詞嵌入應用於佛學研究 — 兼論詞嵌入模型評估

Abstract

詞嵌入是利用語料庫自動產生語義向量的方法，本論文的目標為探索詞嵌入 在Comprehensive Buddhist Electronic Text Archive （CBETA）漢文佛典中的可能 應用面向。為取得適用於佛學研究的詞嵌入最佳模型，本文利用莊春江辭典、丁 福保辭典和Digital Dictionary of Buddhism 辭典建立實驗資料集，並設計偵測同義 詞及干擾詞等兩種評估實驗來取得模型優化的基線。結果發現Word2Vec CBOW （continuous bag-of-words）、Dimension 400、Window 10、Epoch 10 為最佳超參 數組合，驗證正確率為0.87，測試正確率為0.86。據此，我們將CBETA 語料分類 訓練出不同詞嵌入模型，再跑出依據年代、譯者及部類的不同範圍語料對比詞表， 並進行實際應用分析。本論文的主要貢獻有三：一、建置適用於漢文佛典研究之 詞嵌入同義詞資料集；二、找出適於漢文佛典文本之詞嵌入超參數；三、探討與 分析詞嵌入於漢文佛典研究之實例，包括可用於判斷譯詞的語義核心演變、能用 於界定不明確的語義、能透過語義類比找出相關概念、能找出各部類的核心概念、 能藉以拓展研究廣度和深度，以及可用於驗證傳統研究結果等面向。