本文将知识本体构建技术应用于行政区划地名(简称地名)演变研究中，构建地名演化本体知识库，并从直接路径关系和间接路径关系两个角度展示地名演化本体知识库，以此探究地名从古至今的演变过程，同时揭示地名变化过程中的规律性知识

 

摘要：【目的】利用关联数据技术对地名沿革的演变过程进行研究，更好地发挥地名的文化传承作用【方法】构建中国地名演化知识库CGNEOnto,制定演变类型强弱标志词识别历史沿革数据中的演变类型句，再利用BERT-BiLSTM-CRF深度学习模型识别演变类型句中的时间和地名实体，将识别出的时间和地名实体作为本体中的类构建本体知识库，同时从直接路径关系和间接路径关系角度对构建好的行政区划地名演化本体知识库进行可视化展示。

并对各朝代不同演变类型的数量以及形成原因进行统计分析【结果】实验结果表明，所提模型能够多角度、直观地展示地名演变情况，为地名数据的分析挖掘提供了一种新的思路【局限】数据集规模较小，造成演变特征词也有一定的局限。

【结论】构建的地名演化知识库能够直观、清晰地展现地名从古至今的演变情况，以及各朝代演变类型的情况关键词：数字人文；本体知识库；地名演变；模式匹配；实体识别1  引言 文化是一个国家的灵魂，是一个民族的根与源，沉淀着国家底蕴，影响着国民面貌。

中华优秀传统文化源远流长，生生不息，积淀着中华民族最深沉的精神追求代表着中华民族独特的精神标识，传承和发展中华优秀传统文化是时代使命数字人文的兴起，推动了中华优秀传统文化的传承与保护从“数字化”到“数据化”再到“数智化”方向发展。

 地名作为一种重要的文化记忆，是中华优秀传统文化中的重要组成部分民政部在2016年发布的《关于进一步加强地名文化遗产保护工作的通知》中指出：进一步加强地名文化遗产保护，促进地名文化发展繁荣，更好地传承弘扬中华优秀传统文化。

地名是和历史文化紧紧关联在一起的，朝代的兴衰交替，风俗习惯的改变和传承，一定程度上都会在地名中显现出来例如，朝代的更替会导致地名发生更改；为了纪念某位英雄人物，会以该英雄的名字命名某个地方等因此，地名数据蕴含着丰富的信息，很有必要对地名数据进行挖掘分析。

目前，图情档领域关于地名的研究主要集中在利用深度学习模型对地名进行实体识别、地名规范控制和地名词库构建等方面，对于地名演变的研究相对较少本文将知识本体构建技术应用于行政区划地名(简称地名)演变研究中，构建地名演化本体知识库，并从直接路径关系和间接路径关系两个角度展示地名演化本体知识库，以此探究地名从古至今的演变过程，同时揭示地名变化过程中的规律性知识，为地名文化遗产的保护、管理、传承与发展提供借鉴。

2  相关研究 地名是各历史时代人类活动的产物，蕴含着丰富的历史、地理、经济、语言等科学内涵，每个地名背后都有着深厚的历史文化意义目前关于地名的研究主要集中在以下4方面（1）地名的识别文献[2-3]利用深度学习模型识别古籍中的地名实体。

文献[4]在条件随机场模型中加入信息熵和点互信息识别新闻时间中的地名，并将其链接到数字地图文献[5]提出一种基于复合特征的中文地名识别方法，将类型、路径、距离和数量4种句法特征以及地名要素特征、词性特征句法特征三种复合特征与条件随机场模型结合识别出中文地名。

文献[6]提出基于循环神经网络的汉字级别的地名识别模型，将汉字特征与循环神经网络结合，重新定义地名识别任务的输入和输出（2）地名的规范控制文献[7]提出一种基于关联数据实现地方文献地名规范控制的模式，便于本体推理和关联外部数据集。

文献[8]对粤海关档案中的地名等拼音文字进行规范控制，为海关档案本体的构建提供术语词表文献[9]探索历史地理学在图书馆数字人文项目中的开放共享，利用知识组织和规范控制方法重组历史地理数据（3）地名词库构建。

文献[10]构建了包含地名等6种专名信息的古籍专名数据库，并计算了各专名的置信度文献[11]在对清代蒙古盟旗地名变迁共时研究的基础上，构建了清代蒙古盟旗地名数据库文献[12]提出了一种整合地名词典知识的技术，利用地名词典处理关键短语中的词汇外单词，实现了在给定输入文档的情况下自动构建地名词典。

文献[13]利用信息提取和集成技术从在线数据中自动获取地理特征、相关的足迹和特征类型，讨论了生成的地名录的显著特征，并根据亚历山大数字图书馆地名录和洛杉矶综合书目数据库对生成的地名录进行评估（4）地名演变研究。

文献[14]以六朝建康为例，探究城市历史地名的时态特征和生命周期以及地名空间定位方法，并建立地名沿革关系表和六朝建康地名信息系统文献[15]探讨了基于测绘学叙词表的地名本体构建方法，并以郑州市为例实现了基于地名本体的地名演变分析。

文献[16]研究了1949年以后我国行政区划变更信息.开展了基于多源数据的行政区划地名知识图谱构建文献[17]提出了行政区划地名时空数据模型，该模型考虑了时空变化和地名词典条目之间的关系文献[18]从语义关系、空间关系等多个方面进行地名演化的本体建模，构建了由类型本体、空间本体、时间本体和事件本体组成的地名本体模型，可用于多种领域地名管理、地理信息检索等领域。

综上所述，目前已有的地名演变研究中存在地名演变周期较短以及地名数量较少等问题，难以从中发现一些规律性知识因此，本文提出一种地名演化本体知识库构建模型首先从百度百科中收集省份下辖区的历史沿革数据，根据定义好的10种演变类型，制定识别演变类型的强弱标志词，识别演变类型句，再利用BERT-BiLSTM-CRF深度学习模型识别出演变类型句中包含的时间实体和地名实体；识别完成之后，将时间和地名实体作为本体中的类，将时间和地名实体间的关系作为类间的属性，构建地名演变知识本体模型；同时从直接路径关系和间接路径关系以地名演变、演变时间、演变类型多角度对地名演变知识本体进行分析展示，并统计分析各朝代不同演变类型的数量以及形成原因。

3  数据及方法3.1 模型框架本文提出了一种地名演化本体知识库CGNEOnto ( Chinese Geographical Names Evolution Ontology）构建模型，具体的模型框架如图1所示。

该模型包括数据收集、演变类型句识别、实体识别、本体模型构建和应用分析5部分数据收集部分，从百度百科中收集省份下辖的行政区的历史沿革数据；演变类型句识别部分，借助已有的演变类型制定演变类型的识别标志词，再利用标志词识别出演变类型句；实体识别部分，利用BERT-BiLSTM-CRF深度学习模型识别出演变类型句中的时间术语和地名术语；知识库模型构建部分，将时间术语和地名术语作为本体模型中的类，并定义类间的关系，构建地名演化本体知识库；本体模型构建和应用分析部分利用SPARQL查询语言对构建好的本体知识库从直接路径关系和间接路径关系进行可视化展示，并分析了不同朝代演变类型的数量分布情况及其原因。

3.2 数据收集与预处理本文以浙江、江苏和安徽三个省份下辖的地级市、市辖区、县级市、县为研究对象，从百度百科中收集上述研究对象的“历史沿革”,也叫“建置沿革”数据（统称为历史沿革数据），同时从行政区划网“以及各地方人民政府网站收集历史沿革数据。

以百度百科收集的数据为主，将行政区划网和各地方人民政府网站收集的数据作为辅助，对百科数据进行必要的补充，再对不同来源的数据进行融合组织，形成全面权威的历史沿革数据首先，通过爬虫从网站获取数据，再以“”“?”“；”“!”对句子进行断句，最终得到13122条数据。

部分数据如表1所示

3.3 演变类型句识别历史沿革数据包含某个地方从古至今的变化由于朝代更替、移民、重名、避讳等一系列内因和外因，地名随着历史的发展发生变更地名的变更可以概括为空间特征和属性特征的变化文献[19]将地名变更分为11种类型，具体如表2所示。

由于位置迁移在语料中提及较少，因此选择新增、改名、撤销、政区缩小、政区扩大、政区分割、政区合并、治所迁移、行政等级改变和隶属改变10种类型作为演变类型，并制定演变类型识别标志词实现演变类型句识别演变类型确定之后，需要进行演变类型句的识别。

通过制定标志词，利用模式匹配识别演变类型句不同演变类型的标志词会有重复，如“析信安县之南川置须江县”，对于“新安县”来说演变类型为政区缩小，而对于“须江县”来说演变类型为新增；又如“建德县划属杭州市”，对于“建德县”来说，演变类型为隶属改变，而对于“杭州市”来说演变类型为政区扩大。

因此，本文将演变类型识别标志词分为强标志词和弱标志词：若一个标志词只对应一种演变类型，则称为强标志词；若一个标志词对应两种及两种以上的演变类型，则称为弱标志词对于弱标志词，依靠人工判别其对应的具体演变类型。

强弱标志词对于改名和行政等级改变例外因为地名一般是由专名和通名两部分组成，专名是地名中用来区分地理实体个体的专有名词，而通名是用来区分地理实体类别的名词，如省、县等，所以行政等级的变化会引起地名的改变，在演变类型识别中，识别行政等级变化的强标志词也必定是识别改名的强标志词。

本文一共包括284个演变类型识别标志词，每个演变类型的标志词数量分布以及部分标志词示例如表3所示

3.4 实体识别算法识别出演变类型句之后，需要对演变类型句包含的时间与地点利用深度学习算法进行实体识别本文选用的是目前识别效果较好的BERT-BiLSTM-CRF模型BERT(Bidirectional Encoder Representation from Transformers)是由谷歌提出的以Transformer作为主要框架的深度双向预训练语言表征模型，由多层的双向Transformer连接面成。

在命名实体识别任务中，BERT通过预训练和Finc-Tune获得词的Embedding作为BiLSTM算法的输入层BiLSTM将BERT算法得到的Embedding向量作为输入层，将每个时间序列的正向反向输出拼接，经过一个全连接层映射为一个维度向量，再使用Softmax函数归一化.输出每个单词对应于每个标签的得分概率。

CRF层可以通过学习标签之间的转移概率从而对BiLSTM层的输出进行约束，保证预测标签的合理性BERT-BiLSTM-CRF相较于其他深度学习模型，能够借助BERT预训练模型的优点，更好地捕获和学习单词上下文特征，提高任务精度。

识别出演变类型句之后，利用BERT-BiLSTM-CRF模型对演变类型句进行时间与地点实体识别实体识别包括以下三部分（1）数据标注目前数据标注多采用词典标注的方法，本文需要构建时间词典和地名词典时间词典构建来源于《中国历史朝代顺序表及其对应朝代皇帝列表》，并添加了公元纪年。

地名是由专名和通名两部分构成，并且涉及古代地名和现代地名对于古代地名，利用模式匹配，将带有通名“府”“路”“州”“道”“路”“县”等的地名识别出来；对于现代地名从国家统计局对省、市、区/县、乡/镇四级行政区划涉及的地名进行爬取，同时从国家地名信息库获名数据，对两种来源的数据进行去重清洗操作。

在得到上述两部分数据后，将地名中的通名除去，只保留专名，组合三部分地名数据构建地名词典（2）语料构建及标注从表1得到的13122条数据中随机抽取3000条作为样本，按照7:2:1的比例划分为训练集、测试集和验证集，并进行时间和地名实体的标注.标注采用BIO方式，标注工作利用词典完成。

（3）模型训练实体标注工作完成后，开始训练实体识别模型，如果效果较好，便可以将模型运用到整个语料库中进行时间和地名实体识别3.5 演化本体知识库模型构建本体用来描述一定领域内概念集及概念之间的关系”,可以在语义层次上描述领域知识。

由此可见，本体中最核心的就是概念，概念在本体中被定义为类，概念间的关系被定义为对象属性本体构建时，首先，根据研究领域和研究目的定义类，可以复用现有模型，如描述文物遗产领域的CIDOC-CRM(CIDOC-Conceptual Reference Model)、描述网络资源的DC(Dublin Core)等，也可以根据需要自定义类；

其次，定义对象属性，用来描述类间关系；再定义数据属性、添加实例以及设置约束条件；最后，选择一种本体编辑工具，如Protege、Neo4j,对构建好的本体进行可视化展示地名是人类赋予某一空间实体的专有名称，而地名在使用过程中，本身又是在不断发生演变的这种演变既包括空间特征的变化，如位置迁移、政区扩大/缩小等，又包括属性特征的变化，如隶属改变、改名等。

地名在发生改变时，会有相应的时间记录这一改变为了能直观、清晰地记录和展示地名的演变过程，本文复用描述网络资源的都柏林核心(DC)元数据和描述文物遗产领域的CIDOC-CRM等本体词表，构建地名沿革演变本体模型。

本体构建需要确定核心概念作为类，并明确类的属性和关系本文主要涉及时间类、地名类和演变类型类时间类分为两个子类，一个是从演变类型句中识别出并经过规范化的时间子类，另一个是从《历代皇帝年号与公元纪年对照表》得到的时间子类。

地名类包括三个子类，第一个子类是被研究演化的地名，定义为现代地名类，即浙江、江苏、安徽三个省下辖的行政区的地名，如杭州市、台州市、象山县等；第二个子类是发生某一种演变类型后的地名，定义为演变地名类，即原始地名在某一个时间发生某一种演变类型后的地名；最后一个子类是当前地名的前一演变状态的地名.定义为演变前身类，即当前地名是由上一演变状态的哪个地名演变而来的。

具体的核心概念类如表4所示

核心概念类定义完成后，需要定义类的属性及其关系，本文定义了6个对象属性描述核心概念类的关系，如表5所示。

4  实验结果及分析本文根据制定好的演变类型识别标志词识别出历史沿革数据中的演变类型句，再利用BERT-BiLSTM-CRF模型识别出演变类型句中包含的时间和地点实体，将时间和地点实体作为本体中的类，构建地名沿革本体知识库。

从地名演变、演变时间、演变类型三方面对地名沿革本体知识库进行描述和可视化展示，并对不同朝代的演变类型进行统计分析，从中发现一些规律性知识4.1 演变类型句识别结果在3.3节定义好10种演变类型和每种演变类型的强标志词和弱标志词后，利用模式匹配在历史沿革数据中识别出每个现代地名从古至今的演变类型句。

由于每个地名演变情况不同，因此每个地名的演变类型句数量是不相等的，且并不是每个地名都发生了10种类型的演变，有的可能只发生了其中的几种，同时每种演变类型会对应多条演变类型句利用表3列出的标志词进行模式匹配，识别出演变类型句，经人工核验校对，最终结果如表6所示。

在利用标志词表识别出演变类型句后，利用演变类型句测试标志词表的完备性以浙江省数据为例，将最终的演变类型句结果进行合并去重，同时对通过本文标志词表识别出的演变类型句进行合并去重，通过计算后者在前者中所占的比重测试标志词表的完备性。

经计算，标志词表的完备率为97.54%,能够保证标志词表的完备性4.2 时间与地点实体识别由于本文重点不在于实体识别模块，因此实体识别方法直接选用目前实体识别效果较好的BERT-BiLSTM-CRF模型进行训练。

参数设置为：batchsize=16,学习率learning rate=0.00003,迭代次数epochs=10训练结果如表7所示

从表7可以看出，模型效果较为理想，因此将训练好的模型应用于演变类型句中进行时间和地名实体识别。实体识别完成之后，分别随机选择实体全部识别正确和未全部识别正确的部分结果进行展示，如表8所示。

对表8中未全部识别正确的结果进行分析，由于时间表达方式不一致，“28年至民国36年”被识别为“28年至和民国36年”；由于枸杞、安江镇本身可以作为完整的词语，而造成识别不完整等这些未全部正确识别的情况只占很少一部分。

后续也有对识别结果进行清洗和规范化处理的操作进一步对实体识别结果进行分析，发现BERT-BiLSTM-CRF模型能识别出一些词典中没有包含的时间或地名，如“已亥年”“丙午年”“战国中期”“公元222-231年”以及“闽越”“开化场”“东夷”“浙江承宣布政使司”等实体，将模型识别出且字典中没有的时间或地名进行添加逐步完善词典。

在演变类型句中，可能一个句子中会识别出多个地名，以距离演变类型识别标志词的远近作为判断标准，保留与标志词较近的地名识别出时间和地名实体之后，需要对时间和地名实体进行规范化处理对于时间实体，存在同一时间表达形式不同的情况，如“民国3年”和“民国三年”，“开皇九年”和“隋开皇九年”，“元代”“元朝”和“元”,将其表达形式进行规范统一。

对于地名实体，需要将通名补充完整，如“临安”,既有“临安府”，又有“临安县”；又如“台州”,既指古代的州，又可以指现今的“台州市”，加入通名则可进行区分除此之外，对于演变类型句关于时间的如“翌年”“次年”“同年”“同月”等，以及关于地名的如“省辖”“市辖”“属之”等，人工根据上下文将其转换为确切的时间和地名。

4.3 地名演化本体知识库构建及展示本体通过概念及概念间关系以RDF三元组的方式组织知识3.5节知识本体模型构建完成之后，利用已经定义好的类和类间关系以RDF三元组的形式对地名演变进行组织，构建了地名演化本体知识库，对其中的OWL编码文件进行展示，结果如图2所示。

图2中展示了演变地名类、变更类和现代地名类及其类间关系和实例，以及实例间关系添加的OWL语法将利用自动编码方式生成的OWL文件导入Protege中，对构建好的地名演化本体知识库进行存储和可视化

4.4 应用与分析构建好地名演化本体知识库后，利用SPARQL查询语言对本体知识库从直接路径关系和间接路径关系两方面进行多角度可视化展示除此之外，对不同朝代的演变类型进行统计分析，从中发现一些规律性知识。

（1）地名演化本体知识库展示①直接路径关系1）单个演变以“变更103”为例，利用SPARQL语句“SELECT*WHERE{? s  rdf :  type : Evolution . ? s:evolution name变更103. ? s ? p ? n.}”进行查询，查询结果如图3所示。

可以看出，“变更103”是指永嘉县地名进行了更改，时间是1994年9月21日，由双溪县改为永嘉县

2)时间对应以“隋开皇九年”为例，利用SPARQL语言“SELECT ? n WHERE {? s rdf:type:EmperorYear.? s:EmperorYearname隋开皇九年? s:equals ? o . ? o:Erayearname ? n.}”进行查询，查询结果如图4所示。

可以看出，隋开皇九年对应的是公元589年

②间接路径关系1)某地某种演变以“金华市”为例，查询金华市从古至今隶属改变情况使用SPARQL语句“SELECT ? n WHERE { ? s  rdf : type : CurrentName. ? s:CurrentName。

name金华市 ? s:has Type ? o . ?  o:Typename隶属改变? n.}”进行查询，查询结果如图5所示。

从图5可以看出，金华市发生了10次隶属改变，夏商时期属于百越，春秋时期属于越国，战国时期属于楚国，秦汉时期属于会稽郡，三国吴宝鼎元年(即公元266年)属于扬州，民国四年(即公元1915年)属于金华道，1949年先后属于第八行政区和金华专区，1968年属于金华地区，1985年直属于浙江省。

2)某地所有演变以“义乌市”为例，查询义乌市从古至今的演变情况以SPARQL语句“SELECT ? n WHERE{ ? s rdf:type:CurrentName.? s:CurrentName name义乌市 ? s ? p ? n.}”进行查询，查询结果如图6所示。

可以看出，义乌市共发生了23次演变，包括一次新增、4次改名、12次隶属改变、一次政区扩大、三次政区缩小、一次政区分割和一次行政等级改变以改名为例，义乌市在秦王政二十五年(即公元前222年)建立当时为乌伤县，期间地名多次在乌孝县、乌伤县、义乌县来回变更，直到1988年被改为如今的义乌市。

3)演变时间以“唐乾元元年”为例，使用SPARQL语句“SELECT ? n WHERE{? s rdf:type:EmperorYear.? s:EmperorYear name唐乾元元年? s ? p ? n.}”查询唐乾元元年浙江省有哪些地方发生了演变以及演变的具体情况，结果如图7所示。

可以看出：唐乾元元年即公元758年；唐乾元元年有4种演变类型，包括隶属改变、行政等级改变、改名和政区缩小；唐乾元元年浙江省有15个地名发生了演变，分别是杭州市、金华市、台州市、临海市、衢州市、温州市、慈溪市、常山县、松阳县、宁海县、缙云县、上虞区、莲都区、德清县和乐清市；以杭州市为例.在唐乾元元年，杭州市发生了改名、行政等级改变和隶属改变，地名由余杭郡变为杭州，隶属改变是从隶属吴州改为隶属浙江西道。

4）演变类型以演变类型“改名”为例，使用SPARQL语句“SELECT ? n WHERE{? s rdf:type:Type.? s:Typename改名? s ? p ? n.LIMIT 15”查询哪些地方进行了改名以及改名的时间和更改后的地名，由于改名涉及的演变数量较多，在查询时限制只显示15条记录，结果如图8所示。

从图8中可以看出，在显示的15条记录中，展示了4个地名的改名情况，4个地名分别为定海区、普陀区、舟山市、松阳县以松阳县为例，松阳县发生了5次改名，第一次改名是在唐武德四年，由松阳县改为松州；第二次改名是在唐武德八年，由松州改为松阳县；第三次改名是在五代后梁开平四年，由松阳县改为长松县；第四次改名是在天福四年，由长松县改为白龙县；第五次改名是在北宋咸平二年，由白龙县改为松阳县，之后地名不再发生变更。

（2）演变类型分析在得到每个城市地名从古至今的沿革演变情况之后，本文对不同时期的演变类型进行分析，从而得出一些规律性知识在百度百科检索“中国历史”,得到中国朝代名称以及所对应的时间区间，结果如表9所示

按照表9所列的各朝代的时间范围，以浙江为例，计算每个朝代浙江下辖的行政区发生的10种演变类型的数量，结果如表10所示可以看出：从演变类型来看，隶属改变、改名、政区缩小、政区扩大和行政等级改变这5种演变类型数量是较多的，大部分朝代的地名均发生过一种或多种演变，且改名和隶属改变是最多的，说明改名和隶属改变在地名演变中较为常见；从朝代来看，中华人民共和国和中华民国时期地名发生演变较为频繁，查阅相关资料可知，中华民国时期发生废府存县、废州为县、废厅为县、设立道制以及更改重复县名等一系列政策导致地名发生变更，而中华人民共和国时期施行撤县设市、撤县建区、撤地设市以及地市合并等一系列政策导致地名发生演变。

相较于中华民国和中华人民共和国时期，演变类型数量次之的有隋朝和唐朝，查阅相关资料可知，隋朝和唐朝由于避讳、消除前朝影响以及避免重名等原因，进行了大规模的地名变更运动例如，行政级别低的地名改名时，可能只会本身改名或行政等级改变；而对于行政级别高的地名来说，当名称发生变更时，会涉及下辖的地名的隶属改变。

5  结语本文将知识本体构建技术运用于地名演变过程中，在制定演变类型识别的强弱标志词后，利用模式匹配算法识别出演变类型句，再利用BERT-BiLSTM-CRF深度学习模型识别演变类型句中的时间实体和地名实体；将时间和地名实体作为本体中的类，复用现有概念模型以及自定义类，构建地名演化本体知识库，并从直接路径关系和间接路径关系角度对地名演化本体知识库进行展示，以可视化的形式丰富了地名沿革数据研究。

同时，本文分析了各朝代的演变类型情况，为用户了解某个城市从古至今的发展变化提供了便利，以RDF三元组的形式记录了某个地方的演变，有助于加强对行政区划地名的管理，使地名更好地发挥文化传承作用本文的不足之处在于仅收集了部分省份的历史沿革数据，并且只从纵向角度分析了地名的沿革演变，没有横向分析不同地名在不同时期的关联。

后续工作将扩大数据集，并深入挖掘地名间更为丰富的关联关系作者：李晓敏  王昊  李跃艳赵萌来源：《数据分析与知识发现》2022年第11期选稿：耿   曈编辑：黄舒馨校对：刘   言审订：计梦菲责编：黄舒馨

（由于版面有限，文章注释内容请参照原文）往期推荐“京兆”地名演变考地名的研究和应用象山县地名文化初探论佤语地名的几个主要特征盐城市海盐文化地名调查分析与研究

微信扫码加入 中国地名研究交流群 QQ扫码加入 江西地名研究交流群 欢迎来稿！欢迎交流！转载请注明来源：“江西地名研究”微信公众号

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186