💬 NLP

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

Este artigo apresenta um método interpretável baseado em LLM que utiliza aprendizado com poucos exemplos para gerar automaticamente rótulos de gramática narrativa para a poesia épica latina, estabelecendo assim uma ponte entre a análise computacional e a pesquisa humanística a fim de aprimorar a compreensão da estrutura narrativa e a análise estilística.

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

Publicado 2026-05-13

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

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

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você está tentando entender duas histórias da antiga Roma muito diferentes: uma é uma jornada longa e sinuosa (a Eneida de Virgílio), e a outra é uma guerra civil caótica (a Bellum Civile de Lúcano).

Geralmente, quando computadores tentam analisar essas histórias, eles transformam as palavras em números invisíveis (como transformar uma pintura em uma planilha de cores). Isso ajuda o computador a fazer cálculos, mas torna difícil para os humanos verem por que as histórias parecem diferentes. É como tentar entender uma música olhando para o volume das ondas sonoras em vez de ouvir a melodia.

Este artigo propõe uma nova maneira de ouvir a música. Em vez de transformar o texto em números, os autores ensinam uma IA superinteligente a rotular o texto com etiquetas de história, de forma semelhante a como um bibliotecário poderia etiquetar um livro com "aventura", "tristeza" ou "batalha".

Veja como eles fizeram isso e o que descobriram, explicado de forma simples:

1. A Receita da "Gramática da História"

Os autores criaram um conjunto especial de regras, que chamam de "gramática da história". Pense nisso como uma receita para uma história. Toda história, não importa quão complexa, é feita de ingredientes básicos:

Quem está fazendo algo? (O Personagem)
O que estão fazendo? (A Ação)
Para quem/para quê? (O Objeto)
Onde, quando e por quê? (As Circunstâncias)

Em vez de apenas olhar para as palavras em latim, a IA decompõe cada frase nesses ingredientes. Por exemplo, em vez de ver a frase em latim "Aeneas fugiu da cidade", a IA vê uma etiqueta que diz: [Personagem: Eneias] + [Ação: Fugiu] + [Lugar: Cidade].

2. Ensinando a IA (O Truque "Few-Shot")

A IA que eles usaram (um modelo de linguagem muito avançado) não conhecia essa "receita de história" específica anteriormente. Portanto, os autores não tentaram reeducar toda a IA do zero. Em vez disso, usaram um truque chamado "aprendizado com poucos exemplos" (few-shot learning).

Imagine que você está ensinando uma criança a separar blocos. Você não escreve um manual para ela; apenas mostra três exemplos: "Este bloco vermelho vai na pilha vermelha. Este bloco azul vai na pilha azul." Depois você diz: "Agora você separa o resto."

Os autores mostraram à IA 30 exemplos de texto em latim com as etiquetas de história corretas já aplicadas. A IA rapidamente descobriu o padrão e aplicou essas mesmas etiquetas a milhares de linhas de poesia.

3. O Que Eles Descobriram

Uma vez que a IA rotulou os dois poemas, os autores puderam comparar as "contagens de etiquetas" para ver os estilos dos autores. É como comparar dois chefs contando quantas vezes cada um usou sal versus pimenta.

O Viajante vs. O Lutador: Eles descobriram que a Eneida de Virgílio começa muitas passagens mencionando lugares (como "À beira-mar..."). Isso se encaixa na história de um herói viajando de um lugar para outro.
O Famoso: A Bellum Civile de Lúcano começa passagens muito mais frequentemente mencionando nomes específicos de pessoas ou grupos. Isso se encaixa em uma história focada no caos da guerra e em generais específicos.
Os Negativos: Lúcano usou palavras para "não" ou "não" muito mais frequentemente do que Virgílio, refletindo o tom sombrio e negativo de uma guerra civil.

4. O Teste do "Espelho Mágico" (Correspondência Semântica)

Para provar que seu método funciona, eles tentaram encontrar conexões ocultas entre os dois poemas. Geralmente, os computadores procuram por palavras que soam semelhantes. Mas esses dois poetas frequentemente usavam palavras diferentes para descrever a mesma ideia.

Os autores usaram suas etiquetas de história para encontrar correspondências. Eles encontraram uma linha no poema de guerra e uma linha no poema de jornada que tinham palavras muito diferentes, mas a mesma estrutura de história exata (por exemplo, "Costa contra costa" versus "Estandartes contra estandartes"). A IA deu a eles uma pontuação alta, provando que as histórias estavam ecoando uma à outra, mesmo que as palavras fossem diferentes. Isso é como reconhecer que duas músicas são a mesma porque têm o mesmo ritmo, mesmo que uma seja tocada em um piano e a outra em uma guitarra.

5. Por Que Isso Importa

O ponto principal deste artigo é a clareza.

Antigo Jeito: Computadores dão a você uma lista de números que apenas outros computadores entendem.
Novo Jeito: Computadores dão a você uma lista de etiquetas de história (como "Personagem", "Ação", "Lugar") que os humanos podem ler e entender imediatamente.

Isso permite que estudiosos (humanistas) e cientistas da computação trabalhem melhor juntos. O computador faz o trabalho pesado de ler milhares de linhas, mas a saída é um mapa claro da estrutura da história que qualquer pessoa pode interpretar. Ajuda-nos a ver o "esqueleto" da história, em vez de apenas a "pele" (as palavras específicas).

Em resumo: Eles ensinaram um computador a ler poemas antigos não contando palavras, mas identificando os blocos de construção da história, revelando a "impressão digital" única do estilo de cada autor de uma maneira fácil para os humanos entenderem.

Resumo Técnico: Modelagem da Estrutura Narrativa na Épica Latina com Gramáticas de História Geradas Automaticamente

Enunciado do Problema
As abordagens computacionais atuais para "leitura distante" nos estudos literários frequentemente dependem da transformação de textos em embeddings de espaço vetorial. Embora eficazes para tarefas específicas de aprendizado de máquina, essas representações abstratas obscurecem detalhes literários ricos em contexto e carecem de interpretabilidade para humanistas. Os métodos tradicionais são frequentemente adaptados a domínios ou tarefas específicos, limitando sua generalização. Além disso, as análises computacionais existentes de textos clássicos frequentemente exigem conjuntos de dados ou modelos especializados que não se traduzem facilmente entre diferentes domínios literários ou idiomas. Os autores identificam a necessidade de um conjunto de características que seja ao mesmo tempo computacionalmente robusto e legível por humanos, capaz de capturar a estrutura narrativa sem depender de padrões estatísticos opacos.

Metodologia
O artigo propõe um método para gerar automaticamente rótulos de "gramática de história" para textos de entrada utilizando um pipeline de Modelo de Linguagem de Grande Porte (LLM). A abordagem é inspirada na psicologia da leitura, que sugere que os humanos compreendem narrativas por meio de gramáticas de história implícitas.

Definição de Gramática de História: Os autores definem uma gramática de história modificada baseada em gramáticas transformacionais (Chomsky 1956). Diferentemente dos analisadores sintáticos padrão que se concentram em relações formais (por exemplo, sujeito, verbo, objeto), esta gramática mapeia o texto para funções narrativas. A unidade central é o "triplete semântico" (sujeito, ação, objeto) rodeado por circunstâncias (tempo, lugar, razão, instrumento, resultado). A gramática inclui uma hierarquia de aproximadamente 28 rótulos distribuídos em cinco níveis, variando de colchetes estruturais (por exemplo, <narrative>, <event>, <trip>) a rótulos terminais que descrevem papéis narrativos específicos (por exemplo, ind-name, circum-place, act-neg).
Modelo e Treinamento: O estudo utiliza o GPT-5 (OpenAI 2025) para gerar esses rótulos. Devido à falta de dados de verdade fundamental existentes para este esquema de rotulagem específico, os autores empregam aprendizado com poucos exemplos (few-shot learning). Eles rotularam manualmente 30 linhas das Éclogas de Virgílio para servir como conjunto de treinamento. Esses exemplos, juntamente com a definição da gramática e a descrição da tarefa, foram fornecidos ao modelo por meio de prompts.
Processamento de Dados: O método foi aplicado a dois poemas épicos latinos: a Eneida de Virgílio e o Bellum Civile de Lucano. Os textos foram pré-processados dividindo-os em linhas poéticas individuais (passagens). O modelo gerou uma sequência de rótulos de gramática de história para cada palavra em uma passagem, criando efetivamente uma estrutura de árvore que representa a função narrativa do texto.
Técnicas de Análise: Os autores empregaram dois métodos principais de análise:
1. Análise de Frequência: Contagem da ocorrência de rótulos e subsequências específicos para identificar padrões estilísticos.
2. Correspondência Semântica: Uso das sequências de rótulos geradas como vetores de características para uma métrica de similaridade cosseno ponderada. Esta métrica calcula a similaridade com base em nós (rótulos), arestas (relações pai-filho) e caminhos (sequências de comprimento $n=3$ ) para identificar paralelos intertextuais sem depender de sobreposição lexical.

Principais Resultados
O estudo aplicou este pipeline à Eneida (9.897 linhas) e ao Bellum Civile (8.060 linhas), bem como a um texto em prosa, Ab urbe condita (Livro 1) de Tito Lívio.

Diferenças Estilométricas: As frequências de rótulos revelaram estratégias narrativas distintas. O Bellum Civile apresentou uma frequência mais alta de ind-name (1,047 por linha) em comparação com a Eneida (0,641), alinhando-se com observações acadêmicas sobre o catalogamento de nomes próprios por Lucano. Por outro lado, a Eneida utilizou circum-place com mais frequência no início das passagens (0,500 vs. 0,470), refletindo a estrutura itinerante de Virgílio e sua enquadramento espacial.
Padrões de Subsequência: Subsequências comuns, como event, trip, subj, subj-ind, ind-name, foram prevalentes em ambos os textos, indicando convenções épicas compartilhadas. No entanto, event, trip, act, act-circum, circum-place foi significativamente mais comum na Eneida, reforçando a descoberta de que Virgílio prioriza o cenário antes da ação.
Prosa vs. Poesia: Quando aplicado à prosa de Tito Lívio, o modelo lutou com estruturas de frases mais longas e complexas, usando excessivamente o rótulo obj-subj. Isso destacou a necessidade de exemplos de poucos exemplos (few-shot) correspondentes ao estilo para um desempenho ótimo.
Correspondência Semântica: Em um estudo de caso comparando a Eneida e o Bellum Civile, a correspondência semântica baseada em gramática de história recuperou 501 de 3.410 intertextos conhecidos (do benchmark Tesserae) dentro dos 10% superiores dos resultados. Notavelmente, identificou correspondências de alta pontuação (por exemplo, pontuação 0,975) entre passagens com pouca similaridade lexical, mas estruturas narrativas semelhantes, demonstrando a capacidade do método de detectar paralelos com base na função e não no vocabulário.

Significado e Afirmações
Os autores afirmam que este método oferece um "conjunto de características legível por humanos e generalizável" que preenche a lacuna entre a análise computacional e a erudição literária tradicional.

Interpretabilidade: Diferentemente dos métodos baseados em embeddings, a saída consiste em rótulos narrativos explícitos (por exemplo, "indivíduo nomeado", "ação de partida", "lugar") que os estudiosos podem interpretar diretamente. Isso permite a descoberta de padrões que são "acessíveis tanto a humanistas quanto a tecnólogos".
Generalização: Ao evitar mapeamentos de vocabulário fixos e confiar em uma gramática estrutural, o método pode ser adaptado a vários domínios literários e idiomas, desde que exemplos de poucos exemplos (few-shot) apropriados estejam disponíveis.
Complementaridade: Os autores posicionam esta abordagem não como uma substituição para tarefas existentes de Processamento de Linguagem Natural (NLP), mas como um conjunto de características complementar. Pode ser integrado em pipelines de aprendizado de conjunto para tarefas como estilística, atribuição de autoria, detecção de alusões e correspondência semântica.
Validação: O método recuperou com sucesso insights literários estabelecidos (por exemplo, a orientação espacial de Virgílio versus as aberturas orientadas para a ação de Lucano) e identificou novos padrões estruturais, validando a utilidade das gramáticas de história como ferramenta para análise literária computacional.

O artigo conclui que esta abordagem fomenta uma colaboração mais rica entre humanistas e tecnólogos, tornando a estrutura narrativa legível em escala, ao mesmo tempo que permanece fundamentada em categorias humanísticas.