其實在已經結構化的資料庫中做文本資料探勘，難的不是探勘本身，而是找到這些現象合理的解釋才是最讓人頭疼而興奮不已的地方呀 : )
一、《藝文類聚》和《太平御覽》
《藝文類聚》和《太平御覽》均是帝國建立之初，集國家之力延攬學者完成的類書，因此皆規模龐大、體制完整，反映當時上層知識份子的世界觀。《太平御覽》序中稱是以《修文殿御覽》、 《藝文類聚》、《文思博要》等書為藍本進行編撰的，有清楚的繼承關係，因此很適合拿來比較分析這兩個時代的人們對知識分類的思維模式。
1.《藝文類聚》
唐初歐陽詢等奉唐高祖敕撰，於西元624年完成，把條目分成事和文：事居其前、文列其後。
- 部 : 46
- 類 : 734
- 條目 : 14572
- 字數 : 約900000
- 來源 : 787種書、4955種文
2.《太平御覽》
宋太宗命李昉等編修，至太平興國八年(984年)書成，李昉編了宋四大類書裏的三部，還有太平廣記和文苑英華。
- 部 : 55
- 類 : 5597
- 條目 : 65633
- 字數 : 約3800000
- 來源 : 2327種書、3294種文
二、文本探勘A：同目不同內容
近年來廢死議題炒得沸沸揚揚，提供了我一個動機去比較中國古代唐宋刑罰的異同，因此在這裡我嘗試以＜刑法部＞資料試圖探勘一些關於刑罰的奇特歷史現象。
這裡我先用《類書對應查詢系統》分別用太平御覽與藝文類聚找刑法部的資料，比較太平御覽與藝文類聚資料庫內容的差異。
1. 藝文類聚-刑法部 對應到太平御覽各部目的對應狀況
【藝文類聚-刑法部】中總共有69條條目（事31條，文38條）
其中有34條條目能在太平御覽找到相似條目配對（事26條，文8條）
剩下有35條條目無法在太平御覽找到相似條目配對（事5條，文30條）
- 太平御覽-刑法部：33個對應
- 太平御覽-職官部：2個對應
- 太平御覽-治道部：2個對應
- 太平御覽-皇王部：1個對應
- 太平御覽-地部：1個對應
- 太平御覽-資產部：1個對應
- 太平御覽-人事部：1個對應
2. 太平御覽-刑法部 對應到藝文類聚各部目的對應狀況
【太平御覽-刑法部】中總共有889條條目
其中有86條條目能在藝文類聚找到相似條目配對
剩下有803條條目無法在藝文類聚找到相似條目配對
- 藝文類聚-刑法部：33個對應
- 藝文類聚-治政部：16個對應
- 藝文類聚-人部：9個對應
- 藝文類聚-職官部：9個對應
- 藝文類聚-居處部：3個對應
- 藝文類聚-儲宮部：2個對應
- 藝文類聚-木部：2個對應
- 藝文類聚-武部：2個對應
- 藝文類聚-獸部：1個對應
- 藝文類聚-雜器物部：1個對應
- 藝文類聚-山部：1個對應
- 藝文類聚-地部：1個對應
- 藝文類聚-帝王部：1個對應
- 藝文類聚-樂部：1個對應
- 藝文類聚-藥香草部：1個對應
- 藝文類聚-百穀部：1個對應
- 藝文類聚-食物部：1個對應
- 藝文類聚-火部：1個對應
- 藝文類聚-水部：1個對應
- 藝文類聚-禮部：1個對應
- 藝文類聚-果部：1個對應
- 藝文類聚-天部：1個對應
- 藝文類聚-災異部：1個對應
- 藝文類聚-寶玉部：1個對應
- 藝文類聚-靈異部：1個對應
3. 《藝文類聚》與《太平御覽》－刑法部－小結
- 從《藝文類聚》刑法部共69條到《太平御覽》刑法部共889條（總條目4倍成長但此部10倍成長），可見這300年間，刑罰（尤指用刑部分）有顯著的發展，可能起因於刑罰受重視的程度提升；也因此，大多數在《太平御覽》刑法的條目在《藝文類聚》中是看不到的。
- 《太平御覽》中的刑法部-赦，過去許多是分類在治政部。
- 《太平御覽》的刑法部衍生出眾多關於刑罰的條目，刖、斬、杖、烹、煞、獄、禁錮、科、笞等，展現了刑罰的多樣性。
三、文本探勘B：同書不同目
諸子百家中我比較喜歡的大概就屬老莊吧，因此在此以<莊子>作為同書目（太平御覽和藝文類聚皆引用）時，內容配置的差異比較。使用「藝文類聚/太平御覽」全文資料庫
Query : {AU:莊周} (莊子也就寫莊子一本書)
1. 藝文類聚-莊周
部目 (DT) 157
人部 30、天部 10、木部 14、水部 10、軍器部 1、鳥部 15、蟲豸部 8、獸部 7、藥香草部 8、鱗介部 8、靈異部 3、樂部 3、禮部 4、方術部 1...
1. 太平御覽-莊周
人事部 138、工藝部 14、天部 25、方術部 6、木部 13、刑法部 4、地部 40、百卉部 9、羽族部 34、兵部 22、居處部 17、服用部 9、皇王部 22、疾病部 14、資產部 20、樂部 9、器物部 19、學部 15、禮儀部 21、蟲豸部 22、獸部 24、鱗介部 18、服章部 12...
3. 《藝文類聚》與《太平御覽》－莊周－小結
- 莊周條目數的增長比例與總條目數是接近的。
- 眾所周知莊周的書中有許多蟲魚鳥獸、天、地、木等自然世界的描繪，因此可以看到《藝文類聚》與《太平御覽》中蟲魚鳥獸、天、地、木等類目皆有莊周的章節
- 《太平御覽》中十分重視人事部，因此可以看到莊周的章節被大量的分到在《藝文類聚》沒有的人事部。
- 比較特別的是在《藝文類聚》中莊周的軍事只有1篇，而《太平御覽》暴增到22篇，可能宋代對於軍事多有著墨。
References
《類書對應查詢系統》
http://leishucis.digital.ntu.edu.tw/
wiki - 類書
https://zh.wikipedia.org/wiki/%E9%A1%9E%E6%9B%B8
台灣大學數位人文研究中心
http://www.digital.ntu.edu.tw/
發表文章
