简牍的出土,极大程度上改善了秦代史料奇缺的情况,为研究战国晚期至秦代的历史提供了丰富而可靠的资源,对当前的史学研究具有不可替代的史料价值。简牍文献中文书占比较大,相较于静态的规则制度而言,实用文书中往往包含着更为丰富的信息,从不同的角度来对当时的社会面貌及规范进行了诠释。如何从简牍语料中挖掘出有效信息并且进行分析研究,逐渐被广泛应用的文本挖掘技术为我们提出了一个较好的解决方法。本文着眼于利用文本挖掘手段研究简牍文本,将文本挖掘分析方法引入简牍研究领域,以里耶秦简一二卷为语料来源对其进行文本分析,探索如何提高简牍文本研究效率、改变简牍文本研究方式,从而实现对于简牍文本的快速把握及内容揭示,亦可促进秦代历史知识发现研究的发展。本文的主要工作有:一是将简牍文本进行数字化并对其进行文本预处理相关工作。与简牍小组成员共同将里耶秦简一二卷的内容进行数字化处理,并通过两轮核对校验确保简文数据的准确性,本文结合简牍文本特征及后续实验的实际需要,对简牍文本进行了分词、去停用词及特征项权重计算等预处理工作。二是利用关键词提取及词频统计方法对里耶秦简一二卷进行关键词的共现分析。以排名前十的关键词为索引,分别提取与其相关的所有语料并对其进行词频统计,分析实验结果得到里耶一二卷中存在作徒簿文书、粮食管理类文书及债务文书。三是利用Text Rank文本摘要模型进行摘要自动抽取。通过对简牍文本进行降维并抽取出其中的关键信息,从而以事件的角度来获取并把握简牍文本中的主题内容,实验共获得6条摘要,涉及到债务类文书、粮食管理类文书及律令类文书。四是利用主题模型计算简牍文本主题-词概率分布。文章采用LDA主题建模的结果之一,即主题-词概率分布体现里耶秦简一二卷文本的主题及具体内涵,从主题的角度来对简牍内容进行把握。引入困惑度作为模型评价指标,根据困惑度及人工反复实验选择以12个主题作为最优主题,且其中4个主题具有明显主题倾向。本文研究认为,里耶秦简一二卷中主要以往来公文为表现形式,具体内容涉及文书郵传、债务、粮食、徒簿、案件、徭役等等内容,计算结果能够较好的概括其主要内容,并且与目前里耶校释第一卷中给出的主题内容相对应。本文对于简牍研究这一领域的文本挖掘研究具有一定的理论意义及参考价值,尤其是首次尝试将简牍和文本挖掘技术结合起来,有效地提高了简牍资料的处理效率和信息获取效率,为简牍材料的研究提供了新思路,证实了可借助文本挖掘方法来理解、诠释中国丰富的文化遗产,具有一定的可行性及实践意义。