跳转到正文

GETAI EDITORIAL DISPATCH新闻报道

十六世纪书信检索,关键词擅长找明引

研究比较词项检索和语义检索,观察哪些方法能从宗教改革时期的信件中辨认教父文献。

返回资讯研究arXiv作者 · GETAI.APP查看原文

苏黎世宗教改革者海因里希·布林格留下的通信超过 13,000 封,多用拉丁语及早期新高地德语写成。11 月 18 日公开的一项预印本研究,今天的检索系统能否帮学者从信件里找出约千年前教父著作的痕迹。难度取决于写信人是明引原句,还是只借用了早期文本的表达。

AI 生成主题插画

团队让词项检索方法 BM25、几种文本向量模型及混合方法在同一任务中排序。对于明确引用,BM25 在前 20 个候选中找回了 94% 的相关引用。经过《圣经》文本复用任务训练的拉丁语编码器在向量模型中表现最好,明引的对应指标为 82%,隐含引用则只有 16%。

对隐含引用,两种方法各能找出另一方漏掉的线索,合并排名后,前 20 名召回率升至 22%。再用交叉编码器重排相同候选,结果为 26%,但要增加计算。对历史学者而言,这些比例说明搜索结果可以缩小核查范围,候选段落是否真的引用同一来源仍要回到书信和原典判断。

arXiv · 原文 · arXiv · 论文全文

配图为 GETAI.APP 使用 ImageGen 生成的主题插画。