Large language models for folktale type automation based on motifs: Cinderella case study

📄 arXiv: 2510.18561v1 📥 PDF

作者: Tjaša Arčon, Marko Robnik-Šikonja, Polona Tratnik

分类: cs.CL, cs.AI

发布日期: 2025-10-21

💡 一句话要点

利用大型语言模型和主题自动化分析灰姑娘故事变体

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 大型语言模型 民俗学 故事主题 自动化分析 文本聚类

📋 核心要点

  1. 现有民俗学研究缺乏大规模、自动化的文本分析方法，难以处理海量故事变体。
  2. 利用大型语言模型理解故事文本，自动提取并分析故事中的主题（motifs）。
  3. 实验表明，该方法能够有效检测故事中复杂的主题交互，并支持跨语言的比较分析。

📝 摘要（中文）

人工智能方法正被应用于包括数字人文在内的多个研究领域。本文构建了一种用于民俗学大规模分析的方法。通过使用机器学习和自然语言处理技术，我们自动检测了大量灰姑娘故事变体中的主题，并使用聚类和降维方法分析了它们的相似性和差异性。结果表明，大型语言模型能够检测故事中复杂的相互作用，从而实现对大量文本集合的计算分析，并促进跨语言比较。

🔬 方法详解

问题定义：该论文旨在解决民俗学研究中，对大量故事变体进行自动化分析的难题。传统方法依赖人工标注和分析，效率低下且难以处理大规模数据集。现有方法缺乏有效提取和比较故事主题的工具，阻碍了对故事演变和文化传播的深入理解。

核心思路：论文的核心思路是利用大型语言模型（LLM）的强大文本理解能力，自动识别和提取故事中的主题（motifs）。通过将故事文本输入LLM，可以获得主题的向量表示，进而进行聚类和降维分析，从而揭示故事变体之间的相似性和差异性。这种方法旨在减少人工干预，提高分析效率，并支持跨语言的比较。

技术框架：整体框架包括以下几个主要阶段：1) 数据收集：收集大量灰姑娘故事的变体文本。2) 主题提取：使用大型语言模型（具体模型未明确说明）对故事文本进行编码，提取主题的向量表示。3) 相似性分析：利用聚类算法（如k-means）对主题向量进行聚类，将相似的故事变体归为一类。4) 可视化：使用降维技术（如PCA或t-SNE）将高维主题向量降维到二维或三维空间，以便可视化故事变体的分布和关系。

关键创新：该论文的关键创新在于将大型语言模型应用于民俗学研究，实现了故事主题的自动化提取和分析。与传统方法相比，该方法能够处理更大规模的数据集，并自动发现故事中复杂的相互作用。此外，该方法还支持跨语言的比较，为研究不同文化背景下的故事演变提供了新的视角。

关键设计：论文中未明确说明具体的LLM模型选择和参数设置。主题提取的具体方法（例如，是否使用了特定的prompt工程或微调策略）也未详细描述。聚类算法的选择和参数设置（例如，k-means的k值）可能需要根据具体数据集进行调整。损失函数未提及，因为该方法主要依赖于预训练LLM的表征能力。

📊 实验亮点

论文的主要实验结果表明，大型语言模型能够有效检测灰姑娘故事变体中复杂的主题交互。通过聚类和降维分析，可以清晰地可视化故事变体的分布和关系，从而揭示不同变体之间的相似性和差异性。虽然论文没有提供具体的性能指标，但强调了该方法在处理大规模文本数据和支持跨语言比较方面的优势。

🎯 应用场景

该研究成果可应用于数字人文、民俗学、文学研究等领域。通过自动化分析大量文本数据，可以揭示故事、文化和语言的演变规律。此外，该方法还可用于比较不同文化背景下的故事主题，从而促进跨文化交流和理解。未来，该方法有望应用于其他类型的文本数据分析，例如新闻报道、历史文献等。

📄 摘要（原文）

Artificial intelligence approaches are being adapted to many research areas, including digital humanities. We built a methodology for large-scale analyses in folkloristics. Using machine learning and natural language processing, we automatically detected motifs in a large collection of Cinderella variants and analysed their similarities and differences with clustering and dimensionality reduction. The results show that large language models detect complex interactions in tales, enabling computational analysis of extensive text collections and facilitating cross-lingual comparisons.