Литература · объяснение и практика
Стилометрическая Delta: вычислите расстояние без заявления об авторстве
Вычислите простую Delta по стандартизованным частотам признаков и проверьте влияние нулевого разброса и состава корпуса. Близость не превращайте в доказанное авторство.

Вузовский уровень · Все вузовские темы
В теме Письменный анализ и сопоставление · Учебная карта
Главная мысль
Пусть для двух выбранных слов z-профиль условного текста A равен (1;−1), B — (0;1). Среднее абсолютных различий равно (1+2)/2=1,5. Это расстояние по двум заданным стандартизованным частотам. Оно не является вероятностью общего авторства и не определяет автора неизвестного текста.
Подготовьте сравнимые частотные признаки
Задайте набор слов или иных признаков и одинаковое правило токенизации для всех текстов. Частоты сначала приводятся к сопоставимому объёму. Цитаты, редакторские предисловия и имена персонажей могут влиять на профиль, поэтому границы анализируемого текста следует хранить вместе с результатом.
Среднее и стандартное отклонение каждого признака берите из объявленного опорного корпуса. Изменение состава корпуса меняет стандартизацию и расстояния. Нельзя сначала подбирать корпус по желаемому соседству, а затем представлять полученное сравнение как независимую проверку гипотезы.
Вычислите стандартизованный профиль
Для частоты f, среднего m и положительного отклонения s используйте z=(f−m)/s. После этого для каждой пары текстов найдите абсолютную разность соответствующих z и усредните по признакам. Здесь применяется именно простая Delta такого вида; другие метрики с похожим названием могут иметь другую нормировку.
Если s равно нулю, деление не определено. Такой признак не различает опорные тексты по выбранным данным и требует отдельного решения, например исключения с объяснением. Подстановка произвольного малого знаменателя искусственно придаст ему огромный вес и может перевернуть результат.
Пример
Для признака частоты A=8, B=5, опорные m=5 и s=3. Каков вклад в Delta?
zA=(8−5)/3=1, zB=(5−5)/3=0. Абсолютная разность равна 1. Если есть второй признак с разностью 2, среднее двух вкладов равно 1,5; нельзя сложить их и назвать итогом 3 без деления на число признаков.
Проверьте устойчивость и границы вывода
Повторите сравнение с обоснованно выбранным другим числом признаков и сопоставимыми отрезками. Если ближайший сосед резко меняется, это важное свойство результата. Сходство может зависеть от жанра, темы, времени и обработки, а не только от индивидуального письма.
Положительное расстояние не измеряет литературную ценность. Нулевое означает совпадение данного профиля, но не буквальное совпадение произведений. Для задачи атрибуции нужны проверка на известных текстах, подходящие альтернативы и независимые исторические основания. В этом уроке выходом остаётся вычисленная таблица расстояний, а не имя автора.
От чтения к действию
А теперь — вы
Частые вопросы
Delta 0,2 — это 20% различия?
Нет. Это единицы выбранного стандартизованного расстояния. Процентная и вероятностная интерпретации не следуют из формулы.
Почему нельзя сравнить сырые числа слов?
Разная длина текстов меняет количества. Для выбранной процедуры сначала нужны согласованные относительные частоты и единая стандартизация.
Источники и работа с материалом
Объяснение, примеры и вопросы написаны для erudeet. Факты и определения сверены по источникам ниже; это ссылки для самостоятельной проверки.
Продолжить разбираться
Сходство фрагментов: ведите карточку предполагаемой отсылки
Проверьте предполагаемую отсылку по точному фрагменту, контексту и конкурирующим объяснениям. Не превращайте общую фразу или совпадение слов в установленное заимствование.
Открыть темуСопоставление редакций: сначала выровняйте места, затем считайте изменения
Выровняйте соответствующие места двух редакций при разделении и объединении абзацев. Отделите перестройку сегментов от содержательного добавления или удаления.
Открыть темуMATTR: сравните словарное разнообразие в одинаковых окнах
Посчитайте MATTR в скользящих окнах заданной длины, зафиксируйте токенизацию и проверьте, почему общий type-token ratio не подходит для прямого сравнения разных объёмов.
Открыть тему