作品的分类信息，从而构建一个完整的刺绣数据库。这些数据可以用于后续的分析和研究，如优化生产工艺、改进设计方案和市场需求预测等。该实时检测系统主要由摄像头、图像处理单元、刺绣检测与分类算法、数据存储系统和用户界面组成。摄像头用于实时采集刺绣作品的图像数据，本研究选取海康威视的工业面阵相机，型号为MV-CU013-A0GC，以确保图像的细节清晰度和质量。图像处理单元负责对摄像头捕获的图像进行预处理，包括图像去噪、裁剪、尺寸调整和颜色校正等，通常配备GPU加速，以支持实时图像处理和深度学习模型的推理。刺绣分类算法使用本文改进的YOLOv8深度学习模型。数据存储系统负责存储每一件刺绣作品的分类信息和对应的图像数据。用户界面提供一个图形化界面，用于监控刺绣作品的检测和分类过程，用户可以实时查看分类结果、图像数据和统计信息。为提高资源使用效率，图像处理单元由个人计算机组成，搭载英特尔I5-12500H处理器和512GB固态硬盘，满足存储和算法运行的要求。

通过使用cv2库函数，调用生产线或非遗工坊的摄像头，实时捕捉每件刺绣作品的图像。将捕获的图像传输到图像处理单元，进行预处理，以确保图像质量适合后续的分类任务。预处理后的图像由刺绣分类算法进行特征提取，提取图像中的关键特征，再对提取的特征进行进一步分析，实现对刺绣作品的实时分类。最后，将分类结果连同图像数据一起存储到数据存储系统中，生成每件作品的唯一标识符和分类标签。本次选取10个不同种类的刺绣手工艺品（团扇、手帕、桌布和书签）共计16件，在不同角度下进行在线验证，所得到的评价指标如表8所示。

表8 不同种类刺绣在线验证评价指标

图14 离线视频检测结果

根据表8的结果，对每种刺绣作品进行6次验证后，平均置信度达到了0.9171，平均帧率为43.6FPS，超过了目标检测实时性要求的30FPS。这表明该系统不仅能够准确地识别刺绣作品，还能够在高于实时性要求的速度下进行处理。以苏绣团扇、汴绣团扇、湘绣手帕、鲁绣桌布和蜀绣书签为例，在不同角度下进行检测，检测结果如图15所示。从图15中可以看出，在不同种类、不同角度下的刺绣图像的置信度均高于0.865，改进后的分类模型可以精准检测出画面中出现的刺绣，并实时返回检测结果。

本文基于改进的YOLOv8算法对刺绣图像进行分类，首先，基于DCGAN网络均衡刺绣图像数据集，解决小样本刺绣图像类别不均衡问题。其次，将YOLOv8的主干网络替换为InceptionNeXt模块，实现在不同尺度上提取特征，增强特征提取能力。再次，增加GAM模型作为过渡模块，在特征融合前对信息进行筛选，提升网络的特征融合能力。最后，使用改进后的网络模型对测试集进行实验，并使用图片、视频和摄像头进行离线和在线验证。

实验结果表明，改进后的算法在各个类别上分类性能表现出色，整体平均召回率为0.90434，平均准确率为0.90434，平均精度为0.91505，平均F1值为0.90751，平均AP达到0.96889。在对刺绣图像、视频和摄像头检测的识别和分类的表现稳定且优异，达到了较高的精度和可靠性，实现了较强的泛化能力和鲁棒性，能够满足实际应用中的需求。

图15 在线验证检测结果

未来的工作重点是收集更多刺绣图像，丰富不同种类刺绣数据集，让模型能够在更多样的样本上进行训练。研究使用更高效、轻量化的主干网络进行替换，来达到更高的分类精度和满足更高要求的实时性。同时将分类模型进行多端部署，开发满足桌面端、移动端（iOS和Android）和Web端的刺绣检测与分类系统，将实时分类技术与数字人文结合，有助于更好地保护和传承刺绣文化。通过数字化和系统化的管理，刺绣作品可以被详细记录和保存，为后续的文化研究和保护提供宝贵的数据支持。

将实时分类技术应用于传统刺绣行业，体现了现代技术与传统手工艺的跨领域融合与创新，不仅为传统手工艺注入了新的活力，促进了刺绣行业的现代化发展，同时也为计算机视觉和人工智能技术开辟了新的应用场景，推动了传统手工艺与现代技术的协同进步。

编辑 | 臧杰

本文系辽宁省“兴辽英才计划”项目“新时代文化遗产保护、利用的新理念、新方法研究”（XLYC1904008）阶段性成果。

《周易》作为中国古典哲学的精髓，其深邃的哲学思想和丰富的象征意义一直是学术界研究的热点。历代学者通过文献考证、哲学阐释和历史解读等传统方法，对《周易》的卦象、爻辞进行了深入研究，揭示了其哲学内涵和实践指导意义。

李玮如从《周易》中的“象”概念出发，探讨了易学中“象”“理”“数”三者的重要性和相互关联，尝试通过概念探源和寻找概念之间的联系两种并行的操作方法，从纵向和横向两个维度对“象”这一概念产生更丰富的认识，借以理解《周易》的内在思想。^[1]由于《周易》的文本具有言简意赅的特点，对于其概念的多维度认识尤为重要。胡士颍深入分析了“道”概念的多维度认识及其与其他概念的复杂关系，而王莹则分别论述了“道”与“德”的概念，强调了《周易》在理性思维框架内融合了多种思维方式。^[2]此外，吴根友和李顺连分别对“复”和“神”的概念进行了深入探讨，进一步丰富了对《周易》哲学思想的理解。^[3]

然而，尽管这些研究从概念的深入分析入手，为我们理解《周易》提供了宝贵的视角，但在概念理解的全面性和深度上仍有提升空间。这些传统研究在处理大量文本数据时存在局限性，难以全面把握文本的宏观结构和内在联系。因此在用传统方法开展研究时，只能围绕自己所讨论的一个或几个“中心概念”展开论述，容易忽视其他概念。这一问题可能直接导致对于某一概念的过分解读，或者曲解文本原意。考虑到《周易》文本中各概念并非孤立存在，其内部概念之间的联系非常紧密，因此如果要对《周易》中的哲学内涵有一个全面的认识，就必须从更加宏观的视角看待《周易》中各概念之间的相互联系。要实现上述目标，至少需要解决两个问题：第一，《周易》文本涉及的概念是方方面面的，应确定合适的概念归类与整理标准，且尽可能统摄所有概念，减小因主观选择而带来的理解误差；第二，应选取合适的方法，对《周易》中的这些概念进行分析，在保证科学性的同时，尝试拓展文本的解释空间。

要解决第一个问题，不妨从《周易》的文本特征入手。《周易》作为先秦哲学的集大成之作，其中涉及的许多思想能够集中反映先秦时期的人们对于天道、人事等抽象规律最为朴素的认识，对后世产生了深远影响。《周易》通过将抽象规律客观化，并映射于具象的客观事物中，以进行抽象概念与规律的发微，尽可能准确地传达对某一抽象概念或规律的认识。《泰》：“后以财成天地之道，辅相天地之宜，以左右民。”^[4]这强调了人既要深刻地认识自然，又要主动地协调自然，体现出人与自然之间辩证统一的关系。赵国求指出，人类对于本体的认知首先观察到的是现象，这些现象是外在的、零散的、易变的“感觉表象”。^[5]这表明人类认知自然的起点是感觉，所谓的将抽象概念客观化实际上就是使得本不能轻易被感知或理解的事物或规律变得可感知，进而变得可理解。也就是说，客观化的标准就是能够直接触动人的某些感觉。《周易》中存在着以感官联觉串联起的一群重要概念，这些就是《周易》中重要的基本概念。通过这些基本概念，《周易》触动着人的五种感觉，即视觉、听觉、嗅觉、味觉、触觉，将抽象的哲学思想蕴藏到自然界和日常生活中的具体事物中，从而将人类与自然界与人事的规律联系到一起。这种认识的首要优点是能够更加立体地认识某个概念。例如“风”不仅可以在触觉上与人产生联系，同时可以在视觉、听觉、嗅觉上触动人的感受。当综合这些感受以后，对于这一事物的认识就更加立体、全面，其中的哲学思想也就更加利于发掘和感受。同时，由于不同概念可以触动人的不同感觉，但又无法超出人的五感限制，就人类本身来说，对于事物的认识应该是从五感中共同产生，因此，如果从“联觉”的角度加以分析，不仅可以对概念本身有更深入的认识与理解，同时可以对概念之间的联系进行整体研究。

基于此，本文从“联觉”的角度出发，研究《周易》文本中的联觉现象并探索其应用价值，在《周易》哲学思想的研究思路与模式上举出新例。在传统的研究中，受技术因素的限制和研究者个人情感、经历的干扰，很难在整体上分析《周易》文本各部分内容。然而随着数字人文方法的发展，实现这一目标已经成为可能，且传统文本解读与计算思维的结合为《周易》等古籍研究提供了新的视角和工具。本文将采用数字人文方法，以点带面，深入探讨《周易》中的概念联觉现象。特别是将“触觉”作为重点分析对象，同时关联“味觉”“嗅觉”“听觉”和“视觉”，以期揭示《周易》文本中概念之间的深层次联系和感知模式。

神经学界普遍认为，通感和联觉现象可能共享相似的生理机制。维拉亚努尔·拉马钱德兰（Vilayanur Ramachandran）和爱德华·哈伯德（Edward Hubbard）提出，这两种现象可能都受到大脑中生理联结的调控。^[6]劳伦斯·马克思（Lawrence Marks）进一步指出，通感可以被视为联觉的一种边缘形式，它们反映了人类普遍的感知过程。^[7]然而，语言中的通感现象并非仅由生理联结所驱动。赵青青等人通过对通感系统的分析，提出通感是神经认知活动和语言概念化之间相互作用的结果。^[8]这意味着通感现象虽然以神经活动为基础，但与直接表现的神经活动不完全等同。而且，基于神经与认知科学的研究表明，人类的感知体验可以被语言中的概念所左右。例如，劳伦斯·马克思等人和罗科·周（Rocco Chiou）、安妮娜·里奇（Anina Rich）的研究显示，语言概念能够反向作用于人的感知。^[9]这与我们的推测一致，即联觉现象可能是生理神经活动，还可能涉及抽象概念的认知加工，这种认知加工就是读者端将客观概念产生的感觉转化为对抽象概念的认识的过程，在本研究中反映为对《周易》相关抽象概念的认识与理解。在特殊类型的联觉中，语言概念能够触发味觉体验，如词语味觉联觉（见迈克尔·巴尼西等人的研究），这进一步支持了上述观点。^[10]语言中的通感现象具有重要的跨学科研究价值。深入研究通感与联觉的关系，有助于我们更好地理解人类大脑的神经活动与认知概念化之间的联系。例如，王锳《试论“通感生义”——从“闻”字说起》中提到，“闻”的词义除了可以从听觉转移到嗅觉之外，还可转移到视觉。几种感觉可以互通，也不仅仅限于“闻”字的个别现象。比如“闹”本义是喧闹，但也可以由听觉转移到视觉，比如李商隐的“闹若雨前蚁”中的“闹”字，还可以理解为浓密；“抹”字除了手部动作的“一抹”之意，还能有“用眼一瞥”的意思；“满意”除了一般心理感觉，还能转移到视觉，比如程垓《醉落魄·赋石榴花》：“夏围初结，绿深深处红千叠，杜鹃过尽芳菲歇。只道无春，满意春犹惬。”^[11]这些研究与例证都为概念联觉的研究思路提供了理论基础，而数字人文技术则为概念联觉分析提供了方法支撑。

本文基于前人研究以及通感和概念联觉的方法，对《周易》文本进行分析，试图以一种全新的视角，整体性地研究《周易》夹带的哲学思考和认知结构。通过运用数字人文技术，本文尝试发现计算语言概念如何触发感官体验路径的方法，为《周易》的认知结构和哲学思考提供新的解释路径。这种跨感官的分析视角，有助于我们更深入地理解《周易》文本的丰富性和复杂性，也为数字人文在古典文献研究中的应用提供了新的范例。

首先，我们利用库博语料库分析软件（CORPRO）中自带的概率模型对《周易》文本进行断词，采用的标准语料库是《周易》原文，数据总字数为32,332，按照一爻辞为一个语料段落，将文本分为1,698个语料段落。根据初次的词频统计结果，将标点符号、常见虚词以及无关实词放入停用词表。通过断词和筛选，我们总结出了词频排名前十位的词汇。为了方便宏观统计与观察，我们将类似的相关概念进行了同类词处理。例如在《周易》中，“吉、贞、利”三词各有侧重，“吉”作为占断词可独立成义，“利”后多加行为指导，一般不独立成词，“贞”较为复杂，某些语境下有“占卜”之义。然而在《周易》的具体语境中，三者经常连用或并用，共同指向积极的结果或状态。例如《坤》：“元亨，利牝马之贞。”《需》：“有孚，光亨。贞吉，利涉大川。”《蹇》：“利见大人，贞吉。”吉、贞、利三者不仅共现频率高，而且在语义上也有相通之处，这一点历来为《周易》的解读者所重视。《周易注疏》：“乾元者，始而亨者也。利贞者，性情也。”“以有乾之元德，故能为物之始而亨通也……‘利贞者，性情也’者，所以能利益于物而得正者，由性制于情也。”^[12]“亨”即连始，“贞”又连“利”，亨、利、贞三者皆出于乾元，并为乾始万物之后，生长美善，皆能有利于天下。“元、亨、利、贞”为乾卦四德，本为整体，“吉”是对四者的概括性描述。《周易大传》读法是，“元，善也。亨，美也。利，利物也。贞，正也。天有善、美、利物、贞正之德，故曰：‘《乾》：元，亨，利，贞。’《文言》谓君子亦有此德。”^[13]由此可见，吉、贞、利这三个概念在哲学上均体现了顺应自然规律和道德准则的重要性，它们在卦象和爻辞中常常相互联系，共同构成了《周易》对理想行为和决策的描述，意义相近；且在《周易》文本中的出现频次均非常高，全部排名进前五位，所以我们将这三个词放入同一类分析，以与其他词区分并进行比较。^[14]经过筛选，词频排名前十位的概念分别为吉、贞、利（250+176+141），无咎（140），君子（127），往、来（103+68），终（95），刚（92），万物（90），行（90），得（84），见（77）。^[15]表1显示了词频统计结果。

表1 词频统计结果

对表1中数据进行初步观察和分析可知，《周易》对生生不息、新而又新的哲学理念在时间、空间、事物品类三方面都进行了解释，但是由于材料分散，既往的研究很难凭人力寻找到证据进而为这一观点提供有力支撑。然而运用上述使用数字人文计算后得到的客观数据结果，可以尝试给出一种合理的解释。由表1数据可以看出，《周易》中排名第四位的词语是“往、来”，事物的盈虚消长在时间上体现为一个连绵不断的过程，“日往月来”“暑往寒来”是《周易》所描述的时间上生而又生的直接例证。同时，《周易》中排名第七位的词语是“万物”，其代表性的搭配是“万物始”“万物兴”，其意义是世间万物不断地更新与发展，新事物不断从旧事物中兴起和前进，代表了事物在空间和种类上的生生不息，源源不断。《乾》：“大哉乾元，万物资始。”《坤》：“至哉坤元，万物资生，乃顺承天。”根据张学智先生的研究：“天给万物以存在及其性质，地给万物以存在之展开与性质所以发生功效的现实能量。存在及其性质是知，性质之展开及功效为能。这是天地的德与业……万物为杂，乾坤为纯，杂物撰德，各有其能，万能皆发而不害纯之为纯，一分一合，皆自然之事。”^[16]天地是承载万物的场所，也是万物始兴的凭借；故而万物的兴起、发展，都顺应天地的规律，也就是自然规律。《老子》：“无名天地之始，有名万物之母。”《庄子·天地篇》：“天地虽大，其化均也；万物虽多，其治一也。”前者揭示出从混沌到秩序的生成逻辑，后者则对天地万物的“化”与“治”进行补充，形成了一个完整的“本体—运化—治理”框架。《周易》的众多卦象本身即是对“有名”的极致演绎，而又能时刻回归于天地万物，注意到万物作为整体性的存在。《系辞上》：“是故《易》有太极，是生两仪。两仪生四象。四象生八卦。”这描述了从无形本体到有形符号的演化过程，与《老》《庄》所描述的演化逻辑相一致，可见《周易》与《老》《庄》在思想渊源上的共通之处。

从表1中可以看出，无论是表示状态还是动作的词汇，其许多相关搭配显示出了变化的态势及可能性，并强调了应加强自身修养，顺应自然规律。这揭示了某种状态的产生和维持都是有条件的。以表1中词频排名第三的“君子”一词为例，《周易》重视探究君子在变化中的经权定位，强调君子既需要立于常道，以到达“元亨利贞”的境界，又需要在不同环境中随时权变。如果说前者是抽象层面的理想状态，后者常常表现为具体要求。例如，《益》“风雷，益，君子以见善则迁，有过则改”；《既济》“水在火上，既济，君子以思患而豫防之”；《未济》“火在水上，未济，君子以慎辨物居方”。这些关于“君子”的要求彼此有别，但都是针对具体情况下的实际选择，展现了《周易》对君子的内在要求与约束逻辑。《乾》《坤》中对君子提出“自强不息，厚德载物”的要求，开宗明义，是“君子”含义的统摄性表述。下文诸卦中所展现的君子的不同状态，是不同情境下的具体选择。二者相互联系，更加明确了《周易》中“君子”的形象解释。

这样的文本探勘结果还有助于整体性地认识处于一对矛盾中的词汇。《周易》中提到了许多反义词，各组反义词侧重于不同方面。根据计算结果，刚（柔）排名第六位，词频非常高，说明关于这对矛盾词组的处理是《周易》对阴阳和谐思想的阐发的重要体现。《睽》“二女同居，其志不同行。说而丽乎明，柔进而上行，得中而应乎刚，是以小事吉”；《解》“刚柔之际，义无咎也”，表现了刚与柔和谐统一的状态。《损》“损刚益柔有时，损益盈虚，与时偕行”，这体现出刚与柔的变化消长也随时而动，矛盾的偏向性不是一成不变的。类似地，《升》“柔以时升，巽而顺，刚中而应，是以大亨”；《兑》“刚中而柔外，说以利贞，是以顺乎天而应乎人”；《涣》“刚来而不穷，柔得位乎外而上同”；《中孚》“柔在内而刚得中，说而巽孚，乃化邦也”，可见刚柔是事物的内在特性，事物本身即具有矛盾性。《周易》善于通过刚柔之交、刚柔之际等描述将抽象的哲学思想具象化，代表了万物相通和相互转换的重要视角。

图1 热力图

但是，仅凭这样分析依旧不够直观，不能很好地将计算结果与原文进行联系。基于此，我们课题组又使用ChartCool制作了热力图（图1），用以表征这些词汇的词频随卦象的分布情况，横坐标是表1中词频统计排名前十位的词汇，纵坐标是64卦，颜色越深代表该词在这一卦中的词频越高。在此图中，64卦的排序我们选择按照《周易》原文的叙述顺序进行排列（由下至上为：乾、坤、屯、蒙、需、讼、师……），观察热力图，可以得出更多结论。

按这样《序卦传》所编排的相传已久的卦序，可以将《周易》分为上、下两部分，上经三十卦，下经三十四卦。^[17]孔颖达《周易正义》提出《周易》分上、下两篇，以象阴阳。^[18]《二程集》中记载了关于上、下经的另一则论述。刘牧曾提出上经主要叙述的是“形器以上事”，是“天地生万物”，相对应的下经主要是“形器以下事”“男女生万物”。这一说法将孔说延伸至上经主要与天道相关，下经主要与人道相关，其论更加具体。程颐随即提出反驳，认为“男女所生”即“天地所生”，二者没有区别。^[19]然而，刘说却为我们提供了《周易》的一种可供讨论的结构化叙事模式。依照上、下经的分割方法，词语的分布位置就能够标明其意义指向。例如“往、来”主要分布在下经部分，那么可以初步推断这个词体现在《周易》对于人事发展的指导上。《蹇》“山上有水，蹇，君子以反身修德”，《兑》“说以利贞，是以顺乎天而应乎人”，这些卦辞与爻辞所显示的结果都体现着对人的行为的引导。

但是，我们可以发现，“君子”一词主要分布在上经部分，也就是多与谈宇宙的基本结构和变化规律的“天道”部分相关。然而在一般性认知中，《周易》中与君子有关的叙述多是在具体环境下对君子的行为要求，与谈人类社会的具体事务和行为规范的“人道”关联性更加密切。通过数字人文技术打开的这一认知缝隙，启发了我们通过结构分布式意义的视角，重新审视君子在上、下经中的分布与描述，进一步思考君子的概念意涵。当我们特别关注上经中的君子论述时可见，如《乾》“天行健，君子以自强不息”，《坤》“地势坤，君子以厚德载物”，这两句作为《周易》中有关君子形象的流传最广、影响最大的两句话，在《周易》的开端即对君子提出了纲领性的要求。其中的“厚德载物”与“自强不息”分别对君子的“德”与“行”进行了规定。在这个基础上，考察《周易》中其他关于君子的描述，可以发现实际上是在“自强不息”与“厚德载物”的规定下，提出的对君子更为具体的要求。这里试举几例：

由此产生的问题是，既然这些表述大都描述了对于君子的思想与行为规范要求，那么“君子”这一概-念理应更贴近于“人道”，为什么会在以描述“天道”为主的上经中集中出现呢？赵爽已经注意到，“《易经》对天的认识已经实现由感性到理性的飞跃”。^[20]这一飞跃导致的直接结果，就是将对于“天道”的感性认知转化为理性实践。即将较虚的“天道”外在化，表现为具体的行为，就是融入卦辞和爻辞中。通过计算结果，我们可以寻找到《周易》对于君子的核心要求，即行为顺应天道。证以《大有》“君子以遏恶扬善，顺天休命”，“顺天”即《周易》对君子的核心要求。通过概念计算所产生的对君子应规范行为以顺应天道的这一认识，与既往一般自明性地以为与人道更为相关的认识不同，完善了我们对于《周易》中“君子”这一概念的全面认知。

综上可见，数字人文技术在《周易》研究中揭示的新现象具有重要意义。首先，它通过词频统计和分布分析，使我们认识到“君子”一词在上经中的集中分布，这与“君子、人道存在紧密联系”这一宋明之后的认知似乎不同，引导我们重新思考君子行为与天道顺应的关系。然而，经过深入分析我们可以发现，这二者在深层是统一的，共同揭示了《周易》对“君子”的独到理解。这样的认识引领我们对此概念进行更为深入的思考。其次，“往、来”一词在《周易》下经的频繁出现，突出了其在人事发展中的重要性。这一现象为我们提供了一个新的视角，帮助我们更深入地理解《周易》在时间维度上如何阐释变化与连续性的哲学概念。它揭示了《周易》不仅关注事物的动态发展，也强调了在变化中寻找恒常与秩序的重要性。这些通过数字人文视角而得出的新发现，着实丰富并加深了我们对《周易》文本与思想的理解，为我们揭示了数字人文带来的方法与视角，在传统概念研究与古籍文本探勘中的巨大潜在效用。

联觉是指一种感官刺激能够触发另一种感官体验的现象，它在认知科学和心理学中是一个重要的研究领域。传统研究中，《周易》的概念研究多依赖于学者的直观感受和个人经验，这在一定程度上限制了对文本深层次结构和概念内在联系的全面理解。在《周易》的文本中，概念之间存在一种不同感官体验之间相互隐喻和象征的关系，这种联觉特性为理解《周易》中的概念关系提供了重要线索。尽管一些本身就容易引发多重感官体验的概念能够被研究者发掘，但多数更深层更隐含的联觉现象却常常被忽略，而这些现象恰恰可能揭示《周易》概念之间更为复杂和微妙的内在联系。

在自然语言处理技术中，词嵌入（word embedding）是一种将词汇映射到向量空间的方法，每个词汇都与该空间中的一个点相关联。这种表示方式能够捕捉词汇之间的语义相似性，因为语义相近的词汇在向量空间中会呈现出相近的分布。^[21]例如，“国王”和“女王”在向量空间中的距离会比“国王”和“桌子”更近，因为它们在语义上更为相似。这种方法在语义相似度计算、词义消歧等任务中得到了广泛应用，为文本分析提供了新的工具和视角。^[22]通过词嵌入技术，我们可以更深入地挖掘《周易》文本中概念之间的语义关联，尤其是那些隐含的、跨感官的联觉现象，从而为理解《周易》的哲学思想和认知结构提供新的解释路径。本节在方法上，主要基于Word2Vec模型进行词向量计算，以期从其他视角捕捉《周易》感官概念之间的语义关系及其相似性，并通过相似性分析帮助发掘和思考概念之间直观感受下潜藏的联系，以探索《周易》文本中隐含的感知模式和认知结构。^[23]

在文本准备与预处理环节，团队选取了《周易》的完整文本作为研究对象，并选用黄寿祺、张善文执笔，上海古籍出版社于2018年出版的新修订版《周易译注》作为参考。由于库博语料库分析软件自带的概率模型在执行断词任务时容易过度断词，例如将“明出地上”断为“明/出/地上”，这样就失去了词的整体性意义，不能进一步与五感对应。因此，团队采用了可调整性与可训练性更强的jieba分词工具^[24]进行分词处理，为了消除jieba分词带来的歧义，保证分析的准确性，团队手动对文本进行了去除无关符号、标点和格式化错误等处理，最终形成了自己的语料库。

分词结果交由Word2Vec实现词向量构造。Word2Vec是自然语言处理Gensim库提供的一种用于生成词向量的模型，它通过神经网络技术将词语映射到一个低维的连续向量空间中。这个模型能够捕捉词语之间的语义关系，使得语义上相近的词在向量空间中也相近。词向量的构造表现为：

收集并预处理《周易》文本数据，形成分词结果，将这些文本数据作为训练Word2Vec模型的数据底本。在训练过程中，模型学习每个词的向量表示，这些向量能够反映词之间的语义关系。“向量提取”意为：训练完成后，从模型中提取特定词（如“易经”）的向量表示。

在这里，团队利用《周易》原文文本作为数据底本。考虑到《周易》中的词汇此前未必包含在jieba词库中，团队首先利用jieba库的新词识别模式（HMM，隐马尔可夫模型）实现词汇列表构造，从而为Word2Vec的训练提供标准化接口“句子”，该“句子”并非自然语言，而是一个分别包含100个词汇的词组分划列表。然后使用Gensim库中的Word2Vec类训练词向量模型，并将模型保存。例如，我们通过将“易经”一词作为键值对匹配，实现了由自然语言词汇到数学向量的映射，如图2所示。

图2 《易经》的词向量

Word2Vec主要包括CBOW（Continuous Bag of Words）和Skip-Gram两种模型架构。在实现上，Word2Vec模型通过训练大量文本数据，学习到每个词的向量表示。它的局限性之一在于需要大量的语料库进行训练，无法直接处理未见过的词语。此外，Word2Vec是一种静态的方式，虽然通用性强，但是无法针对特定任务做动态优化。因此，在实际应用中，可以使用Gensim库对其进行训练。Gensim是一个专门针对自然语言处理的高效Python库，内置了Word2Vec模型的实现。团队将已形成的语料库导入Gensim库，并使用能够提供更丰富语义信息的Skip-Gram模型对其进行训练，以得到更适合本次研究的模型。

通过人工阅读和理解，并借助大语言模型提供的分类标准，^[25]团队分工进行了概念的挑选与归类，选取了与五感概念语义相近的词语，作为标定的典型词汇。^[26]接着利用这些标定的典型词汇，进一步手动选取与这些概念语义相近的其他词语；通过计算这些词语与典型词汇之间的词向量相似度，挑选出相似度最高的词语进行增广，形成增广列表。由于《周易》文本包含古汉语词汇，这些词汇可能无法被常用的分词工具（如jieba）准确识别。这导致一些手动挑选的词汇在自动分词结果中没有出现。为了解决这个问题，团队对分词结果进行了手动调整。例如，将一些长词汇拆分成更短的词汇，以便更好地适应分词工具的识别能力。

表2 典型词汇表^{[27][28][29][30][31][32]}

最后，为了更直观地展示词向量分类结果，我们采用了非监督学习算法T-SNE对词向量进行二维可视化处理。首先，团队分别为五感（视觉、听觉、嗅觉、味觉、触觉）选取若干词汇作为分类锚点，然后利用词向量欧式距离差异分别为每个词找出最近的十个词汇，比如针对“嗅觉”我们先手动选取了“风、草木、泽、巽”四个词汇，然后利用词向量模型对每个词都找出十个最接近的词，并将它们和锚定词汇聚类在一起，作为最终“嗅觉”类别的词汇。接着，利用T-SNE算法对所有词汇进行可视化，训练所用向量的大小为3,320×100。

图3 五感（视觉、听觉、嗅觉、味觉、触觉）词向量可视化

上述分类在T-SNE分类图中用不同的颜色标注出来，结果如图3所示。将图3中的五感（视觉、听觉、嗅觉、味觉、触觉）相关的词汇进行分离，可以得到如图4至图8所示的五感相关的向量图。

图4 视觉词向量可视化

图5 听觉词向量可视化

图6 嗅觉词向量可视化

图7 味觉词向量可视化

图8 触觉词向量可视化

根据图中的词向量可视化结果，可以看到五感相关的概念在向量空间中形成了特定的集群。这些集群在二维可视化图像中主要集中在图像右侧的“尾巴”区域，显示出它们之间在语义和词频等多个维度上具有强关联性。进一步分析这些感官概念的分布特征，可以看出视觉概念在向量空间中的分布最为广泛，其词向量在图中呈现出较大的扩散范围。这表明在阅读和理解《周易》的过程中，视觉元素在感官体验中占据了主导地位，文本中涉及了大量的视觉描述或视觉相关的隐喻。相比之下，听觉、嗅觉、味觉和触觉的概念则相对较为集中，它们在图中的分布范围较小。特别是味觉和嗅觉相关的词汇，在图中的分布被隐藏得尤为明显。这说明这些感官元素在文本中可能不如视觉元素那样频繁出现，或者它们的描述更加隐晦，需要更加细致地分析才能被充分识别。

特别地，根据上文语义共现探勘的结果，刚（柔）在文本中的出现频率排名第六，词频非常高，同时“刚”与“柔”等概念又与触觉紧密相关，这让我们看到了触觉相关的概念在《周易》体系中也占有一席之地，从触觉的角度描述和阐释思想是分析《周易》的一种新的思路。《周易》强调阴阳平衡，并尝试从各个角度对这一对辩证概念进行解释，刚与柔正是其中的一例。从直观上来讲，触觉体验中刚柔的平衡十分重要，过刚或过柔的触感都会使人不适，而适度原则才能带来舒适自如的感受。更进一步来说，刚柔影响和象征着人的心理状态：刚强使人感到振奋和鼓舞，柔和则常与安慰和放松的感受关联，但过刚或过柔都不是相宜的处世心态。然而人们的处世心态常常为环境所影响，因此还需要积极调整以达到一种和谐、稳定的状态，这与《周易》中刚柔相生相克、变化无常的思想相契合。正是在阴阳、刚柔等概念相调和与相转化的谱系中，两端概念的不同比重导向了不同的卦象。比如《大过》“刚过而中”，中立调和下凸显了“刚”的特征，阳刚过甚时能够中立调和，不至于过刚易折，方能“利有攸往”，尽管去行动；再如《随》“刚来而下柔，动而说”，阳刚者位于阴柔之下，便于行随从之事，既体现了一种因势利导的调和取向，还蕴含着守持正固的不移心智。说明《周易》正是通过每个人都具备的触觉意识，将刚柔思想潜移默化于读者的潜意识中。

通过概念联觉分析，我们还可以多元化地认识理解文本中的经典概念。如前文分析，《周易》中多处内容都体现着对“君子”的期待与要求；而在将天道的现象外化为行动准则时，联觉现象就发挥着重要的作用。

根据词向量计算结果，“君子”概念与视觉、听觉、味觉、触觉都有关联，与嗅觉的关联性却不甚明确。视觉方面，君子可以被理解为具有远见卓识，能够洞察事物的本质，不局限于细枝末节和表面现象。如《观》的爻辞，通过比较“童观”“窥观”与“观我生”“观国之光”“观其生”，说明不同的观察视角反映了身份与眼界的高低，并且及时省察自我和他人行为的做法可以成就君子感悟成人之道。

在触觉方面，君子之行可以解读为对事物的敏感和细腻，能够通过触觉来感知和理解外界，体现出对关键细节的关注。在《周易》“解”卦中，“解而拇”的意象出现在九四爻辞：“解而拇，朋至斯孚。”按《周易译注》，“解而拇”意为“像舒解你脚拇指的隐患一样摆脱小人的纠附”，从而收获“朋至斯孚”的结果。^[33]这一概念巧妙利用触觉感知的比喻，描绘出摆脱小人纠附后心理的自由和放松，侧面表现出了触觉在概念客观化认知中发挥的重要作用，体现了从触觉出发的深层认知。

在听觉方面，君子的品德体现在他们对声音的敏感度和分辨能力上，这不仅仅是对声音的简单接收，更是一种对信息的深度理解和判断力。君子善于倾听，能够从各种声音中辨别出规律与秩序，并衍生出深刻的思想，这种能力象征着他们对周遭世界的深刻洞察。《恒》：“雷风，恒。君子以立不易方。”君子长期通过耳朵接收声音，总结出一种声音规律秩序，亦即雷声震动，风声随之而起，并从这样的声音秩序中，体悟雷风之声相互作用和相互依存的关系是恒久不变的。这里的雷声象征着力量和警醒，而风则代表着迅速和传播。君子从雷风之声相随而起的自然现象中领悟到一种恒久不变的秩序，故得出应当坚守自己的立场和原则，不随外界的变化而轻易改变的思想。因此，君子的听觉品德不仅体现在对声音的敏感和分辨上，更体现在通过倾听自然现象中的规律与秩序，维护内心的恒定和平静，并在复杂多变的环境中始终坚守原则与方向的能力。这种能力使君子能够在纷繁复杂的世界中保持清醒的头脑和坚定的信念，正如雷风之声的恒久不变，君子亦能在变化中寻得恒常。

在味觉方面，“君子”的多元特性被揭示得更为明显。观察图7和图8，发现味觉相关的图像与触觉相关的图像词汇分布相较于其他感官图像词汇分布形态更为相似，可推论二者之间可能存在某种较强的关联性。这种关联的存在可以丰富人们对同一事物的认知，进而实现“联觉”的效果。例如《噬嗑》“噬干胏，得金矢，利艰贞，吉”，此处“噬干胏”描述了咬食带骨头的干肉这一种艰难的状态，随后“得金矢”是指“具备金质箭矢似的刚直气魄”，告诫君子应于艰难中守正，最终会得到好的结果。^[34]“噬干胏”当然会使人直接联想到给触觉带来的不快体验，然而如果再联想到味觉也同时被触动，可以更加感同身受那种艰难的感觉，也更能体现出于艰难中守正的不易与可贵。《井》：“井洌，寒泉食。”井水清洌可食，喻示君子应像清澈的井水一样，源源不断地给人们带来益处。这里除了将井水给人以清新凉爽之感的触觉与井水清洁、清凉，适合饮用的味觉纳入认知体系外，视觉上的井水清澈见底，清洁透明的“清洌”也是重要的方面。从多个感觉对“井水”这一事物进行修饰，可以使这一客观物象与人的主观感受联系更为紧密，因而强化了“寒泉食”与“君子阳刚中正”这两种表述之间的关联性，通过联觉达到主客观相通的效果。

计算结果并没有直接将君子与嗅觉联系起来，或许有以下原因。一则，君子在嗅觉体验中可能象征着的、对美好气味的欣赏和对恶臭的警觉，与味觉方面用味道象征善恶美丑的逻辑相似，因而被包含在味觉的联系之下，嗅觉方面的联系被隐藏；二则，对嗅觉的感触也可以解读为君子对环境和氛围的敏感，这种直觉性的感受包含着多重感官体验，本身就难以划分，嗅觉在其中发挥的作用更加难以发掘。嗅觉在《周易》中不具备独立性，被含摄于其他感觉之中，与其他感觉一起发挥作用，增强人对同一客观事物的认识与理解。这与《楚辞》等古籍对于嗅觉的应用不太一样。《楚辞》中多有“香草美人”的隐喻，建立嗅觉与主观感受的强关联。未来可从“感官人类学”（Sensory Anthropology）的角度出发，更聚焦地探讨嗅觉在《周易》中君子论述时缺位的深刻原因。^[35]

多重感官体验的构筑之下，抽象的概念得以外化并与君子形象联系起来，使得周人心目中的道德化身有了现实追求的可能。本节通过Word2Vec模型和联觉分析，深入探讨了《周易》中的概念和感官体验，尽管传统研究依赖直观感受，但联觉现象揭示了文本中更深层次的结构和内在联系。《周易》中的五感概念集中展现了阴阳平衡和对生活品质的追求。通过T-SNE算法的可视化，研究进一步分析了概念在向量空间中的分布，并结合概念计算结果，揭示了文本中的深层次结构特征：视觉和触觉概念在文本中占据了显著的地位，相比之下，味觉和嗅觉的提及则较为稀少。这种感官分布的不均衡，反映了《周易》对视觉和触觉的重视。从人类学的视角来看，视觉与触觉在《周易》中的显著性，与人类早期生存环境和感官体验的依赖有关。在早期社会，视觉和触觉是获取环境信息和进行物理互动的关键感官，视觉对于识别环境、寻找食物、避免危险至关重要，而触觉则与物体的直接接触和操作相关，对于制作工具、建造住所等生存活动发挥着核心作用。与《周易》中这种感官分布的特性类似，在西方宗教实践中，视觉与触觉依然常常得到强化。以基督教的传播为例，其最重要的两种传播媒介——语言文字与艺术的方式（绘画、诗歌、建筑等），都是以视觉为基础的。郑伟指出：“对于基督宗教传播来说，视觉媒介是教义传播过程中的一个环节，是物质性的载体结合视觉观看来传递精神性的力量。在基督宗教传播中通过视觉的方式传递关于上帝的信息，自古以来一直具有公认的必要性。”[36]同时，触觉体验也被纳入到许多宗教传统之中，“宗教接触”因而成为宗教传播与实践中相当重要的部分。例如在基督教的洗礼中，受洗者通过水的触摸来洗净原罪和完成重生；在伊斯兰的朝觐中，信徒们会围绕天房（Ka’aba）行走，并亲吻或触摸黑石以表达敬意。加拿大学者康斯坦丝·克拉森（Constance Classen）指出，触觉在西方文明的形成期具有广泛的社会性和宗教中心性，并且有关触觉的各种集体实践和信念长期持存。[37]而嗅觉和味觉虽然在宗教仪式中也有重要应用（例如香料和香油的使用），但与视觉和触觉的实践效果与方式相比，嗅觉与味觉实践并不是主要的感官焦点。这与《周易》中所体现的感官分布特性不谋而合，或许从哲学、宗教、文化层面上反映了更高层次的人类对于自然世界与社会的原初认识。这种感官分布的特性，不仅向我们展示了《周易》对感官体验与心理状态关联的深刻洞察，也体现了对人类认知的全面把握。它甚至激发我们去探索那些过去未曾深思的内在意涵。通过数字技术揭示的《周易》中隐藏的内在五感结构，为我们提供了理解这部古典文献的新视角，并展现了数字人文方法在探索古代文本中的潜力。

本研究成果为《周易》文本的语义和感官体验分析提供了新的视角和方法，不仅加深了我们对《周易》文本涉及的概念与整体结构的理解，也为传统哲学思想的现代诠释提供了新的证据和思路，有助于深化我们对古代智慧的认识，并促进其在当代社会的应用与发展。特别地，通过数字人文方法的应用与对实验结果的分析，我们可以重新审视从前的研究成果，并针对相关问题展开进一步的讨论。例如前文提到，学者不断提出自己话语体系下的《周易》中的核心概念，并纷纷给出了解释。基于本文的讨论，我们知道《周易》是通过将抽象概念（包含哲学理念、感性思维等）客观化的手段，来构建其哲学体系并向读者传达关于自然、人道等事物或规律的认识。这一手段实际上是努力在这些概念与人的五感之间建立联系，以使得客观化成为可能。那么，如果要判定一个概念是不是《周易》中的核心概念，它至少应具备如下的必要条件，即这个概念必须能够与五感发生强联系。否则这个概念就不能够很好地向读者呈现《周易》中的哲学体系与哲学思想，也就是没有充分被“感知”，自然也就不具备成为《周易》中核心概念的条件了。举例来说，我们计算了“道”“德”“神”三个概念在五感向量图中的位置，结果如图9。

图9 “道”“德”“神”三个概念在五感向量图中的位置

可以看出，“道”与“神”两个概念在向量空间中的位置更加接近“尾巴”处，也就是更加接近五感相关的词汇相对集中的区域，具备成为《周易》中核心概念的可能性，可以进一步讨论研究。相比之下，“德”所在位置五感词汇的分布较稀疏，表示在本研究的模型与参数条件下，该概念不太容易与五感相关的词汇发生联系，因此可能较难实现概念具身五感联觉的客观化呈现。基于这样的实验结果与分析，可以进一步加深学界对于《周易》相关问题的探讨。

然而，本研究作为利用数字人文技术与概念联觉视角对古籍进行深度探勘的初期探索与尝试，仍存在一定的局限性，现简述如下。

首先，尽管数字人文技术的应用提高了分析的效率和深度，但算法和模型的选择可能会影响最终的分析结果。例如，jieba分词工具在处理古汉语文本时可能存在一定的局限性。这种局限性的产生，一方面来自技术本身，另外一方面来自人工制定的分类标准不够细化。在以后的研究中，应进行分类标准的再提升，同时加以人工二次检验，以适应《周易》等古典文献的特点。

其次，本研究以《周易》中的高频词汇和五感概念为主要研究方向，但对文中其他词汇、概念的深入剖析仍需加强。本文所关注的还是对于同一概念的联觉解释，有关于这种联觉解释其他的可能贡献，本文在许多地方并没有深入剖析，随着其他研究的深入与联觉研究文本的增多，联觉可解释和研究的空间将可能进一步扩大。未来的研究可以延伸到不同文化、哲学背景下的更多词汇和概念以及它们的语义演变等方面，也可以进行更多文本的研究。由于联觉分析是一种新兴的研究方法，在《周易》文本中的应用目前还处于探索阶段，今后可以对联觉现象在《周易》中的表现形式和认知机制进行进一步探讨，以及将联觉分析与其他文本分析方法相结合，从而获得更全面、更深入的认识和理解。

最后，本研究的可视化结果虽然提供了直观的展示，但在解释和应用这些结果时仍需谨慎。概念联觉分析依赖于机器对大量文本的处理与计算，同时也依赖人的主观感受。机器能力的边界或许还难以确定，在此课题中，机器更多的功能是为我们提供一种新的视角与观点，我们筛选其中有启发性的部分，并以此出发进行“由果及因”的探讨，以获得更多发现。对于今后的研究而言，可以探索更多的可视化技术，并积极尝试应用最新的计算方法与处理工具，以便更准确地反映《周易》文本的复杂性和丰富性。同时，也需要更多的实证研究来验证本研究的假设和结论，以推动《周易》文本研究的进一步发展。

本研究尽管存在一定的局限性，但确实为《周易》文本的语义和感官体验分析提供了新的视角和方法，具有开拓性意义。通过数字人文技术与认知科学的交叉应用，本研究不仅提高了对《周易》文本分析的效率和深度，也为后续研究奠定了坚实的基础。未来，随着技术的不断进步和方法的持续完善，我们有理由相信，对《周易》乃至更多古典文献的深入挖掘将展现出更加丰富和精准的学术图景。此外，本研究在可视化展示方面的尝试，也为后续探索更多维度的文本分析提供了经验和启发。随着更多学者的加入和实证研究的积累，将不断推动《周易》文本研究向更深层次发展，为理解人类文化遗产贡献新的洞见。

编辑 | 韩玉凤

早在明清之际，中国小说名著《三国志演义》（为便于行文，以下径称《三国演义》^[1]）便传入周边国家，产生重大影响。与日本、朝鲜、越南等东亚、东南亚汉文化圈内的情况相似，“三国”故事在泰国流播甚广，颇受欢迎。据学者推断，在17世纪初，也就是泰国阿瑜陀耶王朝中期，《三国演义》已伴随华人移民或“东南亚人士来华购买及书籍贸易”^[2]等途径传入泰国。初入泰国，“三国”故事的传播以流动的神庙活动和戏曲表演为主，以图文、雕塑等凝定的形式为辅。^[3]视听演出转瞬即逝，现场细节无从还原。而因战乱频仍、气候炎热、中文识字率低、文献保存意识淡漠等原因，汉籍在泰国的保存情况也不理想。泰国现存最早的《三国演义》是清光绪九年（1883）善美堂藏版《绣像第一才子书》^[4]，该书比史称“洪版《三国》”的首部泰译本《三国》晚了80多年。由于“洪版《三国》”译者本人不谙汉语，其翻译底本是在泰华人据汉籍意译的质朴泰文，^[5]因此，若想通过译本寻觅其所依据的小说版本，进而推断彼时可能流传于泰国的汉籍情况，无疑是困难重重的。换言之，如欲探究《三国演义》在泰国的早期传播情形，便不得不诉诸间接证据。唯一可行的路径就是充分利用非文字资料。^[6]

幸运的是，在作为《三国演义》泰国早期传播关键渠道的绘画雕塑领域，至今仍有实物资料留存，其主流为佛寺壁画。泰国全境共有绘制“三国”故事壁画的佛寺五座：纳浓寺、切都蓬寺、巴森苏塔瓦寺、波汶尼威寺和建安宫。绘制时间最晚的是建安宫的90幅壁画，完成于光绪二十五年（1899），内容以《三国演义》为主，兼有少量《隋唐演义》等其他题材作品，其中与“三国”有关的54幅，其底本很可能是晚清石印本《增像全图三国演义》。^[7]时间次晚的是修建于曼谷王朝拉玛四世时期（1851—1868）的波汶尼威寺，配殿壁画绘有从“刘备送徐庶”到“关羽义释曹操”的28段故事，该寺为皇家寺庙，画风趋近泰式格调。^[8]余下三座寺庙均修建于曼谷王朝拉玛三世时期（1824—1851）。^[9]纳浓寺有“三国”壁画48幅，内容始于“刘备投奔刘表”，至“赵云独战曹军”止，破损严重。切都蓬寺壁画绘于户外中式亭子内部，因处于开放环境，损坏程度更甚，经辨认，仅描绘了赤壁之战情节。^[10]唯独巴森苏塔瓦寺存有泰国境内绘制时间早、体量大、华人参与度高的“三国”主题壁画，学术价值重大，但壁画图像尚未经过系统采集和整理，所受关注和研究极其不足。

巴森苏塔瓦寺（Wat Prasoet Sutthawat, วัดประเสริฐสุทธาวาส）位于泰国曼谷，原名“卡琅寺”（Wat Klang），兴建于阿瑜陀耶王朝时期（1351—1767）。曼谷王朝拉玛三世在位（1824—1851）时，福建漳州府海澄县籍华人郑宝因在泰经商有道，出资重修该寺并将之献给国王，受封爵号“帕巴森瓦尼”，该寺遂更名为“巴森苏塔瓦寺”^[11]（以下简称“巴寺”）。寺内供奉上座部佛教神像，大殿四壁绘制“三国”主题壁画364幅，呈逆时针分布（见图1-1至图1-5），内容从“刘备观榜文”到“张飞战张任”，^[12]大部分保存完好，风格接近于中式绘画，以线描笔法为主，有较多汉字标注。^[13]寺中主殿后壁上石碑题“大清国道光拾八年岁次戊戌福建省漳州府海澄县弟子郑”，可知壁画绘制于清道光十八年（1838），这个时间点不仅早于前述泰国现存最早的汉籍《三国演义》，也早于1865年的泰译插图本。^[14]壁画绘制时间正处在泰国前现代末期，[15]尚无可能如前述建安宫壁画那样依据晚清石印本，其底本应是晚明以降的小说刻本插图。也就是说，无论从历史、政治，抑或文学、技术的维度来看，巴寺壁画均在时间轴上处于《三国演义》在泰传播的早期，如能探究壁画依据的底本，便可更新《三国演义》在泰国前现代时期的流传和接受情况，不仅可以将入泰时间上限提前，也有助于进一步认识在泰流播的具体版本。图1-1 大殿内壁画分布与阅读顺序（“”指代佛像位置）

图1-2 佛像左侧墙壁壁画分布示意图

图1-3 佛像背后墙壁壁画分布示意图

图1-4 佛像右侧墙壁壁画分布示意图

图1-5 佛像对面墙壁壁画分布示意图

壁画分行布列于佛寺四壁，佛像两侧墙壁布图较多，共计7层，每面墙壁128幅；位于佛像背面和对面的壁画较少，分为6层，每面墙壁54幅。这些壁画长宽比均约为4∶3，皆从右向左排列，符合中式阅读传统。每幅壁画皆有画框，唯其形制略异：第1—58幅（第一排的全部壁画），画面内容占据画框全部；第59—174幅（第二、三排），画框内加绘一个长方形边框；第175—232幅（第四排），画框内加绘一个四角为弧形的长方形边框；第233—364幅（第五、六、七排），画面内容再次占据画框全部。巴寺壁画中人物、建筑、植物、兵马、城门等元素以及构图模式与中国明清时期《三国演义》小说版刻插图十分接近，很可能是参照一个或多个明清版刻插图本绘制的。^[16]但若仅靠人工对照壁画和小说版画的相似性，一则工作量过大，二则难以避免主观性带来的偏差，因此，本研究引入机器计算以提高工作效率及其客观程度。

在现有的相关研究中，泰国学者初蓬·厄初翁对巴寺壁画作出了图文介绍，但侧重美术分析，并未涉及来源推测问题，更未从文学视角加以关注。^[17]泰国来华留学生陈柳玲的博士论文提及巴寺壁画，认为其底本是关帝庙或关公殿的同类壁画，巴寺修建之目的是推崇关公。^[18]中国学者方面，金勇曾对巴寺壁画略有介绍，他指出这是泰国境内最丰富翔实的“三国”主题壁画，还附上亲赴现场所摄彩图3张。^[19]王少杰亦曾专论巴寺壁画，但未展开图绘底本的具体分析。^[20]胡春涛则围绕另一寺庙建安宫的“三国”壁画展开分析，关注壁画内容、绘制年代和底本来源，虽然其关注重点在于建安宫，仍为巴寺壁画的研究提供了参考范例。^[21]本研究在借鉴上述成果基础上，对数字人文的人机协同研究范式进行探索：首先采集巴寺全部壁画并进行数字化整理，其次构建出一个相似度预测框架，使之自动计算壁画与小说版刻插图的视觉相似度，最后回归传统文史分析方法，发挥人力解读图文细节的优势。

在开始机器计算之前，首先需要人工采集壁画并建立数据集。本研究的数据集由1,003幅图片组成，包括364幅壁画和639幅来自16个具有代表性的小说插图本。

（一）数据集的建立与划分

截至1838年巴寺壁画绘制前，带有情节性插图的《三国演义》小说版本共计34个。尽管学界关于《三国演义》的版本研究已臻成熟，但对插图本的版本梳理，仍需基于图像特点另行展开。这一方面是因为按文字和按图像划分的版本系统未必一致，如清初金阊艺海堂本《四大奇书第一种》^[22]，内封题“毛声山评点三国志”，正文出自毛评本无疑，然其插图为回目画，共240幅，图目5—7字不等，与明刊《李卓吾先生批评三国志》^[23]所配插图基本相同，应属于周曰校本插图体系。另一方面，对小说来说，插图在很多情况下具有一定独立性，是可以被灵活拆卸和再度拼装的版刻资源。明万历建阳忠正堂熊佛贵刊本《新锲音释评林演义合相三国志史传》^[24]，其版式为上评中图下文，图像比例也与传统上图下文不同，宽度仅占版面的二分之一，左右半叶图像合为一图，即“合相式”，书前又插入“桃园结义”“刘备称帝”两张半叶竖幅插图，应为江南版画拼入的结果，不能因为书坊出自建阳就将之简单归入建本系统。^[25]因此，本研究从图像特征出发，重新梳理这34个出现于巴寺壁画绘制前的《三国演义》插图本，通过合并同类版本，提炼出具有代表性的16种（详见表1），并沿用通行的小说图像地域风格分类维度，^[26]将这16种代表性插图本分为三个系统：一是江南系统，包括双面连式和半叶竖幅式；二是建阳系统，即上图下文式；三是江南与建阳的合流系统，前述兼有上图下文“合相式”插图和半叶竖幅插图的忠正堂熊佛贵刊本即属此类。

随后，本研究在364幅巴寺壁画中，根据图像表达和榜题、人物、建筑等文字标注，提取出可以辨认小说情节的代表性壁画88幅^[27]，又从上述16种代表性小说插图本中整理出与88幅壁画对应的小说插图639幅（出自不同小说插图本的图像数量不一，详见表1最右栏），共同构成本研究的核心数据集。

表1 出自代表性小说插图本的插图数据统计表

注：序号1—4插图属于江南风格，5—14属于建阳风格，15、16为江南与建阳的融合风格。总计639幅。

为方便机器学习和全面评估相似度预测框架的性能，本研究采用一种系统的数据集划分策略：将88幅壁画分为两个数量均等的部分，分别命名为“训练集”和“测试集”。训练集旨在训练机器优化其有效提取图像特征、为图像相似度打分方面的性能，测试集用于测试机器在训练集上习得的特征提取能力及相似度打分能力。小说插图本与壁画对应的图像，则跟随壁画的流向归入训练集或测试集。由于测试集中的训练数据既包括一半数量的壁画，又包括这一半壁画所对应的小说插图，这就确保了训练的模型在能充分学习到壁画特征的同时，也能充分接触小说刻本图像的多样性。

（二）面向训练集的对比学习模型SimCLR

对比学习（Contrastive Learning）广泛应用于图像处理和自然语言处理领域，如图像分类、目标检测、文本表示（text representation）等。作为一种自监督学习方法，对比学习主要用于训练机器学习和深度学习模型，尤其广泛应用于缺少标签数据的场景。其核心在于通过对比数据样本学习特征，将相似样本映射到相近的特征空间，将不相似样本映射到不同空间，从而使机器习得更有区分力的图像特征。在那些复杂耗时、存在较多主观差异的场景中，对比学习因其自监督学习机制而具有的优势显得尤为明显。巴寺壁画与小说插图的相似度评估任务，即对比学习模型适用的领域之一。

在样本数量受限的情况下，本研究利用对比学习模型SimCLR（A Simple Framework for Contrastive Learning of Visual Representations），通过数据增强技术生成图像的多个变体，构建“正样本对”（positive sample pairs），并通过对比损失函数来训练模型的优化。SimCLR的单阶段训练策略简化了负样本的选择，使其在小样本环境下依然能有效捕捉图像之间的微妙差异，充分学习到具有高区分力的特征。对于样本数量相对较小的巴寺壁画和小说插图来说，SimCLR模型的这些特点有助于精确评估二者图像的相似性。该模型的研究框架包括如图2所示的多个步骤，以下将逐一拆解。预测框架相关代码和本研究部分数据，见Github开源平台https://github.com/MiyaWu/Romance-of-the-Three-Kingdoms。

图2 壁画与小说插图的相似度预测框架

1.数据预处理

本步骤首先对巴寺壁画和小说插图进行图片缩放，确保它们符合输入模型的尺寸规范，其次对图片进行归一化、标准化处理，确保图片数据的稳定性与一致性。

2.特征提取

本步骤将预处理后的图像输入到训练成熟的SimCLR模型（训练过程详后）中，SimCLR模型将自动提取图像的关键视觉特征，以特征向量的形式进行输出。具体来说，针对每一组待评价的壁画与小说插图{壁画x,插图1,……,插图i,……,插图y}，SimCLR模型提取出特征向量{e_x，e₁，……,e_i,……,e_y}。e_x表示壁画x的特征向量，e₁……e_y分别表示y种小说插图相应的特征向量。

3.相似度检测

完成巴寺壁画和小说插图的特征提取后，本步骤运用余弦相似度计算二者特征向量之间的相似性。余弦相似度的定义如公式（1）所示，通过计算壁画与训练集中每一幅小说插图的相似性，得到壁画与y种插图的余弦评分{s_x1,……s_xi,……s_xy}。

（1）

4.度量指标

为了评估基于SimCLR模型的相似度预测框架的性能，本步骤请专家从局部细节、全局构图等角度，对部分巴寺壁画与小说插图的相似度进行打分，并采用肯德尔等级相关系数度量指标，衡量框架预测的评分与专家标注的评分之间的一致性。

（三）关于对比学习模型SimCLR的训练及其有效性确认

SimCLR模型通过对比同一图像的不同增强变体实现自我训练，从而有效提取图像特征。这一训练过程包括如下步骤（图3）。

图3 SimCLR模型的训练流程图

1.数据增强

SimCLR模型运用随机裁剪、颜色调整、水平翻转等数据增强技术，增加了输入图像的多样性。这些技术使图像在视觉表现上呈现出不同变化，但图像的核心内容保持不变。本步骤旨在提供多样化样本，帮助模型在不同的视觉变换中习得提取图像核心特征的能力。

2.特征提取

在特征提取阶段，SimCLR使用ResNet50作为编码器（Encoder），将数据增强后的图像转化为高维特征空间中的初步特征向量。对于每个增强后的输入图像m_i，编码器f(·)通过卷积层和残差连接等机制，逐层提取图像的局部和全局特征，输出一个高维的特征表示向量h_i。h_i的公式定义如公式（2）所示。

（2）

随后，将特征向量h_i输入投影头网络g(·)进行映射，最终生成一个能够充分代表该图像的特征向量z_i：

（3）

投影头网络g(·)通常由一个包含ReLU激活函数的带两个隐藏层的多层感知机（MLP）构成，负责将编码器产生的高维特征向量h_i映射到低维空间，从而生成更适用于对比损失计算的特征表示z_i。这一过程提高了特征表示的质量和区分度，使模型在处理经过视觉变化的图像时，能够更加精确地识别和提取图像的关键特征。

3.对比损失

最终生成的特征向量z_i被输入到NT-Xent（Normalized Temperature-Scaled Cross Entropy Loss）对比损失函数中，定义如公式（4）所示。其中z_c和z_d是通过投影头生成的特征向量；sim（z_c，z_d）是两向量的余弦相似度；τ是温度参数，控制相似度的缩放；1_[k≠c]是一个指示函数，保证不同图像之间不会被误认为具有相似性。

（4）

NT-Xent损失函数通过公式（1）中的余弦相似度来衡量特征向量之间的相似性，并引入一个温度参数τ来调节相似度对模型的影响。这种设计能够放大或减弱相似性评分的敏感度，使模型在训练过程中能够更细致地区分特征向量（即图像）之间的细微差别，进而提升对相似图像的识别能力。

模型在训练集和测试集上的损失值如图4a所示，训练集损失值在前40次迭代中经历快速下降阶段，随后进入渐进收敛期，至第60次迭代后损失值稳定于约0.01；测试集损失同步收敛至0.07±0.02区间，该收敛模式表明模型在有效学习数据特征的同时，未出现显著过拟合现象，具备稳健的收敛性和泛化能力。

在训练集中，本研究利用训练后的相似度预测框架从壁画和插图中提取特征，并基于这些特征计算壁画与插图之间的相似性分值。本研究采用肯德尔等级相关系数作为度量标准，评估框架预测与专家评价之间的一致性。如图4b所示，基于肯德尔等级相关系数的箱形图显示，它的范围在0.3到1.0之间，中位数约为0.75。箱体的上下边缘分别代表第一四分位数（0.62）和第三四分位数（0.88），表明中间50%数据集中在0.62—0.88之间。第一四分位数0.62意味着75%的模型预测与专家标注达到中等强度以上相关性，第三四分位数0.88显示前25%的优秀预测已接近完美一致性。这些数值表明，框架预测与专家标注之间的一致性真实且可靠，框架在检测小说插图与壁画之间相似性方面具备有效性，在大多数类别中，框架的预测结果与专家评分相对接近，显示出较小的绝对差值。

（四）面向测试集的对比学习模型SimCLR计算结果

鉴于上述SimCLR模型在评估小说插图与壁画相似性方面具备有效性，本研究将该模型应用于测试集，计算巴寺壁画与《三国演义》小说插图的相似程度，并通过图5的“小提琴图”，将壁画与不同版本小说插图相似性分值的分布特征进行可视化呈现。图中每个黑色散点代表框架预测的相似度分值，红、黄横线分别代表相似度分数的平均值和中位数。

在“李”“余”“魏”“郑”“康”“荣”“北”“种”这8个版本中，相似度分布呈现明显的双峰特征：一部分数据集中在箱体的上部，另一部分集中在箱体的下部。这种分布模式表明，在这些版本中，部分小说插图与壁画的相似度较高，而另一部分则存在显著偏差。“朱”“笠”“遗”“叶”“诚”“忠”诸版本尽管呈现单峰分布，但极端低值的出现频率较高，表明这些版本中存在大量壁画和小说插图相似度偏低的情况。余下的“周”和“刘”两个版本均为单峰分布，周本箱体较小，数据点聚集在平均值附近，显示出较低离散性，且其平均相似度分数高达0.91；刘本平均分数仅为0.86，并且存在明显的极端低值。因此，壁画总体上与周曰校本小说插图最为相似，少量也与刘龙田本等建本系统插图较为相似。

根据对比学习模型SimCLR的计算结果，巴寺壁画在整体上与周曰校本插图最为相似，与建本则具有部分相似性。以下从传统文史研究方法出发，人工分析壁画的图文信息。

图4a 训练集和测试集损失值曲线图

图4b 肯德尔等级相关系数统计分布箱形图

图5 壁画—小说相似度分值的可视化“小提琴图”

（一）壁画构图：以周曰校本插图影响为主

1.三英战吕布

嘉靖本和毛评本对“三英战吕布”情节的书写几乎相同，壁画和周曰校本插图的画面呈现也与文字基本相符：

从构图模式来看，壁画（图6a）和周曰校本插图（图6b）均将画面分成左右两部分，画面右侧刘关张三人各骑快马、各执武器，自上而下一字排开。三人兵器指向处，是策马且战且走的吕布，吕布身后的城门，占据了图画左侧偏上的局部。

以李评本（图6c，此处选李评本中时间最早的吴观明本，见表1第2项）和刘龙田本（图6d）的同场景插图为参照，二者长宽比例均与壁画和周曰校本迥异，李评本为半叶竖幅式，构图纵向展开，刘关张虽也自上而下排开，但兵器朝向及三人与吕布的相对位置，较周曰校本和壁画有所区别。已知李评本的文字与周曰校本属于同一系统，^[29]李评本插图也是周曰校本插图的衍生品，^[30]此幅壁画同时有周曰校本和李评本插图的影子不足为奇，就构图和细节来看，壁画显然与周曰校本关系更密，不可能绕开周曰校本而直接取法李评本。此外，建阳本系统的刘龙田本插图更扁平局促，加之上图下文版式每半叶均有插图，如连环画一般，从文字到图像的转换率较高，故而在题为“虎牢关三战吕布”的插图中只画出关羽、吕布二人（图6d下），张飞和吕布的对战已出现在前一幅中（图6d上）。与其他同主题插图对读可知，巴寺壁画与周曰校本的相似度最为显著，这一人工判定结果也与模型计算分值（表2）一致。

图6a 壁画第36幅“破关兵三英战吕布”（榜题未写入预留方框内）

图6b 周曰校本卷1第47叶左、第48叶右插图“虎牢关三战吕布”

图6c 李卓吾评本“虎牢关三战吕布”

图6d 刘龙田本“三英战吕布”

表2 SimCLR模型对“三英战吕布”小说插图与壁画相似度计算结果

2.吕布戏貂蝉

描绘“吕布戏貂蝉”的巴寺壁画（图7a）右下角已然损蚀，但仍可以看出与周曰校本（图7b）的构图十分雷同，几乎是周曰校本的简化版本：居于两幅图中心的太湖石比人略高，既在视觉上有分割画面的作用，又能起到遮挡窥听者董卓的叙事功能。石头的轮廓、镂空，及其上方点缀的草木和祥云亦如出一辙。山石的左侧立着吕布的方天画戟，画戟之旁的吕布正与貂蝉倾谈，二人身后露出画面最左端的凤仪亭一角。小说写道：

壁画和周曰校本定格的画面，即“卓寻入后园，见吕布倚戟，和貂蝉在凤仪亭下”。若是参照其他小说插图的处理方法，李笠翁本（图7c）虽与周曰校本相同，均取小说则目“凤仪亭布戏貂蝉”来结构画面，但描绘的是稍后的时刻，即“卓提戟来杀吕布，布手起一拳”。并且由于半叶竖幅的纵向布局，凤仪亭和假山的置景迥然不同。郑少垣本作为典型的建本形制，每半叶均有插图，文图转换率高，在临近两幅图里，分别表现了上述“吕布倚戟，和貂蝉在凤仪亭下”（图7d上）与“卓提戟来杀吕布，布手起一拳”两个瞬间（图7d下）。总的来说，SimCLR模型对表现该场景的插图与壁画相似度打分与人工读图结果吻合（表3）。

图7a 壁画第47幅“董太师大闹凤仪亭”（榜题未写入预留方框内）

图7b 周曰校本卷1第73叶左面、第74叶右面插图“凤仪亭布戏貂蝉”

图7c 李笠翁评本“凤仪亭布戏貂蝉”

图7d 郑少垣本“吕布戏貂蝉”

表3 SimCLR模型对“吕布戏貂蝉”小说插图与壁画相似度计算结果

3.擂鼓斩蔡阳

巴寺壁画尽管在构图上受周曰校本影响颇深，但有不少地方进行了针对细节的调整，比如弱化血腥暴力元素，这也与壁画所处寺庙场域相统一。在表现“擂鼓斩蔡阳”的画面中，壁画（图8a）整体上相似于周曰校本，但有意避开小说所叙“一通鼓未尽，云长刀一起处，蔡阳头已落地”的瞬间。周曰校本（图8b）径绘出蔡阳人头落地之景象，细看之下，似乎还有血溅痕迹，李笠翁本从文字异同上属于周曰校系统，^[31]其插图也有衍生关系：所绘情形与周曰校本类似，只是将落地的人头改为腾空（图8c）。在建本代表之一余象斗本（图8d）中，擂鼓的张飞与城墙的一角出现在画面右上方，画面的中心是关羽持刀砍蔡阳落马，虽然画幅比例不同，但与周曰校本、李笠翁本均有类似之处，足以说明当时的小说坊刻存在跨地域的借鉴关系。这也可以解释在模型计算结果中，建本与壁画为何具有局部的高相似度。

在这组图像中，SimCLR模型的打分结果是这样的（表4）：

表4 SimCLR模型对“擂鼓斩蔡阳”小说插图与壁画相似度计算结果

（二）壁画构图：以建本系统的影响为辅

巴寺壁画主要受周曰校本的影响，同时部分吸收了建本的图像资源。此中原因大致有二，一方面是周曰校本插图属于“则目画”，依照“则目”来绘制图像，每则只有一幅插图，文图转换率较低，而建本的上图下文版式决定其每半叶均有插图，文图转换率较高。^[32]当周曰校本无图可依的时候，建本就能够提供很好参考的价值。

图8a 壁画第167幅，无榜题，右上角标注“张飞”，左侧标注“蔡阳”

图8b周曰校本卷3第62叶左面、第63叶右面插图“云长擂鼓斩蔡阳”

图8c 李笠翁评本“擂鼓斩蔡阳”

图8d 余象斗本“擂鼓斩蔡阳”

1.蒋干盗书

关于“蒋干盗书”，周曰校本（图9c）、李卓吾本（图9d）等江南本系统插图仅有“群英会”的酒宴画面（这是壁画第252幅，即图9a取法的对象），未描绘盗书；建本系统的叶逢春本（图9e）、朱鼎臣本（图9f）亦无盗书配图。因此，第253幅壁画（图9b）更有可能参考了建本系统的刘龙田本（图9g-1）和刘荣吾本（图9h-1）。

图9a 壁画第252幅，无榜题，有文字标注“甘宁”“周瑜”“蒋干”“张昭”等

图9b 壁画第253幅，无榜题，有文字标注“周瑜”“蒋干”

图9c 周曰校本“群英会瑜智蒋干”

图9d 李卓吾评本“群英会”

图9e 叶逢春本“群英会”

图9f 朱鼎臣本“群英会”

图9g-1 刘龙田本“蒋干盗书”

图9g-2 刘龙田本“群英会”

图9h-1 刘荣吾本“蒋干盗书”

图 9h-2刘荣吾本“往说周瑜”

2.周瑜战曹仁

壁画在周曰校本之外可能部分参考建本的原因之二是，建本插图时代更早，[33]画幅较小，绘制的条件和水平相对有限，呈现的画面稍显简单。从另一个角度来说，比起周曰校本插图的繁复精丽，建本插图显得更为重点突出，易于模仿。因此，在周曰校本有相应插图的情况下，壁画偶尔依然选择参照建本，例如“周瑜战曹仁”壁画（图10a），更接近于朱鼎臣本（图10d）和刘龙田本（图10e）。考虑到出资重修巴寺的商人郑宝来自闽南，壁画构图受到建本影响是具备现实可能性的。

表5 SimCLR模型对“周瑜战曹仁”小说插图与壁画相似度计算结果

（三）壁画细节和榜题：以毛本影响为主

巴寺壁画中的文字信息表明，在壁画的修建中，一定有毛评本的影响。

1.细节：曹操以手掩面

壁画第65幅“曹操濮阳遇吕布”（图11a），乍看上去，仅是周曰校本插图（图11b）的左右镜像对调：吕布御马横戟朝左前方刺去，曹操身着常服，未持兵器，策马遁走。然而，画中曹操以手掩面的动作值得格外注意。

图10a 壁画第284幅“周瑜中箭”

图10b 周曰校本卷6第1叶左面、第2叶右面插图“周瑜南郡战曹仁”

图10c 李卓吾评本“周瑜南郡战曹仁”

图10d 朱鼎臣本“周瑜中箭败绩”

图10e 刘龙田本“陈矫箭射周公瑾”

图11a 壁画第65幅“曹操濮阳遇吕布”（榜题未写入预留方框内）

图11b 周曰校本卷3第6叶左面、第7叶右面“吕温侯濮阳大战”

壁画中曹操这一动作，与周曰校本一手挥鞭、一手紧拽缰绳不同，却与毛评本第十二回中“操以手掩面”的细节描述完全一致：

然而，该细节在嘉靖本文字中未曾出现：

壁画凸显了曹操的掩面行为，自然更接近于毛评本的描述。当然，也可能直接受到了其他根基于毛评本的衍生作品如戏曲表演的影响。

2.回目文字

如果说“曹操掩面”的细节未必能确证毛评本对壁画的直接影响，那么，毛评本回目与壁画榜题的高度相似，则可以反映二者的直接关联。本研究梳理了全部可辨识的壁画榜题，将其中可与毛评本回目、周曰校本图题（即嘉靖本则目）对照的部分胪列出来（见表6），这些榜题涉及毛评本前六十五回的内容，加粗者为壁画榜题与毛评本、周曰校本相同的部分。

表6 壁画榜题与毛评本回目、周曰校本图题对照表^[35]

如表所示，壁画榜题与毛评本回目完全相同或仅有细微差别的占绝大部分，其中包括毛评本独有而不见于周曰校本，这就说明壁画与毛评本的关联绝非偶然，壁画榜题直接参考了毛评本的回目。此外，壁画前249幅在左上或右上角均有以细窄竖框预留的榜题位置，大多与周曰校本图题位置相同，但壁画榜题却实际写在画中空白处。据此推测，巴寺壁画的画工与文字书写者当非一人，可能是画工预留了榜题位置，画至第249幅，书写者才开始增添文字，此时发觉预留榜题空间有限，遂将题目写到画中留白处，画工自此便不再绘出题框。假如这一假设不误，则说明壁画图文各有来源，制作亦非同时，也可佐证周曰校本和毛评本对壁画创作兼有影响。

结合机器计算和人工解读，本研究更新了古代小说《三国演义》以汉籍形式在泰国的流传情况。早在泰国前现代阶段，境内流传的《三国演义》汉籍版本相当丰富，包括周曰校本、毛评本以及一个或多个建阳本。图像方面，江南本插图和建阳本插图对巴寺壁画兼有影响，以江南本系统中周曰校本插图的影响为主；文字方面，对壁画榜题影响较大的主要是毛评本。由于传统上汉籍在泰国保存不力，汉语在泰国未居主流，上述结论均为本研究借助图像分析首次提出。这些结论细化了关于中国古代小说域外传播的认识，也为进一步探讨小说在泰国所受的本土化改造，以及中国尤其是闽南地区和泰国的“文化互化”（transculturation）[36]情况提供了基础。例如，对于刘关张齐上阵的小说情节，建本系统由于文图转换率高，在画面设计时往往给予三人均等空间，周曰校本插图以刘备为主，壁画则在综合两者基础上，偏重突出关羽，并常以汉字注出“关公”，这说明了关公信仰在东南亚的强大影响力。而壁画对小人物服饰细节的改造，也显现出“三国”故事为植根异域而被动接受或主动拥抱的新变化。

本研究是对人机协同机制的一次实践。人机协同首先需要明确机器和人工各自的优势与不足。机器的优势在于受工作强度影响较小、对于视觉评估的客观性更强。但机器学习和判断更依赖于一种确定的关系，这就不能完全适用于文字与图像的转化关系对应，因为文字与图像是一对多的关系，一段文字可以想象为无数种图像；也无法单纯依靠图像视觉相似度计算来判定变迁脉络，因为现实中存在兼采多种图像进行再创作的情况。人工的优势则在于具备文史领域的知识积累，主要包括以下几个层面：一是熟悉小说文献研究方法，掌握相关的版本源流关系，能够基于现有的文献和图像研究成果，划定小说插图的版本体系，选定具有代表性的插图本，建立合适的数据集。二是知晓不同版本文图转换率的差异，举例来说，建阳本系统为上图下文，每半叶均有插图，文图转换率较高，这就导致建本插图往往稀释了关键情节的要素聚集度，而周曰校本等江南本系统一回只有一至二张插图，选择定格的时刻更为考究，构图要素浓度较高。三是可以根据学界在小说版本源流、图像版式演进方面的共识，判断不同小说版刻插图的先后关系。这些人工优势，都是机器所不具备的，既构成了机器展开学习的基础，又提供了最终判定必不可少的合作力量。因此，人机协同机制的要点是充分利用机器的高效率和客观性，与此同时，也充分利用人工的文史知识储备、传统分析能力以及文字想象能力，避免机器由于执着求取唯一确定性而过于求实的倾向，[37]也避免以往同类研究中仅凭人工判断视觉相似度而过于主观的局限。[38]人机协同机制结合了模型计算量化数据和人工细读质性分析，所谓“协同”并不是通过机器和人工在同一路径上重复两次，而是取长补短，相互配合，有同行之时也有分工之处，最终实现相得益彰、殊途同归的效果。

近年来，人机协同和对比学习在图像分析中应用颇多，是文化遗产和跨文化交流领域的研究热点之一。本文将之用于中国古代小说的域外传播研究，提出了新结论，证明古典文本与图像分析吸收新方法的必要与可能，也为文化遗产的数字化保护和创造性研究积累了新的案例与经验。

编辑 | 韩玉凤

本研究得到国家社科基金后期资助一般项目“古代小说人物研究新论”（20FZWB038）支持。

数字使人文更新

投稿：https://szrw.cbpt.cnki.net

数字人文门户网站：www.dhcn.cn

清代学政总理一省之学务，负责主持岁科两试、学校巡视、督察教官等教育事务。已有诸多研究围绕学政的制度沿革、权责分工等方面展开探讨，然其官员群体的结构特征、选任机制及其群体之间的社会关系网络，仍有赖更大规模、系统性的资料发掘与定量分析。

《清秘述闻》及其续作为清代文人系统性记载科名故实的史料笔记，分乡会考官、学政、同考官三类，分年编载，叙述方式规整系统，具备文本规律性与结构化特征，适宜引入数字人文方法。^[1]本研究以《清秘述闻三种》为数据源，借助正则表达式与文本挖掘技术，抽取学政官员的核心信息字段，构建清代学政数据库，并在此基础上进行统计分析与可视化呈现。

本文旨在通过对清代学政相关数据的结构化整理、量化分析与可视化展示，探讨两个核心问题：（1）作为总理一省学务的官员，清廷在差遣学政时主要考量哪些因素？其出身、籍贯、年龄、履职经验、派遣频次等变量是否揭示出制度化的选任偏好？（2）清代学政群体间的社会关系网络如何？在不同时期里又呈现出什么样的社群结构？围绕上述问题，本文尝试展示数字人文方法在“远读”志书史料等文史文本中的潜力，并以《清秘述闻》中的学政类记载为案例，进行数据挖掘、分析与可视化，为未来大规模、自动化文史数据处理提供方法论与实践参考。

（一）文本选择与数据来源

本研究的基础数据取自中华书局1982年整理出版的清代史料笔记《清秘述闻三种》，即法式善撰《清秘述闻》、王家相等撰《清秘述闻续》、徐沅等撰《清秘述闻再续》的合集。法式善创其体例，事以类从，乡、会考官类和同考官类记载了清初顺治至嘉庆初年历科考官、试题及解元、会元、殿元的姓名、籍贯等，学政类记叙清代各省学政一职的演变及其姓名、字号、籍贯、出身、任职时间等，是清代科举与文教制度研究的重要材料。法式善《清秘述闻》记载时间截至嘉庆四年（1799），后有王家相、徐沅等人续作，完整覆盖了清代科举存续的时段。为了提升数据处理的系统性与规范性，本文基于OCR识别与人工校正后的《清秘述闻三种》纯文本格式，以便后续信息提取。

（二）信息挖掘流程与正则表达式构建

为高效处理结构规整的清人史料笔记《清秘述闻三种》，本文主要采用正则表达式（Regular Expression）进行自动化数据抽取。通过构建专属的学政数据抽取方案，并设计正则表达式规则，批量提取官员姓名、任职时间、派遣省份、官衔、籍贯、入仕方式等核心字段。在抽取过程中，辅以人工校对、版本比对、重名识别与数据去重等环节，确保结构化结果的准确性与历史可信度。采用该方法主要基于《清秘述闻三种》记载学政信息的表述具有高度范式化特征，具体表现为：

■人名识别（常以“××字××”格式出现）

■籍贯识别（如“浙江仁和人”“满洲正白旗人”等）

■入仕途径（常见格式为“年号+干支年份+功名”，如“顺治辛卯举人”“康熙戊戌进士”等）

■任职年份与时任官职（“××年任”“××年以××任”等“时间+职务”组合，如“顺治八年任”“雍正七年以内阁学士任”等）

在对文本规律进行观察和归纳的基础上，本文设计了多阶段正则匹配策略，通过“匹配→标记→标签辅助定位→再标记”的步骤逐层提取与规整信息，确保数据的结构化系统性与语义识别的准确性。所有提取结果整理后导入Excel表格进行字段整理与人工校验，共计获得1,771条数据。以下为部分字段与正则表达式构造示例：

表1 《清秘述闻三种》学政数据正则表达式构建示例

正则表达式进行数据抽取的方式适用于格式高度统一、边界清晰的文本，在熟悉掌握文本规律的前提下，正则表达式基于规则的手动设计，能够针对特定模式进行精确匹配，适合处理结构化或半结构化的文史数据。在AI迅猛发展的现今，正则表达式在文史数据挖掘中仍存在明显优势。正则表达式的规则是显式的，易于理解、修改和调试，如果匹配结果出错，人文学者可以直接调整规则，而如DeepSeek、ChatGPT等AI模型往往是“黑箱”，难以追溯错误原因。同时，AI可能缺乏在古籍经典相关领域足够的训练数据，泛化能力受限，正则表达式则无需依赖训练数据，只要设计合适的规则，就能有效挖掘特定领域的数据。对于文史学者而言，学习正则表达式的门槛远低于掌握AI技术，只需了解基本语法即可上手，但处理语义复杂、上下文依赖强的文史数据，譬如情感分析、主题挖掘，AI的自然语言处理能力更强，文本适应度更广。因此，人文学者可以根据文本的特性灵活选择数据挖掘的方法。

本文以《清秘述闻三种》为例，展示了一种基于正则表达式的数据挖掘模式。该模式通过设计有针对性的规则，高效提取文本中的关键信息，如人物籍贯、入仕信息、任职时间等。这种方法具有较强的可迁移性，可广泛应用于地方志、史志、族谱等结构化或半结构化文本的挖掘工作，为文史研究者提供了一种高效工具，助力他们在浩如烟海的古籍文献中深入探索，拓展研究的深度与广度。

清初学政制度多沿用明制，在顺天与江南以都察院御史提督学政，简称“学院”；其余各省则主要以按察使司佥事提调学政，简称“提学道”。经顺治、康熙、雍正三朝屡次调整，至雍正四年（1726），结束原先提学御史与提学道并行的格局，各省所设学官一律俱称提督学政。^[2]为行文统一，下文概以“学政”称之。

鉴于《清秘述闻三种》学政类文本记载存在诸多错讹之处，文本数据经结构化转换之后，仍需辅以钱实甫《清代职官年表》、黄政《〈清代职官年表·学政年表〉补正》与魏秀梅《清季职官表》等进行综合校正，^[3]最终得到1,852条学政履职数据（包含同一人多次任职学政与已任命未就任的情况，在职超过一任但未变更任职地点者按一任计），共计1,405人，涵盖顺治元年（1644）至光绪三十二年（1906）历任学政的主要信息，^[4]作为本文后续分析的基本样本。

将所得1,405位学政数据通过关联匹配“中国历代人物传记资料库”（CBDB）人物ID、“人名权威—人物传记资料库”权威号，结合江庆柏编著《清朝进士题名录》^[5]进行人物匹配与消歧，以获取生卒年、科甲名次等未被《清秘述闻三种》所记载的信息，并通过“中国历史地理信息系统”（CHGIS）获取人物籍贯地及其清代所属行政区划、经纬度等数据。在完成数据结构化与清洗之后，围绕清代学政的出身、籍贯、职衔、年龄及履职经验五个维度进行统计分析，以期揭示该制度下官员选拔背后的空间分布模式、人才标准偏好与制度运行逻辑。

（一）科甲名次

清代学政一职属于文官，其入仕资格即所谓“出身”在仕途中尤为重要。统计1,405名学政的入仕途径，除去7人入仕途径不明以外，进士1,375人、举人10人、举博学鸿词科6人、荫生3人、贡士2人、贡生1人、官学生1人，其中进士出身者比例高达97.87%，这表明清代学政官员群体的入仕途径主要是通过科举考试，特别是进士科。

科举制度在清代是选拔官员的主要途径，尤其是在学政官员的铨选中，进士出身几乎是必要条件。非进士出身者出任学政的官员人数极少，主要集中在顺、康两朝。清初，各地随着政局的稳定陆续开科取士，在人才储备还不够充分的情况下，简放学政并不专门用进士出身人员，但自雍正朝始，除王河以荫生出身任奉天府丞兼学政的个例以外，所有学政官员皆进士出身。

结合《清朝进士题名录》中的科甲名次，清代入仕的学政科甲名次可考者有1,336人，其中第一甲为149人，第二甲为838人，第三甲为349人。若考察学政科甲名次在整个清代进士中的占比，则第一甲中，大约有39.52%担任过学政一职。譬如金德瑛系乾隆元年（1736）状元，被认为“于衡文当可胜任”^[6]，于是有山东学政之命。钱棨三元及第，先后曾担任顺天府乡试同考官、广东乡试副考官、云南乡试正考官、提督云南学政等。第二甲中，大约有9.28%的进士充任过学政。而第三甲之中，这个比例低至1.99%。显而易见，清廷对学政的选拔标准非常高，派遣学臣时，相比第三甲出身的进士，科第名次位于前二甲的进士更受青睐。原因或可想见，前二甲进士在科举考试之中表现更为优异，举业文章更为娴熟，也更有能力胜任衡文之职，尤其在雍正三年（1725）以考差铨选学政后，前二甲进士具有更加明显的优势。当然，这并不意味着中式第三甲的进士完全被摒弃在学政一职的选派之外。清代文官迁转制度、庶吉士制度等实则为第三甲出身的进士保留了一定跻身更高品级的可能性。

清代学政的选拔高度依赖科举制度，尤其是进士科，体现了清廷对学识与能力的重视。同时，科第名次高的进士在学政选拔中更具优势。“学政及考官、同考官，皆进士出身”^[7]的硬性规定，也直接影响了学政籍贯的地理分布。

（二）籍贯分布

经过对《清秘述闻三种》所载学政籍贯信息的系统梳理，并辅以CBDB及“人名权威—人物传记资料库”的补充考证，现存2位学政的籍贯信息仍未能确考。此部分数据的缺失对整体研究的完整性与可靠性影响甚微，故在后续分析中予以排除。在省份区划上，为便于统计且与后续行文保持统一，并结合清代学政辖区分合的情况，现主要划分为：直隶（包含顺天）、江南、浙江、山东、江西、河南、福建、山西、湖广、广东、陕甘、云南、四川、广西、贵州15个地区，^[8]并且将来自满洲、蒙古、汉军八旗的学政统一划为“八旗”，统计结果如表2所示。^[9]

表2 清代学政籍贯分布（单位：任）

清代作为少数民族政权，旗人参与国家权力运作是其与其他朝代相比最显著的特征之一。学政一职亦有旗人当选，有清一代，学政为旗籍者共有92任，73人，其中满洲旗人数最多，共有43人，约占总数58.9%，其次分别为汉军旗25人和蒙古旗5人，分别占总数的34.25%和6.85%。清代旗籍学政占清代学政总任数的4.97%，这个比例低于其他如督、抚、布、按等一些官职，盖因学政专主文衡，以定去取，其学识眼力均需称职，非科甲出身者难堪其任。

图1 清代历朝旗籍学政数量变化

据图1，清代各个时期委派旗籍学政的数量并不均衡。顺治帝当政时期，旗籍学政的数量为0。主要原因是，清朝入关之初，虽已沿袭明代科举与学政制度，但大部分旗人还未经受儒家典籍的浸润，不熟悉科场运作与衡文标准，难以堪当其任。康熙时期所委任的17位旗籍学政当中有14位属汉军旗，占比高达82%。直至康熙五十二年（1713）起，满洲镶白旗人海宝以检讨任云南提督学院，始有满洲旗学政被陆续派出，侧面反映出清代前期在科举金字塔结构中最低一层以及面对对象最广的院试当中，主要还是依赖于熟读四书五经与科场运作的汉人。

清朝初期，在帝王推崇汉文化的影响下，旗人通过科举入仕的人数逐渐增多，相应旗籍学政的任职数量也随之增加，并在乾隆时期达到顶峰。在清朝末年，光绪皇帝在位期间，旗籍学政的委派数量再次形成了一个小高峰，这一时期的旗籍学政主要以满洲旗人为主，其中不乏皇室宗亲子弟。这一现象可能与晚清社会动荡不安的局面息息相关。清廷或许是希望通过任用旗人担任学政这一关键职务，加强对社会思想的钳制，并进一步巩固对知识分子的控制，以应对日益严峻的统治危机。

图2 清代学政籍贯地理分布

从地理分布上来看，对比数量统计与图2，非旗籍清代学政籍贯分布有以下特点：一、地域之间的显著不平衡性。省份间的学政人数差距极为悬殊。位居前列的江南与浙江，各自出产学政人数均超过300任，而排名末尾的广西、贵州，学政任数均不足20。表现在空间分布上，东南地区学政分布密集且数量众多，北方地区广泛分布但数量较少，而西北、西南地区分布稀疏。二、学政籍贯分布与进士籍贯分布高度吻合，这是由学政须进士出身的选拔标准所决定的。

从历时性的角度来看，为更加直观地观察各籍学政在不同统治时期的数量呈现，兹以不同时期派遣各籍学政的年均值来辅助分析，如图3所示。^[10]

图3 清代任命学政籍贯年均人数趋势

从历代帝王所派遣学政籍贯的年均值来看：

（1）江南籍和浙江籍官员在学政选拔中占据着绝对优势地位，占清代总任职数的44.2%。历朝派遣江南与浙江籍学政的年均数量始终高于其他省份，在顺治至雍正时期呈现出快速上升的趋势，与其他省份间的差距也在扩大。江、浙籍学政年均派遣人数在雍正朝到达高峰之后有所下降，但对比他省，仍具有显著优势。盖江浙文风之盛远轶他省，进士中额者多，被铨选为学政者亦多。而雍正以后下降的原因，并非江浙文风转向薄弱，而是学政派遣的频率与数量通常比较固定，他省籍贯学政派遣人数的提升在一定程度上削弱了江浙籍的优势。

（2）在清前期，尤其是顺治朝，直隶、河南、山东、山西等北方地区的学政年均派遣人数相对较高。这主要是由于清初官僚体系尚未完善，清廷在遴选学政时，多从主动投诚的官员与士人中择选。相较于南方士人，北方士人因地缘优势，更早地选择了归顺，因此清初学政中北方官员占比较高。

（3）产出学政数量较少的边远地区，如广东、广西、贵州、云南等地，其学政年均任命人数呈现出前期低、后期高的增长趋势，如图4所示。清初这些省份出产学政数量较低，源于地区文教基础薄弱与开科取士时间晚的双重影响。进入清中后期，随着政局稳定、文教发展，加之分省取士制保障了边远省份的会试中额，这些地区的进士数量随之增多，^[11]学政数量亦有所增长。尽管这一增长幅度难与文教发达地区匹敌，仍显示出清代中后期边远地区文风的显著振兴。

图4 广东、广西、贵州、云南籍学政年均任命人数趋势

学政作为士子师表，肩负着重要的教化职责，其铨选至关重要，能够被简命为学政者，其品行与学识皆属上乘。清代学政的籍贯分布不仅反映了各地文教水平与人才储备的差异，也揭示了清代科举制度与文教政策的演变。旗籍学政的逐步增多，反映了旗人在科举体系中的逐步融入与清廷对文教控制的加强。江浙地区作为文教重镇，始终在学政选拔中占据主导地位，而边远地区的学政人数则相对稀少，凸显了清代文教资源分布的不均衡性。对学政籍贯分布的量化分析，不仅有助于更直观地呈现清代文教的区域差异，也从考官选任的维度进一步揭示了科举制度与文教政策对地方文教发展的深远影响。

（三）职衔品级

学政与乡试考官类似，系中央派往地方之差官，也称“学差”。学政有任期，有职衔，但无品级。据《清史稿》，提督学政“以侍郎、京堂、翰、詹、科、道、部属等官进士出身人员内简用，各带原衔品级”^[12]，则学政一职没有固定的品级之说，而是由他们原属的官职品级决定的。

有清一代一共简放1,852任学政，其中官衔可考者共计1,729任，基本可以反映清代学政迁入来源的全貌。^[13]

图5 清代学政迁入来源变化趋势^[14]

清初沿袭明制，顺天与江南以御史提督学政，各省提学道“内而部郎，外而府道，皆序俸荐升”，顺治四年（1647）改为“专以部属考选”，顺治十四年吏部尚书孙廷铨疏请复旧制，“于进士出身之部郎、府道，按俸举荐”^[15]，因而清初部属官员成为学政迁入的主要来源。顺治十年，在左都御史金之俊的建议下，清廷简用词臣提督直隶、江南、江北学政，后因江南销奏案又改江南学院为提学道，故仅直隶地区学政持续以翰林差遣。翰林简放学政者在清初的占比较低。康熙朝屡次议论各省学政官制的改革，试图将直隶提督学院的形式推广到其他省，以彰显统治者崇文教的目的。先用之江南、浙江这样的大省，后陆续差遣翰林官前往其余外省，翰林官员比例开始增加。至雍正帝于四年（1726）结束了提督御史与提学道并行的旧制，一体俱称学院，并且谕令“凡部内郎中等官膺督学之任，则加以编修、检讨之衔，使其名实相称”^[16]，则此自雍正朝起，以翰林简放学政者一直占据较高的比例。清代以翰林院职衔简放学政者共计647任，占据官衔可考者的37.4%。简放最多者为正七品的翰林院编修，多达370任，其次为正四品的翰林院侍讲学士，共计70任，外放学政成为翰林官员迁转的主要途径之一。

再看清代学政官员具体的品级在各个省份的分布。为便于比较各省份之间的学政品级差异，采用量化评分方法将官员品级从正一品（18分）至从九品（1分）依次赋分，构建连续的品级分值，并计算不同行省学政官职品级的平均值，以此反映清廷派遣学政时官衔品级的整体态势。具体计算结果如表3所示。

表3 清代各地区派遣学政平均品级[17]

其计算结果大体符合魏秀梅通过列举嘉、道、咸、同、光五朝的学政所带官衔得出的“大致派往大省者官阶高，派往小省者官阶低”的结论。^[18]清廷对不同地区派遣的官员体现出鲜明的等级制度，正如清人黄与坚所言：“曩者任官之法，惟畿辅地方督学以侍御，其后以宫僚，他省则例遣部员。”^[19]因此，顺天学政平均品级分值最高，浙江、江南学政的平均品级次之。江、浙素为人文炳蔚之地，所派遣学政多为较高品秩，以示朝廷对江、浙士林的重视。湖广的结果稍显意外，其时以湖广为大省，而遣往学政的平均品级反而不如山东、广东等中省，其具体原因尚待进一步考察。

清代学政派遣官员的演变是一个动态的过程。从清初沿袭明制以部属官员为主，到康熙、雍正两朝逐渐将翰林官员作为学政的主要来源，最终形成了以翰林简放学政为主体的格局。这种转变不仅体现了清廷对文教的日益重视，也使得外放学政成为翰林官员晋升的重要途径。清代学政虽无固定品级，其官阶由原职衔决定，但在派遣实践中却形成了鲜明的等级格局——大省学政官阶普遍较高，小省则相对偏低。

（四）年龄统计

官员年龄与官阶晋升、官职委派息息相关。结合CBDB与“人名权威—人物传记资料库”的人物生年数据，^[20]其中有明确生年的学政共计703位。清代官员屡典文衡、数任督学的情况不在少数，而先后任职时的年龄数据都是有意义的样本，因此该处统计将个体每次被任命为学政时的年龄均作为独立有效数据纳入统计，以充分体现数据的全面性和完整性。清代学政的年龄分布情况如图6所示。

图6 清代学政群体年龄分布

从图中可以看出，清代学政官员的年龄分布较为广泛，涵盖了从20岁到75岁的各个年龄段。其中，40岁至50岁之间的官员数量最多，形成了一个明显的年龄高峰，表明这一年龄段的学政官员在整体中占据主导地位。相比之下，30岁以下的年轻官员和60岁以上的年长官员数量相对较少。这说明，30岁以下的年轻人成为学政官员的比例较低，而60岁以上仍继续任职的官员也不多见。这一分布反映了朝廷在选拔委派学政官员时在年龄上的偏好与考量。

对比清代学政、乡试考官、会试考官的平均年龄、最小年龄与最大年龄，兹列表如下：

表4 清代乡、会试考官与学政年龄比较

统计可知，清代学政任职时的平均年龄大约为45.46岁，与乡试考官平均年龄的44岁相差无几。40至45岁之间，正是中国古代官员最为年富力强的时候。而会试考官的平均年龄则远远年长于学政与乡试考官，大约为58.3岁。究其原因，主要是由于会试考官一般简用阁、部大员，年纪轻轻而身在高位者甚罕，大多数年轻官员是达不到会试考官的任职资格的。

就最大年龄而言，清代学政与乡、会试考官的数据非常接近，分别为75、76、78岁，实际上已经非常接近中国古代官员在职寿命的极限。若以耄耋之年就任会试考官，或许还能收获德高望重之称颂，而若年逾七十就任京畿地区以外的学政或乡试考官，其路途之艰辛、车马之劳累、抡才之任重、阅卷之疲乏，对于年迈者的身体素质和思维能力都是极大的挑战。清初，左都御史金之俊曾上疏弹劾河南提学道佥事黄日祚，指出其“年逾七十，昏聩异常，关防全疏，蠧弊百出，以致生童不服”，认为其已难担提学重任，疏言：“仰见皇上崇儒重道，培养教化之盛心，岂容以昏耄不堪、劣状昭著之人久肩提学重任也？”^[21]实因提学一职关系綦重，反对因年老而头脑迟钝、思维不敏者久任提学的声音颇为激烈。结合清代学政年龄段的分布，年在七十以上者屈指可数，譬如康熙三十六年（1697）陆鸣珂第一次充任山东提学道时年已七十二，这样的例子实不多见。

就最小年龄而言，学政与乡试考官分别为22岁和21岁，皆已年满弱冠。康熙二十三年（1684）冬，山西道御史张集题奏：“学臣文运攸关，必得年富力强，才华俊杰之员，方能考拔得才，不宜专用资俸深满部郎道守升补。”^[22]他提议选派督学当以青年才俊为先，实不必以资历论。因而学政官员群体中年纪在三十以下者不在少数。但太过年轻的官员，即使品行学识俱佳，也并不一定能被简放为学政。道光十七年（1837），罗惇衍本已被简命为四川学政，经道光帝召见，“人品学问，均属去得，惟年纪过轻，恐一切事宜未能周悉老到，着仍留京供职”^[23]，至道光二十六年，罗惇衍才再次被委以学政一职。

清代学政官员的年龄结构反映了清廷在选拔学政时的多重考量：既要求官员具备丰富的学识与经验，又需确保其体力和精力足以应对繁重的职责。

（五）履职经验

自顺治元年（1644）起，至光绪三十二年（1906）撤裁学政，有清一代学政至少有1,405人。其中，仅出任一次学政者有1,088人，两任者有222人，三任者66人，四任者24人，拥有五任学政经历的人有4人，而浙江山阴人童凤三履任次数最多，共计六任。^[24]清代官员屡次任职学政的情况不在少数，故常有“屡掌文衡”“屡掌文柄”之类的表述，这种说法体现了对清代文官的高度褒扬。但总体而言，大部分学政官员仅有一次督学的经历，三次以上者较为稀见。下图所统计的是清代历朝学政履职次数的情况。

图7 清代历朝学政任职次数情况统计^[25]

据图7可知，在清代前期，尤其是顺、康两朝，极少有学政多次履任的情况。自雍正朝始，派遣具有任职两次及以上履职经验的学政官员占比22.37%，较顺、康两朝有明显增长，这个占比在乾隆、嘉庆朝达到峰值，分别大约为37.63%和36.30%，之后道、咸、同、光朝大约都维持在27%—30%，说明雍正以后派遣学政，较为重视其经验属性，有履职经验的学政能更好地发挥衡文校士的职能。

将学政与同样出使地方、执掌文柄的乡试考官进行对比，可为学政一职的经验属性提供另一维度的参考。根据《清秘述闻三种》所提供的清代乡试考官数据，与学政数据进行消歧之后，得以计算这两类考官之间的人员重合度，得到结果如下：有清一代共计学政1,405人，乡试考官2,487人；既出使过学政，又出任过乡试考官者共计848人；所有乡试考官中，担任过学政一职的官员占比为34.10%，而所有学政中，担任过乡试考官一职的占比高达60.36%。

再统计学政与乡试考官之间的转换频次，分别计算所重合人员第一次担任乡试考官的年份和第一次担任学政的年份，比较二者年份之先后，统计结果为，在所重合的848人中，有615人第一次担任乡试考官的年份早于他们第一次担任学政的年份，108人第一次担任学政的年份早于他们第一次担任乡试考官的年份，还有125人在同一年中既担任了乡试考官又担任了学政，即清人姚元之所谓“试差未回即授学政”^[26]的情况。上述统计结果可以推导出以下结论：

1.学政与乡试考官之间存在较高的人员重合度，尤其是在学政群体中，担任过乡试考官的比例非常高。其原因在于，学政主持岁、科两试，管理地方学务，乡试考官则负责在国家抡才大典中扮演校士选士的重要角色，在职掌上高度贴合。

2.学政与乡试考官的选拔标准可能存在一定程度的重叠，且学政的选拔标准更高。乡试考官仅凭文去取，而学政还兼负造士育士、督察学校教官、振兴地方文教的重任，得失远在衡文之外，因而对官员的资历与能力要求更高。从清人对学政与乡试考官的讨论中，不难看出，时人普遍认为担任学政者需具备更为全面的综合能力。如清人黎士弘指出，乡、会考官“于文字皆非专掌”，锁院校勘不过二十昼夜，时间有限，又“分经别席”，阅卷数量也少，而学政“领专敕，历三年久，通都下邑，士自羁丱壮老，占一经以上者，皆得而论定之”^[27]，学政有更长的任期和更广泛的权力，能够全面考察各地读书人，其评判标准必须精准恰当，才能真正选拔出有才华的人才。清人王步青也强调，主考官在乡试中的评判时间短暂，选拔结果往往具有偶然性，而学政则“月有课，岁有试”，能够深入了解各地文风，“每试一郡，文甫出而他郡从风”^[28]，在任期内树立榜样，引领文化风气，因此，学政在文风传承和文化影响方面的作用比主考官更为重要，自然也对学政的资历和能力有更高的要求，也就造成了学政官员中有三分之二左右都曾担任过乡试考官，而乡试考官中仅三分之一出使学政的数据差异。

3.统治者颇为青睐简命有乡试考官履职经验者出使学政，乡试考官成为统治者拔举学政的主要渠道之一。据以上统计，共计740人在他们第一次出使学政以前都曾充任过乡试考官，占清代学政总人数的52.67%。若依重合人员第一次出使学政的年份统计这740人历朝派遣人数的情况，则年均值趋势如图8所示。

图8 历朝先试差后学政官员派遣人数年均值（单位：人/年）

据图8，顺治朝学政具有试差经历者数量较少，先试差后学政的情形自康熙朝始有显著提升，且在雍正朝之后稳定在一个较高的数值。顺治朝学政具有试差经历者数量较少，主要与清初政局未稳、科举制度与明制的衔接尚在调整有关。此时中央与地方的科举与学政派遣机制尚未完全定型，学政一职的派遣沿袭明代成例，以御史和按察使司佥事、副使督学，具有乡试考官履历者比例较低。顺治、康熙朝对学政官制屡次调整，大幅提升了以翰林任学政的比例，这些出身翰林院的官员往往是科举制度里的佼佼者，亦是充任乡试考官的主要人选。雍正朝以后，考差制度的创立与完善，成为评定考官学问的重要手段，或亦促使考验学问合格且具有衡文选才经验的乡试考官成为皇帝拔擢学政的主要来源之一。^[29]

综上所述，清代学政官员的履职经验呈现出明显的阶段性特征，顺、康两朝多次任职者较少，自雍正朝起，多次任职学政的比例大幅上升，显示出统治者对学政经验属性的重视。学政与乡试考官之间存在显著的人员重合度，但学政职责更加全面且复杂，因此选拔标准更高。统治者倾向于选拔有乡试考官经验的官员出任学政，乡试考官成为学政选拔的重要渠道之一。这一现象与学政官制的改革及考差制度的创设都密切相关，突显了清代学政官员选拔中对经验与能力的双重考量。

以上，通过对清代学政的量化分析，主要从科甲出身、籍贯分布、职衔品级、年龄统计和履职经验五个方面进行了详细探讨。总体而言，清代学政的选拔机制高度依赖科举制度，注重官员的学识、能力和经验，尤其是进士出身和科甲名次较高的官员更受青睐。通过对学政的量化分析，可以更深入地理解清代科举制度与文官选拔之间的紧密联系，以及清廷在文教领域对人才选拔的严谨态度。

（一）清代学政群体社会关系图谱与核心人物分析

将去重后的清代学政人物ID导入到CBDB中查询社会关系，距离限制为1，循环数限制为10，时间限制为明朝至民国，再将其导入到Gephi中，绘制清代学政社会关系图谱（见图9），共计得到2,160个节点，1,770条边。该社会网络图呈现出“核心—边缘”结构，中间核心部分节点高度密集且紧密相连，呈现出复杂交织的社会关系，且存在多个活跃的子群，而边缘存在大量孤立节点，且节点之间连线稀疏，这些成员与核心群体连接较少，大多处于网络中的孤立位置。图10利用Gephi软件的过滤功能过滤度中心性小于2的节点，即没有或有且只有一个节点与之相连的节点，以展现清代学政社会关系图谱中存在关联的核心区域。

图9 清代学政社会关系图谱

图10 清代学政社会关系图谱（过滤度中心性<2）

表5 清代学政群体社会关系网络度中心性排序表

按度中心性（Degree Centrality）排序，表5列举了度中心性在14以上的排名前26位的人物。其中，纪昀以124的度中心性排名第一。纪昀曾多次担任乡试、会试主考官，并于乾隆二十八年（1763）任福建学政，曾任《四库全书》总纂官。其主要社会关系类型有友人、师生、诗文往来等。而乾嘉学派代表人物钱大昕、阮元分列第二、第三，钱大昕曾任广东学政，而阮元曾任鲁、浙学政，两典会试，皆在清代学术史上有深远影响。度中心性在25以上的人物中，翁方纲、朱珪、朱筠、洪亮吉、施闰章皆出任过地方学政，为地方文教做出了突出贡献，且在清代学术史、文学史上声名显赫。而如王昶、戴震、孙星衍、段玉裁、章学诚等清代知名学者，虽不曾就任学政，但与出任学政的清代官员交往频繁，联系密切，因而在清代学政群体社会关系中排名居前，反映了清代学政群体与学术精英之间的广泛互动。

值得注意的是，CBDB还揭示了一些度中心性较高但名气相对较低的人物，如度中心性为16的刘廷榆。进一步分析其社会关系数据发现，刘廷榆的社会关系数据源自朱卷，其受知师包括李振祜、潘世恩、汤金钊、毛式郇、季芝昌、罗文俊等，这些人物均曾担任学政职务。这一特殊的师承背景，为其在社会网络分析中呈现出的高中心性特征提供了合理解释，凸显了师生关系在清代学政社会网络中的重要作用。

在数字人文视角下，度中心性作为一种量化指标，能够直观反映清代学政社会关系网络中人物的重要程度。通过结合CBDB与Gephi的可视化分析，不仅可以揭示学政群体的核心人物及其社会联系，还能挖掘出边缘人物的潜在影响力。这种方法为研究清代学术网络与社会结构提供了新的视角，同时也为理解学政群体在清代文教与学术发展中的角色提供了数据支撑。

（二）不同时期的清代学政社群结构分析

为了更好地探究清代学政社会关系网络中的核心人物以及所形成的社群，根据学政群体的任职时间，将其划分为三个时期：顺治至雍正时期（1644—1735）、乾隆至嘉庆时期（1736—1820）和道光至光绪时期（1821—1908）。这一分期策略能够有效避免社会网络模块化分析中因时间跨度因素导致的个体自然集聚现象，从而更精准地聚焦于同期活跃学政群体的社会互动模式与社群结构特征。

分别将三个时期中所涉学政人物ID导入到CBDB中查询社会关系，设定距离限制为1，循环数限制为10，并且利用时代（明朝至民国）进行时段上的限定，将其结果导入Gephi进行可视化呈现，引入纽曼（M.E.J.Newman）和吉尔韦安（M.Girvan）等人提出的模块化算法（modularity）来测量网络社群聚类程度，^[30]以探究三个时期中学政的社群关系网络。模块度的取值范围是[-1,1]，通常认为，当模块度值大于0.3时，其网络具有显著的社群结构，值越接近1，网络的社群结构越发明显。

1.顺治至雍正时期

顺治至雍正时期清代学政的社会关系网络共计节点654个，边211条，存在大量孤立的节点，节点之间的关联并不紧密。利用Gephi软件的过滤功能过滤度中心性小于2的节点，即没有或有且只有一个节点与之相连的节点。将过滤后的节点进行模块化处理，如图11所示，该社会关系网络被划分为11个社群，模块度值为0.631，说明存在比较显著的社群结构。

图11 顺治至雍正时期学政社会关系网络模块化图

该网络呈现出，在顺治至雍正时期，施闰章、李光地是最具有影响力的中心人物。在施闰章为核心的社群中，地缘关系或许是成员之间的重要黏合剂。沈寿民、施闰章、梅文鼎皆是安徽宣城人，施璜、吴曰慎、闵麟嗣则为徽州籍，同乡、同门等地缘、学缘关系是成员之间互动与联系的基础。而施闰章于文学、理学成就上皆有声望，又曾出任山东提学道、江西布政司参议等官职，颇有政声，成为该网络中连接各方的超级节点。

以李光地、何焯为中心的社群，学缘是其相互之间产生联系的关键因素。李光地官至文渊阁大学士，曾任太子太傅，负责教导胤礽，是康熙帝最倚重的汉臣之一。李光地主持修纂《性理精义》《朱子全书》，多次担任会试考官，并提督顺天学政，兼具学术权威与政治权力，其门生、故吏、受荐者依附其获取政治资本与学术资源，形成紧密团体。何焯乃李光地最著名的门生，李光地赏识其才学，以荐入直南书房，其学术地位与仕途皆赖李光地提携。陈汝楫随何氏谒见李光地，一见器之，遂得入室，并受举荐分修李光地主事的《周易折中》。

以惠士奇为中心人物所形成的社群，则颇为典型地展现了因学政督学所产生的师生关系网络。惠士奇视学广东，大力提倡通经学古，并选拔了何梦瑶、苏珥、劳孝舆、罗天尺等人，同属“惠门八子”^[31]，他们不仅是惠士奇的学生，也因同里而有地缘之谊。由此例可见，学政督学选士的行为有可能促使同里士子之间产生关联。

而以乾嘉学派代表学者钱大昕、纪昀、戴震等为中心人物的社群，其活跃时段实际要晚于所限定的顺治至雍正时期。纪昀与钱大昕为同年，皆是乾隆十九年（1754）进士，其主要的仕宦经历与学术成就皆发生在乾隆朝，戴震名扬京城，亦在乾隆十九年入京避难之后。时间上的差异表明该社会关系网络实际上延伸至清代中期，官员士人的关系网络并非静态的，而是动态演进的。早期的关联为后来的学术和官僚网络奠定了基础，实现学术思想的传承与人际关系的延续。

2.乾隆至嘉庆时期

乾隆至嘉庆时期清代学政的社会关系网络共计节点833个，边1,045条，相比顺治至雍正时期，该关系网络较为复杂，节点之间的关联相对紧密。同样经过过滤和模块化处理，如图12所示，该社会关系网络被划分为15个社群，模块度值为0.519。

图12 乾隆至嘉庆时期学政社会关系网络模块化图

在顺治至雍正时期被归为同一社群的钱大昕、纪昀、戴震，在乾隆至嘉庆时期各自成了不同社群的核心人物，这表明即使同为乾嘉学者，学派内部也存在不同学术主张与社交群体的分化。这种变化，正是通过对不同时期社会关系网络的模块化分析才得以清晰呈现。

戴震治学广博，在音韵、文字、训诂等方面均有成就，乃考据学集大成者。他所创立的皖派，因其安徽休宁籍的身份而得名，是一个极具地域特色的汉学研究学派。皖派的学术渊源可追溯至徽州婺源的学者江永，而戴震、金榜、程瑶田等人正是其学说的杰出继承者，他们也是皖派中徽州本土学者的代表人物。此外，段玉裁、王念孙等外省杰出学者，也都是戴震的得意门生。

在以钱大昕为中心的社会关系网络中，钱氏与王鸣盛、王昶、曹仁虎、赵文哲同肄业于苏州紫阳书院，以书院同学形成学术团体。钱氏与王鸣盛同出江苏嘉定，娶王妹为妻，还以姻亲联结加强二者之间的关联。钱大昕与朱筠等是同科进士，在京为官期间通过学友之间的学术交往，其学术成就也得到传扬。

以纪昀为中心人物、围绕《四库全书》纂修工作形成的馆臣社群，也具有较强的影响力。纪昀学识广博，曾任《四库全书》总纂官，并删定总目提要。朱珪与其兄长朱筠都曾直接参与《四库全书》的纂修，朱珪主持了山西采进书籍的工作，后来又在四库馆担任总阅官。刘纶、曹锡宝等都曾参与编修《四库全书》。该社群反映出朝廷主导的大型文化工程在推动官员之间学术网络与社会关系结构中的作用。

以阮元为核心，代表乾嘉汉学发展的又一高峰，尤以金石学造诣最为突出。阮元出任山东、浙江学政期间，吸引众多学者慕名追随，影响深远。以阮元为首，焦循、王引之等扬州士人构成的扬州学派，在训诂、考据、天文、历算等多个领域开展深入研究，阮元于其中贡献尤为显著。

这些社群主要由汉学领域的学术大师构成，他们中的许多人曾多次担任乡试和会试的考官或学政。他们凭借着座主和宗师的崇高威望，极大地推动了乾嘉学术的广泛传播。乾嘉时期汉学的兴盛，离不开这些身兼官员与学者的重要人物的积极倡导与推广。

3.道光至光绪时期

道光至光绪时期清代学政的社会关系网络共计节点768个，边583条，节点之间的关联较为疏阔。同样经过过滤和模块化处理，如图13所示，该社会关系网络被划分为18个社群，模块度值为0.715。

图13 道光至光绪时期学政社会关系网络模块化图

在道光至光绪时期的学政社会网络中，有两个以文学流派为核心形成的社群。以梅曾亮、龙启瑞、陈用光为中心的社群，突出反映了晚清桐城派古文学家在学政士人网络中的重要地位。该社群其他成员未在图13中标记出来的还有王振、朱琦、吕璜，与龙启瑞皆为广西籍，皆工古文，为桐城一脉，民国间黄蓟辑《岭西五家诗文集》收录其中。桐城后辈如陈用光、龙启瑞等人，出使督学之时也借机传扬桐城文脉，进一步扩大其学术影响力，例如陈用光就在担任浙江学政期间重梓姚鼐《四书文选》，引导士子潜心经籍。^[32]另一社群则以程恩泽、何绍基、祁寯藻为核心，展现了道光、咸丰年间推崇宋诗的文人群体。何绍基不仅是程恩泽的弟子，也常与祁寯藻一同切磋唱和，共同钻研宋诗。他们不仅是倡导宋诗的核心人物，在当时的诗坛享有盛誉，还都曾执掌一方学政，利用自身影响力在地方上推广宋诗。

俞樾作为清代学术集大成者、乾嘉学派的殿军，以其为中心形成了晚清学政社会关系网络中的最大社群（共计35位成员）。俞樾仅简放过一任河南学政，被劾奏“试题割裂经义”而罢官，遂潜心学术四十余载，曾执教苏州紫阳书院、杭州诂经精舍与江阴南菁书院，其关联的产生来源于治学期间与友人、门生的交游。吴庆坻也曾入杭州诂经精舍，问学于俞樾，入仕后出任四川学政、湖南提学使等，官职颇高。俞樾门下戴望、刘恭冕、黄以周等亦是晚清学术代表人物。

较为突出的政治群体则有以曾国藩、李鸿章依托地缘与幕府形成的晚清官僚网络，与以康有为、梁启超等人在当时湖广总督张之洞支持下依托学会形成的维新派政治团体。

胡家玉、刘廷榆、蔡念慈同为道光二十一年（1841）辛丑恩科进士，其朱卷数据的收录使得活跃在道光科场中的考生与考官之间产生了直接或间接的关联，主流史料记载里寂寂无闻的士子成为构成网络的关键节点。

通过对清代顺治至雍正、乾隆至嘉庆、道光至光绪三个时期学政社会关系网络的社群结构分析，可以清晰观察其动态演变与核心特征。整体而言，三个时期的学政社会关系网络都呈现出较为明显的社群结构，道光至光绪时期模块化数值最高，顺治至雍正时期次之，而乾隆至嘉庆时期最低，说明相比之下道光至光绪时期学政社会关系网络中社群边界最清晰、社群结构最稳定。深入分析发现，地缘（同乡）与学缘（师生、同门、同年）始终是构成社群、维系成员间关联最为基础和主要的机制。典型案例包括施闰章社群的地缘纽带、李光地社群的学缘依附、惠士奇督学催生的师生网络以及桐城派学者基于地域学术传统形成的紧密联结。另外，文学主张与政治观念的趋同性也是促生和维系社群的重要因素。而乾隆至嘉庆时期学政社会关系网络模块化数值相对较低，社群之间的边界相对模糊，社群结构的稳定性相对较低。最大节点数与最大边数所构成的复杂且紧密的社会关系网络，反映了此时期学政群体内部互动的高度活跃性及社会关系的繁复交织。钱大昕、纪昀、阮元、翁方纲等社群中心人物的中介中心性（Betweenness Centrality）数值最高，扮演着连接不同社群的“桥梁”角色，而分属不同社群的成员之间也存在较为频繁的交往与互动。这种现象或许与乾嘉考据学风的兴盛密切相关，跨地域、跨师承的学术交流可能在一定程度上弱化了传统地缘、学缘的区隔作用，促使学术共同体向更开放、更活跃的网络形态演进。

网络中具有高度中心性的人物，如施闰章、李光地、钱大昕、纪昀、戴震、阮元、俞樾、曾国藩、康有为等，几乎都是各自时代学术思想或政治领域的关键代表。他们的社会网络并非静态，而是呈现显著的动态演进特征。同一学者群体在不同时期会分化形成各自独立的社群核心，反映了学派内部的学术分野与社交圈层的变化。这些核心人物在担任学政期间，凭借其学术威望与政治地位，通过督学选士、主持书院、编纂典籍等活动，有力地引导了学术风尚，扩大了学派影响，实现了学术思想的代际传衍与人际网络的持续构建。

然而，基于CBDB构建的社会关系网络存在其固有的局限性。数据库主要依赖传统史料，如正史、传记、方志、朱卷等中明确记载的亲属、师承、荐举、同僚、同年等关联，难以全面捕捉清代士人之间更为复杂、微妙且丰富的日常交游、思想交流、书信往来、经济互助等多种关系形态。因此，模块度算法所勾勒出的社群结构与核心脉络，虽能有效揭示主要趋势和显著群体，但其精细度和完整性必然受到底层数据特性的制约，算法的划分结果也需结合具体史实谨慎解读。

综上所述，本文结合CBDB中的人物关系数据，运用社会网络分析方法，并借助Gephi软件进行图形化可视化处理，实现了对清代学政群体的“远读”式整体分析。研究表明，将社会网络分析方法引入清代学政的研究，不仅为传统人文研究提供了可量化、可视化的工具与视角，也促进了从问题驱动向数据驱动的研究范式转变。数字技术作为辅助工具，使得原本零散的史料数据在结构化与图谱化之后呈现出新的解释力与洞察力，拓展了文史研究的深度与广度。技术是通往更深入理解人文现象的路径，数据与算法服务于问题意识与历史思维，两者互相结合，共同推动传统人文学科在方法论上的创新与突破。

本文以清代笔记体史料《清秘述闻三种》中学政类文本为研究对象，运用正则表达式进行数据挖掘，结合现有数据库与学术著述进行综合校正，建立了结构化的清代学政人物信息数据库。在此基础上，利用量化统计、地理信息系统（GIS）等探析清代学政的任职原则与时空分布，并借助社会网络分析方法（SNA）绘制清代学政群体社会关系网络图谱。这是借助数字人文手段完成从文本到数据的结构化转换流程，并对清代学政群体进行量化分析与可视化研究的有益尝试。

根据《清秘述闻三种》格式高度统一、边界清晰的文本特点，本研究通过设计正则表达式规则，批量提取学政官员姓名、任职时间、派遣省份、官衔、籍贯、入仕方式等核心字段。该方法具有精确可控、轻量高效、易于修改调试、无训练数据依赖、人文研究者上手门槛低等优势，可广泛应用于地方志、史志、族谱等结构化或半结构化文本的挖掘工作。

在数据库构建完成的基础上，本文采用量化统计与GIS可视化手段，从科甲出身、籍贯分布、职衔品级、年龄结构与履职经验五个维度系统探讨清代学政的任职特征及其时空演变规律。进一步地，本文引入CBDB中的人物关系数据，并借助Gephi软件进行网络计算与图形可视化，通过社会网络分析识别出网络中的关键人物与核心群体，实现了数据驱动与史料解读的深度融合，揭示出清代学政在地缘、学术与政务活动中的多重社会联系网络。

然而，研究结论的可靠性亦受限于数据基础的完整性。相较于人物基本信息的提取，历史人物之间社会关系的系统化挖掘与结构化处理仍面临更高难度与更广覆盖的挑战。目前，CBDB在社会关系数据领域尚存在显著的补充空间。数据的局限性可能影响网络结构分析的准确性与代表性，尤其是在“边缘节点”识别方面的偏误。例如，当前位于网络边缘的若干人物，未来若伴随CBDB数据的不断更新，可能会摆脱“孤立”状态而跃升为重要节点。以刘廷榆为例，其社会关系数据主要来自朱卷文献，经“人名权威—人物传记资料库”整合后收录至CBDB，特殊的师承背景使其在网络中表现出较高的度中心性，说明数据来源的差异直接影响节点的网络位置与影响力评估。未来研究可考虑进一步整合朱卷、登科录、试牍集等多源史料，系统补充CBDB中关于学政人物的社会关系数据，尤其应加强对师生关系、同年关系、荐举关系等关键社会联系的整理，以提升分析结果的全面性与精确度。同时，这一工作也将为后续深入探讨科举士子师承网络与其仕途发展之间的关联性问题提供坚实的数据基础与方法支撑，拓展清代士人研究的深度与维度。

编辑 | 许可

扫描下方二维码即可购买《数字人文》期刊

自计量史学诞生以来，其对计量方法的使用便常常遭到传统历史学者的驳斥，这些核心分歧来源于历史学的实践与方法上的分歧。在二十世纪六七十年代，阿瑟·施莱辛格（Arthur Schlesinger）和劳伦斯·斯通（Lawrence Stone）等历史学家，都曾对此发表过激烈的质疑。^[1]历史学对于计量方法的质疑，更多地集中在对数据集是否完备与可靠的质疑上。因为自兰克学派以来，历史学都遵循着穷尽现有的史料，以获取最科学、正确与真实的历史真相这一宗旨，尽管自后现代主义与叙事主义兴起之后，传统历史学是否能够找寻到绝对的历史真相这一点已经备受质疑。在新的叙事主义之下，我们更注重去分析史学作品由作者的主观意志、情感所建构起来的部分。就非量化的历史研究而言，这种叙事主义的思想早已普遍扎根在历史学界的共识之中，但是对从事计量史学的研究者而言，出于某种宏大的追求目标，他们总是希望能够探讨一些结构性的社会问题，所分析的对象也往往是整体的客观现实。与之相对的是，研究通常无法搜集到足够多的、令人信服的数据，因而被迫使用一些不甚可靠的记录，这些记录往往不免带有较强的建构色彩。最典型者如尚闻一和桑梓洲在研究东晋贵族网络时，仅采用了《世说新语》作为数据集，^[2]而带有强建构性的《世说新语》文本所反映的社会关系显然会与当时的社会现实存在较大的差异。这种通过有限的史料建构出来的数据集，无法真正得出一个客观可靠的结果。这种方法论上的根本缺陷是不容忽视的，也因此直接导致计量史学研究自诞生以来始终无法真正为正统史学所悦纳，徘徊于历史研究的边缘。

数字史学（Digital History）的概念最早由美国维吉尼亚大学（University of Virginia）成立的“维吉尼亚数字史学中心”（Virginia Center for Digital History）于1997年提出。^[3]“数字史学”与目前学界较常使用的“数字人文”（Digital Humanities）概念具有含摄关系，亦即数字史学包含在数字人文概念范畴中。之所以要特别标举数字史学概念，其主要作用是希望通过聚焦概念，来强化和推进数字技术在史学研究中的运用。^[4]一如数字人文同人文计算之间紧密且微妙的继承关系，可以认为，数字史学也是计量史学在互联网技术得以普及之后发展出来的新阶段，它在计量史学的基础上极大拓宽了研究范围，但其核心阵地仍然归属于原先计量史学所关心的那一部分。因此，无论是数字史学，抑或计量史学，其所面临的发展阻碍至少存在很大一部分重合之处。互联网的发展并未给我们带来完美无缺的历史数据集，计量史学一度面临的重大质疑，仍是数字史学未来建设亟待解决的基本难题之一。那么，就计量史学或数字史学未来的发展而言，应当如何打破这一局面？我们认为，一条值得探索的路径在于，任何量化的历史研究本质上都必须克服低资源的阻碍，在材料十分有限的前提之下，不妨将研究目标收敛到对于有限材料本身的讨论之中。在这一目标的驱动下，材料的建构性问题本身会成为一个值得探讨的方向。^[5]数字史学如能通过对于那些带有强建构性的材料本身加以分析，探讨其建构性的来源，无疑能够借此规避来自传统史学的诸多质疑。本文即以蒋廷黻《中国近代史》一书呈现的人物关系网络分析为例，探讨蒋廷黻个人的史学观念在其历史书写中如何得以体现。

蒋廷黻是中国近代史学史中无法绕开的史学大家。他既是中国少数几位近代史研究的开创者之一，同时也是近代史书写两大范式之一的“近代化范式”的开创者，为近代史研究建构了一个合理的分析框架与通史体系。多年以来，学界围绕着近代化范式以及蒋廷黻本人的争议不断，但是毋庸置疑的是，蒋廷黻与他的著作《中国近代史》是中国近代史学史研究中无法绕过去的里程碑。《中国近代史》一书是蒋廷黻在1938年战时状态中依据自己的旧有知识写就的一部著作，虽然全书仅5万字，但是因其独特的近代化史观和独到的见解，在国内的影响甚广。学界以往对蒋廷黻的研究，多集中在研究其政治生平、政治思想与史学思想的交互与实践、其作品的特征与影响等方面。如张玉龙先生所著《蒋廷黻社会政治思想研究》，梳理了蒋廷黻的人生经历与政治思想，认为其一生都在追求民族主义与现代化。^[6]蔡乐苏先生则在《蒋廷黻史学理念释要》中指出蒋廷黻所提出的史学理念具有时代意义，可归纳为史学是科学、识世知彼、国际平等、开放通商、整体现代化等五方面的思想。^[7]李勇、侯洪颖的《蒋廷黻与鲁宾逊的新史学派》指出蒋廷黻与鲁滨逊新史学派之间有着密切的联系。他在哥伦比亚大学期间，师从海斯，从而深受鲁滨逊一派的史学思想影响。这种学术传承使得蒋廷黻在历史学领域形成了独特的学术视角和研究方法。^[8]还有一些研究是探讨蒋廷黻对清华大学历史系建设重要的积极意义。如蔡乐苏先生的《蒋廷黻与清华大学历史学系课程新模式的建立》^[9]、刘超《中国近代史研究的早期开展：以清华学人为中心》^[10]等。也有集中于阐发蒋廷黻的学术思想与史学实践的研究，尤为关注蒋在近代史书写方面的贡献与影响，如尹媛萍的《蒋廷黻与中国近代史书写》^[11]、纪宁的《蒋廷黻的史学思想及学术实践》^[12]等文。应该如何理清、客观地认识蒋廷黻的史学观念，以往学界已给我们提供了诸多的实践成果。而在此基础上，我们将利用社会网络分析（Social Network Analysis，简称SNA）的方法对《中国近代史》一书中的人物关系进行一次初步的分析实践。社会网络最初来源于网络科学，是网络科学在社科领域的运用。目前，在历史学研究中逐渐被投入使用的社会网络分析方法，主要是从网络视角去挖掘人文领域的人物亲属、社会关系等。SNA一般通过数据提取、分析和输出图像几个步骤，逐步得出关于网络的中心性、直径、平均度、聚类系数、平均路径长度等指标，继而把握网络的整体特征，找出网络中的关键性节点和结构组件。^[13]

历史过程是唯一的且客观真实的，但不同史学家笔下的历史书写方式却多种多样。站在不同立场和角度的书写者，出于不同的主观意愿或目的，往往对历史材料进行选择性地编排和加工。^[14]在此过程中，历史学家主观的意志与情感渗透于文本之中。正如海登·怀特所言：“史学家和历史哲学家将自由地对历史进行概念化、理解其内容，以及用和他们自己的道德和审美愿望最相符合的任何意识模式来构成阐述历史过程的叙事。”^[15]而《中国近代史》是蒋廷黻在当时特定的历史背景之下基于自身的主观意志、史学观念所书写出来的主观文本。通过对这类主观文本的统计，有望展示出作者在建构这本书时的思想偏向。本文试图通过对该书的社会网络分析，解析该书的宏观布局，依次分析网络整体特征、网络中重要人物的各个中心性、网络聚类分析等部分，解答该网络的建构性体现在何处，进而得出该书作者蒋廷黻在其历史书写过程中所体现的史学观念。

本文所使用的数据来源于中华书局2016年出版的《中国近代史》正文，书中所有序、标题、附注、参考文献等无关内容均作删除处理。在所得文本的基础上，我们基于哈尔滨工业大学社会计算与信息检索研究中心主持开发的语言技术平台（Language Technology Platform，LTP）分词、标注一体化工具包，标注出书中出现的所有人名，利用正则表达式删去其余文本。由于计算机的识别、标注往往是基于规则，因此难免会出现将“曾左李”认定为一个人名，或是将地名“尼布楚”视作人名等情况，另外，针对同一人物的不同称呼也无法实现自动消歧。对此，我们采用人工标注的方式对表格中存在的错漏之处予以修正。在史书的叙述之中，多按事件分段，一个段落一般会叙述同一件史事，而一件史事之中涉及的多个人物大概率共同参与了这个事件，据此可以建立人物之间的联系。由于LTP可以保留原文中的段落信息，我们以段落为单位，从中抽取所有人物的共现关系，凡得1,510条关系数据，其中涉及393位不同的历史人物。基于这些关系数据，我们建构起蒋廷黻《中国近代史》中所有人物的社会关系网络。我们将有关数据导入Gephi软件中，作进一步的分析。图1是该网络在胡一凡（Yifan Hu）布局下的整体可视化示意。

图1 胡一凡布局下的《中国近代史》人物关系网络示意

经统计，《中国近代史》人物关系网络的平均度（average degree）为7.684，该网络所有节点的实际度分布（degree distribution）情况如图2所示。

图2网络节点度分布散点图

度分布所反映的是网络中节点度数的概率分布情况，以此可以分析《中国近代史》人物网络中不同节点度数的分布情况。其中，大部分节点的度都在10以内，而高度数的节点数量总体较少，表现出类幂律分布的特征。由此我们可以推断，少部分度数较高的人物在网络中占据了较为核心的位置，与更多的人物产生更多的关联。蒋廷黻在书中明显地将视线聚焦于少数精英人物，而对大多数小人物的描绘则相对简略，仅用几笔轻轻勾勒，并未在这些小人物身上投入过多的文字，这也是传统历史书写的普遍特征。在此基础上，我们可以挑选其中度数最高的20个节点所对应的人物进行进一步的分析，如表1所示。

表1《中国近代史》人物关系网络节点度数排名（前20名）

节点度数是在网络分析中判断节点重要性的指标，一个节点的度数越大，意味着这个节点与其他节点的联系程度也更高，该节点在网络中就占据更为重要的地位，而对一部历史著作而言，角色的度数中心性排名越高，就说明这些角色处于叙述的核心位置，是作者展开叙述的重要角色。我们观察表1的具体数据可以发现，排名前五的人物分别为李鸿章、林则徐、琦善、袁世凯和张之洞，其度数分别为91、84、72、62、46。这正是本书叙述中的关键人物，同时也是主导局面的精英人物。李鸿章的重要性，不仅源于他在近代史中的卓越贡献，更在于他在近代史叙述中占据的关键地位。他深度参与了从鸦片战争至甲午中日战争这一系列重大历史事件，并始终位于历史叙述的主要位置。他如一根主要线索将这些历史事件串联起来，因此自然占据度数中心性最高的位置。蒋廷黻特地为其写文章《李鸿章——三十年后的评论》，对李氏的评价颇高，“在当时，他还有一个政策，别人则袖手无策。他还有半知，别人则全不知。”^[16]他认为李氏的失败在于掣肘者颇多，受限于时代，但李氏为自强运动和外交事务付出的贡献则不可忽略。

林则徐的度数排在第二，是因蒋廷黻在书中尤为在意林则徐，并提出“两个林则徐论”。他在书中直言：近代史中有两个林则徐，“一个是士大夫心目中的林则徐，一个是真正的林则徐。前一个林则徐是主剿的，他是百战百胜的……真的林则徐是慢慢的觉悟了的”，并批评林则徐“知而不言”，认为“他让主持清议的士大夫睡在梦中，他让国家日趋衰弱，而不肯牺牲自己的名誉去与时人奋斗”。^[17]在他的观点中，中国之所以在鸦片战争后未能走上改革之路，很大程度上是因为当时社会对林则徐的迷信心理，这种迷信导致了一种难以摆脱的保守心态，从而阻碍了改革的步伐。尹媛萍认为蒋氏此说难免有牵强之处，这种判断的偏差出自他对知识分子一贯的不满与期待。^[18]但他对林则徐的重视确实毋庸置疑。

而在主流论述中并不占主要地位的琦善之所以排到第三的位置，也和蒋廷黻对琦善的重视有关。与后代常批评琦善是“卖国贼”“奸臣”等负面评价不同，蒋廷黻在书中赞扬琦善“可说是中国近九十年大变局中的第一任外交总长”。^[19]他非常认可琦善在外交方面的才能，认为琦善是那个时代真正清醒的人物，并写作《琦善与雅片战争》一文以赞扬琦善审察中外强弱的形势和权衡利害轻重的外交意识远在时人之上，并借琦善来宣扬自己“知己知彼办外交”和“忍气吞声近代化”的主张。而近代史研究上，破除神化林则徐、丑化琦善的书写传统，正是自蒋廷黻始。以今天的鸦片战争研究成果看，他在重新研究琦善这一点上的成就或许并不突出，但是在他那个时代却开风气之先，真正做到了他所追求的“历史化中国外交史、学术化中国外交史”。^[20]而他研究琦善，目的是研究近代中国应采取怎样的政策对付帝国主义的侵略，也同时含有对现实的影射。蔡乐苏先生的研究认为，蒋廷黻之所以在意琦善，目的在于为中国抵抗帝国主义侵略找一条切实可行的道路，即运用外交手段求得和平，以现代化的方法来与帝国主义相抗衡，从这个角度而言，琦善的主张对中国近代史而言有着至关重要的意义，对琦善的研究也促进了蒋廷黻另一个主张的提出，即中国必须实现现代化。站在蒋廷黻的角度，重视琦善似乎是一个必然的选择。总之，度分布数据的结果或许无法验证学界中蒋廷黻是否在其书中“抑林扬琦”这样的主观判断的观点，^[21]但是林则徐与琦善排到这么高的位置，也可以说明蒋廷黻在书中对他们极为重视这一客观事实。我们似乎可以通过这样对主观文本的数据分析，探究出作者本人建构这本书时的部分主观意愿。

而后，我们再来观察该网络的中介中心性（betweenness centrality）的情况。中介中心性主要反映一个点与其他点之间建立连接的能力与强度，它关注的是某点“介于”其他二者之间、获取两点间信息的“能力”，也即该点的“中间人”程度。这些节点在网络中发挥着至关重要的桥梁作用。我们提取出该网络中中介中心性排名前10的节点所对应的人物加以观察，如表2所示。

表2《中国近代史》人物关系网络节点中介中心性排名（前10名）

基于表2，我们发现李鸿章、林则徐、康熙、袁世凯、琦善、孙中山等人发挥着重要的沟通角色。在大多数文本中，这些度数中心性最高的人物因描写上的绝对优势，也往往会成为最高中介中心性的角色。但同时我们也不能忽略其他情况，比如孙中山和洪秀全。我们可以观察到，孙中山的排名有所上升，从度数中心性排名17上升到了中介中心性的第6位，纵观整个中国近代史，孙中山确实在其中扮演着重要的桥梁作用，他沟通起了诸多不同的势力，并由此推动了革命的发展进程。而对比表1的度数中心性排名情况，也可发现洪秀全作为一个自身度数并不高的节点，却在中介中心性的排名中取得了较为靠前的位次。

回到原文考察，发现正文部分仅第二章“洪秀全与曾国藩”较多记述了洪秀全及太平天国运动相关的事迹，从整体上讲，有关叙述较为集中。不难发现，与洪秀全发生关系的其他太平天国起义人员皆是底层民众，如平民出身的杨秀清、韦昌辉等人物。这些人物即使通过起义也未曾真正与当时掌握权力的上层统治者有过多的联系，只有作为领袖的洪秀全既与太平天国统治集团这一群体内部保持紧密联系，又能同其他重要人物构成关系，于是导致洪秀全频繁充当太平天国集团内外交流的关键“桥梁”。实际上，这也是中国旧式农民起义的特征，即只有起义群体内部联系紧密，但是与原有的统治者阶层接触并不多，只有洪秀全这样的起义集团的领袖可以频繁接触到统治者阶层。这就将我们引向了另一个问题，即蒋廷黻为何要花如此大的篇幅去描述太平天国运动。

从书中的行文可以看出，蒋氏对于太平天国运动的态度是贬大于褒的，他在书中直言：“洪秀全想打倒满清，恢复汉族的自由，这当然是我们应该佩服的。……但是他的人格上及才能上的缺点很多，而且很大。倘若他成了功，他也不能为我民族造幸福。总而言之，太平天国的失败，证明我国旧式的民间运动是不能救国救民族的。”^[22]在蒋廷黻看来，旧式农民起义的特点就是单个或几个主导人物来领导整个起义，而这显然并非科学的方式。他花费如此篇幅去描写，是想表明旧式的农民起义并非解决中国问题的良策。在他的近代化史观之下，给予旧式农民起义的评价是偏负面的。这种对于农民起义的态度问题也正是近代化史观与革命史观的冲突点之一，在革命史观的论述下，对于旧式农民起义的评价是正面居多。以革命史观为主的近代史书写，由于根源上对阶级斗争的肯定，所以对太平天国运动的评价都较为正面，关键词都离不开“农民革命”“资产阶级民主革命”“空想农业社会主义”“进步阶级”“进步政党”等。如革命史观的代表大家范文澜先生指出，太平天国革命运动的最大意义“就在于它是中国历史上第一次提出政治、经济、民族、男女四大平等的革命号召，……揭开了中国旧民主主义革命的序幕，……太平革命是中国历史划时代的大事件，与五四运动同为一百年来历史上两大转变时代的标帜，它的光荣成就永不会磨灭，它的伟大精神也永远在继续和发展”。^[23]二者的区别导致了其历史书写中关注侧重之差异。由上可知，通过网络分析方法，似乎可以帮助我们找出些许作者书写时显性与隐性的思想观念。

目前一般认为Louvain算法是最好的非重叠社区检测算法。^[24]该算法是一种基于模块度（modularity）的社区检测算法。本研究即借助Louvain算法对网络节点进行模块化处理，以解析度为1、随机的方式计算得到结果的模块度为0.594，可证聚类效果较好，网络应具备明显的社群结构，共包含27个大小不一的模块。每一模块的详细规模可以参见图3。

图3 《中国近代史》人物网络不同模块所含节点个数的散点示意图

由于分出的模块较多，且各模块规模差异显著。经计算，单一模块平均包含的节点个数约为11.93。本文仅保留节点数量在20以上的模块予以进一步的分析，它们分别是模块0、模块2、模块3、模块5、模块8、模块23、模块25。根据社群中的度数中心性，遴选出各社群内部节点度数最高的8个重要人物，如表3所示。

表3 《中国近代史》网络重要模块一览

我们首先利用F-R（Fruchterman Reingold）布局算法对模块2所包含的节点及其关系给予可视化示意，如图4所示。模块2中排名较高的人物，主要与洋务运动与维新变法有关，该聚类包含节点在整个网络中的占比为18.3%。洋务运动与维新变法等革新性的运动，无不与蒋廷黻在全书中所倡导的“近代化”史观息息相关。蒋廷黻称叹洋务运动为中国近代化开始的自强运动，“是我国近代史上第一个应付大变局的救国救民族的方案”^[25]。然而洋务运动的失败，从世界近代化进程的角度来说，实则是近代文明与中古文明冲突的必然结果。他同时认为维新变法是我国近代史上救国救民族的第二个方案。这个方案的主旨是要变更政治制度，其最后目的是要改君主立宪，以期民族精神及维新事业得在立宪政体之下充分发挥和推进。^[26]他认为“变法运动无疑的是比自强运动更加西洋化近代化”^[27]。蒋廷黻依托这两部分史事，较为集中地表达了自己的近代化理念。

模块3、模块23与模块25则同为中俄外交关系相关的主题，我们将三个聚类放在一块观察，如图5所示。这三个聚类中，尤以聚类23的规模最大，占比为18.6%，为全书占比最高的模块。这表明在《中国近代史》一书的叙述之中，中俄关系占据极其重要的位置。蒋廷黻十分重视中俄关系史的研究，在他主持清华历史系之时也极力提倡日本史和俄国史的研究，这是基于他对“地缘政治”的考虑。在他作为一位外交家的视野中，俄国与中国地缘上紧密联系，且俄国的外交目的并没有表面那么和善，对中国的危害程度较日本更大。在当时民众大多尚未对俄国抱有警惕之心的时候，蒋廷黻认真地审时度势，精准地指出了外患所在。

图4 F-R布局算法下的模块2

图5 F-R布局算法下的模块3、模块23与模块25

而后，模块0的规模大小仅次于模块2和模块23。如图6所示，模块0主要是中英外交史相关的人物，特别是与鸦片战争密切相关。林则徐与琦善在其中扮演了重要角色，余下的耆英、懿律、叶名琛、黄爵滋、关天培等人也是这段历史中不可或缺的关键人物。纵观整个聚类分布，该模块占比为14.6％，排名在第三位，这反映出蒋廷黻对于近代史叙述的关注尤为凸显地集中在中英关系相关的问题上。而之所以在意相关问题，是因为蒋廷黻一直在反思，鸦片战争之后，中国为何没有走上近代化的道路这一问题，认为对鸦片战争等历史事件的叙述有助于民众理解中国近代化的进程与中国在国际舞台上的地位和角色，试图借其唤醒国人对近代化的认识。^[28]

图6 F-R布局算法下的模块0

此外，模块5则与辛亥革命到孙中山逝世这段历史叙事有密切关系。如图7所示，在这一模块之中，排名靠前的是孙中山、徐锡麟、汪精卫、蒋介石等人。其中，孙中山占据第一位次，不仅是因为孙中山确实是这段历史叙述之中的重要人物，也是因为蒋廷黻在该书中花了很大的篇幅叙述孙中山的生平与政治理念，尤为宣扬三民主义，此为宣扬自己的政治理念而作。他认为应该“贯彻总理的遗教”^[29]，认为“目前的困难是一切民族在建国的过程中所不能避免的。只要我们……谨守中山先生的遗教，我们必能找到光明的出路”^[30]。而且他尤为重视孙中山的观点。蒋廷黻指出，孙中山先生对西方状况和现代文明的理解，明显超越了李鸿章、康有为等人物。这种超越源于其思想经过了长期的科学培养，因此他所制定的救国策略不仅具体明确，并且全面考虑了各种因素。^[31]而更重要的是，孙中山所提出的“军政—训政—宪政”的治国策略，与蒋廷黻的政治主张几乎一致。^[32]由此，我们不免可以看出蒋廷黻在进行历史叙述之时，常常将自己的现实政治理念渗透在文字之中。究其原因，可深究到蒋廷黻在哥伦比亚大学学习之时，当时的“新史学”中心哥伦比亚大学对他的学术理念有着初步定型的作用。当时鲁滨逊（James H. Robinson）虽已离开哥大，但因其在该校任教25年之久，极大地影响了哥大的史学研究路径与风格。蒋廷黻也因此继承了鲁滨逊所强调的史学“应为现实政治服务”这一主张。^[33]所以，他常常将自己对中国出路的思考寄托在历史叙述之中。

最后，模块8中的人物则主要与中、日、朝三国外交事件有关，尤其聚焦朝鲜为脱离清政府控制所发动的甲申政变。在甲申政变中，洪英植、金玉均和朴泳孝同属开化党人，是为亲日派，其背后的靠山是竹添进一郎。金允植与闵泳翊、尹泰骏等人同为事上党的领袖，是为亲华一派，其后盾是袁世凯。^[34]开化党人趁中法战争之际发动叛乱，最终被袁世凯镇压。这一事件是甲午中日战争中的开端之一，本在原书叙述中未着太多笔墨，却在模块化结果时凸显。正如此例，通过网络分析去研究史学作品，或许能够帮助我们注意到一些原本未能注意到的内容。

以上，不难看出，每一模块内部都能归纳出相对明确且彼此独立的主题，这些主题主要根据作者的叙述重点划分。模块0、模块2、模块5、模块8分别对应着蒋廷黻对于中英外交、变法运动、辛亥革命、中日朝关系等不同史事的关注侧重。而模块3、模块23与模块25则对应着蒋对中俄关系的注重。从聚类分析中，我们可以观察到蒋廷黻此书的论述重点何在，他的目光一直都聚焦于外交关系上，不仅是因为他自己是外交官，同时他也一直希望通过外交的胜利推动国家的胜利，推动国家近代化的进程。在《中国近代史》一书之中，处处贯穿着他对外交事业的热情，对中国外交状况的重视、对近代史上因外交失败导致国力衰退的惋惜和对国家未来外交转好的期望。正如蔡乐苏先生所言：“蒋廷黻是政论家，他的政论大多携带着历史；蒋廷黻又是史学家，他的史论史著从更深层的角度看，实际上大多也是政论。史学与政论在蒋廷黻的著作中只是形式的区别，并无实质的不同。这即是说，他的史论史著寄藏着强烈的现实关怀。”[35]蒋氏的外交理念和对现实的关怀，也处处体现在网络结构之中。

图7 F-R布局算法下的模块5

图8 F-R布局算法下的模块8

为洞察《中国近代史》一书的内部结构，本文基于该书人物关系建构社会网络，通过一系列针对基本拓扑性的度量分析，从而发掘或验证蒋廷黻蕴含在历史书写之中的史学观念。纵观蒋廷黻对李鸿章、林则徐和琦善等人的重视并深究原因，会发现这些都体现着他所推崇的近代化史观。他总是着眼于时代与变革，并深切关注着国内外形势发展，急迫地为国家找到新的出路，所以目光总聚集在这些与时代动向和创新变革密切相关的重要人物身上，并通过这些历史人物的叙述表达自己的史观与对现实的观点。通过对中心性的研究，我们实证了一些以往研究中的部分观点，如蒋廷黻对琦善、林则徐的重视，也发现了个别人物在书中的地位与以往认知的出入，如洪秀全虽在叙述中不占主要地位，却发挥着重要的桥梁作用。并且我们通过聚类分析发现，全书的模块内容大多与外交事件关联密切，体现出蒋廷黻对外交的重视和以外交救国的观念。

从整体上看，研究结果展现出蒋廷黻三方面的史观：一是对近代化的重视，在他的研究中，他一直都希望唤起国家和民族对近代化的认识和重视。二是对外交史的偏重，这寄托着蒋氏对在国际生活之中寻找出路的希冀。三是以史为用，史著寄藏着他强烈的现实关怀。在以史为用的纲领下，他的历史叙述之中才一直贯穿着对近代化与外交史的侧重，而这三点无疑都共同指向其对现实政治、家国危亡的担忧。纵观全书与整个网络，他的历史叙述始终致力于消除当时民众所持有的狭隘民族主义思想和对国际形势的无知，并致力于刺激国民对时代挑战、全球视角和近代化进程的紧迫感，明确强调中国的未来在于开放和改革。

前文中提到，数字史学常见的诟病，主要来源于对数据集的诟病。传统史学多认为数字史学所使用的数据集过于单一，而无法涵盖其他的史料，但是在数字人文的计量观念中，一个封闭且纯净的数据集才能够支撑更为科学的结论，而无需在其中塞入太多史料。同时，数据集的建构性也常受到传统史学的质疑，认为其建构性过强，难以得出更为科学可靠的结论。针对这一矛盾，本文试图从数据集的建构性出发，探究其建构成分。蒋廷黻的史学思想反映在整本《中国近代史》之中，同时也反映在基于该书所提取的数据集与于此建构的社会网络之中。我们似乎能够通过这样的尝试，将材料本身主观建构的部分直接纳为研究的分析对象，反而规避数字史学研究可能引发的部分争议。尽管我们并不认为未来数字史学的发展仅仅会被框定在这样局限的研究视角以内，但在各种探索尚未成熟的当下，这种回归到文本建构性本身的讨论无疑有助于我们在开展进一步深化的研究之前，预先对我们使用的材料取得更为深刻、全面的认知，也能在提高分析严谨性之余丰富研究的维度。

编辑 | 许可

数字人文（Digital Humanities，DH）是一个典型的文理交叉学科领域，在当今人工智能时代背景下，指的是在相关的计算机技术支撑下开展人文研究而形成的新兴学科。^[1]目前的数字人文研究，其落脚点仍然主要在于人文社科领域，大部分学者的研究思路是利用计算机技术作为一种数据分析与可视化的工具来进行传统的人文研究，而对于工具本身的创新研究还略显不足。数字与人文应是相辅相成、携手共进的关系，数字技术为人文学科领域中长期存在的问题提供新的研究思路，从深度和广度两个维度重构人文学科，^[2]而人文学科存在的难题和需求又能促进数字技术的研究。例如，针对某些垂直领域提供全新的研究范式，抑或是促进进一步的技术革新，两者互相依赖不可分割。

近年来，自然语言处理作为人工智能领域中的一个重要分支正在飞速发展，自然语言处理也是与数字人文专业最为契合的技术方向。我们提出将基于自然语言处理的数字人文学科分为两大方向，分别为人文计算和文化生成。人文计算包括人文风格的识别，例如某位文学家的写作语言风格、书法家的字体风格、诗人的文风等；还包括情感分析，例如对古诗文蕴含的情感进行分类或回归评分，抑或是风格迁移等。文化生成依赖AIGC（Artificial Intelligence Generated Content）技术，各类大语言模型、图像生成模型等都被称为生成式人工智能。采用AIGC可以做到文本生成，包括机器翻译、人机对话、AI（Artificial Intelligence）写诗等，也能在视觉领域中完成图像描述和图像生成。本文的古诗生成图像任务实质上就是图像生成任务，是一种跨模态的AI生成任务。

古诗是中国传统文化瑰宝，是千百年来中国劳动人民的思想结晶。^[3]许多名篇佳句传世至今，蕴含了丰富的思想价值和文化价值，值得我们传承并发扬光大。然而古诗相对于现代文来说终究较为晦涩难懂，初学者难以快速把握诗中描绘的场景或者理解作者想表达的意境，加之文字所能传达的信息也是有限且单一的。图片相比于文字则具有更丰富的语义信息，例如图片中的景物、人物的动作、绘画风格、整体色调。如果利用人工智能对输入的古诗生成一幅对应内容的配图，读者能够通过图片更直观地把握古诗的意境以及诗人所表达的情感，这对于古诗在文化传播或中小学生教育等方面都有着积极的推动作用。

目前文生图领域的现有技术还不足以直接运用于古诗生成图像任务。首先，目前大部分的文生图任务相对简单，输入的文本往往简短易于理解。^[4]但古诗往往包含了多个主体，环境描写复杂，需要体现出古诗的意境和诗人情感，因此古诗生成图像难度大，具有挑战性。其次，目前文生图领域大量的研究集中在图像编辑方面，^[5]例如利用用户自己的宠物或物件这些特定的东西，^[6]通过图像生成模型得到新图像，或者保留原图整体特点的同时，改变图中物体的位置姿态等应用类型研究，^[7]研究重点与本文不同。最后，直接使用现有的大语言模型的图像生成功能，并不能生成较好的符合诗意以及意境的图片，这是由于通用大语言模型的文本编码器的预训练是在大量的现代文数据集上进行的，且文本十分精简，含有大量现代生活的元素，但很少会触及古诗中的物品、地点、服装、建筑等描述，使得通用大语言模型不一定生成得准确合理。所以，针对该任务，本文提出了构建垂直领域模型的思想，使用预训练加微调的方式来完成图像生成。而微调则是需要在针对特定任务的小型数据集上进行的，因此本文使用DALLE3^[8]来生成古诗配图数据集，以《唐诗三百首》为例，生成图文一一对应的320张图片作为进行微调使用的数据集。图1展示了数据集中的部分图片示例。

图1 古诗生成图像数据集图片示例

现有的大语言模型在古诗文配图自动生成方面会出现不少问题。以文心一言生成古诗配图为例，会出现以下的问题：

（1）由于大部分大语言模型的中文训练集是白话文形式，如果直接输入古诗作为提示词（prompt），模型会将输入的文本作为现代文理解。即便在提示词中写明“请为以下输入的古诗生成配图”，也不能生成符合古诗内容的正确配图，这也引出了第二个问题。

（2）当古诗中存在古今异义现象，比如“床前明月光”中的“床”字应该解释为井栏而非现代意思的床，模型不能正确理解“床”的真正解释。

（3）为了解决以上问题，本文尝试将古文翻译为现代文作为提示词输入图像生成模型。然而，模型还存在不认识古诗中某些特定词的现象，例如输入“屏风”，生成一扇房门，输入“缝补”，生成一台现代的缝纫机，输入“饮酒”，生成一瓶红酒和高脚杯等不符合时代、地域或诗意的图片。

（4）受限于图像生成模型自身能力，即便是目前最佳的扩散模型^[9]仍然无法生成完全符合给定提示词语义的图片。当输入提示词比较复杂、包含多个主体时，模型可能选择性地只生成其中一个或部分主体而忽略其他主体。另外，模型可能会将一个主体的属性错误地绑定到另一个主体上。^[10]

（5）几乎所有图像生成模型都可能存在弊病，比如多余的手指、模糊的五官、超过四条腿的马、错误的空间位置等。此外，还可能出现一些不符合逻辑、物理规律的现象，例如人在水上行走、灯笼漂在水面上、床在海边等。

为了减少以上问题的出现，需要构建古诗配图专用数据集。在数据集构建完成之后，本文提出了结合大语言模型和图像生成模型（Stable Diffusion）^[11]的范式，用于古诗生成图像任务。具体来说，本文采用预训练好的模型在古诗配图数据集上进行微调，建立该任务的基线标准。在训练中使用低秩适配模型（LoRA）^[12]，它能够在相比于整个扩散模型少得多的权重上进行训练和更新，对于小型数据集微调效果起着重要作用。最后，本文使用CLIP Score和FID的评价指标进行评估，该指标能够有效评估输入提示词和所生成图片两者之间的匹配度。本文的主要贡献总结如下：

（1）以《唐诗三百首》为例，首次构建了古诗生成图像任务的数据集。该数据集由DALLE3生成，人工进行评估和挑选，总计为320首唐诗生成对应的320张配图。实际使用中，本文按照8∶2的比例分为训练集256张和测试集64张。

（2）创建了大语言模型与图像生成模型相结合的范式完成古诗生成图像任务。

（3）使用大语言模型生成符合古诗诗意和意境的提示词，然后将提示词输入Stable Diffusion模型生成图片。训练中加入LoRA模型进行微调，使模型更好地学习到数据集图片的特征和画风。

（一）大语言模型

大语言模型在自然语言处理任务中展现了令人印象深刻的能力。^[13]这些大模型参数量基本都突破百亿量级，甚至达到千亿、万亿的级别，庞大的参数量加上海量的训练数据，使得这些大语言模型拥有极强的文本理解和推理能力。在当今的数字人文研究中，大语言模型具备的文本摘要生成、情感分析、相似度计算等能力，都可以直接服务于学者进行相关研究。另外，如图像描述、图像生成等各类多模态交互也能拓展人文学科的研究领域和视角，发现新的研究课题。

现有的国内外大语言模型呈现“百模大战”之势。国外有OpenAI公司的GPT3.5^[14]和GPT4^[15]、Anthropic的Claude^[16]、谷歌的Bard^[17]和微软的Bing，国内有百度的文心一言3.5和4.0、科大讯飞的讯飞星火、腾讯的腾讯混元和阿里的通义千问等。

针对大语言模型的评价指标往往包含不同能力的测评。例如，文本生成能力指对于常识的运用以及对抗人类恶意误导提示词的抵抗能力；长距离捕获能力是在文本长度较长的时候，前后文是否仍能建立一定的关联性；多语种的泛化能力，指语言模型在处理不同语言时的表现。由于模型通过将输入的提示词进行词嵌入（embedding）转化为向量来理解文本，因此这里的泛化能力实质上反映了模型对于语言的理解能力，即模型的鲁棒性；推理能力，即对需要逻辑推理的问题的回答正确率；知识调用准确性，思维链（Chain of Thought），即提问内容不直接出现在训练语料中而需要通过加工处理现有的语料才能得到结论。

基于此类指标，GPT4在各项综合能力上仍然占据较大优势。国内大语言模型中，文心一言4.0表现突出，尤其是在推理能力、知识调用准确性、文本生成能力方面相较于其他国内模型更为优异。Claude和Bard拥有很强的多语种泛化能力。Bing的长距离捕捉能力突出，但是逻辑推理能力一般。国内其他的大语言模型中，通义千问作为免费开源模型，具有最好的综合性能，尤其是在多语种泛化能力和文本生成能力上表现突出。讯飞星火和腾讯混元则各有优劣。

（二）图像生成模型

文本生成图像既属于自然语言处理领域任务，^[18]又是计算机视觉中的一个极其新颖的应用。^[19]早期图像生成模型主要是基于生成对抗网络。^[20]生成器生成的图片受鉴别器监督，鉴别器根据误差，通过损失函数惩罚生成器来训练生成器，而随着生成器生成的图片逐渐逼真的同时，也在训练鉴别器的分类能力，两者交替训练，从而更新整个生成对抗网络。不少工作基于生成对抗网络的基本原理完成图像生成任务，^[21]但是由于生成对抗网络的收敛条件苛刻、模型训练过程不稳定等原因，在图像生成领域中，基于生成对抗网络的方法已被基于扩散模型的方法所取代。

扩散模型^[22]的前向过程即加噪和去噪的过程。加噪过程总共n次，在n次加噪步骤之后得到一幅高斯分布的噪声图片。去噪过程中训练一个噪声预测网络，分别将n次所施加的噪声作为标签，训练噪声预测网络来预测每一步骤的噪声，去噪之后即可得到待生成的图片。

Glide^[23]是基于扩散模型的第一个文本生成图像的工作，采用了无分类器引导方式，直接用文本替换原始的类标签完成图像生成。Imagen^[24]采用预训练好的、冻结参数的大语言模型作为文本编码器，该文本编码器的预训练语料可以是图文对形式（如CLIP^[25]模型），也可以是纯文本形式（如BERT^[26]、GPT^[27]、T5^[28]）。Stable Diffusion是一个典型的、在潜在空间中训练扩散模型的框架，与直接在待生成图片上加噪去噪不同，模型在经过编码器之后的特征图上进行扩散步骤，该方式相比于原先取得了显著的进步。CLIP模型开创性地学习多模态特征表达，这种结构被广泛运用在许多图像生成模型中。例如DALLE2^[29]同样使用文本和图像编码器建立不同模态之间的关联，然后提出一个先验网络将文本特征转化为图像特征，最后生成图片。

图2 数据集部分图片展示

（一）古诗配图数据集

古诗配图的来源多种多样，可以节选自明清两代版画形式的唐诗选本，可以请画家根据诗意自行创作，甚至可以是互联网上输入古诗搜索而来的图片。然而这些来源各有缺点，例如，明清画册的配画艺术成分较高但往往不够写实，如绘画中运笔的疾徐轻重、点线的疏密粗细之于图像生成任务来说是冗余信息，因为本文的研究目的并非如何用最佳的艺术形式展现古诗意境，而是用具象的而非写意的风格切实刻画出诗中所包含的主体。画家自行创作的随意性较大，无法保证内容的准确性而且成本较高。互联网图片不够全面且质量参差不齐。如果只是选择部分图片混入本文数据集作为补充，则可能引起数据集数据分布不均匀的问题，使得训练难以收敛，效果变差。因此统一使用AI绘画模型生成古诗配图作为本文的数据集成为了一种可行的且成本较低的解决方案。

图3 Stable Diffusion模型原理

本文构建的古诗生成图像数据集由DALLE3生成。数据集中的古诗以《唐诗三百首》为主要内容，总计320首唐诗和对应的320张配图，以图文配对的形式呈现。在后续的图像生成任务中，将320个图文配对按照8∶2的比例划分训练集和测试集，即训练集中包含256个图文配对，测试集中包含64个图文配对。考虑到唐诗自身的特点，本文构建的数据集图片主要由中国古代风格构成且具有写实而非写意的特点。图片内容不仅能够正确反映诗中所包含的主要内容，也能体现出作者一定的情感倾向和诗歌意境。

本文数据集的构建采用多种方式。DALLE3的输入可以是古诗原文、古诗译文，或者将古诗译文翻译为英文作为输入。通常情况下，一首古诗需要通过多种方式配图，并采用多次生成与交叉比对方式，人工来选取最能准确反映古诗含义的图片。如遇到上述方式都无法生成满意图片的情况，本文将手动设计输入文本，直至生成令人满意的高质量图片。

图2展示了本数据集中部分古诗及其配图的示例。如《宿业师山房待丁大不至》中，描绘了一个宁静而又祥和的夜晚，诗人独自于山径之上等待友人的到来。“群壑倏已暝”描写了山谷迅速被暮色覆盖的场景，“松月生夜凉”和“风泉满清听”包含了松树、月亮、风和泉水的意象，增添了夜晚凉爽幽静的氛围。“樵人归欲尽”和“烟鸟栖初定”描绘归家的樵夫和寻找栖息地的鸟儿，通过景物、人物的描写点出时间已晚，描写了夜晚的宁静。“孤琴候萝径”转为描写诗人的内心世界，表达了诗人期盼知音到来的心情。配图中不仅准确地刻画了如松、月、烟、鸟以及人物等意象，也将诗中幽静的夜晚场景、诗人等待友人的意思都刻画到位。《滁州西涧》中，描绘了诗人春游西涧赏景和郊野渡口所见，图片中准确刻画出了小溪边上的幽幽野草、树上的黄鹂、湍急的水流以及一艘悠闲漂浮着的小舟。《下终南山过斛斯山人宿置酒》中，描绘一幅宁静美好的生活景象，碧绿青翠的山间小路、上前迎接的孩童、欢声笑语共同举杯的场景都在图片中体现出来。

总体而言，在使用DALLE3制作数据集时，对于模型生成图片的选择有如下的考量。首先，所生成的图片经过严格的人工检查和筛选，保证制作的数据集图片质量高，人体和动物的解剖结构准确，删除含有畸形或者错误的样本，保证在后续使用数据集微调阶段能够尽量减少不符合常识、逻辑、物理规律的现象。其次，生成的图片在内容上应当与古诗尽可能贴切，即古诗中描绘的自然景观、人物特征或物品种类等应尽量准确而全面。当然，如果诗歌过长或者包含大量不同种类的物体，受限于大模型自身的生成能力，也无法生成一幅包含所有要素的图片。最后，图片应当能反映作者的情感，比如通过整体画面色调、背景刻画等反映出整首古诗的情感基调。另外，仍然存在一些问题是目前难以解决的，例如“一词多义”现象、“古今异义”现象。由于大语言模型的预训练数据集是基于现代文甚至外语的，而如果对于少部分特定诗句中存在的“一词多义”或“古今异义”现象单独作微调工作去修改，则过于烦琐且成本较高，而且容易造成过拟合、语言漂移（Language Drift）^[30]和灾难性遗忘（Catastrophic Forgetting）^[31]等严重问题。总结来说，对于所选择图片的考量应当是准确性大于艺术性，在保证古诗中蕴含的元素能够尽量展现出来的前提下，尽可能地反映出古诗的隐喻、象征、典故等深层语义。

（二）Stable Diffusion模型

Stable Diffusion模型^[32]是一种以潜在扩散（Latent Diffusion）为基础的文本到图像扩散模型，能够在给定任何文本输入的情况下生成逼真的图像。扩散模型是在原图上进行图片的加噪去噪处理，而潜在扩散是对经过一个编码器提取特征之后的特征图空间进行扩散处理，之后经过解码器对特征图还原为所需生成的图像，大大减少了计算量。Stable Diffusion具有良好的可控性、稳定性和适用性，且满足加载大规模预训练权重进行下游自定义任务微调的条件。

如图3所示，Stable Diffusion模型主要由三个模块组成，分别是CLIP的文本编码器、生成模型和解码器。首先，将文本输入CLIP文本编码器，对输入token进行embedding表征，转化为维度是768的向量。随后，将向量化后的文本信息以及噪声输入生成模型。生成模型包含图像编码器，将原图编码为特征图的形式，然后在特征图上进行扩散过程，生成能够与向量化后的文本信息内容相符合的特征图。最后，将该特征图输入解码器还原为需要生成的图片。

（三）LoRA模型

对于大模型来说，相比于预训练数据集，为特定下游任务构建的微调数据集规模显然要小得多，本文的古诗生成图像数据集也不例外。使用相对来说极小规模的数据集继续训练一个大规模预训练的模型或者直接进行微调可能会导致过拟合、语言漂移和灾难性遗忘。语言漂移和灾难性遗忘实际上是训练过拟合所导致的两个现象。例如在文字生成图片模型中，语言漂移指当使用小规模数据集微调时，模型只能画出小数据中某些文字指代的特定含义却忽略了在大规模预训练数据集上学习到的先验知识。灾难性遗忘指模型过度适应小规模数据集中内容，模型中大量与下游任务其实并不相关的权重也因为微调过程而更新，导致模型遗忘大量信息。

通常微调过程是更新预训练模型中的全部参数。而LoRA模型，即大语言模型的低秩适应，冻结预训练模型的权重并训练一个低秩分解矩阵插入Transformer模型中的每一层，无需在训练过程中对预训练模型中的所有参数进行优化。通过LoRA策略微调后的模型将能减少10,000倍参数量，减少3倍的GPU内存。

（四）大语言模型与图像生成模型

针对古诗生成图像任务的特点，本文提出了使用大语言模型加图像生成模型的新范式。具体来说，如图4所示，将古诗输入大语言模型中，要求模型生成对应的适用于图像生成模型的提示词，且该提示词需要正确反映输入古诗的主要内容和意境。此时，将所生成的提示词和训练集中的图片作为图文配对的形式输入图像生成模型，加载预训练权重并加入LoRA模型进行微调。

图4 大语言模型加图像生成模型新范式

在这个新范式中，在图像生成模型之前使用大语言模型是必要的。在Stable Diffusion中，它的文本编码器是CLIP模型的文本编码器，如前文所述，该文本编码器是在大量的、简短的现代文数据集上进行训练的，其语义理解能力相比于大语言模型显然弱得多，对于古诗文的内容、意境甚至蕴含的感情色彩是完全无法理解的。因此，大语言模型对于文本语义理解和情感分析的优势就能充分发挥出来。

本文在使用大语言模型时，是要求大语言模型给出适用于图像生成模型的提示词，而不是直接将古诗翻译为白话文，甚至是英文，其中原因有二。其一，当古诗篇幅过长，例如白居易的《长恨歌》，整篇篇幅近一千字，直译过来包含的主体和意象过多，如果将其直接输入图像生成模型，显然模型无法完全理解。而大语言模型即便对于长文本，仍然能够正确理解文本的语义关系和情感基调，在生成提示词时能够在理解古诗本身含义的情况下，提取到构成一幅图像的最重要的部分，即人物、环境、空间位置等核心组成部分，可以排除在图像生成任务中并不重要的冗余信息。通过这样的方式极大地精简了图像生成模型的输入提示词，从而减少输入提示词过长导致的生成主体缺失以及属性的错误绑定问题。其二，即便短篇幅的古诗直译过来，翻译后的文字也只能表达出古诗中的字面意思，在诗歌作品中诗人往往通过借景抒情、托物言志、引经据典等方式隐晦地传达出自己的情感倾向，使用译文显然无法生成一张能体现古诗情感和意境的配图，而使用大语言模型生成的提示词往往能准确地写出所要求生成图片中的风格和氛围。

（一）实验细节

本文中的微调工作以及后续所有实验都是在一台英特尔i9处理器、英伟达GTX 3090 GPU电脑上完成的，其运行内存大小为24GB。本文的微调工作也是在构建的新数据集上完成的。

微调过程加载了Stable Diffusion预训练权重，外挂VAE模型，采用了LoRA训练策略，采样方式为DPM++3M SDE Exponential，数据集图片的尺寸为1024×1024。CLIP终止层数设置为3，Batch Size为1，提示词引导系数为7，原始模型与LoRA比例设置为1∶1。本实验整体采用的学习率大小设置为0.000005，采用余弦衰减；文本编码器在本实验中不参与训练，学习率大小为0；扩散模型中采用U-Net，学习率大小设置为0.0000005。模型训练总轮数为20个epoch。

在本文的实验部分采用了CLIP Score和FID两个指标来评价图像生成模型的效果。CLIP Score是一种用于评估文生图或图生图模型的评价指标，可用以评价生成图片与原文本或原图关联度大小。在本文中将所生成的图片通过CLIP模型的图像编码器转化为嵌入向量，并使用CLIP模型的文本编码器将输入文本转化为嵌入向量，对上述两个嵌入向量计算余弦相似度。余弦相似度值越高代表生成图像与文本描述之间的匹配度越高。FID可用于评估生成图片与Ground Truth之间差距。在本文中使用预训练的InceptionV3模型分别提取数据集图像和生成图像的特征，将两者特征分别表示为两个多维高斯分布，即每个分布用均值向量和协方差矩阵表示，然后计算两个高斯分布之间的弗雷歇距离。FID值越小代表生成的图像和Ground Truth间的统计特性越相似，即生成图像的质量越高。

图5 本文数据集与其他模型古诗生成图片对比

（二）对比实验

1.必要性实验

本小节进行的对比实验目的是证明构建本文数据集的必要性，即针对古诗生成图像任务仍需采用预训练加微调的方式，单独使用大语言模型或图像生成模型仍然存在一定的不足。图5展示了对比实验的结果，以5首古诗为例，对每一首古诗分别在Stable Diffusion、腾讯混元、通义千问、文心一言、科大讯飞等图像生成模型以及大语言模型和本文数据集中包含的图片进行横向对比。值得注意的是，据我们所知目前没有针对古诗或文言文的垂直领域图像生成模型，比较接近的是Poetry2Image模型。^[33]该模型旨在提升古诗生成图像的质量，使用大语言模型修正关键要素缺失或语义混淆等问题，但是其存在着不符合地域、时代等问题，故在此不考虑加入本文的对比试验。

《寻陆鸿渐不遇》描绘了一幅静谧的乡间小径和草屋画面，草屋主人归家时已经接近黄昏时分。在这首诗的对比中，Stable Diffusion和腾讯混元的图文匹配度较差，生成的图片与诗意本身并不吻合。其他三个模型生成的图片都存在一定错误，例如，通义千问生成的是一座宫殿，而非乡间小屋，文心一言并没有画出一条通向桑麻的小路，科大讯飞没有刻画出黄昏时的夕阳。《题破山寺后禅院》中Stable Diffusion的图文匹配度仍然不高，腾讯混元和通义千问没有传达出“曲径通幽处，禅房花木深”的意境，诗中应当描绘的是一条僻静幽深的小道，而禅房掩映在繁茂的花草丛中。文心一言所描绘的场景则更像一座宏伟的宫殿而非禅房。《金缕衣》劝诫人们珍惜青春少年时，而除了本文数据集图片能够传达出此含义之外，其他模型的理解都停留于字面意思，或者错误理解了古诗的主旨。

总体而言，本文构建的数据集图片往往能够在同一首古诗中包含更多诗中存在的元素，在环境、时间、人物、情感主旨等方面相比于直接使用现有的大模型所生成的图片更加准确且内容更为饱满。

2.实用性实验

本小节进行的实用性实验的目的是证明本文提出的大语言模型加微调图像生成模型的新范式是有效的。本文选定Stable Diffusion模型作为实验对象，对比微调前后的图片，计算FID和CLIP Score两个评价指标作为客观评价来证明该范式的实用性，然后设计主观测评来辅助验证微调的有效性并验证FID和CLIP Score指标的科学性。

图6展示了Stable Diffusion模型微调前后的对比结果图。微调前的Stable Diffusion仅加载预训练权重，生成的图片内容单调且并不符合古诗主旨含义，图片风格或人物形象经常出现西式甚至是日漫风格，经过微调后生成的图片往往能够较好地捕获古诗表达的含义和意境，并且能够较好地学习到数据集中包含的整体构图风格，同时也能反映出正确的时代背景和中式风格。

图6 Stable Diffusion模型微调前后对比图

表1 Stable Diffusion模型微调前后的CLIP Score和FID指标

表1中展示了使用Stable Diffusion模型微调前后在CLIP Score和FID指标上的对比结果。相比于微调前，CLIP Score指标提高了0.87，说明微调之后生成图片内容与输入古诗的语义信息之间的关联度更高，更能传达古诗本身的含义；FID指标下降19.55，说明微调后生成图片内容更接近Ground Truth，风格上也与之更为接近。

由于客观指标和计算公式无法衡量古诗意境的深层表达，如情感一致性和文化适配性等，故本文还设计了主观性测评以辅助验证所提出新范式的有效性，并证明了所使用的FID和CLIP Score指标的科学性。本测评环节邀请了来自数字人文、汉语言文学、信息管理、计算机等专业共42位硕博研究生参与。本测评采取问卷的形式，分为两个问题，这两个问题分别对应FID和CLIP Score指标的含义。

具体来说，第一个问题对应FID指标的含义，给定Ground Truth和微调前后共三张图片，询问微调前后的两张图片中哪一张与Ground Truth在内容上、风格上总体更为类似。第二个问题对应CLIP Score指标的含义，给定一首古诗和所对应的微调前后的两张图片，回答微调前后的两张图片中哪一张与该古诗在内容、地域、时代以及情感上更为接近。

第一个问题的目标是通过人工评估，验证使用新范式进行微调训练后生成的图片是否比微调前更能学习到Ground Truth的风格和内容。第二个问题的目的是通过人工评测，验证生成的图片是否在内容、地域、时代背景以及情感上更符合古诗本身。为了防止同一位测评者在连续回答两个问题时可能产生倾向性，本实验将测评者平均分为两组，每一组共21位测评者，每人只需回答其中一个问题即可。据测评结果显示，问题1中有17位选择了微调后的图片，占全组80.95%，问题2中有19位选择了微调后的图片，占全组90.48%。结果证明了本文提出的大语言模型加微调图像生成模型的新范式是有效的，所生成的图片不仅能够学习到Ground Truth的内容和风格，也能较为准确地生成与古诗内容和情感更密切的图片。

（三）剥离实验

1.图像生成模型的输入

图像生成模型的输入对于生成图像的质量起着至关重要的作用。对于本文古诗生成图像这类较为复杂的任务场景，如何设计输入文本使得文本能够传达古诗的现代文含义，并且包含诗中的情感氛围就显得尤为重要。人工标注此类文本似乎是最佳的解决方案，但目前既精通古代文学、又掌握计算机技术的跨学科专家十分稀缺，且每一首古诗都进行精心标注的工作量极为繁重，而使用大语言模型可以模拟跨学科专家，在能够理解古诗语义、情感等方面因素外，同时输出适合图像生成模型的提示词。为证明这种方式的有效性，本节将输入文本替换为古诗的中文白话文译文以及英文译文分别输入模型生成配图，如图7所示。

图7 不同类型的输入文本生成图像对比

表2 不同类型的输入文本生成图像FID指标

表2展示了图中三首示例古诗在不同输入文本类型情况下的FID指标。使用大语言模型作为输入文本的FID指标相比于中英文译文都要更小，证明了使用大语言模型作为输入文本的生成结果与本文数据集中的图片更为接近。产生这种差异的原因是从古诗本身直译过来的白话文往往过于洋洋洒洒且重点不突出，当译文中出现多个主体的时候，图像生成模型往往会忽略其中几个重要的主体，这导致生成的图片内容看似与古诗本身出现了不相符合的情况。另外，译文中往往不带有情感因素，而通过大语言模型生成的输入文本能够在理解诗中情感的基础之上，写明以什么样的风格或以什么样的氛围生成包含什么内容的图片，这在提示词工程的相关研究中已被证明是一种非常适用于图像生成模型提示词的表达方式，能够更高效地生成想要的图片。^[34]

2.LoRA比例及训练轮数

由于本文构建的古诗生成图像数据集规模较小，直接对Stable Diffusion模型进行微调容易导致语言漂移和灾难性遗忘，在实际操作中导致梯度爆炸、损失值无法计算的问题，故在针对如本文的小规模数据集微调时往往使用LoRA模型。

图8展示了一首古诗生成的配图随着LoRA模型的比例以及训练轮数增加的变化情况。图片沿纵轴向下，LoRA模型的比重增加；沿横轴向右，训练轮数增加。可以从图中观察到，随着训练轮数的增加，模型的细节也逐渐增加，人物或物体的空间位置关系逐渐合理；而随着LoRA模型比例的增加，图片风格更趋近于本文数据集的风格，且人物和背景从西式风格改为中式风格。但当LoRA模型所占比例过大时，生成的图片会与数据集中图像的数据分布过于拟合，大幅降低了图像生成模型本身一定的随机性和创新性，导致图像失真。在本文实验中，将LoRA模型所占比例参数设置为1。

图8 LoRA模型比例及训练轮数对图片质量的影响