scmsqhn / beyondbelieve

read history twice, with nlp tools

题目: Beyond Believe/不只是相信

一. 序

Beyond Believe github link address

对真理的解释权,其中超过一半来自于对历史的解释权.

什么是历史?这很难回答.但我们一定知道什么不是历史,治隆唐宋的101次重复,帝国与盛世的充要论证,以及所有,从封闭中生出的崇拜.所有有关正统与必然的迷信和盲动.

真实的历史一定平凡如生活,却无比鲜活,刺激和绝望而又充满力量.

希望我们的孩子,能够像获得阳光,空气和水一样,自由的获得部分或者全部的真实的历史.

二. 项目目的

• 常用的历史研究有六种方法

1. 考据法
2. 计量史学
3. 口述史学方法
4. 比较史学
5. 心理史学方法
6. 跨学科史学方法 从依据,数读,参考,推测,自洽到互相印证

可以初步判断,知识图谱构建的过程可以完成还原历史的相关任务,并将如上6中方法整合提升

三. 目标:

1. 使用已知的经过靠据或没有经过靠据的史料,构建基于某一历史时期及或历史事件的知识图谱,以还原历史.

2. 形成一套,面向解决特定历史研究课题的知识图谱的构建方法.可以推广至所有事实还原类应用场景如刑侦,审判等.

3. 史料涉及的人事物地,通过学习,生成权重,反向作用于史料甄别.

• eg.通过训练,我们可以发现,图坦卡蒙时期的正史,参假严重.
• eg.口述历史失实的成分和比例

四. 实现

**

构建一个更可以相信的'故事'

1. 构建基础史料,由'人,事,地,物'构成一个item

2. 将item与现有的知识图谱进行join,使用两个参数表达join后的变化

• '故事'的关联度,损失函数 comp
• '故事'的置信度,损失函数 conf

其中comp用来表达,整个'故事',在历史时空内,是否有更广泛的关联性,conf用来表达,整个'故事'是否有'逻辑'硬伤

3. 训练使用强化学习框架,每引入一个新的史料后,替换所有已有的item,通过求解"启发函数",达到优化conf和comp的目的

4. 人事物地由ner从史料中抽取,或手工录入.基础ner部分功能使用已有工具实现.

---

注释表格

icon标识符	what含义
人事地物	item的四个要素
item	所有的史料,预处理成一个item
conf	置信度
comp	关联度或者复杂度
启发函数	一个能够表达训练状态以及conf和comp的函数,用于强化训练
强化训练	反馈,环境,操作的学习
反馈	故事是否讲的更'圆'
环境	知识图谱
操作	相信 或者 不相信

五. we need

学习链接

阿里深度学习与知识图谱

自顶向下或者自下向上构建知识图谱

Beyond Believe github link address

太阳底下无鲜事,从相信开始,不只是相信

we need u, and the true history need u too