历史手稿中改动类型的自动识别

信件等历史手稿中的改动是一个颇具前景的研究领域。一方面，它们有助于理解文本的构建过程。另一方面，若考虑改动（尤其是删除），在 manuscript 成稿时期被视为敏感的话题会获得连贯性与语境，特别是在删除的情况下。然而，手稿中改动的分析传统上是一项极为繁琐的工作。本文提出一种基于机器学习的方法来辅助对文档中的改动进行分类。具体而言，我们提出一个新的概率模型（下文称为 Alteration Latent Dirichlet Allocation，alterLDA），用于对内容相关的改动进行分类。此处提出的方法基于在数字学术版 Berlin Intellectuals 上开展的实验而开发，对于该版，alterLDA 在标注数据上的改动识别取得了高性能。在未标注数据上，应用 alterLDA 可带来关于作者、编辑及其他手稿贡献者的改动行为，以及约 1800 年前后柏林知识分子通信中敏感话题的新见解。除基于数字学术版 Berlin Intellectuals 的发现外，我们还提出一个用于文本生成分析的一般框架，可用于表示文档变体的其他数字资源语境中。为此，我们详细给出了为取得此类结果所应遵循的方法论步骤，从而提供了一个机器学习在数字人文（Digital Humanities）中应用的典范。