What Would Cicero Write?
Examining Critical Textual Decisions with a Language Model
Abstract
I recenti sviluppi dei modelli linguistici Transformer permettono ora agli utenti di predire la probabilità di frasi diverse e di prevedere le parole mancanti in modo più accurato di prima. Queste nuove informazioni e queste nuove prospettive
possono essere utilizzate per giudicare nuove emendazioni testuali e per valutare ulteriormente le scelte editoriali adottate nel passato. Esaminiamo qui l’importanza dell’analisi del corpus di un autore e l’impatto della teoria di Good-
Turing sulla stima della frequenza quando si ipotizzano le parole mancanti. Delineiamo anche alcuni dei limiti di ciò che i modelli linguistici Transformer possono fare e come valutarli praticamente.
Downloads
Copyright (c) 2021 Ciceroniana on line
![Creative Commons License](http://i.creativecommons.org/l/by-sa/4.0/88x31.png)
Questo lavoro è fornito con la licenza Creative Commons Attribuzione - Condividi allo stesso modo 4.0.
Gli autori che pubblicano su questa rivista accettano le seguenti condizioni:
- Gli autori mantengono i diritti sulla loro opera e cedono alla rivista il diritto di prima pubblicazione dell'opera, contemporaneamente licenziata sotto una Licenza Creative Commons - Attribuzione che permette ad altri di condividere l'opera indicando la paternità intellettuale e la prima pubblicazione su questa rivista.
- Gli autori possono aderire ad altri accordi di licenza non esclusiva per la distribuzione della versione dell'opera pubblicata (es. depositarla in un archivio istituzionale o pubblicarla in una monografia), a patto di indicare che la prima pubblicazione è avvenuta su questa rivista.