Sentiment Analizinin Tarihsel Kişisel Korrespondence'e Uygulanması

Sentiment Analizinin Tarihsel Kişisel Korrespondence'e Uygulanması

Cümle analizi, doğal dil işlemenin bir kolu (NLP), geçmişten gelen kişisel yazışmaları incelemek için değerli bir araç haline geldi. mektupların ve sözlüklerin duygusal tonu analiz ederek, araştırmacılar belirli tarihsel dönemlerdeki kişisel deneyimlere ve toplumsal ruhlara dair öngörüler ve tarihsel araştırmalarda, bu alandaki insanların neşe, üzüntü, endişe, endişe, ya da umutlara nasıl ifade ettiğini anlamak için yeni bir araç açtılar.

Sentiment Analizinin Kökenleri ve Evrimi

Sentiment analizi, aynı zamanda fikir madenciliği olarak da bilinir, 2000'lerin başında, metinde ifade edilen ve ölçümleyici duygulara sahip olmak üzere, erken sistemlerde kullanılan kelimelerden oluşan kelimelerden oluşan bir alıntıdır.For example, a word "joyful", bu bağlamda yüksek olumlu bir puan alır ve "desaireasyon" olarak bilinen makine öğrenme sınıflandırıcı yaklaşımlar güçlü bir şekilde olumsuz olacaktır. Daha sonra yöntemler dahil edilir makine öğrenme sınıflandırıcı yaklaşımlar - bir fiziksel kanalda eğitilmiş ve devlet-of-öğrenme sistemleri bugün öğrenme modellerini kullanır.

Tarihsel metinlere uygulanan zaman, duygusal analiz, ciddi şekilde geliştikçe dille uğraşmak zorundadır. 18. yüzyılda tarafsız bir konnotasyon elde eden bir kelime, tarihsel kullanım veya ince-tun modelleri dönem özel eğitim verileri üzerinde “gizli” terimi, “gerçekten olumlu” anlamına gelir (muhtemelen pozitif) [COHA)[değiştir | kaynağı değiştirilebilenler, araştırmacılar genellikle tarihi kullanımları veya iyileştirici değişiklikleri yansıtan özel lexicons inşa edebilirler.

Teknik Yaklaşımlar: Lexicons'tan Deep Learning

Lexicon-Based Yöntemler

Duygusal analizin en basit şekli, kelimeler ve his puanları hakkında önceden tanımlanmış bir sözlüğü kullanır. VADER gibi araçlar (Valence Aware Dictionary ve sEntiment Reasoner) sosyal medya için tasarlanmıştır, ancak tarihsel metinler için uyarlanmış bir şekilde, savaş sırasında dikkatli bir iyimserlik gösterdiler.

Makine Öğrenme Sınıflandırıcıları

Makine öğrenme yaklaşımları bir model (örneğin, vektör makineleri, rastgele ormanlar) tarihsel mektupların etiketli bir veri kümesi üzerinde bir etiket.Genel anlamda mektup örneği (pozisyon, negatif, tarafsız) ve genellikle belirli duygular için (fear, üzüntü, öfke, sürpriz) modeli öğrenir - sadece kelime varlığı değil aynı zamanda kelime düzeni ve cümleleri kullanarak, Victoria mektupların sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık görülür.

Derin Öğrenme ve Transformers

BERT (Biyyolojik Encoder Representations from Transformers) gibi Transformers, tarihsel metinler için, araştırmacılar genellikle büyük tarihsel mektuplar üzerinde eğitim almış modeller kullanır.A study ofFLT:0)Historical BERT)[FLT[Döneticileri 1500-1900’den itibaren bu modelleri küçük bir dizi tarihsel metinleri tanımlamak için iyi bir şekilde kullandı.

Tarihsel Correspondence için Sentiment Analizinin Meydanları

Sözcülüğe rağmen, tarihsel kişisel yazışmalara duygusal analiz uygulamak dikkatli metodolojik dikkat gerektiren eşsiz zorluklar sunar.

Archaic Language and Semantic Drift

Word, zaman içinde değişir. “Nice” bir kez “foolish” (13. yüzyıl) modern olumlu anlamda eğitim almadan önce “Stanford Historical Word Vectors[Dönemli” anlamına gelir. Araştırmacılar bunu birkaç yüzyıl boyunca binaları hafifletebilir veya kelimelerini kullanarak kelimeler kullanarak kelimeler kullanarak kelimelerle ifade edebilir.

Variants ve Handgraphing

20. yüzyıldan önce kişisel harfler genellikle tutarsız bir şekilde içerir, aynı yazar tarafından bile "d" olarak görünür, "sev" ve "eşit" olarak "mutlu" olarak "mutlu" olarak adlandırılır ve "uygun" olarak adlandırılır. Standart büyüleme, birçok yazar bölgesel lehçeler tarafından etkilenen modern OCR'yi kullanarak tarihsel yazı yazma modellerine eğitim gören modern OCR'yi kullanmak için kullanılır.

Context and Subtle Emotions

Cümle analizi genellikle duyguları pozitif / anlamlı veya temel kategorilere basitleştirir, ancak tarihsel mektuplar karmaşık duygularla aktarır. Bir mektup aynı anda bir arkadaşınızın desteği için minnettarlığı ifade ederken hasta bir çocuk hakkında üzüntü ifade edebilir. karma duygular yaygındır (örneğin, 18. yüzyılda İngiltere'de duygusal farklılıklar, mektupta güçlü duygular ifade etmek genellikle böylesine açık bir şekilde görülür.

Data Sparsity ve Yetkinlik

Kişisel yazışmalar, zengin ve litrelik mektuplarının ortaya çıkması; yoksullar, kadınlar ve marjinalleştirilmiş gruplar nadir. hayatta kalan mektuplar üzerine yapılan duygusal yaşamları yansıtabilir, genel bir popülasyondan değil, bu önyargıyı ve mümkün olduğunca, sözlüklerle, hatıralarla veya diğer kayıtları kullanarak eklenmelidir. Örneğin, Ellis Adası'ndan gelen bir çalışma:0.

Vaka Çalışmaları: Tarihsel Araştırmada Sentiment Analizi

İç Savaş Mektupları ve Askeri Ahlak

Kişisel yazışmaların en yaygın incelediği bazı konulardan biri, Amerikalı İç Savaş askerleri tarafından yazılmış mektuplar.Bir dönüm noktasında tarihçiler Gettysburg Savaşından sonra önemli ölçüde daha olumsuz duygular ifade ettiler. ilginçtir, Afrikalı askerlerden mektuplar olumlu bir şekilde ortaya çıktı.

Victorian Era Emotions and Social Conventions

Victorian mektubu yazısı, gerçek duyguları maskeleyebilirdi. Bir mektup "Ben duymak için üzüldü..." bir formül olarak, yazarın belirli Kırım görevlerinden bahsetmediğini bile yanlış anlamadığını hissetti. (örneğin, bugün 5.000 Victorialı mektup (1850-1900) İngiltere'den gelen bir mektup, bağlamı analiz ederek gerçek duygusal içerikten ayırt edebilirdi.

Holokost Mektupları ve Travmalar

Holokostlar tarafından yazılan mektuplar, kurtuluş sonrası bir pencereyi postacı duygulara sunarlar. tarihçiler ve bilgisayar bilim adamları arasındaki işbirliği projesi, ABD Holokost Anıtı Arşivleri [Dönderilmiş bir öğrenme modeli kullanarak, hayatta kalan referanslar üzerinde eğitilmiş derin bir öğrenme modeli kullanarak, 1945-1946 yılları arasında birçok mektup, bu konudaki öfke ve umutsuzluk düzeylerinin yüksek düzeyde olduğunu gösterdiler.

Tarihi Araştırma için Sentiment Analizinin Faydaları

Dikkatli uygulandığında, duygusal analiz birkaç somut avantaj sunar:

• [FONT:0)Scalability:[Dönetici:[Döneticiler, saat içinde milyonlarca mektupla işlem yapabilir, uzun süren manuel okumalar için geniş duygusal desenler tanımlanabilir.
• [FONT:0]Temporal Granularity:[Dönder: 1) Ayda veya hatta günde duyguları analiz ederek tarihçiler belirli olaylarla duygusal değişimleri ilişkilendirebilir (örneğin, savaşlar, ekonomik depresyonlar, halk tatilleri).
• [FONT:0]Hypothesis Generation: [Dönemli modeller – kıtlık sırasında olumlu bir duyguda artış gibi – yeni araştırma soruları ve daha derin arşiv soruşturması.
• [FOD:0)Comparative Analysis:[[Dönetici:[Dönetici:0)[Dönetici Analizi:[Dönetici:[Dönetici:0) Sentiment profilleri farklı popülasyonlar arasında karşılaştırılabilir (gender, sınıf, vatandaşlık) aynı tarihsel olayın farklı deneyimlerini ortaya çıkarmak için.

Etik düşünceler ve Tarihsel Sorumluluk

Otomatik araçları derinden kişisel belgelere uygulamak etik soruları gündeme getirir. Tarihsel mektuplar genellikle mahremiyetin beklentisiyle yazılırken, çoğu şimdi kamu arşivlerinde, aileler hala senatörlerin sevgisini veya bir askerin korkularını gururla karıştırabilir. ”0.En iyi uygulama, her zaman kanıt katmanı olarak sunmaktır; “negative” etiketi, ebeveynin sevgisini veya bir askerin korkularını yakalayamaz.

Başka bir endişe algoritmak önyargıdır. Modern İngilizce üzerinde eğitilmiş bir sınıflandırıcı, eğitim ve değerlendirmede dönem ve bölge ile tanıdık tarihçileri yanlış anlamalıdır.

Future Yol Tarifi

Tarihi duygu analizi alanı hızla gelişmektedir. Önümüzdeki on yıl tanımlamak için birçok umut verici yol muhtemelen:

Multimodal Analiz

Kişisel yazışmalar genellikle görsel elementler içerir: el yazması ince, ink rengi, altüst, eklemeli çizimler.Modern bilgisayar vizyonu sayısal harflerden (örneğin, baskı yoğunluğu, çizgi spacing) özellikleri alabilir ve duygusal devletlerle ilişkilendirebilir.

Cross-Lingual ve Cross-Cultural Modeller

Çoğu duygu analizi araçları İngilizce için tasarlanmıştır.Diğer dillere genişletilebilir (Fransız, Almanca, Çin, Arapça) küresel tarih için kritiktir. - Çok dilli tarihsel mektup koleksiyonları (örneğin, sömürge yönetimlerinden), modeller kod-switching ve çevirileri işlemek için gereklidir. XLM-RoBERTa gibi büyük dilbilim modellerinden öğrenme imkanı sunar.

Tarihçiler için açıklanabilir AI

Tarihçiler siyah-box modellerinin savaşını yapabilirler. Yeni açıklanabilirlik teknikleri (SHAP, LIME) hangi kelimeleri veya cümleleri bir duygu puanı sürdü, araştırmacıların anakronist yorumlar için kontrol etmesine izin verebilir. Görsel açıklamalar sağlayan araçlar - bir mektupta duygusal olarak duygusal olarak-daha yakın okuma.

Geospatial ve Demographic Data ile entegrasyon

GIS ile duygu analizi, 19. yüzyılda İrlanda'daki kırsal alanlardan mektuplar, kıtlık veya göç kalıplarıyla bağlantılı olarak farklı duygusal desenler gösterebilir.

Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç

Tarihi kişisel yazışmaların analizleri, tarihçinin aracıkit'e güçlü bir ektir. Zaman boyunca büyük ölçekli, sayısal bir duygusal ifade çalışması sağlar, sıradan insanların nasıl deneyimlendiğini ve iç yaşamlarını nasıl iletişim kurabileceğini sağlar. Ancak, yöntem yalnızca derin bağlamsal bilgi ile birlikte çalışır, aynı zamanda yazarların insanlığa dikkat eder ve yazarların insanlığa daha sofistike ve erişilebilir hale gelir.

Tarihsel metinlere yönelik hesaplama yaklaşımları hakkında daha fazla okuma için, The Digital Humanities serisindeki Debates) mükemmel metodolojik bakışlar sunar.TheİLDÜ:2).Linguistic Society of America), tarihsel duygu değişimi için yararlı olan birçok makale içerir.