【摘要】古汉语的语法有省略、语序倒置的特点，词法有词类活用、代词名词丰富的特点，这些特点增加了古汉语分词的难度，并带来严重的out-of-vocabulary (OOV)问题。目前，深度学习方法已被广泛地应用在古汉语分词任务中并取得了成功，但是这些研究更关注的是如何提高分词效果，忽视了分词任务中的一大挑战，即OOV问题。因此，本文提出了一种基于图卷积神经网络的古汉语分词框架，通过结合预训练语言模型和图卷积神经网络，将外部知识融合到神经网络模型中来提高分词性能并缓解OOV问题。在《左传》《战国策》和《儒林外史》 3个古汉语分词数据集上的研究结果显示，本文模型提高了3个数据集的分词表现。进一步的研究分析证明，本文模型能够有效地融合词典和N-gram信息；特别是N-gram有助于缓解OOV问题。