历史报纸中话语动态的 topic 建模
计算与语言
2020-11-23 v1
摘要
本文探讨历史研究中历时数据分析的方法论问题。我们在相对大量的历史报纸语料上应用两类主题模型（LDA 与 DTM），旨在捕捉并理解话语动态。我们的案例研究聚焦于 1854 至 1917 年间在芬兰出版的报纸与期刊，但我们的方法可轻易迁移至任意历时数据。我们的主要贡献为：a）一套用于将主题模型应用于海量且不平衡的历时文本集合的联合采样、训练与推断流程；b）针对此类数据中两类主题模型差异的讨论；c）对某一时期主题显著性的量化，从而将文档级主题指派推广至话语层面；d）关于人文阐释在通过主题模型分析话语动态中所起作用之讨论。
引用
@article{arxiv.2011.10428,
title = {Topic modelling discourse dynamics in historical newspapers},
author = {Jani Marjanen and Elaine Zosa and Simon Hengchen and Lidia Pivovarova and Mikko Tolonen},
journal= {arXiv preprint arXiv:2011.10428},
year = {2020}
}