面向人文学科的图卷积自编码器集成——以美国奴隶贸易研究为例

我们引入了一个图感知自编码器集成框架，附带相关形式化方法和工具，旨在为人文学科的深度学习研究提供便利。通过组合子架构以产生与人文学科领域同构的模型，我们保持了可解释性，同时为每个子架构选择提供了函数签名，使得传统研究人员和计算研究人员能够在不破坏现有实践的情况下进行协作。我们展示了该方法在美国后大西洋奴隶贸易历史研究中的实际应用，并做出了几项具体的技术贡献：一种新颖的混合图卷积自编码器机制、常见图拓扑的批处理策略以及特定用例的掩码技术。该框架在扩大不同领域参与方面的有效性已通过不断增长的二十多项研究得到证明，这些研究包括与人文学者的合作以及机器学习文献中的既定任务，涵盖了各种领域和数据模态。我们对几种不同的架构选择进行了性能比较，并最后列出了这项研究即将进行的一系列雄心勃勃的下一步工作。