历史是生活的导师:利用神经嵌入进行古罗马文学的动态主题建模
原文中文,约200字,阅读约需1分钟。发表于: 。使用 BERT 嵌入实现的动态主题模型与传统的统计模型(LDA 和 NMF)进行比较,模型主题遍布整个罗马文学存档,定量评估偏向统计模型,而定性评估对神经模型有更好的洞察力,此外,神经主题模型对超参数配置不敏感,使动态主题建模对历史研究人员更具可行性。
本文介绍了一种新颖的动态嵌入式主题模型和转折点检测的组合方法,用于研究古典与早期基督教拉丁语中词汇语义情态的历时变化。该方法可以应用于任何合适的语料库,并与比较文学和经典学中的传统学术研究相联系。作者还讨论了未来的方向和改进。