第三章 研究方法
3.2.1 比對特徵介紹
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
20
3.2.1 比對特徵介紹
為了瞭解作品之間字面上的相異和相同，本節將會介紹一些字串比對的特徵，
能夠提供我們做為觀察、篩選，或是判斷作品間字面相似度的線索。然而這些字 串可以是詩歌中的語句，或是整首作品，需依據比對功能決定。這些字串比對特 徵以標點不計為前提，透過字面層次的相似度，能夠幫助我們找出可能具有對應 的作品，下表列出字串比對的特徵以及簡要的說明。
表 3.4 字串比對特徵以及簡要說明 字串比對特徵 簡要說明
共用字集合 兩字串用字字集的交集
包含重複共用字 兩字串的共用字，也記錄重複共用的部分，如疊字 共用字覆蓋率 一字串共用字數量，除以該字串字數
初步共用詞彙 一字串中共用字所構成的準詞彙 最長初步共用詞彙 初步共用詞彙中最長者
共用字構詞彙 兩字串共用字構成的準詞彙，但順序、斷點不同者
先針對 A 字串和 B 字串的比對狀況為例，以下說明計算相似度特徵的一些 方法：
1. 共用字集合
共用字即是比對 A、B 字串的個別字集 set(A)、set(B)，將兩個字集交集，
即得兩字集都具有的相同字，且不考慮用字順序，如公式(1)所示。比對兩字 串，若共用字集合具有越多元素，則兩字串所攜帶的共同文字訊息越多。假 設 A 字串為宋詞人賀鑄〈清商怨〉23中一句「朝來風色好」，B 字串為唐詩人
23《全宋詞》，賀鑄，〈清商怨〉：
揚州商女。。寄扁舟，江南湖北道。津頭龍祠屢。信指、半春前到。笑倚危檣，朝來風色好。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
22
孫孫又孫」，包含重複共用字為「子子孫孫」，這個方法補足了共用字集合只 有「子孫」，不能完整表示兩字串疊字、或是多個相同字共用的狀況。
3. 共用字覆蓋率
共用字覆蓋率為計算一字串使用共用字的多寡，若使用較多的共用字時，
也代表著此一字串和另一字串有較多共同的地方，因此共用字覆蓋率也是估 計兩字串相似度的重要指標，如公式(2)，其中計算字串用字屬於共用字數量 時，重複用字也計。假設 A 字串為詩經小雅〈楚茨〉中一句「子子孫孫」，B 字串為宋詞人鄒應龍〈鷓鴣天〉中一句「子子孫孫孫又孫」，共用字集合為「子 孫」，A 字串共用字覆蓋率為 100.00%，B 字串共用字覆蓋率的計算方法為，
字串用字屬於共用字數量 6 字，除以字串字數 7 字，得共用字覆蓋率約為 85.71%。
共用字覆蓋率 = 字串用字屬於共用字數量/字串字數 (2)
4. 初步共用詞彙
先標記共用字在 A、B 字串所在，未被標記的字做為字串切割的參考，
取得 A、B 兩字串的子字串集合，若在 A、B 子字串中都有出現，得 A、B 初步共用詞彙集合。圖 3.3 為初步共用詞彙演算法。假設 A 字串為詩經小雅
〈采菽〉27中一句「天子命之」，B 字串為唐詩人盧肇〈漢堤詩〉28中一句「天
目光如鏡步如雲。年年長侍華堂宴，子子孫孫孫又孫。
27《詩經》，小雅·魚藻之什，〈采菽〉：
采菽采菽，筐之莒之。君子來朝，何錫予之？雖無予之？路車乘馬。又何予之？玄袞及黼。
觱沸檻泉，言采其芹。君子來朝，言觀其旂。其旂淠淠，鸞聲嘒嘒。載驂載駟，君子所屆。
赤芾在股，邪幅在下。彼交匪紓，天子所予。樂只君子，天子命之。樂只君子，福祿申之。
維柞之枝，其葉蓬蓬。樂只君子，殿天子之邦。樂只君子，萬福攸同。平平左右，亦是率從。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
23
子賜之」，共用字集合為「天子之」，初步共用詞彙為「天子、之」。圖 3.4 為 演算法各步驟的範例。
Input: 根據共用字集合標記 A、B 兩句裡，共用字出現的位置，為Ac、Bc Output: A、B 字串的初步共用詞彙、共用字構詞彙
1. 根據Ac、Bc標記結果，句子共用字標記的位置中間有無間隔為文字 切斷的標準，若有則斷開，得Acc及Bcc。
2. 取Acc及Bcc交集，取得 A、B 兩句初步的共用詞彙。
3. 若不處於交集中的詞彙，則為用字相同但非初步共用詞彙Acp、Bcp， 得 A 字串共用字構詞彙Acp、B 字串共用字構詞彙Bcp。
圖 3.3 初步共用詞彙、共用字構詞彙演算法
泛泛楊舟，紼纚維之。樂只君子，天子葵之。樂只君子，福祿膍之。優哉遊哉，亦是戾矣。
28《全唐詩》，卷 551，盧肇，〈漢堤詩〉：
陰沴奸陽，來暴於襄。洎入大郛，波端若鋩。觸厚摧高，不知其防。駭潰顛委，萬室皆毀。
灶登蛟鼉，堂集鱣鮪。惟恩若讎，母不能子。洪潰既涸，閈閎其虛。以隳我堵，以剝我廬。
酸傷顧望，若踐丘墟。帝曰念嗟，朕日南顧。流災降慝，天曷台怒。滔滔襄郊，捽我嬰孺。
於惟餘甿，饑傷喘呼。斯為淫痍，孰往膏傅。惟汝元寮，僉舉明哲。我公用諧，苴茅杖節。
來視襄人，噢咻提挈。不日不月，咍乎抃悅。乃泳故堤，陷於沙泥。缺落坳圮，由東訖西。
公曰嗚呼，漢之有堤。實命襄人，不力乃力。則及乃身，具鍤與畚。漢堤其新，帝廩有粟。
帝府有緡，爾成爾堤。必錫爾勤，襄人怡怡。聽命襄滸，背囊肩杵。奔走蹈舞，分之卒伍。
令以麾鼓，尋尺既度。日月可數，登登嶪嶪。周旋上下，披峴斫楚。飛石挽土，舉築殷雷。
駭汗霏雨，疲癃鰥獨。奮有筋膂，呀籲來助。提筐負筥，不勞其勞。
雜遝笑語，咸曰盧公，來賜我生。斯堤既成，蜿蜿而平。
確爾山固，屹如雲橫。漢流雖狂，堅不可蝕。代千年億，與天無極。惟公之堤，昔在人心。
既築既成，橫之于南。萌渚不峻，此門不深。今複在茲，于漢之陰。斯堤已崇，茲民獲祐。
齯童相慶，室以完富。貽於襄人，願保厥壽。繄公之功，赫焉如晝。捍此巨災，崒若京阜。
天子賜之，百姓載之。族孫作詩，昭示厥後。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
24
Input: 根據共用字集合標記 A、B 兩句裡，共用字出現的位置 Ac =天子命之
Bc =天子賜之
1. 根據Ac、Bc標記結果，句子共用字標記的位置中間有無間隔為斷詞 標準，若有則斷開，取得
Acc＝{天子,之}
Bcc ={天子,之}
2. 取Acc及Bcc交集，取得 A、B 兩句初步的共用詞彙{天子,之}
3. Acc，差集初步共用詞彙，得 A 字串共用字構詞彙Acp＝∅
Bcc，差集初步共用詞彙，得 B 字串共用字構詞彙Bcp＝∅
圖 3.4 共用詞彙、共用字構詞彙演算法各步驟範例
5. 最長初步共用詞彙
由於本研究會先計算兩字串的初步共用詞彙，初步共用詞彙中最長者，
即為兩字串最長初步共用詞彙。延續前一個例子，假設 A 字串為詩經小雅
〈采菽〉中一句「天子命之」，B 字串為唐詩人盧肇〈漢堤詩〉中一句「天 子賜之」，初步共用詞彙為「天子、之」，最長初步共用詞彙為「天子」。
6. 共用字構詞彙
共用字在 A、B 字串所組成的詞彙，且在 A、B 字串以不同順序或組合 不同的方式出現。假設 A 字串為宋詞人潘閬〈酒泉子〉29中一句「空役夢魂
29《全宋詞》，潘閬，〈酒泉子〉（十之五）：
長憶孤山，山在湖心如黛簇。僧房四面向湖開。輕棹去還來。芰荷香噴連雲閣。
閣上清聲簷下鐸。別來塵土汙人衣。空役夢魂飛。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
25
飛」，B 字串為唐詩人沙磧女子〈五原夜吟〉30中一句「孤魂空逐雁南飛」，圖 3.5 為演算法各步驟的範例，兩句初步共用詞彙為空集合，A 字串共用字構 詞彙為「空、魂飛」，得 B 字串共用字構詞彙為「魂空、飛」。再舉一例，假 設 A 字串為宋詞人潘閬〈酒泉子〉中一句「芰荷香噴連雲閣」，B 字串為唐 詩人閻選〈臨江仙〉31中一句「雨停荷芰逗濃香」，A 字串共用字構詞彙為「芰 荷香」，得 B 字串共用字構詞彙為「荷芰、香」。
Input: 根據共用字集合標記 A、B 兩句裡，共用字出現的位置 Ac =空役夢魂飛
Bc =孤魂空逐雁南飛
1. 根據Ac、Bc標記結果，句子共用字標記的位置中間有無間隔為斷詞 標準，若有則斷開，取得
Acc＝{空,魂飛}
Bcc ={魂空,飛}
2. 取Acc及Bcc交集，取得 A、B 兩句初步的共用詞彙 ∅
3. Acc，差集初步共用詞彙，得 A 字串共用字構詞彙Acp＝{空,魂飛}
Bcc，差集初步共用詞彙，得 B 字串共用字構詞彙Bcp＝{魂空,飛}
圖 3.5 初步共用詞彙、共用字構詞彙演算法各步驟範例
30 《全唐詩》，卷 866，沙磧女子，〈五原夜吟〉：
雲鬟消盡轉蓬稀，埋骨窮荒失所依。牧馬不嘶沙月白，孤魂空逐雁南飛。
31《全唐詩》，卷 897，閻選，〈臨江仙〉：
雨停荷芰逗濃香，岸邊蟬噪垂楊。物華空有舊池塘。不逢仙子，何處夢襄王。
珍簟對欹鴛枕冷，此來塵暗淒涼。欲憑危檻恨偏長。藕花珠綴，猶似汗凝妝。
十二高峰天外寒，竹梢輕拂仙壇。寶衣行雨在雲端。畫簾深殿，香霧冷風殘。
欲問楚王何處去，翠屏猶掩金鸞。猿啼明月照空灘。孤舟行客，驚夢亦艱難。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
26