80000本书中的语义新颖性轨迹：基于跨语料库嵌入的分析

我采用Schmidhuber的压缩进步理论，对80000多本跨越两百年的英语出版物进行语义新颖性轨迹分析。使用句子转换器段落嵌入和运行中心新颖性度量，我将28730本1920年前的Project Gutenberg书籍（PG19）与52796本现代英语书籍（Books3，约1990-2010年）进行比较。主要发现可概括为四点：第一，现代书籍的平均段落级新颖性约高出10%（0.503 vs. 0.459）。第二，轨迹曲折性——即嵌入空间中累积路径长度与净位移之比——在现代语料库中几乎翻倍（增加67%）。第三，趋向收敛的叙事曲线，即新颖性随着趋于固定的语义寄存器而下降，在1920年前文学作品中出现频率是现代语料库的2.3倍。第四，新颖性与读者质量评级正交（r = -0.002），表明Schmidhuber意义上的有趣程度在结构上独立于感知的文学价值。通过PAA-16表示对段落级轨迹进行聚类，揭示了8种叙事形状原型，其在两个时代之间的分布发生了实质性变化。所有分析代码和交互式探索工具均公开于https://bigfivekiller.online/novelty_hub。