Как деанонимизировать автора по предлогам: стилометрия как «детективная филология»

О событии

Многие слышали, что в области анализа текстов есть почти детективная дисциплина — атрибуция авторства. И что успехов в этой дисциплине достигли статистические методы, совокупность которых часто называют «стилометрией». Иногда этим методам приписывают почти магические свойства, будто они работают как языковые «отпечатки пальцев»: загрузил тексты и получил имя. Научная реальность, как всегда, выглядит сложнее. Стилометрия вовсе не «волшебная пуля», и в огромном множестве ситуаций никакой помощи в определении авторства она не даст. Но и сказать, что стилометрия — миф и надувательство, тоже нельзя. Это вполне работающий научный метод, опирающийся на ту часть лексики, которую мы менее всего замечаем в текстах, хотя она составляет едва ли не треть их объема: слова вроде «и», «в», «не», «что», «от»… Частотности таких служебных слов действительно складываются в индивидуальный сигнал, который сохраняется от книги к книге, даже когда автор радикально меняет тематику. Так, «Война и мир» и «Воскресение» Толстого будут схожи общим набором таких частотностей, хотя по тематике и устройству они резко отличаются. А вот романы Достоевского будут иметь несколько другие распределения частотностей: схожие друг с другом, но отличные от толстовских…

В лекции я покажу, как именно измеряется стилометрическая близость между текстами и что из этого получается на материале разных языков, от русского до китайского. Мы залезем «под капот» стилометрических методов, поговорим о том, какие факторы могут искажать эксперимент, может ли писатель обмануть стилометрию, какие сигналы бывают кроме «авторского», как стилометрия «видит» переводы и переводчиков, а также что происходит при стилометрическом анализе сгенерированных текстов.

Даниил Скоринкин, цифровой филолог, главный редактор издания «Системный блокъ»