知道何时停止：来自生态学的关于构建目录、收藏和语料库的见解-计算机科学-机器学习-计算人文科学-音乐学.pdfVIP

知道何时停止：来自生态学的关于构建目

录、收藏和语料库的见解

JanHajičjr.∗FabianC.Moss∗

hajicj@ufal.mff.cuni.czfabian.moss@uni-wuerzburg.de

InstituteofFormalandAppliedLinguisticsDepartmentofMusicology

CharlesUniversityJulius-Maximilians-UniversitätWürzburg

Prague,CzechRepublicWürzburg,Germany

本摘要1介绍

译音乐学活动的一个主要领域—越来越多地在数字领域几十年来，人文科学一直在向数字领域添加资源，这

中进行—是编目来源，这需要大规模和长期的研究合作。为提高可访问性和保护文化遗产带来了巨大的好处，

1然而，旨在涵盖并代表音乐曲目的数据库永远无法完并促进了跨学科研究。随着这些大规模的努力，音乐

v

4全完备，学者们必须面对一个问题：我们遗漏了多少图书馆、档案馆和研究机构通常追求准确地或全面地

1仍然？这个问题在结构上类似于生态学中的“未见物代表某种音乐传统或曲目的雄心勃勃的目标。随之而

6

4种”问题，其中必须从有限的观察中估算出真正的物来的问题是：数据库中还缺少不什么？我们能否知道

1

.种数量。在这个案例研究中，我们首次将常见的Chao1多少我们仍然缺失的？当然，如果不进行实际编目所

7

0估计器应用于音乐领域，具体来说是格里高利圣歌。有现存资源这一禁止性努力，我们就无法全面回答这

5我们发现，总体而言，主要圣歌流派曲目覆盖范围的些问题，在某些情况下这是几乎不可能完成的任务，

2

:上限在50%到80%之间。如预期的那样，我们发现弥撒因为大多数来源永远丢失了[3]。例如，无论我们的学

v

i专用部分比神职仪式涵盖得更好，尽管并不显著。然术努力如何，我们可能永远无法重建中世纪圣歌的传

x

r而，累积曲线表明这些界限并不紧密：1993年至2020统全部。

a

年间索引来源中大约稳定有∼5%的新圣歌，因此从曲虽然无法获得确切答案，但可以追求下一个最佳

目多样性的角度来看，收益递减的现象尚未出现。我选择：一种有原则的估计。认识到历史音乐学家以及

们的研究展示了这些问题可以通过实证方法来解决，更广泛的历史学家与考古学家、古生物学家和进化生

以指导音乐学数据收集工作，并显示了未见物种模型物学家[15]——最近还有数据科学家——共享缺失数

在音乐学中的潜力。据的问题，这带来了希望。在这些领域中，自1943年

以来已经开发出可靠的方法和模型来估算尚未（或还

未）观察到的东西：即“未见物种”模型[14]。认识到各

Keywords个领域的结构类比使我们能够应用生态学和生物学中

计算人文科学，未见物种，音乐学，建模发展的模型：我们可以使用现有的音乐学数据库来获

得丢失曲目规模的可信估计。这已经在相关领域证明