SCAD: självövervakad kontrastinlärning för allegoridetektion i kinesiska dikter

Dolda budskap i forntida verser

Den klassiska kinesiska poesin är fylld av dolda hänvisningar till berömda berättelser, legender och historiska gestalter. Dessa ”allusioner” ger känslomässigt djup och kulturell rikedom, men de gör också dikterna svåra att förstå för moderna läsare — och för datorer. Denna artikel presenterar ett nytt artificiellt intelligenssystem, SCAD, som automatiskt kan avslöja dessa begravda referenser i stor skala och därigenom öppna dörren för smartare digitala verktyg för läsning, undervisning och forskning inom kinesisk litteratur.

Varför allusioner är viktiga i poesin

I århundraden har kinesiska poeter förlitat sig på allusioner som ett slags litterärt kortkommando. Genom att anspela på en välkänd berättelse — exempelvis en idyllisk gömd by eller en sörjande flodgudinna — kunde de uttrycka komplexa känslor med bara några få tecken. Problemet är att dessa antydningar ofta är subtila. En dikt nämner kanske aldrig namnet på den berättelse den hämtar ur; istället väcker den en plats, ett föremål eller en bild kopplad till traditionen. Eftersom samma ord kan peka på olika berättelser beroende på sammanhang, har även avancerade dator­system svårt att pålitligt avgöra vilken allusion en dikt använder, särskilt när det finns tusentals möjliga kandidater och begränsade märkta träningsdata.

Att lära maskiner genom jämförelser

Författarna angriper denna utmaning med en strategi kallad självövervakad kontrastinlärning, särskilt anpassad för klassisk kinesiska. I stället för att låta människor märka varje dikt med rätt allusion bygger de en stor samling dikt–allusion-par från en kurerad webbplats som dokumenterar hur över 14 000 dikter citerar 1 025 specifika allusioner. För varje verkligt par — en dikt som faktiskt använder en viss berättelse — genererar de automatiskt ”negativa” par genom att matcha samma dikt med många orelaterade allusioner. SCAD lär sig att skilja det genuina paret från de falska genom att dra relaterade dikt–allusion-texter närmare varandra i sitt interna representationsutrymme och skjuta isär de orelaterade.

En modell anpassad för fornkinesiska texter

Under huven bygger SCAD på SikuBert, en språkmodell tränad på stora samlingar av före-modern kinesisk text. Systemet matar både dikten och allusionen (inklusive dess ursprungliga källpassage) in i en gemensam encoder, vilket gör att modellen kan fokusera på hur specifika fraser i en dikt interagerar med detaljer från berättelsen. Lättviktiga ”adapter”-moduler läggs till denna encoder så att endast ett litet antal nya parametrar behöver tränas, vilket gör finjusteringen effektiv. En förbättrad förlustfunktion ger extra vikt åt de svåraste negativa exemplen — missvisande allusioner som modellen frestas välja — så att SCAD lär sig av sina vanligaste misstag i stället för enbart av lätta fall.

Bättre än befintliga metoder

När SCAD testas mot en rad alternativ — inklusive tidigare djupinlärningssystem, regelbaserade metoder och till och med stora allmänna språkmodeller — visar det sig avsevärt mer träffsäkert vid identifiering av rätt allusion i en dikt. Det placerar inte bara rätt svar högre i genomsnitt utan identifierar det också som första val i ungefär fyra av fem testfall, en tydlig förbättring jämfört med tidigare tekniker. Ablationsstudier visar att varje designval bidrar: användningen av klassisk i stället för modern språkträning, inkluderingen av allusionens fullständiga källtext, tillägg av adapters och omviktning av svåra negativa exempel förbättrar alla prestandan, särskilt för sällsynta eller subtila allusioner.

Att upptäcka nya länkar och bygga kunskapskartor

Utöver rå noggrannhet undersöker författarna hur SCAD kan generalisera och förklara sina beslut. I så kallade ”zero-shot”-tester tar de medvetet bort vissa kända allusioner och alla relaterade dikter ur träningen och ber sedan SCAD att känna igen dem ändå. Systemet presterar fortfarande starkt, vilket tyder på att det har lärt sig generella mönster för hur poeter antyder berättelser snarare än att memorera en fast checklista. För att granska dessa beslut använder teamet en tolkningsmetod kallad LIME, som framhäver de specifika orden i en dikt som mest påverkar SCAD:s prediktion. Med hjälp av dessa signaler extraherar de nästan 10 000 ”allusionsord” och sätter samman dem i en kunskapsgraf som länkar dikter, framkallande fraser och de berättelser de erinrar om — en resurs som kan driva sökfunktioner, studieverktyg och interaktiva quiz.

För in forntida antydningar i den digitala tidsåldern

I grund och botten visar detta arbete att med rätt träningssignaler och arkitektur kan maskiner börja plocka upp de litterära blinkningarna och nickningarna inbäddade i klassisk kinesisk poesi. SCAD upptäcker inte bara vilken berättelse en dikt tyst anspelar på utan kan också generalisera till nya allusioner och hjälpa till att kartlägga det intrikata nät av referenser som binder dikter till varandra och till den bredare kulturtraditionen. För läsare, studenter och forskare kan system byggda på denna metod bli guider som belyser de dolda betydelselagren i några av världens mest allusionsrika texter.

Citering: 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

Nyckelord: klassisk kinesisk poesi, litterära allusioner, kontrastinlärning, digital humaniora, språkteknologi