Duygusal Archive: Tarihsel Mektuplar ve Duygu Analizi

Tarih mektupları, dilsel normlara göre çok daha fazla; insan deneyiminin samimi kayıtları, umutları, korkuları ve insanların günlük gerçeklerini uzun zamandır ortadan kaldırmak. Ancak bu belgelerin duygusal alt metinleri genellikle dilsel olarak, sosyal normlar ve otizmle ilgili yazışmalar ile gizlenmiştir. tarihçiler için, arşivler ve eğitimciler için, yalnızca yazdıklarımızı okumak için değil, sözcüklerin ötesindeki duygusal manzaraları gerçekten anlamak için.

Bu makale, duygu ve duygu analizinin tarihsel mektuplara nasıl uygulanabileceğini, doğru yorumlamayı sağlayan metodolojik düşünceler ve dijital insanlıkların daha geniş etkilerini inceleyeceğiz. Mevcut modellerin kısıtlamaları hakkında tartışacağız ve bu araçların - geleneksel tarihsel yöntemlerle eşleştiğinde - zengin bir duygusal veri kümesine bir mektup koleksiyonu dönüştüreceğiz.

Analytical Framework'ü tanımlamak: Sentiment vs. Emotion Analysis

Tarihsel uygulamalara girmeden önce, iki birincil hesaplama yaklaşımları ayırt etmek önemlidir: duygu analizi ve duygu analizi. Sık sık farklı analitik amaçlara hizmet ederler ve farklı bilgi türleri sağlarlar.

Sentiment Analysis: Polarity and Tone

Sentiment analizi, metin otomatik sınıflandırması geniş kutuplu kategorilere sahiptir - bir askerin savaş zamanındaki yazışmaların toplamı, büyük bir siyasi olaydan önce ay içinde bir topluluk kolektif duygu değişimi yapabilir mi?

Emotion Analysis: Granular Influenceive States

Emotion analizi, belirli duygusal durumları tanımlamakla daha derinleşiyor - şüphesiz, üzüntü, öfke, korku, sürpriz, iğrenç ve bazen güven veya beklenti gibi daha çıplak kategoriler. Bu yaklaşım Paul Ekman'ın temel duyguları veya Robert Plutchik'in duygu analizi, tarihsel mektuplara uygulanan zaman, duygu analizi olumsuz değil, ancak bu şekilde bir öfke ve korku karışımı ile karakterize edilir - bir kriz noktası veya Robert Plutchik'in ilişkisinde bir değişiklik. Emotion analizi genellikle duygusal bir kelimeyle çalışır.

Neden Tarihsel Araştırma için Her Şey

Tarihsel mektuplar nadiren saf, tek duygular ifade eder. Bir veda mektubu umutla karıştırabilir; Bir iş mektubu resmi kibarlık altında öfkelenebilir. Tandem'deki duygu ve duygu analizi, araştırmacıların bu karmaşıklığı yakalamasını sağlar, örneğin, tarafsız bir duygu ile ilgili bir mektup hala önemli duygusal içerik içerebilir - yazar aşağılayıcı veya ironi çalıştırır - bu duygu analizinin kötüye kullandığı sözcüklerin baskı altında tutulması veya gizli kaygı ile ilişkili olduğunu kabul edebilir.

Sentiment ve Emotion Analysis to Historical Letters

Bu tekniklerin tarihsel yazışmalara pratik uygulaması dikkatli bir hazırlık ve alan özel adaptasyon gerektirir. Aşağıda, her birinin sağlam bir analitik boru hattına nasıl katkıda bulunduğunu ve vurgulıyoruz.

Adım 1: Digitization and Corpus Assembly

İlk engel fiziksel mektuplar sayısallaştırılır ve tutarlı bir korpusu monte edilir. Optik karakter tanıma (OCR) tedavi senaryosu, fading ink ve çeşitli sayfalar için. el yazısı için, manuel transkript veya özel el yazısı tanıma gerekli olabilir. Dijital metin kalitesi doğrudan analiz doğruluğu etkiler.Bir kez, korpus metadata ile organize edilmelidir: tarih, yazar, alıcı, coğrafi köken ve bilinen olaylar veya bağlamlar.

2. Adım: Preprocessing and Normalization

Tarihsel dil eşsiz zorluklar sunar.Yazma genellikle standart olmayan, Cümleleme hatalı ve kelime arşivleri içerir: Preprocessing adımları genellikle şunları içerir:

  • [FONT=0] Normalleştirme:[[Dönetici” veya “hath” gibi kelimeleri modern eşdeğerlere dönüştürmek veya onları korumak, standart bir sözlüğe haritalamak.
  • [FONT:0)Tokenization:[Dönetici:[Dönlendirme:[Dönlendirme:[Dönlendirme:))))[[[Dönlendirme:[Dönlendirme:[Dönlendirme:[D)))))))))))
  • [FONT=0) Dur-word kaldırma (veya saklama):), Bazı duygu modelleri işlevsel kelimeleri tutmaktan yararlanabilir, alt metin (örneğin, “ama”, “henüz”, “al olsa da).

Normalleştirme başarısızları, kelimeleri yanlış anlama veya onları tarihsel metin örnekleri ile yeniden eğitme modellerine neden olabilir.İyi bir uygulama, VADER gibi bir araç oluşturmak veya kullanmaktır (Valence Aware Dictionary ve sEntiment Reasoner)

3. Adım: Modelin Belirlenmesi ve Adapting the Model

Hiçbir şey, 19. yüzyıldaki klinik bir terim, kesinlikle negatif değil) veya “gay” gibi modern sosyal medya veya film incelemeleri üzerinde eğitilmiş modeller, “melankoly” (bu, 19. yüzyıldakiler klinik bir terimdi, kesinlikle negatif değil) veya “gay” gibi yanlış ifadeler yazacaktır.

  • [FONT:0)Doğal öğrenme:[Dönetici:0)) Ön lisansüstü bir modelle başlayın (örneğin, BERT, RoBERTa) ve iyi bir şekilde, bu, bir şekilde duygu için ayrılmış tarihsel mektuplar kümesi üzerinde.
  • [FONT:0]Instri historical thesauri: Kaynaklar [Ücretsiz İngilizce Sözlük Thesaurus) yüzyıllar boyunca harita kelime anlamlarına yardımcı olabilir.
  • [FONT:0)Conduct domain-spiyonasyon:) tarihçiler yanlış sınıflamaları yakalamak için model çıktılarının rastgele bir örneği gözden geçirdiler.

Adım 4: Analiz ve Yorumlama

Model çalışırsa, çıktı yapılandırılmış bir veri kümesidir: Her mektup veya paragraf duygusal kutuplu ve duygu etiketleri ile etiketlenebilir. Araştırmacılar daha sonra şunları yapabilirler:

  • [FONT:0]Plot duygusal trajektörler[Döneticiler[Döneticiler 1 ) tek bir yazar veya grup için zaman içinde.
  • [FONT:0) Bilinen olaylarla ilgili duyguları [Dönetici: 1)[Dönetici:0) Bir savaşın önünde korku, sevilen bir kişinin ölümünden sonra sevinç içinde bir artış.
  • [0]Compare duygusal profiller[[Döneticiler, sosyal sınıflar veya siyasi gruplar arasında).

Örneğin, Amerikan İç Savaş askerinden mektuplar bir çalışma, saha görevlilerinin erken aylarda daha fazla öfke ifade ettiğini bulabilir, bu da yavaş savaşın sonunda üzüntü ve istifa etme yolunu verdi - ikincil tarihi hesaplarla aynı hizaya gelen ama şimdi ampirik olarak destekleniyor.

Vaka Çalışması: Abigail ve John Adams Mektuplarında Cümle

Bu yöntemlerin pratik değerini göstermek için, 1762'den 1801'e kadar John ve Abigail Adams arasındaki geniş yazışmayı düşünün. mektupları Amerikan Devrimi ve erken Cumhuriyet sırasında hem kişisel duygu hem de politik bir duygu anlayışı anlamak için zengin bir kaynaktır.

  • Ayrılık döneminde sevgi terimlerinin frekansını ölçün.
  • XYZ davası sırasında John'un mektuplarında yükselen öfke ve hayal kırıklığı (1797-1798).
  • Abigail'in küçükpox salgınları ve savaş zamanındaki tehditleri sırasında korku anılarını tanımlayın.

Bu analiz, yakın okumayı değiştirmeyecek, ancak on yıllar boyunca duygusal yoğunlukla karşılaştırıldığında ve çiftin farklı rolleri arasında - özel confidant karşı halk devlet adamı. Ayrıca, duygusal ifadelerinin yaşlı ve politik koşullar olarak nasıl geliştiğini ortaya çıkarabilir.

Eleştirel Meydanlar ve Yöntemolojik Güvenli Muhafızlar

Söz konusu büyük olsa da, tarihsel mektuplara duygusal ve duygu analizi uygulamak, pitfalls ile doludur. Bu zorlukların görmezden gelinen sonuçları yanıltıcı sonuçlara yol açabilir.

Dil Evrimi ve Semantic Driftt

Kelimeler zamanla anlam değiştirir. “Awe” bir kez korku veya terör anlamına gelir; “gizli” bir duygu modeli, modern İngilizce üzerinde eğitilmiş bir duygu modeli muhtemelen “gizli” bir fırtınayı olumsuz olarak tarif eder, yazar “ihtiyacı” veya “awe-inspire edici” anlamına gelir; “bu, araştırmacılar, İngilizcenin belirli lexicons ve test modellerini tarihsel metinde belgelemelidir.

Genre ve Register

Mektuplar, dönem, sosyal statü ve cinsiyete göre değişen sözleşmeler takip eder.18. yüzyılın yazı yazma kılavuzları, iş yazışmaları ve duygusal kısıtlamalara teşvik edilir; bir yazar, bu kodlanmış ifadeleri tanımaya bağlıdır.Bir yaklaşım farklı türler için ayrı modeller eğitmektir (aşk mektuplar, askeri sevkler, iş yazışmaları) veya bir özellik olarak metadata.

Sunisma Riski

Geçmişteki deneyimlere modern duygusal kategorilerin uygulanması yorumlanabilir. Örneğin, şimdi birincil kaynak analizi ile “tlankoly” veya “vapors” olarak tanımlanabilir, ancak patolojik olarak görülmemelidir.

Data Sparsity ve Small Datasets

Birçok tarihsel mektup koleksiyonları küçük - çok sayıda öğrenme modellerini birleştiren binlerceden daha uygun mektuplar. Bu tür durumlarda, kural tabanlı lexicons veya basit makine öğrenimi (örneğin, çanta-söz özellikleri ile lojistik regresyon) daha uygun olabilir. Birden çok modeli birleştiren ensemble yöntemleri de güvenilirliği artırabilir.

C ⁇ ve Geleneksel Yöntemleri

En verimli yaklaşım, duygusal ve duygu analizine, geleneksel tarihsel yöntemler için bir yedekten ziyade, tamamlayıcı entegrasyon stratejileridir:

  1. [FONT:0] Bayrak desenleri için hesaplama sonuçları kullanın[[Dönder: 1] Örneğin, belirli bir aydan gelen birçok mektupta öfkede bir artış, belirli bir olay için bu belgeleri yeniden ortaya çıkarmak için bir tarihçiye yol açabilir.
  2. [FONT:0)Instriatif geri bildirim döngüleri: [Dönetici] İlk analizden sonra tarihçiler büyük örnekler gözden geçiriyor ve modelin annotasyon yönergelerini buna göre ayarlarlar.
  3. [FONT:0]Combine diğer dijital yöntemlerle: harf ortak yazarlarının veya konu modellemesinin analizi, duygunun sosyal bağlar ve tematik endişelerle nasıl ilişkili olduğunu ortaya çıkarabilir.

Bu hibrit yaklaşım, yazışma ağlarını takip etmek için ağ analizi kullanan proje, ancak duygusal içeriği içerecek şekilde genişletilebilir.

Tarihçiler için Pratik Araçlar ve Kaynaklar

Duygusal ve duygu analizi ile deney yapmak isteyen tarihçiler, ancak programlama uzmanlığının kullanıcı dostu araçlarla başlayabilir:

  • [FONTD:0)VADER[DÜT:1) - kısa metinlerle makul şekilde çalışan duygusal analiz için bir lexicon tabanlı bir araç; temel Python becerileri gerektirir ancak web arayüzlerine adapte edilmiştir.
  • [FONT:0]Syuzhet[[DÜDÜT:1] – anlatılardan gelen bir R paketi; RStudio üzerinden ağır kodlama olmadan çalıştırılabilir.
  • [FONT:0)Transkribus[[[Döntilmiş metin tanıma platformu) aynı zamanda boru hattının bir parçası olarak temel duyguyu da sunuyor.

Özel modellere yatırım yapmaya istekli olanlar için, akademisyenlerin başlamasına yardımcı olmak için birçok dijital insan laboratuvarı teklif ve işbirliği projesi sunabilmektedir.

Etik düşünceler ve Sorumlu kullanım

Kişisel mektuplarla çalışmak - özellikle de yayın için amaçlananlar - yazarların uzun zamandır vefat ettiğinde bile etik soruları değerlendirmelidir. Araştırmacılar:

  • [FONT=0]Dönetici beklentilerinin [[Döneticileri) gözden geçirilmesi amaçlanmıştır. Bazı mektuplar okumadan sonra yakılması amaçlanmıştır; onları kamusal olarak dikkatli bir şekilde değerlendirme gerektirir.
  • [FONT:0]Biri, duygusal teşhislerden yoksundur.[DÜT:1] Bir kişiyi bilgisayar analizine dayanan “kronik olarak üzücü” olarak nitelendirmek, yaşamlarını ve bağlamlarını genişletebilir.
  • [FONT:0) Belirsizlik konusunda şeffaf olun.[[Dönetici: 1) Model puanları olasılıksal değildir, mutlak değildir. Rapor hatası marjları ve manuel geçerlilik oranları.

Future: Duygusal Olarak Literate Historical AI'ya Doğru

Alan hızla ilerliyor. GPT-4 gibi büyük dil modelleri (LLMs) ve onun yeni başlayanlar metin plausible duygusal yorumları üretebiliyorlar. Ancak, gerçek empati ve sık sık kumaş açıklamaları eksikler (kaynağı).

  • [FONT:0)Multimodal duygu analizi[[Döncüm:0) el yazma stili, kağıt koşulu ve hatta mühürler veya diyagramlar duygusal cues olarak dahil edilir.
  • [FONT=0]Cross-cultural duygu modelleri[[Döneticileri farklı tarihsel toplumların kavramsallaştırdığı hisler için hesap (örneğin, modern hıristiyan karşı “acedia” kavramı modern dezenfe karşı).
  • [FONT:0) Açıklanabilir AI[[DÜDÜT:1) Bu, tarihçilerin modelin gerekçesini doğrulamasına veya meydan okumasına izin veren bir duygu etiketini aldığını gösteriyor.

Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç

Sentiment ve duygu analizi, geçmişi açığa çıkaran sihirli anahtarlar değildir.Onlar, rigor ve alçakgönüllülükle, tarihçinin kulağıyla ortaklıkta dikkatli bir şekilde kullanılmadığımızda, daha önce görünmez olan duygusal boyutları ortaya çıkarabilirler. Geçmişteki duygusal mektuplar sadece eserler değildir; onlar sadece yüzyıllar boyunca duymayı bekliyorlar.