摘要
人类视觉能够区分极其丰富的色彩，据估计可达200万至700万种可辨识的色阶。然而，这一惊人的色彩分辨能力并不意味着所有这些色彩在我们的语言体系中都已被精确命名与描述。日常生活中，我们通常通过熟悉的事物和概念来感知和命名颜色。本研究旨在弥合人类对海量色阶的视觉感知与我们准确表达和命名这些颜色之间存在的鸿沟。为此，研究团队开发了一种新型模型，该模型结合了双向长短期记忆网络（Bidirectional Long Short-Term Memory, BiLSTM）与主动学习（Active Learning）技术，并基于专为本研究精心构建的私有数据集进行训练与验证。本研究的核心目标是构建一种通用性强的工具，用于对尚未命名的颜色进行分类与命名，或识别那些传统色彩术语难以涵盖的中间色阶。研究结果表明，该创新方法在重塑我们对色彩感知与语言关系的理解方面具有巨大潜力。通过严谨的实验与深入分析，本研究揭示了自然语言处理（Natural Language Processing, NLP）在多个产业领域应用的新路径。该方法不仅推动了对广阔色彩谱系的系统探索，更将NLP的应用边界拓展至传统范畴之外，展现出广阔的应用前景。