TEXTO PRIMERO - NOTICIA
Un equipo multidisciplinario de expertos de la Universidad China de Hong Kong ha desarrollado un sistema innovador para detectar intencionalidades intertextuales asimétricas en textos históricos y literarios. Este descubrimiento se basa en un enfoque paradigmático dividido en etapas de “Partición-Normalización-Combinación” para descomponer los documentos en fragmentos manejables, estructurarlos en datos organizados y luego recomponerlos y buscarlos en base a filtros semánticos y de metadatos.
El fenómeno de la intertextualidad asimétrica se refiere a las referencias no recíprocas que un texto puede tener respecto a otro, manifestadas a menudo en literatura, periodismo y documentos históricos. A diferencia de otros métodos existentes, el nuevo sistema propuesto utiliza modelos de lenguaje de gran escala (LLMs) y búsquedas de similitud vectorial para reconocer relaciones tanto explícitas como implícitas entre textos. Esto es particularmente beneficioso para archivos en expansión que contienen vastas colecciones de obras literarias o bases de datos históricas, dado que el sistema permite para integración continua y detección eficiente de estas relaciones.
Entre los desafíos para rastrear estas conexiones, el equipo destaca la dificultad de identificar intertextualidades sutiles o implícitas que escapan a los métodos tradicionales, como el análisis n-gram o incluso las búsquedas semánticas más recientes. Para abordar esto, el sistema fragmenta los documentos basándose en señales externas como comillas de citas o marcadores de citas para revelar conexiones intertextuales de naturaleza no recíproca.
El trabajo también propone la incorporación de modelos avanzados de codificación semántica y extracción de metadatos asistida por LLMs, especialmente útil cuando una obra moderna parafrasea o reinterpreta un texto más antiguo sin emplear citas directas. Este es uno de los aspectos más innovadores ya que une, a nivel semántico, documentos enteros que pueden ser tradicionalmente dispares.
Con la metodología de “Partición-Normalización-Combinación” descrita en el artículo, la exploración intertextual no solo se limita a identificar citas directas y parafraseos obvios, sino que arroja luz sobre relaciones más profundas y menos evidentes, reflejando una dirección de influencia difícilmente observable a simple vista. Esto podría redefinir la forma en que académicos, historiadores y literatos abordan el estudio de la transformación de ideas a través del tiempo.
En conclusión, esta nueva metodología supone un gran avance para las humanidades digitales, permitiendo una depuración extremadamente precisa de referencias literarias que de otro modo pasarían inadvertidas. Mientras que el estudio se centra en el potencial del sistema en la investigación literaria e histórica, su aplicación podría extenderse a campos tan diversos como la evaluación periodística y los estudios sociales. Este avance no es solo una mejora tecnológica, sino una invitación a replantear nuestras conexiones con las obras escritas a través de las eras.