Calibrated evidence fusion recovers local reading order in 4,251 excavated Chu bamboo slips
本文介绍了一种校准的多证据融合方法，该方法结合了一种新颖的语言模型连接分值，用于客观地对重组碎片化楚简的候选邻居进行排序，其在连续文本中的表现显著优于随机概率，同时也证明了完整的排序仍需依赖物理编号。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下这样一个图书馆：书本已被撕碎成成千上万条细小的木条，而曾经将它们连接在一起的绳索也早已化作尘土。这就是考古学家在处理中国古代竹简时面临的现实。当这些文献被挖掘出来时，它们呈现为一堆混乱的碎片。学者们数百年来一直试图将它们重新拼凑在一起，这一过程涉及两个截然不同的挑战。首先，他们必须决定哪些木条属于同一本书，这一任务通常通过匹配物理特征来解决，例如木条的长度或侧边刻痕的位置。其次，也是更为困难的一步，是在确定了属于同一卷册后，如何确定这些木条的正确阅读顺序。传统上，第二步高度依赖于人类的眼睛和大脑，专家们通过阅读文本并猜测哪一句话能自然地衔接到下一句。这种方法缓慢、主观且容易出错，导致许多古代故事和记录处于永久性的混乱状态。
杨维善（Weishan Yang）与杨洁（Jie Yang）研究人员的一项新研究提供了一种不同的方法，利用计算机科学为这种混乱带来清晰度。他们开发了一种方法，将这个问题视为一个复杂的拼图，目标是找到一条连接所有碎片并按正确顺序排列的最佳路径。该系统并非仅仅依赖人类的直觉，而是分析每一片木条上的文本，寻找暗示一段文字应紧随另一段之后的词汇模式和句子结构。他们在来自楚国的4,251件大规模出土竹简上测试了这一系统，涵盖了从行政记录、日常日志到哲学论著及占卜档案的各种内容。研究人员不仅要求计算机一次性猜测整个顺序，而是要求它为每一片单独的木条提供一份最可能的“邻居”短名单，这一任务模拟了人类编辑实际处理碎片化手稿时的工作方式。
结果表明，计算机可以作为一个强大的助手，极大地缩小了可能性范围。对于包含连续散文的木条（如哲学论文或历史编年史），该系统在许多情况下都能正确识别出真实的下一片木条，并在约二分之一到三分之二的木条中将其列入前五个候选选项。这比随机猜测有了显著进步，因为随机猜测需要编辑从数十个无关的碎片中寻找匹配项。研究发现，文本类型至关重要：讲述连续故事或论证的文件比清单或占卜记录更容易排序，因为后者中的条目通常是独立的，并不相互衔接。事实上，对于这类记录，计算机预测下一片木条的能力几乎不优于随机猜测，这凸显了文本本身有时并不包含关于序列的线索。
为了让系统变得更加聪明，研究人员增加了一个新的分析层，专门观察两片木条交接的边缘。他们使用了一个经过古汉语训练的语言模型，来检查一个句子的结尾是否能平滑地过渡到下一个句子的开头，这种技术不仅有助于判断两件作品是否属于一组，还有助于确定谁在前谁在后。这种方向性的线索对于连续性文本非常有效，有助于系统区分外观相似的碎片。然而，研究也揭示了仅靠文本所能达到的极限。虽然计算机可以可靠地找到某片木条的直接邻居，但它并不总能从头到尾完整地组装出整部手稿。研究人员发现，如果没有诸如木条上书写的数字或其在地下原始位置等物理线索，计算机经常会陷入局部循环，即能找到正确的配对，却无法将它们连接成一条单一且完整的链条。
团队还进行了模拟实验，以测试如果能够获得数字记录中经常缺失的物理测量数据（如每片木条的确切长度或刻痕位置）会发生什么。在这些受控测试中，加入物理数据显著提升了系统的表现，证实了虽然文本在寻找局部连接方面表现出色，但要解决整本书顺序的全局拼图，物理证据很可能是必需的。研究结论指出，虽然我们目前还无法通过点击一下鼠标就完全重建这些古代图书馆，但这种新方法提供了一种可靠的方式，可以为每一片木条生成一份候选名单。这使人类学者的工作量从阅读数十个潜在匹配项减少到了仅需查看寥寥数个，将一项近乎不可能的任务变成了可以管理的任务。未来的方向包括训练计算机去阅读原始竹简上严格、未经改动的书法，并将物理测量数据转化为机器可读的形式，但就目前而言，这种结合了文本与逻辑的校准融合，已是恢复楚国竹简失落声音最精确的工具。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。