我国古典目录学历史悠久，具有“辨章学术，考镜源流”的学术价值。互著与别裁作为古典目录学的两种辅助方法，旨在剖析文献内容的基础上，根据内容的多元性，将文献准确、完整地记载于目录体系的多个类目下，达到“类例既分，学术自明”的效果。但是，互著与别裁的传统实现策略主要依托于人工，不仅对人力和学术素养有较高要求，存在主观性较强或难以准确判断的问题，也无法在海量古籍上得到普遍运用。本研究在数字人文视角下引入机器学习方法，为互著与别裁提供新的实现策略。

代表典籍的选定主要参考《汉书·艺文志》中记载的先秦诸子典籍，并参考梁启超在《汉书·艺文志·诸子略考释》中对《汉书·艺文志·诸子略》中学派、学者、著述的存、佚、伪考释结论。

语料类型学派代表典籍

分别利用 TextCNN 和 BERT 两种机器学习模型在先秦诸子六家十部典籍文本上分类训练，让机器学习各家类别与典籍文本的对应关系，最终选取训练后分类效果更好的 BERT 模型对《荀子》和《管子》两部典籍分别进行分类判断。

BERT 模型优于 TextCNN 模型，可以达到 91.64%的分类准确率。用微调训练后的 BERT 模对《荀子》与《管子》进行篇、章粒度的分类判断，得出这两部书各篇章互著与别裁的结果。

类目《管子》篇

类目《管子》篇

在古籍数字化的基础上智能化地实现互著与别裁，可以高效处理更多古籍资源与更多类目的对应关系，也可以深入到篇章做出细粒度的分类判断。这不仅能够拓展互著与别裁理论与实践边界，也能够提高古籍资源的组织与利用效率，为数字环境下的“即类求书，因书究学”提供量化保障。在新文科背景下，该方法也可以为人文研究提供新的分析维度，助力发现新问题。