Chris Forstall and Lavinia Galli Milić (University of Geneva)
Thematic features for intertextual analysis
Abstract
In this work in progress, we attempt to develop scene-level features for tone and context to improve the automatic scoring of word-level text-reuse for its allusive significance. Considering small samples of sequential verses in a bag-of-words model, we test several simple featuresets: * term frequencies with principal components analysis * tf-idf weights * tf-idf weights after an attempt to correct for authorship signal * term frequencies with Latent Dirichlet allocation We then perform unsupervised clustering on the samples using k-means. The results of this clustering are compared with a human classification both of the automatically-generated samples and of scenes as delineated by critics.
es ist
mir eine Freude, Sie im Namen
des Organisationsteams der Digital
Classes Berlin begrüßen zu dürfen,
und es ist mir auch eine Freude, unsere
ersten Moderatoren
Chris
Foster und Lavinia begrüßen zu dürfen,
und nur eine kurze Einführung für diejenigen, die
für diese Reihe neu hier sind,
es ist also unser erstes Mal Wir haben
diese Reihe jedes Wintersemester organisiert
und wir sind eine Gruppe von
Geisteswissenschaftlern und wir haben
unterschiedliche
Vorlieben in unserer Forschung und deshalb
gibt es in diesem Programm für dieses Wintersemester einen solchen Mix an
Digital-Humanities-Themen,
der jeden
Abend richtig sein wird
Hier steht ein weiterer Stuhl vor Ihnen und ich
gebe Ihnen um Viertel vor fünf eine kleine Einführung
in das Thema für Studenten.
Ich begrüße also auch die neuen
Studenten, also haben wir alle diese Reihe eröffnet,
diesmal zum zweiten Mal auch für Studenten,
und wir sind sehr glücklich Ich werde
dieses Jahr etwa 10 Studenten haben, also
vielen Dank auch und begrüße
die Studenten und alle hier im
Publikum, äh, für den ersten Vortrag äh, äh, in der
Reihe zu digitalen Praktiken, äh, dieses Semester,
also ein zweites Mal, äh, begrüßen wir die neuen
Moderatoren und ersten Moderatoren von Unsere
Serie ist in
Ordnung. Vielen Dank
an den Organisator. Wir
stellen uns vor, dass Sie hier sind.
Das ist Chris Fertel. Er hat einen Doktortitel in
klassischer Philologie
und seine Dissertation befasste sich mit der
mündlichen formelhaften Komposition in der Ilias.
Außerdem nahm er als Leiter am Tesseract-Projekt teil
Programmiererin,
ich bin Lavinia Milic. Ich habe auch einen Doktortitel in
Klassik und meine Dissertation befasste sich mit
dem
berühmtesten Teil der Welt, Draconchus, einem
verstorbenen lateinamerikanischen Dichter.
Wir sind derzeit an einem Forschungsprojekt beteiligt, das
von der Schweizerischen Nationalstiftung zur Förderung der wissenschaftlichen Forschung finanziert
und von Damian Nielys geleitet wird Die Universität
Genf, Damian Nilis, bedauert,
heute nicht bei uns sein zu können,
und dieses Projekt zielt darauf ab, die
Komplexität der Intertextualität in der
klassischen Poesie zu messen,
mit einem Schwerpunkt auf der lateinischen epischen Poesie der
Flagon-Zeit, dem ersten Jahrhundert n.
Chr., in das
wir heute gehen Präsentieren Sie Ihnen eine laufende Arbeit, die dem
Versuch gewidmet ist, alle
großen automatischen Kontexte oder die
Wiederverwendung von Texten auf Wortebene zu identifizieren.
Unsere Präsentation sollte
etwa 30 Minuten dauern. Wir werden
Ihre Frage gerne am
Ende der Präsentation beantworten.
Sie ist heutzutage weithin anerkannt
Die Werke von Jeannette Conte Barchesi
Heinz Wheels unter anderem,
dass das Phänomen der Intertextualität
besonders relevant für Klassiker ist
und mit Intertextualität die
Beziehung zwischen zwei oder mehr Texten
als grundlegendes Element des gesamten
Prozesses der literarischen Schöpfung und
Kommunikation und
damit die Entdeckung bedeutungsvoller Illusionen gemeint ist
Ein Text zu einem anderen
ist ein Hauptproblem bei den Aufgaben von Kommentatoren und
Kritikern,
aber es gibt diese Beziehung zwischen Texten, die
nicht einfach auf einer verbalen Ebene beurteilt werden kann. Der von
uns verwendete Text weist andere Ähnlichkeitsebenen auf,
wie z. B. die Struktur
des Gedichts,
das verwendete Thema und die typische Bildsprache
Szenen und so weiter.
Wenn wir zum Beispiel im ersten Buch des Hörgeräts
einen
Ninas haben, der von der Venus verschönert wird,
können Sie sicher sein, dass er an eine
andere Szene einer anderen epischen
Dichterrüstung in den sechs Büchern dachte, von dem, was sie sagen,
als der gleichnamige Held wurde
von Athena verschönert,
als er Nausicaa
im Bereich der digitalen Geisteswissenschaften traf,
Forscher wie David Baumann, Marco
Bischler, Gregory Crane, Milchkaffee und
andere
haben bereits auf die Notwendigkeit hingewiesen,
hinter die Welt zu gehen,
um alle bisher vorhandenen Komponenten der Textwiederverwendung zu erfassen und zu verstehen
Tatsache ist, dass die digitalen Tools, die
den klassischen Forschern bereits zur Verfügung stehen, es
ihnen ermöglichen, hauptsächlich verbale Verbindungen zu finden.
Sie können beispielsweise eine Boolesche
Recherche in Open-Access-Datenbanken wie dem
Music
Pack Facilities Institute
oder auf Websites durchführen, die
im Abonnement verfügbar sind, wie BTL und
Bread Police
Music
and Tesserae Bieten Sie einen anderen Ansatz an,
da die Recherche durch
Auswahl eines oder mehrerer Texte
und nicht durch vorherige Auswahl von Wörtern erfolgen soll.
Der erste mit Cisco Deokwa
ermöglicht den Vergleich eines Textes mit mehreren
und Tessera den Vergleich mit Texten,
in denen wir zwei finden können Die beiden gleichen
Worte
und jetzt lasst uns Chris weiter danken
und uns
Tesserai etwas genauer ansehen. Aufgrund meiner
Arbeit bei Tesserai wurde ich eingeladen,
der Forschungsgruppe in Genf beizutreten,
aber als Slowenien auf ihr
Prinzip hinwies Die Suche basiert auf der
Phrasenidentität und darauf, mindestens zwei
Wörter zu finden, die unsere beiden Phrasen gemeinsam haben.
Es handelt sich also um eine Art Wiederverwendung von Text. Bei der Suche
sind
auf Tesserai einige experimentelle Funktionssätze verfügbar
oder
werden bald verfügbar sein, die versuchen, über die
bloße Phrasenidentität hinauszugehen Aber
bisher wurde noch nichts wirklich gut in eine wortbasierte Suche integriert,
und so gibt es seit etwa letzter Woche online
eine Suche, die
versucht, nach semantisch
verwandten Lametta zu suchen, zusätzlich zum bloßen
Wörterbuch-Kopfwort für eine infizierte
Form Ist in
Arbeit. Wenn jemand
online gehen und es jetzt ausprobieren möchte, ist dies eine
Art Betatest. Sie würden
gerne Feedback darüber hören, wie es
funktioniert und wie es nicht funktioniert.
Wir haben es auch versucht Gehen Sie mit Engrammen auf Zeichenebene sozusagen oberhalb
und unterhalb der
Wortgranularitätsebene vor, um
Klangähnlichkeit zu erfassen,
unabhängig davon, was das Wort ist,
und
ähm, es gibt eine experimentelle Suche, die
nicht einmal auf der Startseite verfügbar ist, sondern in
einem separaten Abschnitt der
Website Aber es wird versucht, die
Zusammenhänge auf Absatzebene
mithilfe der Themenmodellierung zu untersuchen, und es ist dieser
Ansatz,
mit dem wir hier erneut arbeiten wollen,
also werden wir zwei Testfälle präsentieren
und den
zweiten nicht So weit, wie
wir es uns vorgestellt hatten, als wir
unseren Vorschlag zum ersten Mal eingereicht haben, aber egal,
Sie können uns sagen, wie wir ihn fertigstellen sollen.
Der erste Fall
war
eine Auszeichnung für eine Statistikprüfung,
die im Rahmen eines
Masterseminars in Genf stattfand Daher war es
für uns eine aufregende Gelegenheit,
digitale Geisteswissenschaften in den
Unterricht zu integrieren, und wir können
dazu kurz ein paar Notizen machen, aber
im Allgemeinen bestand unser Ziel darin, zu sagen, ob wir
den thematischen Kontext für
bestimmte Illusionen entdecken können
und ob
das dann nützlich ist Unsere
Interpretation der Illusion, wenn wir
zum genauen Lesen zurückkehren, wenn die Antworten „
Ja“ lauten, dann hoffen wir, dass wir
diesen
Funktionssatz auf thematischer Ebene schließlich zur Unterstützung
der aktuellen wortbasierten Suche in
Tessera einbringen können.
Dies sind also einige der allgemeinen
Fragen, die wir gestellt haben Die
Sender verwenden Anspielungen auf
epische und elegische Quellen. Wenn
wir also über den thematischen Kontext sprechen, haben wir mit
einer binären
Trennung von nur zwei wichtigen
Genres begonnen, also so grobkörnig, wie Sie es sich
hier vorstellen können, um zu
versuchen, es einfacher zu machen Problem
zu lösen,
und so verwendeten wir Kommentare, die
Anspielungen auf ein episches Korpus in ein
elegisches Korpus zitierten, und wir sagten, wie diese
im statistischen Text verwendet werden,
ist der Ton des Quelltextes die
Tatsache, dass diese Wörter aus einem
angeblichen Korpus stammen Quelle wichtig, wenn wir
sie in ihrem neuen Kontext innerhalb der
Ecuad lesen.
Enthält Stasius‘ Werk selbst epische
und allergische Teile? Dies war eine unserer
Arbeitshypothesen, die wir später mit
der Idee verwarfen, dass dieses späte oder
spätere Epos eine Art
Melange verschiedener Themen sei unterschiedlicher
Genres
ist es ein heterogenes Werk und
schließlich, wenn wir epische und
elegische Passagen im späteren Text finden können
und wir über unterschiedliche Korpora
in den Quelltexten
allergischer und epischer Quellen sprechen,
wie ist die Beziehung zwischen dem Ton
der Ist
es wichtig, dass wir
in einem elegischen Teil unseres neueren Textes auf ein elegisches Werk anspielen?
Ist es interessanter, wenn
wir auf etwas anspielen, das tatsächlich existiert?
thematisch
kontrastierend statt kongruent, das
sind die Fragen, die wir hoffentlich zu
einer ganz kurzen Anmerkung zum
pädagogischen Aspekt bringen. Wir hatten acht
Masterstudierende in diesem Seminar und wir haben versucht,
ihnen eine Mischung aus traditionellen
Übersetzungsaufgaben, Exegese
und anschließender Arbeit mit digitalen Werkzeugen zu geben
In einem anderen Teil des Kurses haben
sie ebenfalls viel an der Datenerhebung gearbeitet
und dieses Bild
stellt einige der Bewertungen dar, die wir
am Ende des Kurses erhalten haben,
aber alles in allem schien es
uns wirklich wertvoll zu sein Jede Sitzung begann mit einer 15-minütigen
Zusammenfassung dessen, was wir bisher erreicht hatten,
welche analytischen Prozesse
durch die Datenerhebung und die
Arbeit mit digitalen Tools ermöglicht wurden und mindestens
einer der Masterstudenten sagte dann, dass
er diese nutzen möchte Ähnliche
Techniken in ihrer Doktorarbeit
waren, dass die richtigen
Ärzte,
wenn Sie mitmachen möchten, ähm, wir haben behalten,
eigentlich ist das wirklich verspätet, ich
aktualisiere immer noch Dinge vom letzten Jahr, aber
Sie können auf dem Blog unter
dem
Genfer Auszeichnungskurs mitmachen, also war das so Bei
unserem
ersten Versuch handelte es sich um eine Art Spielzeugmodell.
Wir hatten ein sehr kleines Korpus und nutzten
ganze Texte als Proben, also
sagten wir auf einer wirklich groben Granularitätsebene:
Können wir die Epen von den Allergien
unterscheiden, die wir haben? Ovid, das das allergische Korpus dominiert Wir
nehmen ihn auch in das epische Korpus auf und
können ein Gefühl für den Unterschied
zwischen
einem Autorenschaftssignal und einem Genresignal bekommen,
wie Sie auf der nächsten Folie sehen werden.
Wir haben
in der Klasse Schritt für Schritt eine Art Einführung in die Stilometrie durchgearbeitet Also
begannen wir damit, uns einfach mal zwei
Wörter anzusehen: „Was ist die Häufigkeit von Arma
vs. Amor“ und wir zeichneten sie in
einem Raster auf und dann steigerten wir das, wir
schauten uns Zivian-Kurven an und sagten:
Okay, nehmen wir 21.000 Worthäufigkeiten
und Wir haben die
Hauptkomponentenanalyse verwendet, um
sie in einer Art leicht
verständlichem Format zu visualisieren.
Hier ist, was wir haben:
Wir haben die
drei
eher orthodoxen Epen für einen besseren
Begriff direkt übereinander auf der
rechten Seite der Grafik, die
wir haben Die Elegien befinden sich auf der
linken Seite des Diagramms und ihre
Metamorphosen befinden sich genau in der Mitte.
So bekommen wir ein Gefühl für das
Autorengenre und
darüber hinaus ein Gefühl dafür, dass
Offed ein wirklich
unglaublicher Autor ist, den ich glaube
Viel Abwechslung in seinem Schreiben. Auf
der
x-Achse übernimmt die erste Hauptkomponente
die ganze Arbeit, die beiden
Genres zu trennen, und die y-Achse scheint
ganz der Vielfalt
von Ovid gewidmet zu sein,
also haben wir versucht, die Dinge ein wenig
interessanter zu machen, indem wir sie vergrößert haben Korpus haben
wir unseren Funktionsumfang eingegrenzt und
die am höchsten bewerteten Wörter entfernt, damit
wir versuchen konnten, dieses
Autorenschaftssignal noch
einmal abzuschwächen. Wir haben die Hauptkomponentenanalyse verwendet,
um diesen
mehrdimensionalen Funktionsumfang zu vereinfachen,
und wir haben uns kleine Stichproben von 50
aufeinanderfolgenden Verszeilen angesehen Nun, für viele
stilometrische Aufgaben ist dies ein winziges Beispiel,
aber
zum Teil versuchen wir, uns
von traditionellen
Fragen wie der Autorschaft zu lösen und die
Heterogenität innerhalb des Textes zu betrachten, also ist es
teilweise durch die
Notwendigkeit motiviert, dass wir Wir wissen, dass
diese thematischen Segmente ungefähr auf
Absatzebene liegen, und wir können nicht vermeiden, dass
wir durch die Verkleinerung gleichzeitig eine Art Variabilität erkennen können,
die Autorenschaftsstudien
aus demselben
Grund wie wir traditionell beseitigen wollen Beim Betrachten aufeinanderfolgender
Zeilen führen wir keine Zufallsverteilung durch, wie es
Ihnen zum Beispiel im Material empfohlen würde.
Hier sind die Ergebnisse:
Das Grün ist etwas verwaschen, es ist
eiförmig,
sodass die
roten
Proben epische Texte darstellen, das Schwarze eine
Allergie darstellt
und das Grün davon in der Mitte ist
Es ist die gleiche Lektion, die wir im Spielzeugmodell gesehen haben,
aber mit etwas mehr
Präzision
können wir ein Gefühl für die Heterogenität
dieser Werke und der Genres bekommen. Avid
schafft es,
die beiden anderen Genres zu überlappen, hat aber immer noch einen
Schwerpunkt zwischen ihnen, was
das Metamorphose-Segment irgendwie spannend macht,
wenn wir ihn für den Moment wegnehmen. Noch
einmal: Die x-Achse macht einen tollen Job bei der
Unterscheidung der beiden Genres, wenn man
einfach eine vertikale Linie um die
erste Hauptkomponente zeichnet,
kann man das sehen Ich denke, minus 1,4 ist eine
willkürliche Sache, aber es ergibt 98
korrekte Klassifizierungen.
Von all diesen Stichproben gibt es
ungefähr 19, die nicht auf ihrer eigenen Seite
der Linie liegen, was wirklich unglaublich ist.
Wir konnten unsere ursprüngliche
vorläufige Hypothese widerlegen, dass es sich um eine
Art Mischung von Genres handelte, was wir klar sagen können,
da wir
mit unserem Klassifikator den Unterschied zwischen diesen beiden Genres erkennen können.
Er ist auf der Accu-Laid-Seite und
darüber hinaus auf der epischen Seite Wenn wir uns
alle seine Metamorphosen ansehen, bekommen wir eine klare
Vorstellung davon, wie eine Mischung
in diesem Modell aussehen würde, und können daher mit
ziemlicher Sicherheit sagen, dass dies nicht das ist, was
wir uns am Anfang vorgestellt haben, aber wir
waren nicht ganz zufrieden
Da wir diese einheitlichen
Stichproben von 50 Zeilen erstellten
und Dinge betrachteten, die
in der Größenordnung dieser Größe lagen, hatten wir das Gefühl, dass es
sehr leicht sein würde, versehentlich
eine Szenengrenze genau in der Mitte zu durchschneiden
aus und verlieren irgendwie die
Reinheit dieses thematischen Signals,
und so haben wir diesen Teil des Experiments erneut durchgeführt und dabei
die Szenen verwendet, die
in einem unserer Kommentare,
dem Kommentar von Repulsou Bilhong, abgegrenzt wurden,
sodass wir jetzt nicht einheitlich große
Stichproben haben, aber wir wissen, dass sie übereinstimmen Mit dem
Gefühl eines Menschen, wo die
Szenengrenzen sind, haben
wir
die Frequenzen nachgezählt
und dann
diese neuen Samples auf den
Merkmalsraum projiziert, den wir bereits
mithilfe des Korpus als Ganzes definiert hatten,
und das sieht so aus,
es gibt ein paar Aufnahmen Der erste
Punkt ist, dass es dort
eine leichte Zunahme der
Varianz zu geben scheint, so dass der Gedanke besteht, dass
wir vielleicht ein etwas reineres Signal erhalten, wenn wir uns für die vom Menschen identifizierten Szenen entscheiden,
und somit scheint ein größerer Unterschied zwischen
den Szenen zu sein Um wahr zu werden,
fallen jetzt auch einige von ihnen auf die andere
Seite der Grenze,
was aufregend ist.
Die nächste Frage ist also, nachdem wir
das alles aus den Worthäufigkeiten abstrahiert haben,
wie wir zu einer genauen Lektüre zurückkehren können, ob
das für uns von Bedeutung ist Als Leser,
obwohl
dies im Allgemeinen nicht das ist, was wir
eine Mischung nennen würden, ist dies eindeutig eher
episch. Es gibt immer noch einen
relativen Unterschied in allen Samples,
richtig, einige sind elegischer als andere. Hat
das etwas zu bedeuten, ähm,
wie funktioniert das? Das entspricht unserem
Sinn für die Erzählung. Das
bekommen Sie, wenn Sie einfach die erste
Hauptkomponente nehmen und sie dann
mit den durch Ripple und Superhole definierten Szenen plotten.
Es ist etwas schwer für Sie zu lesen,
aber es gibt eine andere Version davon auf unserem
Blog, wenn Sie es sich dort ansehen möchten
oder wir die Folien später teilen können,
ist es auch gedreht, damit Sie
es besser lesen können,
aber
aus einer gewissen Entfernung
scheint es unserem Bauchgefühl zu entsprechen,
das wird es auch Um
dies wirklich auf die Probe zu stellen, bedarf es genauerer Lektüre, aber die
höchsten Punkte.
Oh, ich kann mit diesem Moderatormodus keine
Punkte erzielen
Wo wir die Flotte sehen, wo
UM Thetas die vorbeiziehende Flotte beobachtet,
auch hier haben wir den ersten
Auftritt des Charakters von Achilles
selbst, wir sprechen über seine heroischen
Freizeitbeschäftigungen,
andererseits über die Tiefpunkte mit
Ausnahme von diesem und ich werde Erwähnen Sie
es gleich kurz, aber die
Tiefpunkte treten
entweder dann auf, wenn
es einen Dialog gibt, ähm,
wenn es Frauen in der Geschichte gibt, und
vor allem, wenn Frauen sprechen,
insbesondere wenn Frauen sich beschweren,
und so,
ähm, die drei Tiefpunkte,
ähm, hier und hier korrespondieren mit
Frauen, die ihre Sorge um den Achilles zum Ausdruck bringen, äh,
sein Schicksal beklagen oder sich Sorgen
darüber machen, dass er in den Krieg zieht. Der
tiefste Punkt ist jedoch das Exordium,
die
12 Einleitungszeilen, und um
ehrlich zu sein, scheint dies eine Anomalie zu sein, die wir
untersuchen müssen Was
dort los ist und herausfinden, warum es sich so verhält,
aber ansonsten entspricht alles
ungefähr dem, was man erwarten könnte,
und das führt uns zu ein paar weiteren
Fragen:
Wenn es scheinbar das tut, was wir erwarten,
hilft es uns dann tatsächlich? Wenn wir
lesen, fügt es unserer
Lesart bestimmter Illusionen Bedeutung hinzu?
Verbessert es unser Lesen? Gibt es
unserer
Interpretation irgendwie Bedeutung? Und wenn ja,
können wir es verwenden, um die Tesseract-
Scores zu verbessern, die derzeit
bestimmte verbale Korrespondenzen
einfach einordnen Zur Frage,
ob die Wörter selten sind oder ob
sie nahe beieinander liegen, können wir
dies als Unterstützung hinzufügen, wenn wir es sinnvoll finden. Um
diese Fragen etwas
tiefer zu betrachten, gebe ich Ihnen
Lavinia zurück Um einen über ein paar Passagen hinaus zu untersuchen,
ja, also lassen Sie mich versuchen, diese
Frage anhand eines Beispiels zu beantworten. Äh, ich werde
sein Beispiel nehmen, den letzten Teil des
ersten Buches der Auszeichnung,
wo wir die Klage des Damian haben,
weil Achilles es versuchen wird
Abschließend
hat die Szene in der Tat eine starke elegische
Farbe, wie Champion Rosati bereits betont hat,
und diese elettarischen Farben
haben die Passage ihre legendären Farben,
weil wir in ihr ein spezifisches
Vokabular mit
Maritus-du-Chafford-Flair finden und so weiter
mit einer neuen
Bedeutung, einem epischen Vokabular,
normalerweise wird diese Urtura verwendet,
um ein
Gefühl auszudrücken, ein negatives Gefühl, das
jemanden ergreift, und hier wird es
verwendet, um zu sagen,
dass,
wenn man jemanden umarmt, also
den Körper von jemandem hält,
die Prinzessin dargestellt wird Als Relikt
einer verlassenen Frau
fürchtet sie sich vor der Tatsache, dass ihr Geliebter sich
der Gefahr des Meeres stellen muss.
Sie ist eifersüchtig auf potenzielle Rivalen
und bittet um das Versprechen, zurückzukommen.
Die Kommentatoren haben einen verbalen
und thematischen Zusammenhang dieser Passage
mit dem
ersten Elegiac entdeckt Gedichte zum Beispiel
Proportionen für
drei oder zwei der Ironien von Avid und
der Text von Propresus ist eine
Klage von Arituza Tulikota, die
in den Krieg zieht,
und
das sechste Heldentum ist Ipsy,
die
an Jason schreibt, und die 13 ist besonders
wichtig, weil wir äh Laudamia,
die schreibt, um gegen den ersten Helden
und den ersten toten Helden des Trojanischen Krieges zu protestieren,
haben Kommentatoren
ebenfalls als Verbalismus-Intertextualität empfunden, allerdings mit dem
elegia-keratischen Abschnitt in epischen Punkten
epischer Gedichte, zum Beispiel Catholic 64,
wo wir die Klage von Ariana
oder George Four
und Head haben für
das Idol-Buch und so weiter,
was mich zu unserer Sorge bringt, dass
die Metrik, die wir Ihnen zuvor gezeigt haben,
zur Verbesserung der Testratenergebnisse verwendet werden kann.
Unser Ziel besteht genau darin,
den Kontext eines Gedichts automatisch zu erkennen,
da es für die Illusion wichtig ist,
sich zu ändern Die Rangfolge der
von Tesserae erkannten verbalen Korrespondenzen
und
ich nehme nur zwei Beispiele:
Die erste Verbindung wurde
auch von Kommentatoren-Kommentatoren gefunden und die
zweite
konnten wir mit Tesser finden.
Weitere zwei übereinstimmende Wörter sind nicht
besonders selten. Wir haben Pronomen Elios
. Wir haben eine Präposition und
wir haben ipsis, das ist ein
intensives Adjektiv,
die Parallelen erreichen eine Punktzahl von sieben in einem
Tessera, aber sie ist nicht so hoch.
Das bedeutet, dass der Forscher vor dem Lesen dieses
bedeutsamen Intertexts, dieser bedeutsamen
Anspielungen, ähm,
im schlimmsten Fall 3120 Passagen oder im
besten Fall
2781 lesen muss Passagen
und ich bin mir sicher, dass es das Lesen aufgeben wird,
bevor es hier ankommt,
daher wäre eine Rangfolge, die
die Tatsache berücksichtigen könnte, dass diese verbale Wiederverwendung
wahrscheinlich bedeutungsvoller ist als eine andere,
weil die beiden Kontexte ähnlich sind,
willkommen
und könnte auch kombiniert werden Mit der
Erkennung der magischen Position
sehen Sie im ersten Beispiel iliu
santiagulos
im ersten Teil der
Zeilen
und undis
in der clausula
und kombinieren Sie zwei mit der Erkennung von
Synonymen
im ersten Beispiel haben wir fructus und
undus,
die gefangen werden könnten
Wie Chris bereits sagte, testet das Buffalo-Team
bereits die Erkennung von
Synonymen, aber es gibt noch viel zu
tun,
sodass es klar erscheint, dass elegische
Intertexte unser Verständnis
der Achilles bereichern und eine größere Aufmerksamkeit verdienen.
Unsere Ergebnisse
zeigen jedoch, dass Illusion eine komplizierte Angelegenheit ist
Wir können nicht einfach elegische par
legix-Teile eines
Gedichts identifizieren, indem wir die Anzahl der Phrasen vergleichen, die wir
aus epischen
verbalen Texten entlehnt haben, die wir verwenden. Sie sind nur ein Bestandteil
der Farbe elegiacos
des Verderbens, in der
Anspielungen auf epische Poesie tatsächlich
vorherrschen Die Wollarbeit, wie Sie
auf dieser Folie hier sehen können,
veranschaulicht
die Anzahl der Parallelen, die von Epic entlehnt wurden,
das
hier, das
Weiße und das Paradies, die von Alex entlehnt wurden,
und wie Sie gesehen haben, gibt es
mehr Parallelen von Epics,
aber es gibt trotzdem eine Voreingenommenheit hier, weil
nur ein Kommentator
der vier uh-Erneuerungen
speziell über
elektrische Illusionen in der Achillessehne besorgt war. Um
zu diesem ersten Testfall zu kommen,
können wir sagen, dass
unsere
Hypothese
der Klassifizierung dieser binären
Klassifizierung Energie versus episch
einigermaßen einfach ist
und thematische Metriken im Kursmaßstab berücksichtigt
unterstützt unsere Intuition
und kann zur Unterstützung des genauen Lesens verwendet werden,
auch wenn wir zugeben müssen, dass die
Beziehung zwischen verbalen Illusionen
und dem Kortex nicht einfach ist, aber wir
wissen bereits, dass
wir es bereits wussten.
Fahren wir mit dem zweiten Testfall fort.
Hier stellen wir die Frage der
Beziehung zwischen Apollonius Virgil
und Valerius Flaccos
Apologien sind das Hauptmodell von
Valius Flaccos Argonautica.
Wie Sie wissen, ist Epic Jar ein konservativer,
formal konservativer Typ,
sodass wir davon ausgehen können, dass Epic Points
in Typszenen
ähnlich wie der Vorfahre dieses Jars strukturiert sein sollen
Ilias und Odyssee
Wir können eine Art Szene
als einen wiederkehrenden Erzählblock mit
identifizierbarer Struktur definieren, um das Wort
von
Mark Edwards zu verwenden.
Hier können Sie seine Kategorien dieser
Art von Szenen sehen, die auch mit Unterkategorien gegen sozialen Verkehr,
Reiserituale, Reden und
Beratungen kämpfen,
und diese Kategorien sind es auch Erkennbar in
den drei epischen Gedichten,
auf die wir uns konzentrieren,
insbesondere
in der Mitte jedes dieser Texte, d
Die Ähnlichkeit der jeweiligen, da
dieser spezifische Ort des Gedichts
den Leser darauf hindeutet, dass Valerius
mit der Tradition konkurriert,
und es ist eine wunderbare Passage, um
den Prozess der Anpassung, Transformation und
Wiederaneignung
epischen Materials durch Valerius zu messen,
um dieselbe Geschichte anders zu erzählen Auf die eine
oder andere Weise oder eine andere Geschichte ist es
unser Ziel, erstens eine
automatische Erkennung dieser Art von
thematischer Ähnlichkeit zu erreichen
und sie zweitens mit einer verbalen
digitalen Recherche zu kombinieren,
damit der letzte Teil unserer Präsentation vielleicht
etwas
kürzer ist, aber im Wesentlichen genauso wie uh lavinia
sagte, wir werden sehen, ob wir
jetzt eine thematische Ähnlichkeit zwischen zwei
Epen finden und die Tatsache, dass sie einen
ähnlichen Kontext haben, nutzen können, um sie vielleicht noch einmal zu lesen oder
den verbalen Illusionen, die wir an diesen Stellen finden, eine andere Priorität zu geben
Dies stellt
im Vergleich zur ersten,
viel einfacheren Aufgabe, die wir uns stellen, eine Menge Herausforderungen dar.
Wir benötigen einen Funktionsumfang, um dies zu erkennen.
Möglicherweise handelt es sich um eine große Bandbreite an Themen
innerhalb eines Genres,
was bedeutet, dass die Unterschiede möglicherweise
kleiner sind, was wir zum Beispiel nicht tun Wir haben einen
metrischen Unterschied, der
die beiden Klassen unterstützt.
Gleichzeitig haben wir nicht mehr nur eine binäre Unterscheidung, sondern
wir haben
eine unbekannte Anzahl von Klassen, die wir
zu unterscheiden versuchen,
und dies ist leider ein Fall, in dem
die Urheberschaft wahrscheinlich erneut liegt erhebt
den Kopf, es wird wirklich
schwer sein, die Heterogenität
dieser Gedichte,
ähm,
von den Unterschieden zwischen ihnen im
Hinblick auf den Autorenstil zu unterscheiden, aber unsere
Hypothese ist, dass
alle diese Jungs aus einer
Art Themenrepertoire schöpfen und dass
diese Themen es sind Da wir uns auf ähnliche
Vokabulare stützen, sollten wir theoretisch,
ausgehend von der
Häufigkeit der Begriffe, in der Lage sein zu
erkennen, dass es diesen Leuten gut geht. Wir
greifen hier auf diesen Cluster zu,
wir sind noch nicht so weit, aber Sie werden
uns während der Fragestunde helfen, also
war dies der Korpus Dass wir mit ähm angefangen haben,
da wir über Valerias
Flakka nachgedacht haben, seit Argonautica hatten wir ein großes
Korpus an Epen und dann haben wir
zwei andere Werke in die Mischung geworfen, von denen wir dachten, dass sie
thematisch ähnlich sein könnten, insbesondere
weil unsere Gruppe eine besondere
Vorliebe für Medea und so hat Von seinen
Heldinnen und Senecas Stücken, ähm,
könnte durchaus etwas
dazu zu sagen sein, aber wenn sie
am Rande auftauchen, wissen wir,
dass ich, wenn wir wirklich ein episches Phänomen betrachten,
ähm, ein paar abschreibe Dinge hier,
weil wir heute nicht so viel
Zeit haben werden, ähm, aber
wir beginnen noch einmal mit einer
Reihe von Termhäufigkeiten
und dann haben
wir die TF-IDF-Gewichtung durchgeführt. Ich hatte
an einem Punkt versprochen, dass wir
alle tun werden Dies unter Verwendung unserer äh
Themenmodellierungspakete
und das hat einige
dieser Entscheidungen motiviert, aber wir führen eine TF-IDF-Gewichtung
auf unseren Frequenzen durch und haben dann in all diesen Fällen
auch UM LDA mit 50 Themen ausprobiert,
was wir dann gemacht haben, ich
meine den anderen Schritt Hier haben
wir beim ersten Mal eine
unbeaufsichtigte Klassifizierung auf den
resultierenden Funktionsumfang angewendet und dem
Computer gesagt, können Sie uns
hier verschiedene Klassen
mit unterschiedlichen Werten von k finden?
Wir haben noch kleinere Stichproben verwendet,
was
umstritten war, aber genau das haben wir getan Ich habe
hier ein Beispiel, das
auf dem Bildschirm etwas schwierig zu erkennen ist, fürchte ich,
aber dies ist ein Beispiel dafür, wie sich die Urheberschaft
wirklich auf diesen Funktionsumfang auswirkt. Dies sind
die reinen UM-
TF-IDF-Scores,
und
Sie können es allein daran erkennen, dass die Farben
wahr sind Autorenschaft, ähm, zumindest in
Kombination mit den Symbolformen, und
man kann sehen, dass es
in der Mitte einen Kern von Werken gibt, die alle übereinander landen,
aber an der Peripherie
gibt es diesen Heiligenschein von Autoren, die
wirklich unterschiedliche Werke haben, die wirklich
unverwechselbar sind Stile, ähm, einschließlich Ovid,
das kann man nicht auf dem Bildschirm sehen,
weil es vom Autor gefärbt ist, aber im
Wesentlichen ist dies die Metamorphose
näher an der Mitte und weiter draußen an
der Peripherie sind die Heldentaten, also hat das Genre
dort, wo
Lucan unten ist, eine Rolle gespielt Unten hier
war Corripus,
das ist Silence Italicus, aber Virgil
Statious Valerius Flaccus und ein paar
andere liegen genau hier in der Mitte
übereinander, was uns Hoffnung gibt, dass
das passiert, wenn wir
viel mehr von den Autoren lda machen
In der Mitte fangen wir an, uns anzunähern, aber es liegt
eher weiter draußen,
und noch einmal, insbesondere die Heldentaten
sind wirklich weit entfernt.
Hier ist ein Beispiel für die K-Means-
Klassifizierung. Dann
haben wir es mit sieben Klassen gemacht, hier waren wir
von zwei auf zwölf äh für unseren Wert von k
und dann machen wir gerne zehn Wiederholungen und
sehen, wie gut die Klassifizierungen
miteinander übereinstimmen, auf der Suche nach lokalen
Maxima in der Stabilität des Systems äh,
das ist etwas, worüber wir gerne
mehr erfahren würden Ihr wisst,
wie man
die optimale Anzahl an Klassen auswählt, die
uns wirklich
interessieren würden, aber dies ist ein Beispiel
mit sieben, was ein lokales Maximum war,
und wir stellen fest, dass einige der
Klassen ausschließlich bestimmten Autoren gewidmet sind
Ein offensichtlicher Fall für
bestimmte Werke, daher sind die blauen und
schwarzen Klassen hier um
die gleichen Hauptkomponenten überlagert,
die wir bei den TFIDF-Scores gesehen haben, aber
die Farben zeigen jetzt die Klassifizierung
um
und die Heldinnen sind schwarz
und die Metamorphose ist blau, also
Zwei ganze Klassen waren Avid gewidmet,
eine für jedes seiner Werke im Corpus.
Lucan bekommt hier unten mehr oder weniger seine eigene Klasse,
und Corripus bekommt mehr oder weniger seine eigene
Klasse, die man hier auf dem Bildschirm nicht sehen kann,
die restlichen drei Das Rosa, Orange und
Rot wurden hier
von den übrigen Autoren mehr oder weniger gleichmäßig aufgeteilt,
was uns die Hoffnung gab, dass es im gesamten Korpus eine
gewisse Varianz gab,
an der aber alle
beteiligten Autoren oder, äh, einige der
Hauptautoren teilnahmen Auf jeden Fall beteiligt,
obwohl das Rote irgendwie
dominiert wird, wird die Peripherie des Roten von
Stille dominiert. Italicus
hier sind nur Virgil und Valerius
Flaccas. Denken Sie daran, dass wir am Anfang
gesehen haben, dass sie
dem am nächsten waren in der Mitte und
sie waren stärker überlagert als einige der
anderen, und das sehen Sie hier.
Leider haben sie ähnliche
Initialen, sodass f für Valerius
flaccus und v für Virgil steht, aber Sie können sehen,
dass es
auf dieser Seite des Diagramms fs und v gibt
Auf dieser Seite oben und unten sehen wir also keine
Trennung nach Autor, zumindest
keine offensichtliche. Gleichzeitig
hat jeder der beiden Autoren mindestens eine
oder zwei Proben in beispielsweise fünf der sieben
Klassen vier oder fünf bis sieben Klassen
und so nähert sich dies dem an, woran wir
interessiert waren,
und wir sind erst am Anfang dieser
Arbeit, aber ich kann Ihnen unsere erste
Close Reading oder unsere Herangehensweise an Close
Reading zeigen, die mit Virtual Seven oder Enid
Seven ähm war,
was Sie gesehen haben In der Tabelle am
Anfang dieses Abschnitts
und dem, was wir haben, ist es etwas
schwierig zu interpretieren und sollte
mit Vorsicht betrachtet werden. Dies ist ein
Ergebnis des LDA-Funktionsumfangs und
gleichzeitig ist LDA
stärker entkoppelt Von der Autorschaft her ist es auch
viel instabiler und daher
ist es ein wenig zweifelhaft, ob dies bei der nächsten Ausführung der Fall sein wird,
aber
wir haben herausgefunden, dass es
die Arbeit für eine Sache,
also die zweite Hälfte, ungefähr in zwei Hälften teilt des
Gedichtbandes sieben fällt mehr oder weniger in diese rote Klasse,
die erste Hälfte finden wir in
den anderen beiden generischen epischen Genres, die
von mehreren Autoren eingenommen werden.
Zwei Exemplare in diesem Buch gehören zu
Klassen, die grundsätzlich
von einem Autor dominiert wurden Oder anders: Das
sind seine Metamorphosen. Ich meine, das ist
die Klasse, die von offensichtlichen
Metamorphosen dominiert wird. Dies ist die Klasse, die
von Lucans Bürgerkrieg dominiert wird
endet mit den Vorbereitungen für den
Krieg, und
die Tatsache, dass es sich bei der roten
Klassifizierung des roten Clusters um eine handelt,
in der man viel sileous italicus sieht,
lässt uns vermuten, dass wir uns vielleicht
an
einer gewissen Granularität befinden und uns so
etwas wie thematischem
thematischen Marker nähern,
um
diese
einzelne Probe hier vielleicht stechen zum Teil dadurch hervor,
dass
der Anfang des
Samples zufällig
direkt am Anfang einer Szene liegt,
zur gleichen Zeit, in der
es sich um den Ofenmetamorphose-Kurs handelt und in dem
eine wütende Frau spricht, und wir daher
möglicherweise den gleichen Effekt sehen, den wir gesehen haben
In der anderen Analyse müssen wir
tiefer graben und herausfinden, dass
dies zufällig die einzige tatsächliche
Schlacht im ganzen Buch ist,
ähm, und sie fällt in die lukanische Klasse.
Vielleicht ist das ein Zufall, aber wie
gesagt, es gibt uns Hoffnung Wir sind auf dem
richtigen Weg.
Der nächste Schritt für uns hier
ist eine genauere Lektüre. Sie müssen sich
das nicht speziell ansehen, aber im
Wesentlichen ist es so, wie es ist, bevor
wir zum Kommentar gehen, wir nehmen die
menschlichen Unterteilungen der Szenen auf und Wir
fingen an, sie in
eigene Klassen einzuteilen, damit wir
vergleichen können, wie gut die automatische
Klassifizierung funktioniert.
Ich möchte äh erwähnen, dass wir
zu Beginn eine Handschrift
über ähm andere Gruppen gemacht haben, die es
waren Ähnliche Arbeiten und
Gedenkdichter wurden erwähnt.
Ich glaube, Federico Basketty ist
derzeit für dieses Projekt verantwortlich und sie
machen etwas Ähnliches mit Epigram, aber
sie beginnen mit der Handklassifizierung.
Eines unserer Ziele besteht also darin,
sie zu treffen
Ich
denke, dass einer der Gründe, warum wir
am Anfang erfolgreicher waren, abgesehen davon, dass wir
eine einfachere Aufgabe hatten, darin bestand, dass wir
damit begonnen haben, sie an handverlesenen
Unternehmen zu trainieren, wie wir sagten Dies
sind die Texte, die eine Art
Ähnlichkeit aufweisen, an denen wir interessiert sind.
Zeigen sie uns also den Unterschied? Wir haben
unseren Klassifikator entwickelt, um diese beiden
Korpora zu unterscheiden. Wenn wir vielleicht von der
anderen Seite beginnen, wählen Sie hier von Hand die Themen aus, die
wir benötigen. Wenn wir daran interessiert sind und dann versuchen,
sie mithilfe eines Klassifikators zu unterscheiden,
werden wir einen
feineren
Erfolg haben, also möchte ich es ganz
schnell mit einem Dankeschön an die teilnehmenden Studenten abschließen,
die die Affenarbeit
auch für unsere Partner in Buffalo durchgeführt haben Und
anderswo auf der Softwareseite
können Sie hiermit mit uns in Kontakt treten.
Wenn Sie interessiert sind, gibt es die
Tesserai-Website. Dort können Sie das
Tool ausprobieren, da ich bereits sagte, dass sie
ihre neuesten Versionen im Betatest testen, also
probieren Sie alles aus Wenn etwas kaputt geht, schicken Sie
ihnen eine E-Mail. Neil Coffey ist der Leiter
dieses Projekts und jetzt würden wir uns über
Ihre Fragen und Vorschläge freuen.
Vielen Dank