考古遗址中增强文化路线的智能助手

《Expert Systems with Applications》：Smart assistants for augmented cultural itineraries in archaeological sites

　　

提出了一种由智能代理（intelligent agents）在考古遗址中讲述文化路线的叙事方法；提出了一种基于语义的支撑工具，用于构建故事情节知识；提出了一种推荐器（recommender），用于增强情境化对话中的相关媒体内容；通过实际案例研究，对该方法进行了评估。

《Expert Systems with Applications》论文解读：考古遗址中增强文化路线的智能助手

在数字人文学科快速发展的背景下，数字化档案、文本分析、知识表示等活动已广泛采用标准化工具和互操作元数据。数字文化内容的日益丰富显著改善了博物馆和考古遗址的访问体验，然而仅提供数字资源并不能充分提升游客体验。博物馆需要在呈现连贯故事的同时，允许游客探索个人感兴趣的主题，而这种自由不应损害整体叙事逻辑。游客对特定人物、场景或艺术品细节的好奇心，必须在不扰乱主线故事的前提下得到回应。这种场景要求一个目标导向的故事讲述者，能够捕获并结构化知识，使回应既具情境性，又能推动对话向目标前进。对于故事讲述对话代理而言，故事的顺序和结构与所传授的知识同样关键。因此，研究人员提出了一种由创作工具和推荐系统支持的方法论，使故事讲述对话代理能够引导游客穿越文化路线，并用相关多媒体内容丰富体验。该研究发表于《Expert Systems with Applications》。

研究人员开展了系统性的研究，提出了一套完整的方法论框架，包括故事情节设计、语义丰富、潜在空间表示、推荐与交付五个步骤。该框架采用“一串珍珠”（String of Pearls）叙事模型，在保持叙事连贯性的同时支持自适应用户兴趣。通过模拟实验和真实案例研究（意大利Norba考古遗址）验证了该方法。模拟实验表明，语义个性化策略能显著提高用户满意度，而叙事约束作为隐式正则化器保持了故事结构的连贯性。真实试验中，系统可用性总体得分为69.75（基于UMUX量表），证明该方法在真实考古环境中具备可行性。研究的重要意义在于提供了一种可重用的设计框架，而非特定领域实现，可推广至博物馆、历史中心等文化场景。

为开展研究，作者用到的主要关键技术方法包括：采用领域本体（Ontology）对文化内容和用户进行语义表示；使用向量空间模型（VSM）将多媒体内容和用户偏好映射到共享潜在语义空间；基于本体图计算语义距离（semantic distance），度量内容与主题的亲和度；利用电阻距离（resistance distance）剪枝珍珠之间的冲突关联；设计结合个性化和连贯性的加权推荐策略，并引入惩罚-奖励机制维持故事顺序；利用IIIF（International Image Interoperability Framework）清单和KML（Keyhole Markup Language）文件获取多媒体资源及地理信息；采用UMUX（Usability Metric for User Experience）量表评估系统可用性。样本队列来自Norba考古遗址的真实志愿者（11名参与者，其中10名有效完成问卷）。

研究结果部分，按原文小标题总结如下：

**Methodology**：研究人员定义了五步方法论，每一步的输出作为下一步的输入。编辑工作流中，领域专家根据遗址结构和领域本体设计故事线，输出有序的“珍珠”串；基于本体的珍珠创建工具支持加载OWL/RDF格式本体，并通过属性将珍珠与本体概念关联；语义丰富过程利用IIIF清单、元数据等填充本体，使多媒体内容获得语义标注；潜在空间表示使用VSM技术将内容表示为向量，其中每个维度对应本体类；剪枝阶段采用电阻距离解决内容与珍珠的多对一冲突。

**Runtime Storytelling**：运行时故事讲述由移动应用和远程推荐服务支持。用户画像以向量形式表示，并随访问内容动态更新。推荐系统通过两个标准排序候选内容：一是当前内容与候选内容的语义相异度以维持故事连贯性；二是候选内容与用户画像的语义相似度以实现个性化。此外，引入惩罚-奖励机制：同珍珠内容获得奖励，下一珍珠内容受到温和惩罚，先前珍珠内容受到强惩罚，从而避免叙事回退。最终评分由两项相异度加权并乘以珍珠权重因子。

**The Norba Case Study**：在Norba考古遗址应用该方法。IIIF清单和KML文件解析后填充本体，多媒体画布（Canvas）、注释（Annotation）、兴趣点（POI）作为语义实体互连。推理引擎通过SPARQL查询提取必要信息，计算画布与珍珠之间的距离。推荐系统求解优化问题，通过推送通知向用户提供推荐内容。用户可自由选择推荐内容，每次交互都更新用户画像，从而逐步自适应后续建议。

**Simulation Based Quantitative Evaluation**：模拟20名用户，每人进行20次推荐决策，比较随机（R）、纯个性化（P）、纯连贯（C）以及个性化+连贯（PC）四种策略。结果显示，P策略的平均满意度最高（0.4635），其次为PC（0.3130）、随机（0.3047）、C（0.2475）。连贯策略的故事偏差保持低位，内容亲和度迅速收敛至高值，表明叙事约束作为隐式语义正则化器，使连续推荐在空间和主题上紧密相关。个性化策略通过主动匹配用户画像获得高本体亲和度，而连贯策略的局部语义一致性来自叙事约束的结构性副产品。

**Real Trials and Evaluation of Usability**：在Norba考古遗址组织11名志愿者进行真实试验（其中10名完成问卷）。UMUX总体得分69.75，其中“整体易用性”得分最高（75），“效率”得分最低（63.8）。开放式回答的主题分析显示：用户最欣赏地图、实时定位和精确POI定位；3D模型、增强现实、音频指南等多媒体内容提高了参与感；网络连接不稳定和加载延迟是负面评价的主要原因；用户还建议提高界面可发现性，例如可直接点击的POI和更明确的引导说明。

讨论部分指出，该框架的模块化使本体、多媒体存储、推荐模块、对话界面和移动应用通过明确接口通信，便于独立演进。尽管推荐策略在实验中被证明有效，但研究目的并非证明某算法优于其他算法，而是定义一种整合语义创作、本体表示、推荐和对话式叙事的方法论。有效性威胁包括真实环境中无法完全控制的网络覆盖、参与者个体差异未加控制、样本量较小等。未来工作将探索更多遗址和博物馆应用，考虑云边缘分布式架构以降低延迟，并集成AR/VR设备以实现现场实时3D重建和沉浸式体验。

研究结论可翻译如下：本文提出了一种基于本体驱动知识表示、语义推荐和对话式故事讲述的自适应文化路线设计方法论。该框架使领域专家能够构建连贯的叙事体验，同时允许推荐动态适应用户兴趣。模拟研究证明了语义个性化和叙事约束的贡献，而在Norba考古遗址的真实试验提供了所提方法可行性和感知可用性的初步证据。