SCAD: zelf-supervised contrastief leren voor allusiedetectie in Chinese gedichten

Verborgen boodschappen in oude verzen

Klassieke Chinese gedichten zitten vol verborgen verwijzingen naar beroemde verhalen, legendes en historische personen. Deze "allusies" voegen emotionele diepgang en culturele rijkdom toe, maar maken de gedichten ook moeilijk te begrijpen voor moderne lezers — en voor computers. Dit artikel introduceert een nieuw kunstmatig-intelligentiesysteem, SCAD, dat automatisch deze begraven verwijzingen op grote schaal kan blootleggen, en daarmee de deur opent naar slimere digitale hulpmiddelen voor het lezen, onderwijzen en onderzoeken van Chinese literatuur.

Waarom allusies belangrijk zijn in poëzie

Eeuwenlang hebben Chinese dichters gebruikgemaakt van allusies als een soort literaire afkorting. Door te verwijzen naar een bekend verhaal — zoals een idyllisch verborgen dorp of een treurende riviergodin — konden zij complexe gevoelens uitdrukken met slechts een paar karakters. Het probleem is dat deze hints vaak subtiel zijn. Een gedicht noemt mogelijk nooit de naam van het verhaal waarop het leunt; in plaats daarvan roept het een plaats, een voorwerp of een beeld op dat aan die traditie is gebonden. Omdat hetzelfde woord afhankelijk van de context naar verschillende verhalen kan wijzen, hebben zelfs geavanceerde computersystemen moeite om betrouwbaar te herkennen welke allusie een gedicht gebruikt, zeker wanneer er duizenden mogelijke kandidaten zijn en er weinig gelabelde trainingsdata beschikbaar zijn.

Machines leren door vergelijkingen

De auteurs pakken deze uitdaging aan met een strategie genaamd zelf-supervised contrastief leren, speciaal aangepast voor klassiek Chinees. In plaats van mensen elk gedicht te laten labelen met de juiste allusie, bouwen zij een grote verzameling gedicht–allusieparen uit een zorgvuldig samengestelde website die documenteert hoe meer dan 14.000 gedichten naar 1.025 specifieke allusies verwijzen. Voor elk echt paar — een gedicht dat daadwerkelijk een bepaald verhaal gebruikt — genereren ze automatisch "negatieve" paren door hetzelfde gedicht aan vele niet-gerelateerde allusies te koppelen. SCAD leert het echte paar te onderscheiden van de valse door gerelateerde gedicht–allusieteksten dichter bij elkaar te brengen in zijn interne representatieruimte en niet-verwante teksten uit elkaar te duwen.

Een model afgestemd op oude Chinese teksten

Onder de motorkap bouwt SCAD voort op SikuBert, een taalmodel getraind op grote verzamelingen premoderne Chinese teksten. Het systeem voert zowel het gedicht als de allusie (inclusief de oorspronkelijke bronpassage) in een gezamenlijke encoder, waardoor het model zich kan richten op hoe specifieke zinsneden in een gedicht interageren met details uit het verhaal. Lichte "adapter"-modules worden aan deze encoder toegevoegd zodat slechts een klein aantal nieuwe parameters getraind hoeft te worden, wat het fijnregelen efficiënt maakt. Een verbeterde verliesfunctie geeft extra gewicht aan de moeilijkste negatieve voorbeelden — de misleidende allusies die het model geneigd is te kiezen — zodat SCAD leert van zijn meest voorkomende fouten in plaats van alleen van makkelijke gevallen.

Beter dan bestaande benaderingen

Getest tegen een reeks alternatieven — waaronder eerdere deep-learningmodellen, regelgebaseerde methoden en zelfs grote algemene taalmodellen — blijkt SCAD duidelijk nauwkeuriger in het noemen van de juiste allusie in een gedicht. Het plaatst het juiste antwoord niet alleen gemiddeld hoger in de ranglijst, maar identificeert het ook als topkeuze in ongeveer vier van de vijf testgevallen, een duidelijke verbetering ten opzichte van eerdere technieken. Ablatiestudies tonen dat elke ontwerpkeuze bijdraagt: pretraining op klassieke in plaats van moderne taal, het opnemen van de volledige brontekst van de allusie, het toevoegen van adapters en het herwegen van moeilijke negatieve voorbeelden verbeteren alle de prestaties, vooral bij zeldzame of subtiele allusies.

Nieuwe verbanden ontdekken en kenniskaarten bouwen

Buiten de ruwe nauwkeurigheid onderzoeken de auteurs hoe SCAD kan generaliseren en zijn beslissingen kan verklaren. In zogenaamde "zero-shot" tests verwijderen ze opzettelijk bepaalde beroemde allusies en alle gerelateerde gedichten uit de training en vragen vervolgens aan SCAD om ze toch te herkennen. Het systeem presteert nog steeds sterk, wat suggereert dat het algemene patronen heeft geleerd over hoe dichters naar verhalen verwijzen in plaats van een vaste checklist te onthouden. Om in deze beslissingen te kijken, past het team een interpreteerbaarheidsmethode toe genaamd LIME, die de specifieke woorden in een gedicht benadrukt die SCAD's voorspelling het meest beïnvloeden. Met deze signalen extraheren ze bijna 10.000 "allusiewoorden" en stellen ze een kennistgrafiek samen die gedichten, evocatieve zinsneden en de verhalen die ze oproepen verbindt — een bron die zoekfuncties, studietools en interactieve quizzen kan ondersteunen.

Oude hints de digitale eeuw in brengen

In wezen laat dit werk zien dat met de juiste trainingssignalen en architectuur machines kunnen beginnen de literaire knipogen en subtiele verwijzingen in klassieke Chinese poëzie op te pikken. SCAD detecteert niet alleen welk verhaal een gedicht stilletjes oproept, maar kan ook generaliseren naar nieuwe allusies en helpen het ingewikkelde web van verwijzingen in kaart te brengen dat gedichten met elkaar en met de bredere culturele traditie verbindt. Voor lezers, studenten en onderzoekers zouden systemen die op deze benadering zijn gebouwd, gidsen kunnen worden die de verborgen betekenislagen in enkele van 's werelds meest allusierijke literatuur verhelderen.

Bronvermelding: Shi, B., Bu, W., Li, X. et al. SCAD: self-supervised contrastive learning for allusion detection in Chinese poems. Humanit Soc Sci Commun 13, 293 (2026). https://doi.org/10.1057/s41599-026-06627-z

Trefwoorden: klassieke Chinese poëzie, literaire allusies, contrastief leren, digitale geesteswetenschappen, natuurlijke taalverwerking