Кто какую часть произведения написал? Выясняем с помощью Stylo

Представьте, что у вас есть текст, написанный несколькими людьми. Как узнать, какие его части точно принадлежат тому или иному автору, если об этом нет никаких данных? Для этого в Stylo, библиотеке языка программирования R, существует функция rolling.classify. В новом гайде рассказываем, как она работает и чем может быть полезна в стилометрических исследованиях.  

⚙️ Как это работает?

В основе работы rolling.classify лежит алгоритм, который обучается на корпусе текстов предполагаемых авторов. Затем он разбивает изначальный текст на части и определяет, кому какая принадлежит.

🔬 Эксперимент «Системного Блока»

Чтобы проверить функцию, мы составили единый текст из отрывков «Драмы на охоте» А. П. Чехова и «Жизни Арсеньева» И. А. Бунина и запустили rolling.classify (Важное замечание: у неё нет графического интерфейса, как у stylo, придется написать код вручную и скопировать пару команд из инструкции).

После запуска функции на выходе получается диаграмма, которая предлагает три варианта разбиения отрывков по авторам — от более вероятного к менее. В нашем случае она сразу показала достаточно точный результат, но, изменив несколько параметров, мы убедились, что иногда найти подходящие для текстов настройки с первого раза не так просто. Поэтому в реальности часто нужно совмещать количественный анализ с качественным. Например, обращаться к литературоведческим работам, в которых можно найти подтверждение найденным закономерностям.

Проследить за экспериментом от начала и до конца и узнать, как провести собственное стилометрическое исследование, можно благодаря туториалу на сайте.

Время чтения: 9 минут.

🤖 «Системный Блокъ» @sysblok