BA-RILA baseado em fusão de características textuais multidimensionais para reconhecimento de tema em poesias chinesas antigas

Por que ensinar computadores a ler poemas antigos é importante

As poesias chinesas antigas contêm séculos de emoção, história e vida cotidiana, mas sua linguagem é tão diferente do chinês moderno que até especialistas discutem seus sentidos. À medida que bibliotecas e museus digitalizam essas obras, cresce a necessidade de ferramentas inteligentes que possam ordenar rapidamente poemas por tópico, ajudando estudiosos, estudantes e o público a explorar coleções enormes. Este estudo apresenta uma nova maneira de os computadores reconhecerem sobre o que um poema antigo trata, usando não apenas o significado das palavras, mas também o ritmo e as imagens para capturar melhor o espírito da poesia clássica.

Transformando poemas clássicos em dados

Para ensinar um computador sobre poesia, os pesquisadores primeiro precisaram construir o tipo certo de conjunto de dados. Eles coletaram cerca de 10.000 poemas das principais dinastias chinesas, principalmente Tang e Song, e rotularam cuidadosamente cada um em seis temas amplos, como amizade e despedida, história e nostalgia, paisagens e campo, amor e casamento, saudade de casa, e fronteira e guerra. Removeram textos ruidosos ou incompletos, segmentaram o chinês clássico e filtrarão palavras funcionais que não carregam muito significado. Análises de nuvem de palavras mostraram que cada tema tinha um vocabulário característico, confirmando que os rótulos correspondiam bem ao conteúdo poético.

Mesclando significado, som e imagem

A maioria das tecnologias linguísticas foca apenas no significado das palavras, mas a poesia clássica chinesa também depende fortemente de padrões sonoros e imagens simbólicas. O novo modelo BA-RILA combina três tipos de informação. Primeiro, utiliza uma versão do popular modelo de linguagem BERT que foi retreinada no chinês antigo, para que o computador entenda melhor a gramática antiga e as expressões clássicas. Segundo, mede o ritmo usando onze características numéricas que capturam rima, comprimento de verso, padrões tonais e estruturas de pareado, refletindo como os versos soam e se equilibram. Terceiro, rastreia imagens poéticas por meio de uma descrição em 75 partes construída a partir de 25 símbolos culturalmente importantes, como salgueiros para separação ou a lua para nostalgia, cada um com frequência, tom emocional e intensidade dentro do poema.

Como o modelo aprende a partir de poemas inteiros

Esses três fluxos de informação diferem em escala, então o sistema primeiro os mapeia para um espaço comum e usa um mecanismo interno de atenção para decidir quanto peso dar à semântica, ao ritmo e à imagem para cada poema. As características fundidas então passam por duas camadas de uma rede recorrente bidirecional que lê o poema tanto para frente quanto para trás, capturando como o sentido se desenvolve ao longo do tempo. Um módulo de atenção multi-cabeça destaca ainda mais as partes mais informativas dessa representação ao observá-la de vários ângulos ao mesmo tempo. Por fim, um conjunto de camadas totalmente conectadas transforma esse quadro interno rico em uma probabilidade sobre os seis temas, decidindo qual tópico melhor corresponde ao poema.

Quão bem o sistema funciona

Testes extensivos mostram que o BA-RILA supera claramente vários modelos de referência fortes que dependem apenas do BERT moderno, de redes convolucionais ou de designs recorrentes mais simples. Na tarefa de seis temas, o novo método alcança uma acurácia de cerca de 97%, com desempenho estável mesmo em temas menos comuns. Quando os autores removeram partes individuais do sistema, como o BERT afinado para o chinês antigo, a fusão de ritmo e imagem, as camadas recorrentes ou o módulo de atenção, o desempenho caiu perceptivelmente, indicando que cada peça contribui de forma significativa. O modelo também lidou com poemas tanto dos períodos Tang quanto Song, embora tenha encontrado maior dificuldade com a poesia Song porque seus ritmos são menos regulares e sua linguagem mais difusa.

O que isso significa para explorar a literatura clássica

Para um não-especialista, a principal conclusão é que combinar o significado das palavras com som e imagens simbólicas permite que computadores classifiquem poemas antigos por tema de uma maneira que reflete melhor as práticas tradicionais de leitura. Em vez de tratar a poesia como texto simples, a abordagem BA-RILA respeita sua musicalidade e imagética cultural, levando a rotulagens automáticas mais confiáveis. Tais ferramentas podem facilitar a busca em grandes arquivos, comparar poetas entre dinastias ou estudar como temas como saudade de casa ou guerra evoluíram ao longo do tempo, apoiando tanto a pesquisa acadêmica quanto a apreciação pública da cultura chinesa clássica.

Citação: Zhang, X., Liu, Y. Multi-dimensional text feature fusion-based BA-RILA for ancient Chinese poetry theme recognition. Sci Rep 16, 16573 (2026). https://doi.org/10.1038/s41598-026-48986-2

Palavras-chave: poesia chinesa antiga, classificação de temas, fusão de características textuais, imagens poéticas, PNL cultural