基于维基百科对百万条生命轨迹的细粒度分类
计算机与社会
2026-02-05 v1
摘要
显著人物的生命轨迹传递关于人类动态研究的关键信息。这些轨迹由 () 元组构成，记录了人出生、上学、开始工作或参战等时间和地点。然而，当前研究仅覆盖有限的活动类型，如出生和死亡，缺乏大规模的细粒度轨迹。使用从维基百科中提取 () 三元组的工具，我们将问题形式化为将这些三元组按 24 种精确定义的类型进行分类，利用文本上下文作为补充信息。挑战在于三元组实体常常分散在嘈杂的上下文中。我们使用句法图将三元组实体与相关信息紧密连接，融合文本嵌入以对生命轨迹活动进行分类。由于维基百科文本质量参差不齐，我们使用大语言模型 (LLM) 对文本进行精炼，以获得更标准化的句法图。我们的框架实现了 84.5% 的准确率，超越了基准方法。我们构建了规模最大的细粒度生命轨迹数据集，包含 380 万条标记活动，覆盖 589,193 名个体，跨越 3 个世纪。最终，我们展示了这些轨迹如何支持人类动态在时间和空间中的宏大叙事。代码和数据已公开 disponible。
引用
@article{arxiv.2602.04503,
title = {Fine-grained Classification of A Million Life Trajectories from Wikipedia},
author = {Zhaoyang Liu and Xiaocong Du and Yixi Zhou and Ye Shi and Haipeng Zhang},
journal= {arXiv preprint arXiv:2602.04503},
year = {2026}
}