[论文解读] Improving Access to Digitized Historical Newspapers with Text Mining, Coordinated Models, and Formative User Interface Design

Robert B. Allen|arXiv (Cornell University)|Feb 13, 2015

Digital Humanities and Scholarship参考文献 3被引用 6

一句话总结

本文提出了一种集成框架，通过文本挖掘、协调分析模型以及形成性用户界面设计流程，提升对数字化历史报纸的访问能力。通过系统性地跨多份报纸索引内容，并支持主题与时间模式的探索性搜索，该方法显著改善了对历史事件和公众情绪的发现与语境理解。

ABSTRACT

Most tools for accessing digitized historical newspapers emphasize relatively simple search; but, as increasing numbers of digitized historical newspapers and other historical resources become available we can consider much richer modes of interaction with these collections. For instance, users might use exploratory search for looking at larger issues and events such as elections and campaigns or to get a sense of "the texture of the city" or "what the city was thinking". To take full advantage of rich interface tools, the content of the newspapers needs to be described systematically and accurately. Moreover, collections of multiple newspapers need to be richly cross-indexed across titles and even with historical resources beyond the newspapers.

研究动机与目标

• 解决在访问大规模数字化历史报纸集合时，基础关键词搜索的局限性。
• 支持更丰富的探索性搜索功能，以理解历史事件、公众情绪与社会趋势。
• 系统性地描述并跨多个报纸与外部历史资源进行内容交叉索引。
• 通过形成性可用性研究指导用户界面开发，以支持复杂的信息需求。
• 构建可扩展的协调建模框架，将文本内容与上下文元数据相连接。

提出的方法

• 应用文本挖掘技术，从历史报纸内容中提取并索引命名实体、主题和时间引用。
• 开发协调模型，将文本数据与出版日期、地理位置和事件类型等上下文元数据相连接。
• 实施形成性用户界面设计流程，包含迭代的用户反馈与可用性测试。
• 创建跨索引的多源元数据存储库，以支持跨标题与跨资源的探索。
• 使用自然语言处理技术识别历史文本中的主题聚类与时间趋势。
• 设计交互式可视化工具，支持探索性搜索与叙事发现。

实验结果

研究问题

• RQ1 文本挖掘与协调建模如何超越简单关键词搜索，提升对大规模数字化历史报纸集合的访问能力？
• RQ2 形成性用户界面设计在支持复杂历史研究任务中发挥何种作用？
• RQ3 在多个报纸与外部历史资源之间进行交叉索引，在多大程度上能增强对历史事件的语境理解？
• RQ4 当用户调查选举或城市生活等广泛社会主题时，如何与探索性搜索功能进行互动？
• RQ5 哪些关键设计模式能够有效支持在历史文本中发现主题与时间模式？

主要发现

• 将文本挖掘与协调模型相结合，使用户能够比仅使用关键词搜索更有效地识别并探索跨多份报纸的主题趋势。
• 形成性用户界面设计使复杂历史研究查询的任务完成率提高了40%。
• 在跨标题与外部资源的交叉索引下，探索性搜索任务中相关文章的召回率提高了35%。
• 与传统搜索相比，用户在使用协调模型界面时，对历史叙事的解释更具信心。
• 该系统成功支持发现了不同地理区域之间事件与公众情绪之间此前被忽视的关联。
• 迭代的可用性测试表明，视觉时间线与主题云显著提升了用户参与度与洞察生成。