Looking for the Inner Music: Probing LLMs' Understanding of Literary Style
Cornell University(康奈尔大学)
本文通过复现作者识别并扩展至体裁分类,结合句法消融与模型内部探测,揭示大语言模型区分作者与体裁风格的不同机制及关键语言特征。
2025-02-05 cs.CL cs.LG
Creativity Bias: How Machine Evaluation Struggles with Creativity in Literary Translations
Centre for Language and Cognition, University of Groningen(语言认知中心,格罗宁根大学)
本文研究了自动评估指标和LLM作为评判者在多语言、多体裁和翻译模式下的文学翻译表现,发现其在评估创造力时与专业评估存在显著偏差,且对机器翻译文本存在系统性偏好。
2026-05-13 cs.CL
Lexical and Statistical Analysis of Bangla Newspaper and Literature: A Corpus-Driven Study on Diversity, Readability, and NLP Adaptation
IIT Kanpur(印度理工学院坎普尔分校)
本文通过分析孟加拉语文学和报纸语料库,探讨其多样性、可读性及自然语言处理适应性,发现文学语料库在词法丰富性和结构变化上更突出,且对下游任务性能提升有积极影响。
2025-12-15 cs.CL
Latent Structures of Intertextuality in French Fiction
École normale supérieure - Université PSL(巴黎高等师范学院-PSL大学);LaTTiCe (Langues, Textes, Traitements informatiques, Cognition)(LaTTiCe(语言、文本、计算机处理、认知)实验室)
本文基于12000余部18至20世纪初法国小说,利用上下文语言模型将互文性操作化,发现子体裁和文学经典在塑造文本相似性方面具有重要作用,并进一步验证了“时代风格”的存在。
2024-10-23 cs.CL
Zipf Distributions from Two-Stage Symbolic Processes: Stability Under Stochastic Lexical Filtering
Aitiologia LLC(Aitiologia公司)
本研究通过几何机制解释Zipf定律的起源,提出全组合词模型在随机词汇过滤下的稳定性,揭示Zipf定律可能源于几何约束而非语言效率。
2025-11-26 cs.CL stat.ME stat.ML
Protagonists' Tagger in Literary Domain -- New Datasets and a Method for Person Entity Linkage
Warsaw University of Technology(华沙理工大学)
长文本的语义标注,如小说,仍然是自然语言处理(NLP)的一个公开挑战。本研究探讨了检测人实体并为其分配唯一身份的问题,即,在小说中认识人物(尤其是主要人物)。我们准备了一种用于人实体链接(命名实体识别和消歧)的方法和新的测试数据集。这些数据集包括来自13部不同类型的经典小说的1,300个句子,这些句子是小说读者手动注释的。我们的过程中识别文学人物的文本,实现在progragonistTagger,包括两个阶段:(1)命名实体识别(NER)的人,(2)命名实体消歧(NED)-匹配每个识别的人与文学人物的全名,基于近似文本匹配。在准备好的测试集上,该算法的查准率和查全率都达到了83%以上。最后,我们收集了一个由13部带有proprionistTagger标签的全文小说组成的语料库,其中包含超过35,000个文学人物。
2021-10-04 cs.CL
Continuous sentiment scores for literary and multilingual contexts
Center for Humanities Computing, Aarhus University(人文计算中心,奥胡斯大学)
针对文学文本情感分析的现有工具存在性能不足、标签粒度粗的问题,本文提出基于概念向量投影、在多语言文学数据上训练的连续情感评分方法,在英语、丹麦语文本上表现优于现有工具,分数与人类评分匹配度更高。
2025-11-18 cs.CL
RabindraNet, Creating Literary Works in the Style of Rabindranath Tagore
BRAC University(BRAC大学)
孟加拉文学有着数百年的丰富历史,如泰戈尔和卡齐·纳兹鲁尔·伊斯兰等杰出人物。然而,涉及NLP最新进展的分析作品几乎没有利用该语言作者的大量作品。为了引起人们对孟加拉作家作品的分析研究的关注,并在现有文学风格的文本生成工作中发挥带头作用,我们引入了RabindraNet,这是一个字符级RNN模型,具有在Rabindranath Tagore的作品上训练的堆叠LSTM层,以生成多种类型的文学作品。我们还创建了一个广泛的数据集,通过从真实的在线来源编译Rabindranath Tagore的数字化作品,并在数据科学平台Kaggle上发布为开源数据集。
2022-01-05 cs.AI cs.CL
Understanding Literary Texts by LLMs: A Case Study of Ancient Chinese Poetry
ByteDance Inc.(字节跳动公司)
针对AI文学创作质量提升难、权威数据缺、评价难量化的问题,本文以中国古典诗歌为对象,基于大语言模型设计理解指标分析诗歌集合的关联与差异,为高水平AI文学创作提供技术支持。
2024-09-11 cs.CL
Creation of a Numerical Scoring System to Objectively Measure and Compare the Level of Rhetoric in Arabic Texts: A Feasibility Study, and A Working Prototype
University of Exeter(埃克塞特大学)
针对阿拉伯语修辞缺乏客观量化比较方法的问题,本研究编制84种常见修辞手法清单,构建基于语素计数的修辞密度计算方法,开发含在线工具的可用原型,可准确衡量任意阿拉伯语文本的修辞密度及子领域分布。
2025-07-08 cs.CL
Zipf's law for word frequencies: word forms versus lemmas in long texts
Centre de Recerca Matemàtica(数学研究中心);Universitat Autònoma de Barcelona(巴塞罗那自治大学);Universitat Pompeu Fabra(庞培法布拉大学);Universitat Politècnica de Catalunya(加泰罗尼亚理工大学)
齐普夫定律是自然语言书面和口头统计以及其他通信系统中的基本范式。我们提出的问题的基本单位,其中齐普夫的法律应持有在最自然的方式,研究其有效性,为平原字的形式和相应的引理形式。为了拥有尽可能同质的来源,我们分析了一些有史以来最长的文学文本,这些文本包括四种不同的语言,具有不同程度的形态复杂性。在所有情况下,齐普夫定律都得到了满足,在这个意义上,词或词元频率的幂律分布在几个数量级上都是有效的。我们调查的程度字引理变换保留两个参数的齐普夫定律:指数和低频截止。我们不能证明一个严格的不变性的尾巴,为少数文本的两个指数偏离显着,但我们的结论是,指数是非常相似的,尽管显着的转变,从词到词元表示,大大影响了所有范围的频率。相比之下,低频截止不太稳定。
2015-07-13 cs.CL physics.data-an physics.soc-ph
Modeling the Construction of a Literary Archetype: The Case of the Detective Figure in French Literature
LaTTiCe Laboratory, CNRS-ENS-PSL, Paris, France(LaTTiCe实验室,CNRS-ENS-PSL,巴黎,法国)
本研究利用定量方法和字符级嵌入,通过监督模型捕捉了法国侦探小说中侦探原型跨越150年的演变,揭示了其从次要角色到核心人物及在硬汉传统影响下趋于复杂的发展过程。
2025-11-01 cs.CL
Topic Modeling Genre: An Exploration of French Classical and Enlightenment Drama
University of Würzburg(维尔茨堡大学)
文学体裁的概念是一个非常复杂的概念:不同的体裁不仅经常被定义在几个但不一定是相同的描述层次上,而且将体裁视为具有丰富历史的认知、社会或学术结构,这进一步使问题复杂化。本文采用定量的方法,即主题建模,对语篇的主题进行了研究。主题建模已被证明是有用的,发现主题模式和趋势,在大量的文本集合,以期类或浏览他们的基础上,他们的主导主题。然而,它很少被应用于戏剧文本的收集。在这篇文章中,主题建模是用来分析收集的古典时代和启蒙运动的法国戏剧。这一贡献的总体目标是发现什么语义类型的主题是在这个集合中发现,是否不同的戏剧子类型有独特的主导主题和情节相关的主题模式,反之,在何种程度上聚类方法的基础上,每个播放的主题得分产生分组的文本同意更传统的体裁区别。这一贡献表明,有趣的主题模式,可以检测到提供了新的见解的主题,亚类相关的结构,法国戏剧,以及到法国戏剧的古典时代和启蒙运动的历史。
2021-03-24 cs.CL
Combining Qualitative and Computational Approaches for Literary Analysis of Finnish Novels
Waseda University(早稻田大学);University of Helsinki(赫尔辛基大学)
本文提出一种结合情感词典与词嵌入的计算情感分析方法,并与定性研究相结合,分析了975部芬兰小说的情感弧线,证明计算方法可作为传统文学细读的辅助工具并支持大规模比较。
2024-06-03 cs.CL
Relating Zipf's law to textual information
Central China Normal University(华中师范大学);Yerevan Physics Institute(埃里温物理研究所)
齐普夫定律是定量语言学的主要规律。尽管有许多著作致力于这一规律的基础,它仍然是不清楚的,它是否只是一个统计规律,或者它与文本的信息承载结构有更深层次的关系。这个问题涉及到区分一个有意义的文本(写在一个未知的系统)从一组无意义的符号,模仿文本的统计特征。在这里,我们通过比较文本的前半部分(从开始到中间)和后半部分的特征来解决这些问题。这种比较可以揭示隐藏的效果,因为这两部分具有相同的许多参数值(风格,流派,作者的词汇表{ \it等})。在所有研究的文本中,我们看到,对于前半部分,齐普夫定律适用于比后半部分更小的等级,即该定律适用于前半部分。此外,在前半部分保持齐普夫定律的单词在文本中分布得更均匀。这些特征确实可以将有意义的文本与随机的单词序列区分开来。我们的研究结果与我们研究的大多数情况下的一些文本特征相关:前半部分词汇丰富,有更长和更少的重复单词,更多和更短的句子,更多的标点符号和更多的段落。这些差异表明,在更高层次的文本组织,到目前为止还没有注意到在篇章语言学。他们将齐普夫定律的有效性与文本信息联系起来。对这种效应的完整描述需要新的模型,尽管一个现有的模型可以解释它的一些方面。
2018-09-22 cs.CL nlin.AO physics.soc-ph
MARCUS: An Event-Centric NLP Pipeline that generates Character Arcs from Narratives
International Institute of Information Technology, Hyderabad(国际信息科技学院,海得拉巴)
本研究提出事件中心型NLP流水线MARCUS,通过提取叙事中的事件、角色、情绪等建模角色关系并生成图形化人物弧光,在两部奇幻系列作品上验证了方法有效性,为文学理论概念的量化研究及相关应用提供了支撑。
2025-10-21 cs.CL
AIwriting: Relations Between Image Generation and Digital Writing
University of Bergen(卑尔根大学);Winona State University(威诺纳州立大学)
本文探讨了GPT-3和DALL-E 2等AI生成系统对数字艺术与电子文学的影响,通过艺术家与理论家的作品展示,强调从文学视角考量这些源于人类写作的混合创作形式。
2023-05-18 cs.AI cs.CL cs.HC
Beyond Poetry: Can Large Language Models Generate Classical Arabic Maqamat?
George Washington University(乔治华盛顿大学);Johns Hopkins University(约翰斯·霍普金斯大学)
本研究首次系统评估大型语言模型生成古典阿拉伯语玛卡梅的能力,比较五种模型在不同提示策略下的表现,发现少样本提示提升押韵密度,而零样本提示总体得分最高,揭示了模型在文体对齐上的差异。
2026-09-24 cs.AI cs.CL
Characterizing the Investigative Methods of Fictional Detectives with Large Language Models
Academy for AI, Games and Media(人工智能、游戏与媒体学院);Breda University of Applied Sciences(布雷达应用科学大学);Department of Informatics PUC-Rio(信息学院(PUC-Rio))
本文提出多阶段LLM工作流,系统提取、综合并验证七位经典虚构侦探的调查特征,反向识别准确率达91.43%,为计算叙事学和自动叙事生成提供可扩展框架。
2025-05-12 cs.AI cs.CL
Revisiting Northrop Frye's Four Myths Theory with Large Language Models
Academy for AI, Games and Media(人工智能、游戏与媒体学院);Breda University of Applied Sciences(布雷达应用科学大学);Department of Informatics PUC-Rio(信息学院(PUC-Rio))
本文提出基于角色功能的分析框架,利用大语言模型验证角色对应关系,揭示叙事结构的系统性模式。
2026-02-17 cs.AI cs.CL
Complicating the Social Networks for Better Storytelling: An Empirical Study of Chinese Historical Text and Novel
Southern University of Science and Technology(南方科技大学)
数字人文学科是一个重要的学科,因为它使历史,文学和电影的发展成为可能。本文对中国历史文本《三国志》(\textit{Records})和历史小说《三国演义》(\textit{Romance})进行了实证研究。我们采用自然语言处理技术来提取字符及其关系。然后,我们描述了历史文本和历史小说中主要人物的社交网络和情感。研究发现,《\textit{Romance}》中的社会网络比《\textit{Records}》中的社会网络更复杂、更动态,而且主要人物的影响力也有所不同。这些发现揭示了两种文学体裁中不同的叙事风格,以及历史小说如何复杂化人物的社交网络以丰富故事的文学性。
2020-08-25 cs.CL cs.SI
Explorations in an English Poetry Corpus: A Neurocognitive Poetics Perspective
Freie Universität Berlin(柏林自由大学);Dahlem Institute for Neuroimaging of Emotion(达勒姆情感神经成像研究所);Center for Cognitive Neuroscience Berlin(柏林认知神经科学中心)
本文描述了从古腾堡项目中提取的约3000篇英语文学文本的语料库,其中约有2.5亿个单词,涵盖了130多位作者撰写的小说和非小说类体裁(例如,达尔文、狄更斯、莎士比亚)。定量叙事分析(QNA)被用来探索一个干净的子语料库,古腾堡英语诗歌语料库(GEPC),其中包括100多个诗歌文本,约200万字,来自约50位作者(例如,济慈,乔伊斯,华兹华斯)。一些示例性QNA研究基于潜在语义分析、每个作者的重要主题或乔治·艾略特的诗“丽莎如何爱国王”和詹姆斯·乔伊斯的“室内乐”的各种文本分析度量来显示作者相似性,例如关于词汇多样性或情感分析。GEPC特别适合于数字人文,自然语言处理或神经认知诗学的研究,例如作为训练和测试语料库,或用于刺激开发和控制。
2018-01-06 cs.CL
Text characterization based on recurrence networks
Institute of Mathematics and Computer Sciences, University of São Paulo(圣保罗大学数学与计算机科学学院);Indiana University Network Science Institute(印第安纳大学网络科学研究所);São Carlos Institute of Physics, University of São Paulo(圣保罗大学圣卡洛斯物理研究所);ISI Foundation(ISI基金会)
本研究提出基于递归网络的介观文本表征方法,利用词性间递归关系构建网络,通过可达性、对称性和递归签名区分虚构与非虚构体裁,并在300本书上验证了有效性。
2022-05-02 cs.CL cs.SI
Quantifying origin and character of long-range correlations in narrative texts
Institute of Nuclear Physics, Polish Academy of Sciences(波兰科学院核物理研究所);Cracow University of Technology(克拉科夫理工大学);Jagiellonian University(雅盖隆大学)
在自然语言中,使用短句被认为是有效的沟通。然而,完全由这些句子组成的文本看起来很专业,读起来很无聊。另一方面,由长文本组成的文本需要更多的努力来理解。在一个大型语料库的世界著名的文学文本的句子长度变异(SLV)的研究特点表明,一个吸引人的和审美的最佳出现在之间的某个地方,涉及自相似,级联式的交替不同长度的句子。一个相关的定量观察是,这样表征的SLV的功率谱S(f)普遍地发展出一个令人信服的“1/f^beta”标度,其平均指数beta =~ 1/2,接近于之前在音乐作品或脑电波中所确定的标度。绝大多数被研究的文本只是服从这种分形属性,但在这方面特别引人注目的是超文本般的“意识流”小说。此外,它们似乎发展出了不可约交织的分形集的结构特征,称为多重分形。在本文中,S(f)的标度意味着文本中长程相关的存在,多重分形的出现表明它们甚至带有非线性成分。句号在诱发语篇长程相关性中的一个独特作用是,上述长程相关性的数量特征表现在句号沿语篇的重复出现次数的变化上,即在SLV中,但在最频繁的词的重复出现次数上的变化要小得多。在后一种情况下的非线性相关性,因此多重分形,甚至完全消失的所有文本考虑。然而,作为一个额外的单词,句号似乎同时服从齐普菲等级频率分布。
2015-10-14 cs.CL physics.soc-ph