Tutkimuksen tekijät

• ANEE: Ancient Near East Empires, Suomen Akatemian huippuyksikkö 2018-2025
  • Muinainen (ensimmäinen vuosituhat eKr.) lähi-itä (Mesopotamia, “kaksoisvirran maa”)
  • Digihumanismi, arkeologia, yhteiskuntatieteelliset teoriat
  • Tero Alstola, Saana Svärd, Krister Lindén, Aleksi Sahala, Eleanor Bennett ym.

Tutkimuksen tekijät

• Minä (Sam Hardwick)

• En assyriologi, vaan kieliteknologi

• Silloin HY:llä, nyt CSC:llä kehittämässä Kielipankkia

Akkadin kieli

• Kuuluu kuolleeseen itäseemiläisten kielten perheeseen

• Käytössä n. 2500 eKr. - 500 eKr.

• Vaikutti vahvasti aramean kieleen, jolla lopulta korvautui

• Gilgamešin eepos

Akkadin kieli

Nuolenpääkirjoitus

• Meille säilynyt versio kirjoitetusta akkadista on nuolenpääkirjoitus, savitauluihin painettuja kolmio- ja viivamuotoja

• Logosyllabinen järjestelmä: joitain sanoja vastaa logogrammi, (“kuva”), muut kirjoitetaan tavumerkeillä

• Lainaa sumerista, alueen aiemmasta valtakielestä, joka on isolaatti mutta säilyi seremoniallisessa käytössä itsenäisesti

Nuolenpääkirjoitus

Nuolenpääkirjoitus

• Savitauluja on säilynyt yllättävän suuri määrä, n. 500 000

• Niistä on translitteroitu, käännetty ja julkaistu vain pieni osa, n. 10%

Mesopotamia

Mesopotamia

• Sumerin kaupunkivaltiot 5500 - 1800 eKr (Ur)
• Akkadin valtakunta 2300 - 2100 eKr (Sargon akkadilainen)

Mesopotamia

• Assyrian ja uus-Assyrian valtakunta 2000 - 600 eKr. (Tukulti-Ninurta, Tiglath-Pileser, Ashurnipal, Nineven kirjasto)
  • Tuttuja myös VT:stä! (2. Kuninkaiden kirja, Aikakirjat ym.)
• Uus-Babylonian valtakunta 626 – 539 eKr. (Nebukadressar)
  • VT: Jerusalemin valtaus, karkoitus Babyloniaan

Haasteita

• Kieliaineisto kattaa pitkiä ajanjaksoja, sitä on paljon, ja sen tulkinta on vaikeaa (ja tulkintakykyisiä tutkijoita on vähän)

• Voisiko laskennallisilla menetelmillä paljastaa aineistosta kulttuurillisia ja sosiaalisia ilmiöitä?

  • Henkilönimien muodostamat sosiaaliset eliitit
  • Semanttiset ilmiöt

Sanasemantiikka

• Jakaumahypoteesi (distributional hypothesis): sanoilla, joiden ympäristöt ovat samanlaisia, on samanlainen merkitys
  • elokuva oli loistava
  • elokuva oli erinomainen
  • elokuva oli hirveä
  • otin omenan pöydältä
  • otin omenan puusta

Sanasemantiikka

PMI

• Pointwise mutual information: miten paljon todennäköisempää on sanan A esiintyminen sanan B ympäristössä kuin yleensä?

• Tuottaa pareittaisia etäisyyksiä, ei vektoriavaruutta

Sanaupotusten tulkinta

• Sanaupotuksia käytetään yleensä sovelluksissa, ei suoraan tulkintaan

• Sanaupotukset muodostavat yleensä n. 100-ulotteisen avaruuden

• PMI-parit muodostavat verkoston, jossa on N^N kaarta, eivätkä ne ole avaruudellisessa suhteessa keskenään

Demo: ulotteisuus

Miten tehdä tulkittavampia upotuksia?

• PCA (principal component analysis), LDA (linear discriminant analysis), …

• Ongelma: yleensä kieliopilliset ilmiöt dominoivat semantiikkaa

Verkostojen asettelualgoritmit

• Joko upotusten läheisyydestä tai PMI-pareista voidaan tehdä “puoleensavetäviä voimia” ja mallintaa sanastoa 2D-verkkona

• “Fysiikkasimulaatio” päätyy tasapainotilaan

• Yifan Hu, Fruchterman-Reingold, ForceAtlas

• ForceAtlas2: Mathieu Jacomy et al. (2014)

Asettelualgoritmit

Demo: ANEE-portaalit

• Leksikaaliset portaalit ANEE:n sivuilla

Sovellukset

Sovellukset

Linkkejä

• Akkadinkielinen data Etsin-palvelussa
• Leksikaaliset portaalit ANEE:n sivuilla

Kuvakrediitit