數字人文視野下歷史社會網絡構建與知識發現

摘 要 針對新興數字人文領域歷史社會網絡的構建與分析需求，提出了一個融合顯式與隱式表示的社會網絡分析框架。論文通過數據抽取腳本將異構數據匯總為具有統一視圖的人物關系數據集，支持關系網絡的自定義構建和多維分析；通過融合人物影響力的網絡表示學習算法，將人物轉換為數學向量形式，為語義計算和實證分析提供基礎數據。基于該框架構建了可視化知識發現平臺，輔助研究者根據特定學術問題對歷史人物的社會關系進行探索。

關鍵詞 歷史社會網絡分析；網絡表示學習；知識發現；數字人文

分類號 G250

DOI 10.16810/j.cnki.1672-514X.2024.11.010

Research on the Construction and Knowledge Discovery of Historical Social Network： a Digital Humanities Perspective

Pan Jun

Abstract Historical social network analysis has gained significant academic attention in the emerging field of digital humanities. This study introduces a framework that utilizes a combination of explicit and implicit network representations to mine knowledge from historical figure relationships. It integrates heterogeneous data through data extraction to create a unified historical figure relationship dataset， enabling multidimensional analysis of historical networks. A network representation learning algorithm is used to generate figure vectors for se5L1liDp1jBknj+QJIFRsnQ==mantic computing tasks and empirical analysis. A knowledge service platform is then developed to help humanities scholars in exploring the social connections and activities of historical figures related to their academic interests.

Keywords Social network analysis. Network representation learning. Knowledge discovery. Digital humanities.

0 引言

傳統社會的結構問題是費孝通關于中國歷史社會學提出的一個重要問題。“差序格局”這一經典概念的提出，極大地拓寬了歷史社會學研究的論域[1]。社會關系滲透于社會生活的各個方面。歷史社會的發展，也是各類關系不斷締結、維系并相互影響的過程。因此，重建和分析歷史人物的社會網絡，有助于豐富我們對當時社會政治、制度、文化等諸多方面問題的認識，發現隱藏在歷史事件背后的邏輯和動力。傳統的歷史人物社會關系研究，主要依賴于對古籍文獻和歷史檔案的搜集、遴選與梳理，通過對人物生平和交游情況的考證，獲得歷史事實的“近真與頭緒”。例如鄧廣銘先生對辛棄疾交游的考證[2]，就屬于這方面研究的開創性工作。之后的一些研究則聚焦群體人物的社會關系，如黃云鶴對唐宋時期落第士人社會交往的研究[3]，梁建國對北宋東京士人交游的研究[4]，平田茂樹對宋代科舉社會人際網絡的研究[5]，蕭啟慶對元代多族士人網絡中師生關系的研究[6]，以及徐林對明代江南士人群體交往的研究[7]等，對古代社會多個時期都頗有涉及。綜括而言，這些研究在對象上側重于個體或小范圍群體的社會關系，在方法上依賴于研究者長期訓練和工作中積累的專業知識，注重對文獻資料的辨析和對史實的把握，數據規模與分析方法相對有限。近年來，隨著數字人文理念的興起，國內外數字人文平臺的建設蓬勃發展，各學科數據的規模持續擴大，獲取方式更為便捷，有力促進了數據驅動研究范式的發展，相關工作呈現出多學科交叉融合的鮮明特點[8]。在此背景下，在更廣闊的時空維度上進行歷史社會網絡研究的基本條件初步具備，并取得了一些較有代表性的成果[9-10]。

稍顯遺憾的是，現有的數據驅動的歷史社會網絡研究，多局限于對單一主題的定量分析，所構建的社會網絡規模亦有限，且往往要依賴于專門的分析工具，缺乏一個系統性的歷史社會網絡分析框架，這些都限制了社會網絡分析方法在人文歷史領域的進一步應用。本研究為此提出一種面向數字人文的，結合顯式與隱式表示的歷史社會網絡分析通用框架。該框架利用數據抽取和清洗腳本將多源數據歸納為具有統一視圖的歷史人物關系數據集，支持顯式社會網絡的自定義構建和多維分析；通過網絡表示學習算法生成歷史人物的語義化向量表示，為相關度計算、聚類分析等人文計算任務提供基礎服務。同時，本研究給出了該框架的一個具體實現，以輔助人文學者根據所關注的研究主題對歷史人物的社會關系進行挖掘研究，進而建立起立體的跨時空歷史社會圖景。

1 數字人文中的社會網絡分析方法與應用

數字人文是一個橫跨信息技術與人文科學的新興研究方向。當前，越來越多的人文社科學者開始關注信息技術，并將其作為解決一些具體問題的手段。地理信息系統、知識圖譜、復雜網絡、大語言模型等技術與傳統人文社會科學研究的結合，正有力推動著跨學科交叉和跨界融合研究的發展。數據是數字人文研究的基石，人文計算結果的可信度和可驗證性主要取決于數據的質量、規模和粒度等因素。近年來，一批重要的數字人文數據庫和平臺陸續建成，如中國歷代人物資料庫（CBDB）、中國歷史地理數據庫（CHGIS），中國多代人口系列數據庫（CMGPD），數字人文關聯開放平臺等。這些歷史人文數據庫的建立和完善，為研究者開展數據驅動研究提供了有效資源，極大拓展了人文社科研究的范圍和深度[11-13]。

社會網絡分析是人文社科研究的常用方法。它將獨立的社會個體抽象為節點，將個體之間的聯系表示為連邊，信息通過這些節點和連邊傳遞，從而構成復雜的關系網絡。傳統的社會學定量分析比較關注節點的屬性（如年齡、職業、籍貫等），而社會網絡分析則更側重于節點之間的關系（如親屬關系、社會角色、行為和共現等），進而探索社會現象的深層結構和動態變化。社會網絡分析方法在歷史社會學領域的應用，可以追溯到Wetherell在1998年發表的論文，其中系統論述了歷史社會網絡分析的基本概念和方法[14]。近年來，隨著數字人文研究的興起，社會網絡分析方法愈加受到人文社科領域學者的重視，并取得了豐碩成果。例如，Moretti將社會網絡理論應用于敘事性文學的情節分析，把情節表示為由人物及行為構成的社會網絡，以討論情節模式的長時段演進[15]。魏會洋等人運用社會網絡分析法，對小說《白鹿原》中人物關系的結構和特征進行了“遠讀”與分析[16]。范文潔等人將《左傳》記錄的春秋時期諸侯國之間的合作與對抗轉化為關系網絡，進而探討諸侯國之間的互動模式和戰爭格局的變化[17]。社會網絡分析方法結合書信往來，亦能呈現歷史時空中的人物關系網絡。斯坦福大學的“Mapping the Republic of Letters”項目，將西方啟蒙思想家之間通過書信交流形成的網絡進行可視化呈現，被視為信息科技應用于歷史檔案分析的典范。李惠等人構建了古人書信網絡模型，并以曾國藩為例探索人際關系中蘊含的線索[18]。值得指出的是，以群體傳記為理論基礎的中國歷代人物傳記資料庫（CBDB），收錄了大量的歷史人物關系數據，其中不僅包括支持、合作、朋友等正面關系，還包括反對、陷害等負面關系，為歷史社會網絡分析實踐研究提供了堅實的數據基礎，相關工作涵蓋家族網絡[19]、政治網絡[9]、進士網絡[20]等多個研究主題。

綜上所述，既有研究開始關注到數字人文視野下歷史社會網絡的構建與分析，但仍然存在一些局限性：首先，既有研究構建的社會網絡往往針對特定主題，覆蓋范圍有限。其次，既有研究多借助社會網絡分析理論對顯式網絡進行討論，較少關注社會網絡的隱式表示。最后，既有研究多使用Pajek、Gephi、Ucinet等專用工具來完成數據處理和可視化，缺少通用的歷史社會網絡分析框架及平臺。在此背景下，借助文本挖掘、數據分析、機器學習等技術，構建具有統一視圖的歷史人物社會關系數據集，開發相應的支撐工具和可視化人文計算平臺以輔助實證研究，就具有一定的現實意義。

2 研究方法

2.1 社會網絡分析理論與網絡表示學習方法

現實社會中的許多復雜系統，如社交網絡、引文網絡、網頁鏈接網絡等， 都可以借助關系網絡來描述。在社會網絡分析中，如何有效地表示節點間的關系是一個核心問題。一種常用的表示方法是使用鄰接矩陣，即使用一個的矩陣來表示具有個節點的網絡：若兩個節點存在邊，則為相應的矩陣元素賦值1或邊的權重，否則賦值0。在鄰接矩陣中，每一行都表示一個節點與其他節點之間是否存在邊，因此可以將每一行視作對應節點的一種向量表示。鄰接矩陣雖然簡單直觀，但存在高維稀疏等問題，不適用于大規模網絡的表示和計算，也難以支持各種高效的機器學習模型[21]。

一種解決方案是將高維稀疏表示的鄰接矩陣嵌入到低維稠密的向量空間中，使得越相關的節點在新空間中對應的距離越小，從而獲得每個節點的低維表示，如圖1所示。

傳統的網絡表示學習方法可分為兩類：基于矩陣特征向量的譜聚類方法和基于矩陣分解的方法。這兩類方法都依賴于關聯矩陣的定義與構建，時間和空間復雜度較高。隨著深度學習技術的發展，基于神經網絡的表示學習成為研究重點，其核心思想是利用神經網絡模型來學習網絡節點的分布式表示，代表性方法主要有DeepWalk、LINE、Node2Vec和SDNE等。這些算法的共同點是對節點的鄰居信息進行建模，并借助深度學習框架進行特征提取和表示學習，從而得到節點的低維連續表示。這種分布式表示能有效捕捉節點間的語義關系，而低維語義空間又緩解了鄰接矩陣所固有的高維性和稀疏性問題，因此逐漸成為處理大規模網絡表示學習的重要方法。

2.2 系統框架

為了實現對歷史人物關系的知識挖掘，本文構建了一個融合顯式與隱式表示的歷史社會網絡構建與分析框架，如圖2所示。該框架包含四個主要組成部分，其處理過程簡述如下。

（1）數據集成。歷史人物關系網絡本質上是基于關系數據重建的人工網絡。數據來源可以包括知識圖譜、結構化數據、非結構化文本等。根據人文計算的需求，設計統一的人物關系數據模型，并通過數據抽取腳本將多源異構數據歸納整理為多維數據集，最終存儲到數據集市中。

（2）網絡建模。根據人文計算的研究對象及具體問題，在數據集市中選取相應主題的數據集，以人物為節點，人物交互關系為邊構建網絡。網絡的類型和特征可以自定義，例如，可以使用專家評分方式為各類關系分配權重，使用特征向量中心性或其他網絡指標計算人物的影響力等。

（3）表示學習。基于構建好的人物關系網絡，運用網絡表示學習算法來生成人物節點的向量表示。根據具體需求選擇適當的網絡表示學習算法，并通過參數調優等來獲取精確的人物語義向量。

（4）語義計算。以人物的低維實值向量作為輸入，進行相關度計算、人物聚類、關系預測等人文計算任務。依據計算結果及對關聯史料文獻的循證分析，對某些新線索或新觀點進行探討論證。

圖2的框架具有良好的可擴展性。研究者可以根據自己的專業特長和研究興趣創建面向不同學術主題的數據集，并通過腳本調度定期從多個數據源中抽取數據，增量更新到數據集市中。對于選定的數據集，可根據具體的研究情境生成特定類型的關系網絡，再用網絡表示學習方法獲取人物節點的向量表示。在將節點向量與節點特征相關聯后，可通過維度下鉆或上卷等范式進行各項專題研究。此外，通過關聯數據提供的文獻出處，可按圖索驥進行回溯考訂，以論證所得結論。

3 歷史社會網絡分析與可視化平臺的構建

3.1 數據模型與數據處理

高質量、大規模的人物數據是構建歷史社會網絡知識服務平臺的基礎。本研究選用中國歷代人物資料庫（CBDB）[22]中收錄的人物社會關系和親屬關系作為主要數據來源，CBDB已經系統收錄了約52萬筆歷史人物的傳記資料。本研究主要關注特定時空下歷史人物的社會關系網絡，為此在CBDB原有表結構的基礎上，重構了以人物關系為中心的時空數據模型，如圖3所示。

在現有關系數據的基礎上還可以進一步推導出其他人物關系。例如由“Z的弟子為X”，及“Z的弟子為Y”，可推斷X與Y為同門關系。此外，通過五服親屬關系推理，可以補充缺失的親屬關系。本文據此對部分關系數據進行了擴充。最后，編寫腳本對數據進行集成、清洗和校驗，構建了一個具有統一視圖的中國歷史人物關系數據集，包含從唐宋到元明清的歷史人物18 947位，人物關系數據100 894條。

3.2 人物關系時空挖掘可視化

大規模歷史社會網絡的構建，為拓展歷史社會學研究提供了堅實的數據基礎。數據驅動的研究范式正是通過對這些數據的量化分析和可視化呈現，改進了解答問題的方式。盡管一些學者對這一研究范式仍持有保留態度[23]，但史料的數字化工作契合傅斯年先生“史料即史學”的觀點，本身就具有重要的研究價值[24]，關鍵在于需要有問題意識作指引，即基于這些結構化數據來提出新問題，解釋問題或者豐富我們對問題的認知。

例如，以往對宋代溫州士大夫群體的研究[25]，往往聚焦個案人物作具體而微的考證分析，缺乏鳥瞰式的全局概覽。基于本文構建的歷史人物關系數據集，我們可以根據研究對象提取相應的社會關系，并從多個維度對其篩選后進行可視化呈現。圖4展示了從時間、空間維度對宋代進士數據集篩選后，基于力導圖算法生成的南宋溫州進士的社會關系網絡圖。

從圖4中可以看出，永嘉學派的代表人物陳傅良和葉適對南宋溫州科場有著較大的影響力。其實從文獻分析可知，首先，陳、葉二人是南宋中期政壇的佼佼者。陳傅良在乾道八年（1172年）試禮部第二，其弟子蔡幼學為省元，該科進士“皆公鄉郡人，非公之友，則其徒也”；葉適在淳熙五年（1178年）中進士第二，其門人錢易直和周端朝隨后皆中省元。以陳傅良和葉適為中心，形成了永嘉學派士人相互扶持的關系網絡。其次，陳傅良的科舉時文集《待遇集》、葉適的《進卷》是當時最流行的時文教材，永嘉文體因而成為引領科場文章風氣的先鋒。第三，陳傅良在城南茶院講學，從者數百人；葉適晚年退居永嘉水心，求問場屋之學的士子絡繹不絕。可見，宋代溫州科舉的興盛，與永嘉學派的形成與發展有著千絲萬縷的聯系。包弼德認為，理學更容易在重視教育的地區傳播和發展[26]，而基于較完備數據的社會網絡多維分析，強化了相關結論的可靠性和說服力，并可進一步為科舉地理等相關研究提供新的視角和數據支撐。例如，研究者可對福建路、兩浙路、江南東、西路的士人關系網絡進行對比觀察，以進一步討論分析閩學、婺學、永康學、永嘉學、象山學等理學諸學派之間的相互融合又相互角力的現象。

3.3 隱式網絡構建與分析

傳統的社會網絡一般采用鄰接矩陣或鄰接表的顯式表示方法，在處理大規模網絡時會面臨計算復雜度過高的問題。本文為此利用網絡表示學習方法將顯式網絡中的人物節點映射到低維稠密的實空間中，在提升計算效率的同時，可支持人物聚類、相關度計算等任務。

3.3.1 改進的網絡表示學習方法

DeepWalk是一種經典的基于神經網絡的網絡表示學習方法，其思想是利用隨機游走生成長度固定的節點序列，然后將這些序列視作句子，輸入到神經網絡語言模型中進行訓練，最終得到每個節點的低維向量表示。Node2Vec改進了隨機游走策略，引入兩個參數來控制游走的深度和廣度，兼顧了網絡的局部和整體結構。這兩種算法的理論前提都是計算語言學的分布式假設，即認為相關的詞的上下文也是相關的。在關系網絡中，相連的節點或不相連但具有共同鄰居的節點，在隨機游走過程中往往具有較高的共現概率，因而相關度也就較高。

在真實的社會網絡中，還應考慮人物的影響力，若相鄰節點在網絡中的影響力差異較大，則應降低相關度。以CBDB數據庫中收錄的王安石的社會關系為例，其中有王安石為他人撰寫墓志或祭文的數據168條，涉及對象包括曾公亮、盛京、丁元珍等對其有知遇之恩的前輩名臣，以及呂公綽、高若訥、程琳、蕭定基、丁寶臣等同僚朝臣，這些具有較高影響力的歷史名人在生前與王安石都有密切的聯系。然而，也有一些普通墓主在生前并未與王安石有過交集，是因他們的家人仰慕王安石的地位而通過各種途徑向他請銘而作，應在隨機游走過程中降低共現概率。本研究為此改進了Node2Vec的游走策略，以更準確地刻畫網絡中人物間的關系分布。

3.3.2 人物向量t-sne可視化

為了獲得歷史人物的語義向量，可根據學術主題從歷史人物關系數據集中抽取子集，構建相應的專題數據集，并使用融合影響力的網絡表示學習方法獲取人物的向量表示，以計算任意人物間的相關度，或通過對向量降維后進行可視化呈現，進而觀察人物關系的疏近分布。

宋代理學在中國古代思想文化史上具有重要地位，對理學人物及其思想的個案研究成果頗豐。這些研究通常考證精密詳實，但往往缺乏宏觀視角。如果能結合更廣闊時空背景下人物的分布情況，將有助于我們全面審視宋代理學各個流派的人物分布和地域的關系。為此，本文選取宋代理學人物之間的學術關系來構建數據集，并建立關系網絡，進而利用網絡表示學習方法獲得人物的向量表示。所選取的具體學術關系如表1所示。

在選取上述關系為人物節點建立連邊后，采用改進的Node2Vec算法，訓練得到維度為256的人物向量，隨后利用t-sne算法進行降維和可視化呈現，結果如圖5所示。

通過對選定范圍內人物向量進行降維處理，可顯示不同時空范圍內人物的分布情況。從圖5中人物的距離和分布，關聯人物的個人信息和循證文獻，可以較直觀地審視南宋理學各個流派的分布情況。首先，南宋時期的學術團體較為集中，圍繞朱熹、呂祖謙、陸九淵等理學大師形成了若干大型學術團體。其次，這些學術團體的核心成員中不乏一些著名的政治人物，如永嘉學派的葉適、許及之、戴溪、蔡幼學等，都曾仕至尚書、宰執，這與永嘉學派的功利主義政治觀以及實現內圣外王的理想是契合的。第三，關聯人物的地理信息，可以發現人物的聚集現象與理學流派的區域分布緊密相關，主要包括朱熹的閩學，呂祖謙的婺學，陸九淵的象山學，陳傅良、葉適的永嘉學，陳亮的永康學，張栻的湖湘學等，以各流派理學大師所在地域為中心，形成一個個并立的學術團體。在提取人物籍貫信息后可以進一步觀察到，南宋理學人物主要分布在兩浙路的溫州、婺州、處州、衢州，福建路的建寧府、邵武軍，江南東路的信州、饒州，江南西路的撫州、建昌軍等地，體現了各學派的地域分布特征。

3.3.3 人物畫像與親屬網絡

通過歷史人物的語義向量，結合人物的個人信息和標簽，可以對具體人物進行關系挖掘，并利用可視化手段來揭示一些具體而微的歷史細節。例如，科舉制度在明代臻于完備，明代士人通過同年、同鄉、同學、同道、以及座師門生等關系，形成了錯綜復雜的社會網絡。通過挖掘明代士大夫近鄰人物的身份和具體關系，可以觀察到明代科舉社會的某些特質。圖6以明代中期著名的政治人物和文學家李東陽為例，展示了其近鄰人物及其親屬。

揆諸史實，李東陽于天順八年舉二甲進士第一，歷仕天順、成化、弘治、正德四朝，從政五十年，柄國十八載，且文采優長，是茶陵派的領袖，在政治和文學上均具有重要影響。通過對李東陽近鄰人物的分析，可以將其大致分為四類。第一類為其師長，包括業師展毓、黎淳、陳俊、劭玉等，以及鄉試座師陳鑒，會試座師彭時、錢溥，庶吉士館師劉定之、柯潛等。第二類為其學生，包括他任翰林院庶吉士館師時的學生顧清，以及門生劭寶、何孟春、石珤等。第三類為其同年好友，包括倪岳、謝鐸、陳音等。第四類是其同僚，如內閣同僚徐溥、丘浚、劉健、謝遷、焦芳等。李東陽與這些人物有著不同程度的交往，其交游形式主要包括序跋文字、宴飲、結社、悼亡祭奠、舉薦延譽等，這也是明代士大夫之間常見的來往方式。圖6這種基于關系數據的人物畫像與親屬網絡查詢，能夠較全面地呈現人物概貌，并為快速獲得歷史人物的相關信息提供支持。

4 結語

歷史人物的社會活動是多種因素相互作用的結果，既受到當時社會制度的制約，也反映了政治、經濟和文化等多方面的變化和發展。以歷史社會網絡為中心，聯系人物社會活動所依存的歷史背景，可以更好地觀察人際關系與社會文化、政治制度之間的互動。本文為此提出了一個結合顯式與隱式表示的歷史社會網絡分析框架，并以CBDB數據庫和科舉文獻資料為基礎，構建了面向主題的歷史人物社會關系數據集市，實現了可視化的知識發現平臺，通過計算目標人物的近鄰人物，可以揭示出一些隱藏的關系模式和線索，通過對不同人物群體近鄰分布的分析，可以揭示社會現象的內在邏輯和動態變化。實證研究表明了本文框架具有較好的可擴展性。

然而限于水平和學識，文章對于具體的史實考證論述尚顯粗糙，今后將加強與其他領域學者進行合作，考索細節，探索關聯，為數字人文實踐研究提供新視角。

*本文系浙江省高校重大人文社科攻關計劃項目“江南士人群體社會關系網絡與地域文化演進研究”（項目編號：2023QN088）、國家社會科學基金項目“古代科技文獻名物知識圖譜構建與人文計算研究”（項目編號：23BTQ019）的研究成果。

Pan Jun ： Research on the Construction and Knowledge Discovery of Historical Social Network： a Digital Humanities Perspective

潘 俊：數字人文視野下歷史社會網絡構建與知識發現

Pan Jun ： Research on the Construction and Knowledge Discovery of Historical Social Network： a Digital Humanities Perspective

潘 俊：數字人文視野下歷史社會網絡構建與知識發現

Pan Jun ： Research on the Construction and Knowledge Discovery of Historical Social Network： a Digital Humanities Perspective

潘 俊：數字人文視野下歷史社會網絡構建與知識發現

參考文獻：

Pan Jun ： Research on the Construction and Knowledge Discovery of Historical Social Network： a Digital Humanities Perspective

潘 俊：數字人文視野下歷史社會網絡構建與知識發現

費孝通.鄉土中國[M].北京：三聯書店出版社，

1985.

鄧廣銘.辛稼軒交游考[J].復旦學報， 1944（1）：

87-144.

黃云鶴.唐宋時期落第士人群體研究[J].古籍整理研究學刊， 2016（2）：108-109.

梁建國.朝堂之外：北宋東京士人走訪與雅集：以蘇軾為中心[J].歷史研究， 2009（2）：21-37.

平田茂樹.宋代政治史研究的新視野：以科舉社會的“人際網絡”為線索[J].史學月刊，2014

（3）：22-27.

蕭啟慶.元代多族士人網絡中的師生關系[J].歷史研究， 2005（1）：119-141.

徐林.宴飲與明中后期江南士人社會交往生活[J].社會科學戰線， 2005（2）：152-156.

哈歡歡.圖書館在數字人文研究服務中的實踐與策略[J].新世紀圖書館， 2021（9）：46-51.

嚴承希，王軍.數字人文視角：基于符號分析法的宋代政治網絡可視化研究[J].中國圖書館學報， 2018，44（5）：87-103.

宋雪雁，楊芳芳，羅慧.知識重組視域下《全唐詩》戰爭詩詩人社會網絡關系研究[J].圖書情報工作， 2023，67（20）：34-44.

劉瀏，齊月，劉雛菲，等.計算人文下的古籍引書

研究及全文本知識庫的構建[J].情報學報，2023，

42（12）：1498-1512.

位通，桑宇辰，史睿.基于知識重構的年譜時空

可視化呈現：以《朱熹年譜長編》為例[J].中國圖書館學報， 2022，48（2）： 62-75.

夏翠娟，賀晨芝，劉倩倩，等.數字人文環境下歷史文獻資源共建共享模式新探[J].圖書與情報，2021，（1）：53-61.

WETHERELL C.Historical social network analysis

[J].International Review of School History， 1998， 43（5）：16-21.

MORETTI F.Network theory， plot analysis[J]. New LeftS6Eml39RTdjO9f/IH8p+zg== Review， 2011（68）：80-102.

魏會洋，袁曦臨.社會網絡分析在文學閱讀研

究中的適用性問題：以數字人文視角下的《白

鹿原》人物關系闡釋為例[J].新世紀圖書館，

2019（3）：30-34.

范文潔，李忠凱，黃水清.基于社會網絡分析的

《左傳》戰爭計量及可視化研究[J].圖書情報工作，2020，64（6）：90-99.

李惠，侯君明，陳濤，等.星漢窈渺：書信網絡

中蘊藏的人際關系挖掘[J].圖書館雜志， 2020，

39（5）：86-92.

錢超峰，杜德斌.北宋官僚家族網絡的空間結構及其演化：基于CBDB和CHGIS的考察[J].歷史地理研究，2019，39（2）：83-94.

潘俊.探微知著：從知識庫和科舉文獻中構建歷史社會網絡：以明代進士群體為中心[J].圖書館論壇，2021（5）：1-12.

涂存超，楊成，劉知遠，等.網絡表示學習綜述[J].中國科學：信息科學， 2017， 47（8）： 980-996.

TSUI L H，WANG H.Harvesting big biographical data for Chinese history： the China Biographical Database（CBDB）[J].Journal of Chinese History， 2020，4（2）：505-511.

成一農.拋棄人性的歷史學沒有存在價值： “大數據”“數字人文”以及歷史地理信息系統在歷史研究中的價值[J].清華大學學報（哲學社會科學版）， 2021，36（1）：181-190.

陳加晉，盧勇.發現更真的歷史：中國計算史學

的百年之路與時代使命[J].圖書與情報， 2023

（1）：21-30.

岡元司.南宋期科舉試官的地域性：以浙東出身士大夫為中心[C]//宋代史研究會.宋代社會的網絡.東京：東京創文社， 2002：251-252.

包弼德.群體、地理與中國歷史：基于CBDB和CHGIS[J].量化歷史研究， 2017（Z1）：213-246.

潘 俊 浙江科技大學理學院數據科學系副教授。 浙江杭州，310023。

（收稿日期：2024-03-03 編校：左靜遠，曹曉文）