18世纪德语历史文献的数据挖掘：以主题模型为例(5)
http://www.newdu.com 2024/11/24 11:11:40 《学海》 王涛 参加讨论
对主题模型的反思 我们在研究中验证了主题模型的有效性，并从“德语文献档案”中发现了一些不被学者重视的历史现象。虽然这些内容算不上颠覆性的成果，但是与传统研究相比，主题模型在效率上有传统路径无法比拟的优势。不要忘记，我们对18世纪德意志的认知，经历了好几代学者的研究积累，而主题阅读的工具在没有任何人工干预和先入为主的前提下，在短期内完成了对启蒙时代的画像，这本身就是一个成就。当然，我们在本文仅仅对几个具有代表性的主题模型结果进行了分析，还有很多内容值得深入挖掘；其次，我们处理的德语文献并非新史料，想要获得全新的发现比较有难度。可以肯定的是，如果我们的研究对象足够合理，主题模型不失为一款有效的历史研究工具。 不过，谨慎的学者会倾向于认为，主题模型“产生的问题和带来的启示或许一样多”。(44)毫无疑问，主题模型输出的结果如果不经过学者的解释，就是一堆词组而已；而要想让分析符合历史学科的规律，仍然需要研究者对文献形成的历史背景、所处的社会环境等有一定的把握。所以，在数字史学研究的名义下展开的合作，历史学家永远在场：精于机器学习的计算专家提供智能化的工具，历史学家贡献专业化的分析。从上文的论述可以看出，LDA的算法胜在对大数据的归纳能力，以及挖掘隐含信息的效率。如果在数字人文研究中将远距离阅读与细读有机结合起来，而不是相互对立，(45)应该能够得到更具说服力的研究成果。 另外，主题模型仅仅是一种研究工具，我们对“主题模型”的应用前景审慎乐观。LDA对大数据的解析能力令人鼓舞，研究者会倾向于研究宏大主题，使用动辄上万的文献，这在方法论上固然没有什么问题，但无法结合细读的结果输出，其合理性是值得怀疑的，甚至是危险的。(46)换句话说，用主题模型的算法获取词群仅仅是研究开始的第一步，要想透过有限的主题词挖掘合理解释，历史学家的定性分析功力不可埋没。同时，LDA的算法还会抛弃那些由于样本过少而被程序视为无法构成主题、但对历史研究可能仍然具有意义的内容。这种省略是否合理，在不同的结果输出中如何取舍，类似的问题都需要结合具体文献、具体的研究项目进行讨论。 有一点可以肯定，史学研究中出现更多数码工具的介入，将是不可避免的趋势。毫不意外地，2015年8月在中国济南召开的第22届国际历史科学大会，专门设置了数字史学的讨论单元，“历史学的数字化转向”乃是大势所趋。(47)它将在宏观层面影响历史学的整体面貌，在微观层面改变个体史学研究者的工作方式。当然，主题模型作为一种文本挖掘的方法，仍然存在改进的空间，而这种进步需要人文学者与计算专家更紧密的通力合作。这也是数字人文继续发展的必由之路。 本文写作得到了哈佛大学CBDB中心王宏甦，徐力恒两位学友的帮助。南京大学历史学院舒小昀对本文提出了建设性的修改意见。 (责任编辑：admin) |
- 上一篇：历史虚无主义的方法论剖析
- 下一篇：西方医疗社会史研究的新趋向