基于复杂网络建模科学概念的演变：化学革命案例研究

虽然可以利用大语言模型生成的上下文嵌入来估计概念变化，但这些表示方法往往不可解释且缺乏时间感知性。此外，历史数据中的偏差增强对数字人文领域的研究者构成较大的风险。因此，为在演变中的学术领域中建模可靠的概念轨迹，本文发展了一个通过主题构建复杂网络来表示原型概念的框架。我们利用皇家学会语料库，对化学革命中的两种竞争理论（酚化学 vs. 氧化学）进行案例研究，表明象征性变化与更高的熵和拓扑密度相关，这表明思想多样性增加和连通性努力的增强。