(Maddalena Zunino, Valentina Mignosa, Andrea Brunello, Marco Fucecchi, Nicola Saccomanno, Giuseppe Serra, Alessandro Tremamunno, Chiara Battistella)

La ricca trama della letteratura greca e latina offre un terreno fertile per l’esplorazione dell’intertestualità, in cui i testi echeggiano, fanno riferimento o citano direttamente opere precedenti, creando una fitta rete di connessioni linguistiche e tematiche. Questo progetto mira a indagare il complesso ambito dell’intertestualità all’interno dei testi classici greci e latini, impiegando tecniche di informatica come il Natural Language Processing (NLP), l’analisi testuale e il machine learning. L’obiettivo è svelare la rete intricata di correlazioni tematiche e semantiche, riferimenti ed echi tra diversi testi, fornendo così una comprensione più profonda dei dialoghi tra autori e opere differenti. Attraverso l’estrazione di argomenti, ci proponiamo di individuare temi e soggetti ricorrenti che permeano testi diversi, offrendo spunti sui discorsi culturali e sociali predominanti dell’epoca. Inoltre, sfruttando il riconoscimento delle entità nominate, vogliamo mappare la moltitudine di personaggi, luoghi ed eventi che si intrecciano nella letteratura greca e latina. Gli aspetti linguistici più complessi, come metafore ed espressioni idiomatiche, possono essere affrontati tramite il deep learning e gli embeddings, consentendo al modello di riconoscere somiglianze semantiche al di là delle semplici analogie sintattiche. Questa esplorazione non solo si propone di illuminare i dialoghi sfaccettati che avvengono all’interno della letteratura latina e greca, ma anche di spingere i confini di ciò che è possibile ottenere con la linguistica computazionale e l’intelligenza artificiale nel campo degli studi classici.

Strumenti e tecnologie:

• Librerie NLP: per esempio, le librerie Python NLTK, SpaCy e Gensim
• Tecniche di analisi testuale: dalle tecniche classiche, come LDA/LSA, all’uso di embeddings moderni del deep learning (libreria PyTorch per Python, modelli pre-addestrati come Latin BERT e Ancient Greek BERT)
• Visualizzazione dati: librerie Matplotlib e Seaborn per Python, NetworkX
• Gestione dei database: soluzioni relazionali (Postgres) e non relazionali (database a grafo: Neo4J, archivi orientati ai documenti: MongoDB)

Possibili coinvolgimenti nel progetto:

• Progetto di laurea triennale: implementare tecniche di pre-elaborazione e analisi testuale di base e tecniche NLP per esplorare i parallelismi tematici in testi latini selezionati utilizzando strumenti classici, come LDA e LSA
• Progetto di laurea magistrale: approfondire tecniche o aspetti specifici dell’intertestualità, possibilmente incorporando modelli di machine learning o deep learning più avanzati (ad esempio, embeddings di Latin BERT)
• Tirocinio: impegnarsi in un aspetto specifico del progetto, come la pulizia dei dati, l’analisi di base o la gestione dei dati tramite un database, per acquisire esperienza pratica con NLP e analisi testuale in un progetto reale, contribuendo a una fase o a un aspetto particolare del progetto
• Progetto di ricerca di dottorato: impegnarsi in un’esplorazione approfondita e dettagliata dell’intertestualità nella letteratura latina, utilizzando e sviluppando nuovi metodi computazionali avanzati e soluzioni per sistemi di database, con l’idea di creare un framework completo per gestire l’intertestualità nella letteratura classica greca e latina.