闻永毅，王治梅

陕西中医药大学外语学院，陕西 咸阳 712046

关于中医文献语料库建设的讨论已经持续了近20年，研究内容既涉及到语料库的建设目的、标注方法、双语库建设等共性问题，也涉及到中医文本处理、词性标注、检索方式等具体问题［1-3］。然而，这些局部性、个案性研究尚未综合成为一个完整的中医文献语料库系统，导致库文件标注、自动处理工具、数据分析、信息抽取等子系统互不兼容、难以发挥应有的作用。本文从顶层设计的视角，分析中医古典文献语料库建设过程中必然遇到的几个基础性问题，指出解决这些问题可能涉及到的相关要素。然后以此为线索，讨论这些要素跟语料库子系统之间的关系，说明中医语料库建设过程中了解全局、整体布局的重要性，并提出一些特定问题的解决方案。

1 中医文本的基本特征与自动处理系统的协调问题

1.1文献的版本问题中医古汉语文件跟其他汉语文件比较，最为突出的特征之一就是同一著作多种版本，而且版本不同，内容差异较大。据报道［4］，《黄帝内经》及其注解的各种版本有几十种，《神农本草经》也因版本不同而收录条目、或编排顺序会有所差异。版本选择跟语料库建设的目的直接相关，以版本考订、字形变迁为目的的文献语料库只能选择古籍版本。初始库文件的版本不同，统计出来的基本数据如字数、段落、章节等必然因之而不同。

对于重视语义研究的语料库建设项目来说，深加工库文件是一个必备环节。……