Artificial Intelligence for Sentiment Analysis of Persian Poetry

Diese Studie demonstriert, dass moderne Sprachmodelle wie GPT-4o effektiv zur sentimentanalytischen Untersuchung persischer Dichtung eingesetzt werden können, wobei sich herausstellte, dass die Gedichte von Rumi im Vergleich zu denen von Parvin E'tesami insgesamt positivere Gefühle ausdrücken und eine größere Vielfalt an Versmaßen nutzen.

Das Wesentliche

Stellen Sie sich vor, Sie haben zwei riesige Bibliotheken voller alter persischer Gedichte. In der einen Bibliothek stehen die Werke des berühmten Mystikers Rumi (ein alter Meister), und in der anderen die Werke der modernen Dichterin Parvin E'tesami.

Die Forscher in diesem Papier wollten herausfinden: Können Computer diese Gedichte „fühlen"? Können sie verstehen, ob ein Gedicht traurig, glücklich oder neutral ist, ohne dass ein Mensch es liest? Und gibt es einen Zusammenhang zwischen dem „Rhythmus" eines Gedichts (seiner metrischen Struktur) und seiner Stimmung?

Hier ist die Geschichte ihrer Entdeckungen, einfach erklärt:

1. Die digitalen Detektive (Die KI-Modelle)

Die Forscher haben vier verschiedene „KI-Detektive" eingesetzt, um die Gedichte zu analysieren.

• Die alten Detektive (BERT-Modelle): Diese sind wie gut ausgebildete Bibliothekare, die viel gelesen haben, aber vielleicht nicht tief in die Seele eines Gedichts eindringen können.
• Die modernen Genies (GPT-4o): Diese sind wie hochintelligente, neugierige Studenten, die riesige Mengen an Texten „geschluckt" haben und sehr gut im Verstehen von Nuancen sind.

Die Aufgabe war: Lies das Gedicht und gib eine Note von 1 (sehr traurig) bis 5 (sehr glücklich).

2. Der große Vergleich: Rumi vs. Parvin

Das Ergebnis war überraschend klar, egal welchen KI-Detektiv sie einsetzten:

• Rumis Gedichte wurden fast immer als glücklicher und energiegeladener eingestuft.
• Parvins Gedichte wirkten auf die KIs melancholischer und ernster.

Stellen Sie sich das so vor: Wenn Sie in ein Zimmer gehen, das mit Rumi-Gedichten gefüllt ist, fühlen Sie sich wie auf einer fröhlichen Party mit Trommeln. Wenn Sie in Parvins Zimmer gehen, ist es eher wie ein ruhiges, nachdenkliches Café bei Regen.

3. Der Rhythmus als Stimmungsmacher

Ein spannender Teil der Forschung war die Frage: Macht der Rhythmus eines Gedichts es glücklich oder traurig?

In der persischen Dichtung gibt es viele verschiedene „Metren" (Rhythmusmuster). Die Forscher haben untersucht, ob bestimmte Rhythmen immer zu bestimmten Gefühlen führen.

• Rumis Meisterwerk: Rumi hat gezeigt, dass er ein wahrer Zauberer ist. Er hat fast jeden Rhythmus benutzt, um alle möglichen Gefühle auszudrücken – von tiefster Trauer bis zu ekstatischer Freude. Seine Gedichte sind wie ein Orchester, das jedes Instrument spielt.
• Parvins Stil: Parvin hat ihre Rhythmen eher konsistent genutzt, um eine tiefgründige, oft traurige Stimmung zu erzeugen.

Die KI hat bestätigt, was Dichter schon lange ahnten: Rumi nutzt die „Musik" der Sprache, um ein breites Spektrum an Emotionen zu erzeugen.

4. Die menschliche Herausforderung

Hier wird es interessant: Die Forscher haben auch echte Menschen gebeten, die Gedichte zu bewerten.

• Das Problem: Selbst Menschen sind sich nicht immer einig! Ein Gedicht kann für den einen traurig und für den anderen hoffnungsvoll sein.
• Die KI-Leistung: Die KI (besonders das Modell GPT-4o) hat sich erstaunlich gut geschlagen. Sie war zwar nicht zu 100 % mit jedem einzelnen Menschen einverstanden (was unmöglich ist, da Kunst subjektiv ist), aber sie hat die Grundrichtung (eher traurig vs. eher glücklich) sehr gut erfasst.

Ein wichtiger Fund: Eine KI, die speziell auf moderne persische Sprache (wie Nachrichten oder Social Media) trainiert wurde, war bei den alten Gedichten schlechter als eine allgemeine KI. Das ist, als würde man jemanden, der nur moderne Popmusik kennt, bitten, Barockmusik zu analysieren – er versteht den Kontext nicht ganz.

5. Warum ist das wichtig?

Früher mussten Wissenschaftler Jahre damit verbringen, Gedichte zu lesen und zu analysieren. Jetzt zeigt diese Studie: Künstliche Intelligenz kann diese Arbeit übernehmen.

• Sie kann riesige Mengen an Texten in Sekunden durchsuchen.
• Sie kann Muster finden, die dem menschlichen Auge entgehen (z. B. welche Rhythmen welche Gefühle auslösen).
• Sie hilft uns, die emotionale Landschaft alter Literaturen zu verstehen, ohne dass wir uns in tausende von Details verlieren.

Zusammenfassung in einem Satz

Die Forscher haben bewiesen, dass moderne KI wie ein sehr guter Übersetzer funktioniert: Sie versteht nicht jedes einzelne Wort perfekt, aber sie spürt die „Stimmung" der Musik in Rumis und Parvins Gedichten zuverlässig und bestätigt, dass Rumi der Meister des emotionalen Spektrums ist.

Es ist ein großer Schritt in die Zukunft der Geisteswissenschaften, wo Computer helfen, die Seele der Literatur zu entschlüsseln.

Technische Zusammenfassung

Hier ist eine detaillierte technische Zusammenfassung des vorliegenden Papers auf Deutsch:

Technische Zusammenfassung: Künstliche Intelligenz für die Sentiment-Analyse persischer Poesie

1. Problemstellung
Die Arbeit adressiert die Herausforderung, die Sentiment-Analyse (Stimmungsanalyse) auf klassische persische Dichtung anzuwenden. Im Gegensatz zu prosaischen Texten ist die Analyse von Gedichten aufgrund ihrer inhärenten linguistischen Komplexität, der Verwendung von Metaphern, Amphibolien und spezifischen metrischen Strukturen (Vazn) besonders schwierig. Bisherige Studien haben sich oft auf moderne Sprachen oder einfachere Klassifizierungsaufgaben konzentriert. Ein zentrales Ziel dieser Forschung ist es, zu untersuchen, ob moderne Large Language Models (LLMs) in der Lage sind, die Nuancen der persischen Poesie zu erfassen und Korrelationen zwischen dem sentimentalen Gehalt eines Gedichts und seinem metrischen Rhythmus aufzudecken. Bisher fehlte es an Forschung, die moderne Transformer-Architekturen (wie BERT und GPT) speziell für die Sentiment-Analyse klassischer persischer Werke einsetzt.

2. Methodik
Die Studie vergleicht die Leistung verschiedener Transformer-basierter Modelle bei der Analyse zweier prominenter persischer Dichter:

• Datensatz: Gedichte aus dem Divan-i Shams von Jalāl al-Dīn Muḥammad Rūmī (Rumi) und dem Divan-i Ashaar von Parvin E'tesami. Die Daten stammen aus dem öffentlichen Ganjoor-Repository.
• Vorverarbeitung: Verse wurden zu einheitlichen Textdokumenten zusammengefasst und tokenisiert. Aufgrund von Eingabelängenbeschränkungen wurden längere Gedichte in Chunks unterteilt (außer bei GPT-Modellen mit großem Kontextfenster). Die Sentiment-Scores der Chunks wurden gemittelt.
• Bewertungsskala: Ein numerisches Sentiment-System von 1 (sehr traurig/negativ) bis 5 (sehr glücklich/positiv) wurde verwendet.
• Modell-Architekturen (Zero-Shot Inference):
  • BERT Multilingual: Ein generisches, mehrsprachiges Modell.
  • Pars-BERT: Ein auf persische Daten (z. B. Wikipedia, E-Commerce-Kommentare) feinabgestimmtes BERT-Modell.
  • GPT-4o-mini & GPT-4o: Generative Modelle von OpenAI, die über die API mit einem spezifischen Prompt (Rückgabe nur einer Zahl) abgefragt wurden.
• Ground Truth & Validierung: Um die Genauigkeit zu bewerten, wurden 100 Gedichte von vier menschlichen Annotatoren (2 Fachwissenschaftler, 2 Generalisten) bewertet. Da eine perfekte Übereinstimmung aufgrund der Subjektivität der Poesie nicht erwartet wurde, wurden verschiedene Aggregationsstrategien (Mittelwert, Median, Modus, Dawid-Skene-Modell) verglichen. Der Mittelwert (Mean) zeigte die höchste Übereinstimmung mit den menschlichen Bewertungen (gemessen durch Quadratic Weighted Kappa, QWK) und wurde als "Ground Truth" definiert.
• Statistische Metriken: Neben der Genauigkeit wurden Entropie (zur Messung der Sentiment-Vielfalt innerhalb eines Metrums), Standardabweichung und Polarisation analysiert.

3. Wichtige Beiträge und Ergebnisse

• Leistung der Modelle:

  • GPT-4o erwies sich als das leistungsfähigste Modell mit einem QWK von 0,60 gegenüber der menschlichen Ground Truth. Obwohl die exakte Trefferquote (33 %) niedrig erscheint, ist dies im Kontext der menschlichen Subjektivität (menschliche Annotatoren lagen zwischen 47–61 % Übereinstimmung) als signifikant zu werten. GPT-4o erkannte die Polarität (positiv vs. negativ) zuverlässig, auch wenn die genaue Intensitätsskala (1–5) schwer zu treffen war.
  • BERT-Modelle (sowohl Multilingual als auch Pars-BERT) zeigten eine sehr geringe Korrelation mit menschlichen Urteilen (QWK < 0,05 für Pars-BERT).
  • Überraschendes Ergebnis zu Pars-BERT: Das auf moderne persische Texte (Soziale Medien, Nachrichten) feinabgestimmte Pars-BERT schnitt schlechter ab als das generische Multilingual-BERT. Dies wird auf einen "Domain Shift" zurückgeführt: Die archaische Sprache und die metaphorische Tiefe von Rumis Dichtung liegen außerhalb der Verteilung der Trainingsdaten von Pars-BERT.

• Sentiment-Analyse der Dichter:

  • Alle Modelle stimmten darin überein, dass Rumis Gedichte im Durchschnitt glücklichere Sentiments aufweisen als die von Parvin E'tesami.
  • Rumi nutzt Metren, um eine breitere Palette an Emotionen auszudrücken. Bestimmte Metren in Rumis Werk (z. B. R24, R34) zeigen über 60 % positive Sentiments.
  • Im Gegensatz dazu liegen die durchschnittlichen Sentiment-Scores für Parvin E'tesamis Gedichte unter 3, was auf eine vorherrschend traurige oder ernste Stimmung hindeutet.

• Metrische Analyse (Vazn) und Entropie:

  • Die Entropie der Sentiment-Verteilung innerhalb der Metren ist bei Rumi signifikant höher (bis zu ~2,25, nahe dem Maximum von 2,322) als bei Parvin E'tesami (Maximum ~1,75).
  • Dies bestätigt die literaturwissenschaftliche These, dass Rumi Metren meisterhaft einsetzt, um eine enorme emotionale Vielfalt zu erzeugen (oft für Sufi-Gemeinschaften gedacht), während Parvin E'tesamis Werk einen stabileren, konsistenteren emotionalen Ton beibehält.
  • Die Standardabweichung der Sentiment-Scores ist bei Rumi höher, was auf eine größere emotionale Bandbreite hindeutet.

4. Bedeutung und Fazit

Die Studie demonstriert die Machbarkeit des Einsatzes von LLMs für die computergestützte semantische Analyse komplexer, nicht-englischer literarischer Werke.

• Automatisierung: Es wird gezeigt, dass LLMs (insbesondere GPT-4o) in der Lage sind, ohne menschliche Eingriffe tiefgehende semantische Vergleiche zwischen Dichtern und deren metrischen Strukturen durchzuführen.
• Bias-Reduktion: Durch den Einsatz von KI können potenzielle menschliche Verzerrungen in der Interpretation reduziert werden, auch wenn die Modelle selbst noch nicht perfekt sind.
• Digitale Geisteswissenschaften: Die Arbeit eröffnet neue Wege für groß angelegte, multilinguale Studien in den Digital Humanities.
• Herausforderungen: Ein zentrales Limit bleibt die Schwierigkeit der Modelle, archaische Metaphern und spezifische kulturelle Nuancen zu verstehen, wenn diese nicht in den Trainingsdaten vertreten sind. Die Studie unterstreicht die Notwendigkeit, zukünftige Modelle speziell auf klassische literarische Korpora zu trainieren, anstatt sich nur auf moderne Textdaten zu verlassen.

Zusammenfassend bestätigt die Forschung, dass moderne generative KI-Modelle effektiv zur Analyse der emotionalen Landschaft und metrischen Struktur persischer Poesie eingesetzt werden können, wobei GPT-4o derzeit die beste Balance zwischen menschlicher Interpretation und maschineller Skalierbarkeit bietet.