66、《ḥadīṯ阿拉伯语文本的分割与语言分析》

《ḥadīṯ阿拉伯语文本的分割与语言分析》

1. ḥadīṯ的结构与数据选择

ḥadīṯ的结构是一系列二元元素，包括叙述文本（matn）以及前面的传述链（isnād）。传述链由一系列传述者组成，他们依次传递叙述内容，直至第一个见到或听到穆罕默德的人，它确保了传统的有效性。在选择输入数据时，优先考虑计算和语言学标准，而非文献学标准。选择了穆罕默德·伊本·伊斯梅尔·布哈里编纂的《布哈里圣训实录》的在线版本，其全数字化和标音的特点，无需手动干预或准备即可进行广泛研究。文本按原样处理，暂不进行正字法和文献学连贯性的系统控制。

2. 表面信息提取：从分割到表示

自动分割是为非离散连续体分配分割边界以获得离散对象的过程，旨在避免或大幅减少监督干预，因为处理大量数据时，监督干预在时间和人力上都很耗费资源。

2.1 ḥadīṯ的分割：配对显式和隐式信息

分割ḥadīṯ文本在很多方面类似于处理（伪）自然语言中的半结构化文本，如数学描述中的半正式文本。相关研究表明，分割不仅可用于识别离散字符串，还可通过分析规律性和重复性为文本赋予全局结构，这种结构受一种上下文“规则语法”的控制，该语法也控制着内容信息与其文本组织之间的联系。

ḥadīṯ集合无疑符合“结构化文本”的定义，其组织严谨，依赖于一组反复出现的“功能表达式”（特别是基于动词和介词），这些表达式界定、定义并有时嵌套不同类型的内容。文本连续体可分为两个层次，一层包含信息，另一层除文本价值外，还具有元文本功能，用于组织和定义第一层。这与数据库结构有相似之处，但与数学和信息科学的类比并不完美，因为对于这些“功能表达式”的原始价值、含义和翻译，尚未达成普遍共识，且完整集合也未完全定义。