Knowledge Graphs Generation from Cultural Heritage Texts: Combining LLMs and Ontological Engineering for Scholarly Debates
Dit artikel introduceert ATR4CH, een systematische vijfstapsmethode die Large Language Models en ontologische engineering combineert om ongestructureerde tekst uit cultureel erfgoed, zoals Wikipedia-artikelen over authenticiteitsdebatten, om te zetten in gestructureerde kennisgrafieken met hoge nauwkeurigheid voor metadata- en bewijsextractie.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Van Verwarde Geschiedenisboeken naar Duidelijke Kaarten: Hoe AI Historische Debatten Ordent
Stel je voor dat je een enorme bibliotheek binnenloopt, vol met oude boeken over geschiedenis, kunst en mysterieuze vondsten. In deze boeken staan de antwoorden op de grootste vragen: Is dit schilderij echt? Wie heeft dit document geschreven? Is dit een nep? Maar hier zit het probleem: de antwoorden staan niet netjes in een lijstje. Ze zijn verspreid over duizenden pagina's, verweven in lange, ingewikkelde zinnen, vol met meningen van experts die soms met elkaar in strijd zijn.
Het is alsof je een enorme puzzel hebt, maar de stukjes liggen door elkaar heen en sommige stukjes zijn zelfs van verschillende puzzels.
Het Probleem: De "Wikipedia"-valkuil
Op websites zoals Wikipedia lees je vaak prachtige, gedetailleerde verhalen over deze debatten. Maar als je die informatie wilt gebruiken voor een computerprogramma (een zogenaamde "Knowledge Graph" of kennisnetwerk), is het een ramp. Computers houden van strakke lijsten: "Dit is een nep, gemaakt in 1400." Maar in de echte wereld zeggen experts: "De meeste mensen denken dat het nep is, maar Valla beweerde in 1439 dat de taal niet klopte, terwijl anderen denken dat het toch echt is."
Deze nuance verdwijnt vaak als we het proberen om te zetten in een simpele database. Het is alsof je een complex schilderij probeert te beschrijven met alleen maar ja- en nee-vragen.
De Oplossing: ATR4CH (De Slimme Vertaler)
De auteurs van dit paper hebben een nieuwe methode bedacht, genaamd ATR4CH. Je kunt dit zien als een super-slimme vertaler die niet alleen woorden vertaalt, maar ook de betekenis en de strijd tussen de woorden begrijpt.
Ze gebruiken hierbij LLMs (grote taalmodellen, zoals de AI die je nu gebruikt) in combinatie met een strakke ontologie (een soort bouwplan voor kennis).
Hoe werkt het? (De 5 Stappen)
Stel je voor dat je een detective bent die een dossier oplost. De methode werkt als volgt:
- De Voorbereiding (Het Plan): Eerst kijken ze naar de boeken en het bouwplan. Ze beslissen: "Welke informatie is belangrijk? Wie zijn de experts? Wat is het bewijs?"
- De Schets (Het Proefje): Ze nemen een paar voorbeeldteksten en proberen ze handmatig te ordenen. Hierbij maken ze een "minimale werkende schets" om te zien wat er werkt en wat niet.
- De Machine Bouwen (De Fabriek): Ze bouwen een automatische fabriek (een computerprogramma). Deze fabriek leest de tekst en haalt er stukjes uit: "Ah, hier zegt Lorenzo Valla dat dit nep is!"
- De Test (De Kwaliteitscontrole): Ze laten de machine werken en kijken of de resultaten kloppen. Als de machine een fout maakt, passen ze het bouwplan aan.
- De Afwerking (De Kaart): Uiteindelijk hebben ze een prachtige, interactieve kaart (een Knowledge Graph) waar je kunt klikken en zien: "Kijk, hier is het debat, hier is het bewijs, en hier is wat elke expert denkt."
De Proef: De "Donatie van Constantijn"
Om te testen of dit werkt, hebben ze gekeken naar een beroemd voorbeeld: de Donatie van Constantijn. Dit is een oud document dat zou zeggen dat de keizer Rome aan de Paus heeft gegeven.
- Wat staat er in de simpele databases? "Dit is een nep." (Punt uit).
- Wat staat er in de Wikipedia-artikelen? Een heel verhaal over hoe een man genaamd Lorenzo Valla in de 15e eeuw bewees dat de taal niet klopte, hoe de kerk eerst weigerde te geloven, en hoe het debat eeuwen duurde.
De nieuwe methode van de auteurs slaagt erin om dat hele verhaal in de computer te stoppen. Ze kunnen nu vragen stellen als: "Wat beweerde Valla precies en welk bewijs gebruikte hij?" en de computer geeft het antwoord terug, inclusief de nuance.
De Resultaten: Kleine Robots doen het net zo goed als Grote
Een verrassend resultaat is dat je niet altijd de duurste, zwaarste AI-modellen nodig hebt.
- Ze hebben drie verschillende AI-modellen getest: een hele grote (Claude), een middelgrote (Llama) en een kleinere, snelle (GPT-4o-mini).
- Het bleek dat de kleinere modellen bijna net zo goed werkten als de grote, maar veel goedkoper en sneller waren.
- De methode haalde een zeer hoge precisie bij het vinden van feiten (96-99%), en deed het redelijk goed bij het begrijpen van complexe meningen (rond de 70%).
Waarom is dit belangrijk?
Voor musea, bibliotheken en historici is dit een game-changer.
- Vroeger: Je moest handmatig duizenden pagina's lezen om te weten wat er over een bepaald voorwerp bekend is.
- Nu: Je kunt een computer vragen: "Toon me alle meningen over dit schilderij, gesorteerd op wie ze hebben en wat hun bewijs is."
Conclusie
Dit paper laat zien dat we met AI eindelijk de rijke, complexe wereld van geschiedenisdebatten kunnen vertalen naar een vorm die computers begrijpen, zonder de menselijke nuance te verliezen. Het is alsof we van een rommelige zolder met losse briefjes zijn gegaan naar een georganiseerd archief waar elke mening zijn juiste plek heeft. En het beste van alles? Je hoeft daarvoor niet per se een supercomputer te huren; een slimme, goedkopere robot doet het werk net zo goed.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.