💬 NLP

Modeling Narrative Structure in Latin Epic Poetry with Automatically Generated Story Grammars

Este artículo presenta un método interpretable basado en modelos de lenguaje grande que utiliza aprendizaje con pocos ejemplos para generar automáticamente etiquetas de gramática narrativa para la épica latina, tendiendo así un puente entre el análisis computacional y la investigación humanística para mejorar la comprensión de la estructura narrativa y el análisis estilístico.

Autores originales: Abigail Swenor, John James, Neil Coffee, Walter Scheirer

Publicado 2026-05-13

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Abigail Swenor, John James, Neil Coffee, Walter Scheirer

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás intentando entender dos historias de la antigua Roma muy diferentes: una es un viaje largo y sinuoso (la Eneida de Virgilio), y la otra es una guerra civil caótica (la Bellum Civile de Lucano).

Por lo general, cuando los ordenadores intentan analizar estas historias, convierten las palabras en números invisibles (como convertir un cuadro en una hoja de cálculo de colores). Esto ayuda al ordenador a hacer cálculos, pero dificulta que los humanos vean por qué las historias se sienten diferentes. Es como intentar entender una canción mirando el volumen de las ondas sonoras en lugar de escuchar la melodía.

Este artículo propone una nueva forma de escuchar la música. En lugar de convertir el texto en números, los autores enseñan a una inteligencia artificial superinteligente a etiquetar el texto con etiquetas de historia, de manera similar a como un bibliotecario podría etiquetar un libro con "aventura", "tristeza" o "batalla".

Aquí está cómo lo hicieron y qué descubrieron, explicado de forma sencilla:

1. La receta de la "Gramática de la Historia"

Los autores crearon un conjunto especial de reglas, al que llaman "gramática de la historia". Piensa en esto como una receta para una historia. Cada historia, sin importar cuán compleja sea, está hecha de ingredientes básicos:

¿Quién está haciendo algo? (El Personaje)
¿Qué están haciendo? (La Acción)
¿A quién/qué? (El Objeto)
¿Dónde, cuándo y por qué? (Las Circunstancias)

En lugar de solo mirar las palabras latinas, la IA descompone cada oración en estos ingredientes. Por ejemplo, en lugar de ver la oración latina "Eneas huyó de la ciudad", la IA ve una etiqueta que dice: [Personaje: Eneas] + [Acción: Huyó] + [Lugar: Ciudad].

2. Enseñando a la IA (El truco de "Few-Shot")

La IA que utilizaron (un modelo de lenguaje muy avanzado) no conocía esta "receta de historia" específica de antemano. Así que los autores no intentaron reentrenar toda la IA desde cero. En su lugar, utilizaron un truco llamado "aprendizaje con pocos ejemplos" (few-shot learning).

Imagina que estás enseñando a un niño a clasificar bloques. No le escribes un manual; simplemente le muestras tres ejemplos: "Este bloque rojo va en la pila roja. Este bloque azul va en la pila azul". Luego dices: "Ahora tú clasifica el resto".

Los autores mostraron a la IA 30 ejemplos de texto latino con las etiquetas de historia correctas ya aplicadas. La IA comprendió rápidamente el patrón y aplicó esas mismas etiquetas a miles de líneas de poesía.

3. Lo que Descubrieron

Una vez que la IA etiquetó los dos poemas, los autores pudieron comparar las "cuentas de etiquetas" para ver los estilos de los autores. Es como comparar a dos chefs contando cuántas veces usaron sal frente a pimienta.

El Viajero vs. El Luchador: Descubrieron que la Eneida de Virgilio comienza muchos pasajes mencionando lugares (como "En la orilla..."). Esto encaja con la historia de un héroe viajando de un lugar a otro.
El Nombrador: La Bellum Civile de Lucano comienza los pasajes mucho más a menudo mencionando nombres específicos de personas o grupos. Esto encaja con una historia centrada en el caos de la guerra y generales específicos.
Los Negativos: Lucano usó palabras para "no" o "no" mucho más a menudo que Virgilio, reflejando el tono sombrío y negativo de una guerra civil.

4. La Prueba del "Espejo Mágico" (Correspondencia Semántica)

Para demostrar que su método funciona, intentaron encontrar conexiones ocultas entre los dos poemas. Por lo general, los ordenadores buscan palabras que suenen iguales. Pero estos dos poetas a menudo usaron diferentes palabras para describir la misma idea.

Los autores utilizaron sus etiquetas de historia para encontrar coincidencias. Encontraron una línea en el poema de guerra y una línea en el poema de viaje que tenían palabras muy diferentes pero la misma estructura de historia exacta (por ejemplo, "Orilla contra orilla" frente a "Estandartes contra estandartes"). La IA les dio una puntuación alta, demostrando que las historias estaban resonando entre sí, aunque las palabras fueran diferentes. Esto es como reconocer que dos canciones son iguales porque tienen el mismo ritmo, incluso si una se toca en un piano y la otra en una guitarra.

5. Por Qué Esto Importa

El punto principal de este artículo es la claridad.

La Vieja Forma: Los ordenadores te dan una lista de números que solo otros ordenadores entienden.
La Nueva Forma: Los ordenadores te dan una lista de etiquetas de historia (como "Personaje", "Acción", "Lugar") que los humanos pueden leer y entender inmediatamente.

Esto permite que los eruditos (humanistas) y los científicos informáticos trabajen mejor juntos. El ordenador hace el trabajo pesado de leer miles de líneas, pero el resultado es un mapa claro de la estructura de la historia que cualquiera puede interpretar. Nos ayuda a ver el "esqueleto" de la historia, en lugar de solo la "piel" (las palabras específicas).

En resumen: Enseñaron a un ordenador a leer poemas antiguos no contando palabras, sino identificando los bloques de construcción de la historia, revelando la "huella dactilar" única del estilo de cada autor de una manera que es fácil para los humanos entender.

Resumen Técnico: Modelado de la Estructura Narrativa en la Poesía Épica Latina con Gramáticas de Historia Generadas Automáticamente

Enunciado del Problema
Los enfoques computacionales actuales para la "lectura distante" en los estudios literarios a menudo dependen de transformar el texto en incrustaciones de espacio vectorial. Aunque son efectivos para tareas específicas de aprendizaje automático, estas representaciones abstractas oscurecen los detalles literarios ricos en contexto y carecen de interpretabilidad para los humanistas. Los métodos tradicionales suelen estar adaptados a dominios o tareas específicas, lo que limita su generalizabilidad. Además, los análisis computacionales existentes de textos clásicos frecuentemente requieren conjuntos de datos o modelos especializados que no se traducen fácilmente entre diferentes dominios literarios o idiomas. Los autores identifican la necesidad de un conjunto de características que sea tanto computacionalmente robusto como legible para humanos, capaz de capturar la estructura narrativa sin depender de patrones estadísticos opacos.

Metodología
El artículo propone un método para generar automáticamente etiquetas de "gramática de historia" para textos de entrada utilizando una tubería de Modelo de Lenguaje Grande (LLM). El enfoque se inspira en la psicología de la lectura, que sugiere que los humanos comprenden las narrativas a través de gramáticas de historia implícitas.

Definición de Gramática de Historia: Los autores definen una gramática de historia modificada basada en gramáticas transformacionales (Chomsky 1956). A diferencia de los analizadores sintácticos estándar que se centran en relaciones formales (por ejemplo, sujeto, verbo, objeto), esta gramática mapea el texto a funciones narrativas. La unidad central es el "triplete semántico" (sujeto, acción, objeto) rodeado de circunstancias (tiempo, lugar, razón, instrumento, resultado). La gramática incluye una jerarquía de aproximadamente 28 etiquetas en cinco niveles, que van desde corchetes estructurales (por ejemplo, <narrativa>, <evento>, <viaje>) hasta etiquetas terminales que describen roles narrativos específicos (por ejemplo, ind-nombre, circum-lugar, act-neg).
Modelo y Entrenamiento: El estudio utiliza GPT-5 (OpenAI 2025) para generar estas etiquetas. Debido a la falta de datos de verdad fundamental existentes para este esquema de etiquetado específico, los autores emplean aprendizaje con pocos ejemplos. Etiquetaron manualmente 30 líneas de las Églogas de Virgilio para servir como conjunto de entrenamiento. Estos ejemplos, junto con la definición de la gramática y la descripción de la tarea, se proporcionaron al modelo mediante indicaciones.
Procesamiento de Datos: El método se aplicó a dos poemas épicos latinos: la Eneida de Virgilio y el Bellum Civile de Lucano. Los textos se preprocesaron dividiéndolos en líneas poéticas individuales (pasajes). El modelo generó una secuencia de etiquetas de gramática de historia para cada palabra en un pasaje, creando efectivamente una estructura de árbol que representa la función narrativa del texto.
Técnicas de Análisis: Los autores emplearon dos métodos de análisis principales:
1. Análisis de Frecuencia: Contar la ocurrencia de etiquetas y subsecuencias específicas para identificar patrones estilísticos.
2. Coincidencia Semántica: Utilizar las secuencias de etiquetas generadas como vectores de características para una métrica de similitud del coseno ponderada. Esta métrica calcula la similitud basándose en nodos (etiquetas), aristas (relaciones padre-hijo) y caminos (secuencias de longitud $n=3$ ) para identificar paralelismos intertextuales sin depender de la superposición léxica.

Resultados Clave
El estudio aplicó esta tubería a la Eneida (9.897 líneas) y al Bellum Civile (8.060 líneas), así como a un texto en prosa, el Ab urbe condita (Libro 1) de Tito Livio.

Diferencias Estilométricas: Las frecuencias de las etiquetas revelaron estrategias narrativas distintas. El Bellum Civile mostró una mayor frecuencia de ind-nombre (1,047 por línea) en comparación con la Eneida (0,641), alineándose con las observaciones académicas sobre la catalogación de nombres propios por parte de Lucano. Por el contrario, la Eneida utilizó circum-lugar con mayor frecuencia al inicio de los pasajes (0,500 frente a 0,470), reflejando la estructura itinerante y el encuadre espacial de Virgilio.
Patrones de Subsecuencia: Las subsecuencias comunes, como evento, viaje, subj, subj-ind, ind-nombre, fueron prevalentes en ambos textos, indicando convenciones épicas compartidas. Sin embargo, evento, viaje, act, act-circum, circum-lugar fue significativamente más común en la Eneida, reforzando el hallazgo de que Virgilio prioriza el escenario antes que la acción.
Prosa vs. Poesía: Cuando se aplicó a la prosa de Livio, el modelo tuvo dificultades con las estructuras de oraciones más largas y complejas, haciendo un uso excesivo de la etiqueta obj-suj. Esto destacó la necesidad de ejemplos de pocos ejemplos coincidentes con el estilo para un rendimiento óptimo.
Coincidencia Semántica: En un estudio de caso que comparaba la Eneida y el Bellum Civile, la coincidencia semántica basada en gramáticas de historia recuperó 501 de 3.410 intertextos conocidos (del punto de referencia Tesserae) dentro del 10% superior de los resultados. Notablemente, identificó coincidencias de alta puntuación (por ejemplo, puntuación 0,975) entre pasajes con poca similitud léxica pero estructuras narrativas similares, demostrando la capacidad del método para detectar paralelismos basados en la función en lugar del vocabulario.

Significado y Afirmaciones
Los autores afirman que este método ofrece un "conjunto de características legible para humanos y generalizable" que cierra la brecha entre el análisis computacional y la erudición literaria tradicional.

Interpretabilidad: A diferencia de los métodos basados en incrustaciones, la salida consiste en etiquetas narrativas explícitas (por ejemplo, "individuo nombrado", "acción de partida", "lugar") que los erudicos pueden interpretar directamente. Esto permite el descubrimiento de patrones que son "accesibles tanto para humanistas como para tecnólogos".
Generalizabilidad: Al evitar mapeos de vocabulario fijos y depender de una gramática estructural, el método puede adaptarse a diversos dominios literarios e idiomas, siempre que estén disponibles ejemplos adecuados de pocos ejemplos.
Complementariedad: Los autores posicionan este enfoque no como un reemplazo para las tareas existentes de Procesamiento del Lenguaje Natural (NLP), sino como un conjunto de características complementario. Puede integrarse en tuberías de aprendizaje de conjunto para tareas como estilística, atribución de autoría, detección de alusiones y coincidencia semántica.
Validación: El método recuperó con éxito conocimientos literarios establecidos (por ejemplo, la orientación espacial de Virgilio frente aberturas impulsadas por la acción de Lucano) e identificó nuevos patrones estructurales, validando la utilidad de las gramáticas de historia como herramienta para el análisis literario computacional.

El artículo concluye que este enfoque fomenta una colaboración más rica entre humanistas y tecnólogos al hacer legible la estructura narrativa a gran escala, manteniéndose al mismo tiempo fundamentado en categorías humanísticas.