Fabula-NET: A Deep Neural Network for Automated Multidimensional Assessment of Literary Fiction and Narratives
Projektbeskrivelse
Fabula-NET er et interdisciplinært samarbejde mellem litteraturforskning, lingvistik og informatik med det formål at udvide rækkevidden af maskinlæring med domæneviden fra humaniora. Litteraturens mangedimensionale og komplekse tekster udgør et særligt udfordrende materiale med et potentiale for at udvikle nye modeller til automatiseret tekstklassifikation. Projektet benytter fraktalanalyse, sentimentanalyse, avancerede sprogmodeller og dybe neurale netværk til at beskrive teksters indre sammenhænge ud fra hypotesen, at et vellykket litterært værk udviser en særlig variation mellem forudsigelighed og uforudsigelighed. Denne variation afspejles især i narrativets dynamiske egenskaber. Den samlede model kan bruges til at klassificere tekster som høj/lav kvalitet og succesfuld/ikke succesfuld, hvilket understøttes af foreløbige undersøgelser af eksempelvis H. C. Andersens eventyr og J. K. Rowlings romaner. Projektet er flersprogligt og arbejder med et meget stort korpus på engelsk, dansk og kinesisk i samarbejde med en række eksperter, der bidrager til at validere den automatiserede analyses resultater. Anvendelsesmulighederne for denne teknologi er omfattende, og den vil kunne vinde indpas på både biblioteker og forlag til søgning i og vurdering af tekster, og i forskning til at forstå og sammenligne store samlinger af tekster fra verdenslitteraturen på et niveau højere end kompilerede enkeltanalyser. Anvendelsen vil også kunne udvikles til andre typer tekster og bidrage til at øge kvaliteten af fx. automatisk genereret tekst.
Kunstig intelligens forudser litterær succes
Hvad afgør egentlig, om en bog bliver en succes? Det spørgsmål er der nok mange forfattere, forlæggere, bibliotekarer og andre bogfolk, som har stillet sig selv i tidens løb – og nu nærmer vi os et svar.
Ved hjælp af maskinlæring og kunstig intelligens har et hold forskere fra litteraturforskning, lingvistik og informatik på Aarhus Universitet udviklet en teknologi, der kan forudsige sandsynligheden for, at litterære værker får succes. Det er sket gennem Fabula-NET, et projekt støttet under VELUX FONDENs Kernegruppe-program.
Tre parametre bag boglige succeser
Projektets formål er at give en bedre forståelse af litterær kvalitet og at kunne skabe et mere kvalificeret system til at vurdere litterære værker. Dermed er projektet et spændende eksempel på, hvordan humanistisk grundforskning kan skabe nye perspektiver på litteraturen og forbinde viden på tværs af fagområder.
Forskergruppen har arbejdet med tre succesparametre for et værk og vil gøre dele af teknologien bag Fabula-NET tilgængelig via en webapplikation, hvor redaktører, forfattere og forskere kan uploade tekster og dermed blive klogere på teksternes potentiale.
Skal bøger så skrives og vælges af maskiner? Nej. Ligesom med andre AI-løsninger er Fabula-NET ikke en erstatning for mennesker. Det er et supplement, som fx kan hjælpe forlag og redaktører med at screene de mange manuskripter, de modtager. Og dermed måske finde oversete guldkorn og samtidig bidrage til større diversitet blandt forfattere ved at vælge ud fra litteraturens kvaliteter og ikke forfatterens profil.
