來自阿姆斯特丹自由大學(xué)和荷蘭皇家學(xué)院人文科學(xué)研究所的研究人員評(píng)估了四種最先進(jìn)的工具，用于識(shí)別文本中的名字，評(píng)估和改善他們?cè)诹餍行≌f中的表現(xiàn)。他們找到了解決方案，以提高工具識(shí)別一本小說中名稱的能力，準(zhǔn)確率為7%至90%。

自然語言處理(NLP)工具通常用于許多日常應(yīng)用程序，如Siri和Google，但這些技術(shù)的有效性尚未完全理解。來自阿姆斯特丹自由大學(xué)和荷蘭皇家藝術(shù)學(xué)院人文科學(xué)研究所的研究人員對(duì)流行的40部小說中的四種不同的名稱識(shí)別工具進(jìn)行了全面評(píng)估，其中包括“權(quán)力的游戲”。他們的分析發(fā)表在PeerJ Computer Science上，突出顯示這些工具特別具有挑戰(zhàn)性的名稱和文本類型，以及減輕這種情況的解決方案。此外，他們從小說中提取社交網(wǎng)絡(luò)，以探索故事結(jié)構(gòu)的差異。這些見解可以幫助使這些技術(shù)更加強(qiáng)大，以防止流派差異，并可以幫助例如使這項(xiàng)技術(shù)對(duì)想要分析大型數(shù)據(jù)集(如巴拿馬論文)的記者更有用。

許多NLP工具都基于機(jī)器學(xué)習(xí);也就是說，訓(xùn)練計(jì)算機(jī)程序以基于先前饋送的示例識(shí)別文本中的模式。為了識(shí)別文本中的名字，例如，它提供了許多報(bào)紙文章，其中人類已經(jīng)仔細(xì)地標(biāo)記了名稱。然后，該程序的任務(wù)是根據(jù)上下文(例如，先于Mr)或單詞的形狀(例如，這些名稱通常以英文大寫字母開頭)來“學(xué)習(xí)”名稱的外觀。現(xiàn)在，將報(bào)紙上的這種系統(tǒng)應(yīng)用到小說中的問題在于，小說的作者在敘述方面比需要堅(jiān)持事實(shí)的記者有更多的自由。小說作者可以組成自己的名字，例如Tywin或R'hllor，或直接使用字典中的描述性字符名稱，例如Gray Worm。

由Niels Dekker(Trifork BV)，Tobias Kuhn(阿姆斯特丹自由大學(xué))和Marieke van Erp(KNAW Humanities Cluster)進(jìn)行的實(shí)驗(yàn)也突出了語言的靈活性以及名稱在故事中的背景。例如，可以將Daenerys Targaryen稱為Daenerys和她，但她也被稱為Dany，Daenerys Stormborn，龍之母，Khaleesi，Unburnt和Mhysa。為權(quán)力的游戲創(chuàng)建的社交網(wǎng)絡(luò)，例如，她的朋友使用Dany，而她的敵人(在她缺席時(shí))只使用她的全名Daenerys。

本出版物中描述的研究表明，應(yīng)該更多地關(guān)注NLP工具的性能，并且在計(jì)算機(jī)完全理解“文本”之前仍有工作要做。