Between Century and Poet: Graph-Based Lexical Semantic Change in Persian Poetry

Resumo Técnico: Mudança Semântica Léxica Baseada em Grafos na Poesia Persa

1. Problema e Motivação

O estudo aborda o desafio de modelar a mudança semântica na poesia persa, onde o significado é simultaneamente histórico, relacional e sedimentado em tradições literárias.

• Limitação dos Métodos Atuais: A maioria dos estudos computacionais foca na "deriva vetorial" (drift) — a distância que uma palavra percorre no espaço vetorial ao longo do tempo. No entanto, na poesia, uma palavra pode manter uma posição vetorial relativamente estável enquanto sofre mudanças drásticas em seu contexto local (seus vizinhos semânticos, papéis estruturais e comunidades de significado).
• A Tensão Temporal vs. Autoral: Existe uma tensão entre a evolução histórica (séculos) e a voz poética individual. Modelos que analisam apenas séculos podem apagar a distintividade do autor, enquanto modelos que analisam apenas autores podem perder os ritmos históricos mais profundos.
• Objetivo: Desenvolver uma metodologia que capture a mudança semântica não apenas como deslocamento no espaço vetorial, mas como o reencaminhamento (rewiring) de grafos semânticos locais, permitindo distinguir entre mudanças históricas, influências de poetas específicos e estabilidade estrutural.

2. Metodologia

A pesquisa combina embeddings distribucionais com análise de grafos em um quadro analítico unificado.

• Corpus:

  • 129.451 poemas e 1.446.347 versos extraídos, cobrindo do século III ao XIV da era islâmica.
  • Tratamento de Dados: Normalização de variantes de letras árabes, remoção de diacríticos e regularização de pontuação.
  • Slicing Temporal: Divisão em fatias por século. Para evitar viés de volume (já que séculos centrais são mais densos), foram criadas fatias "balanceadas" (subamostragem determinística) e "completas" (mantendo o registro histórico bruto).
  • Poetas: Um conjunto de 15 poetas (de Ferdowsi a Parvin Etesami) foi selecionado para análise comparativa, com foco naqueles com suporte robusto de tokens (ex: Mowlana, Saeb, Ferdowsi).

• Modelagem e Alinhamento:

  • Embeddings: Uso de modelos Word2Vec (Skip-gram com Negative Sampling - SGNS) treinados separadamente para cada fatia de século e para cada poeta.
  • Configuração: Vetores de dimensão 200, janela de 5, contagem mínima de 15, 15 épocas.
  • Alinhamento: Os espaços vetoriais são alinhados usando a Transformação de Procrustes Ortogonal sobre um vocabulário de âncora compartilhado, permitindo a comparação direta entre diferentes períodos e autores.

• Análise Baseada em Grafos:

  • Para cada modelo alinhado, constrói-se um grafo de k-vizinhos mútuos (k=10) usando similaridade de cosseno.
  • Métricas de Grafos Rastreadas:
    1. Centralidade de Grau: Medida de quão central uma palavra é no campo semântico.
    2. Atribuição de Comunidade: Detecção de comunidades via modularidade ponderada.
    3. Pontuação de Ponte (Bridge Score): Mede a capacidade de uma palavra conectar comunidades distintas (produto da fração de grau que sai da comunidade e da diversidade de comunidades externas tocadas).
  • Métricas de Mudança:
    • Turnover de Vizinhos: Troca na composição dos 10 vizinhos mais próximos.
    • Volatilidade de Papel no Grafo: Mudanças na centralidade e pontuação de ponte.
    • Desvio de Referência: Comparação com um modelo global treinado no corpus completo para distinguir flutuações locais de mudanças robustas.

• Painel Léxico:

  • 20 palavras-alvo selecionadas por saliência cultural e interpretabilidade, incluindo: khaak (Terra), shab (Noite), del (Coração), mey e baadeh (Vinho), eshgh (Amor), fanaa (Aniquilação), entre outras.

3. Principais Contribuições

1. Quadro Unificado: Oferece uma comparação integrada entre comportamento léxico em nível de século e em nível de poeta dentro do mesmo espaço analítico alinhado.
2. Superação da Deriva Vetorial: Demonstra que medidas baseadas em grafos (reencaminhamento de vizinhança, posição de ponte, movimento de comunidade) capturam nuances de mudança histórica que a simples distância vetorial (drift) obscurece.
3. Interpretação Específica por Palavra: Desenvolve interpretações literárias detalhadas para palavras de referência recorrentes, mostrando como diferentes domínios léxicos reagem a pressões históricas e autorais.
4. Validação Humana: Inclui uma validação qualitativa com um especialista em literatura persa, confirmando que os sinais computacionais correspondem a padrões plausíveis de uso poético.

4. Resultados Chave

• Reencaminhamento vs. Deslocamento: A história léxica na poesia persa aparece menos como um deslocamento abrupto e mais como uma reatrelagem local repetida. As palavras mantêm sua identidade, mas a "companhia" que lhes dá força simbólica muda.
• Sensibilidade Temporal vs. Poética:
  • Sensíveis ao Tempo (Histórico): Shab (Noite), Rooz (Dia), Aatash (Fogo), Saba (Brisa) e Baadeh (Vinho). Estas palavras pertencem a campos simbólicos amplamente compartilhados, cujos pesos internos mudam com o período.
  • Sensíveis ao Poeta (Voz Autoral): Khaak (Terra), Eshgh (Amor), Darvish (Dervixe), Shah (Rei) e termos místicos técnicos (Fanaa, Haqiqat). Estas palavras são moldadas por convenções de corte, posicionamento ético ou discursos sufis específicos de cada autor.
  • Casos Mistos: Mey (Vinho) e Gham (Tristeza) mostram pressões ativas em ambas as dimensões.
• O Par "Vinho" (Mey vs. Baadeh):
  • Mey é semanticamente expansivo, instável e "ruidoso", absorvendo registros convivial, místico, satírico e lírico.
  • Baadeh é mais limpo, estreito e disciplinado, mantendo um cluster convivial coerente. Isso demonstra que palavras culturalmente centrais nem sempre são as melhores sondas para análise histórica; sondas mais estreitas podem oferecer histórias mais legíveis.
• Camada Mística: Termos técnicos sufis (Fanaa, Haqiqat) são altamente sensíveis ao poeta e concentrados em discursos doutrinários específicos, enquanto imagens místicas emblemáticas viajam mais livremente pela convenção lírica.
• Validação do Grafo: A análise de grafos permitiu distinguir entre palavras que mantêm um campo semântico durável (ex: Del/Coração, que reencaminha vizinhos dentro de um campo reconhecível de dor e desejo) e palavras que cruzam para novas coalizões (ex: Darvish, que se move entre pobreza, patrocínio e posicionamento ético).

5. Significado e Implicações

• Para Humanidades Digitais: O estudo propõe uma mudança de paradigma na análise de mudança semântica. Em vez de tratar a mudança apenas como um vetor de deslocamento abstrato, a abordagem baseada em grafos restaura a estrutura local à evidência computacional.
• Legibilidade Literária: A metodologia permite descrever a história léxica em termos próximos à leitura literária humana: persistência, migração, mediação e remodelagem seletiva.
• Robustez Metodológica: A combinação de alinhamento ortogonal, análise de grafos locais e comparação com uma referência global oferece um mecanismo robusto para filtrar ruídos de amostras esparsas (como o século III) e identificar mudanças históricas genuínas.
• Conclusão Final: O significado na poesia persa não sobrevive permanecendo imóvel; ele sobrevive sendo reassemblado. A mudança semântica é um processo contínuo de reconfiguração das relações locais dentro de um campo semântico estável.