Υπολογιστική υφολογία

Abstract

Το βιβλίο αυτό πραγματεύεται ένα διεπιστημονικό πεδίο έρευνας όπου επιστήμες όπως η γλωσσολογία, η στατιστική και η τεχνητή νοημοσύνη συνδυάζονται ώστε να αποδοθεί η συγγραφική πατρότητα σε ανώνυμα κείμενα. Ο καθορισμός της συγγραφικής πατρότητας ενός κειμένου παίζει σημαντικότατο ρόλο σε ευρύ πεδίο εφαρμογών σε κλάδους όπως η λογοτεχνική ανάλυση, η εγκληματολογία, κ.ά. Η υφομετρική απόδοση της συγγραφικής πατρότητας αξιοποιεί τεχνικές υπολογιστικής γλωσσολογίας για να αναλύσει τα κείμενα και να μετρήσει κειμενικά χαρακτηριστικά σε αυτά που λειτουργούν άτυπα ως «υπογραφή» ενός συγγραφέα. Οι συχνότητες αυτών των χαρακτηριστικών «εκπαιδεύουν» ειδικούς αλγόριθμους τεχνητής νοημοσύνης οι οποίοι «μαθαίνουν» το ύφος των συγγραφέων και μπορούν να προσδιορίσουν στη συνέχεια την πιθανότητα της πατρότητας ενός ανώνυμου κειμένου. <br/>Το προτεινόμενο βιβλίο δομείται σε δύο μέρη: Το πρώτο μέρος είναι θεωρητικό και καλύπτει την ιστορία της υφομετρίας καθώς και τον τρόπο με τον οποίο υπολογίζονται τα πιο γνωστά υφομετρικά χαρακτηριστικά. Το δεύτερο μέρος αφιερώνεται σε πραγματικά ερευνητικά προβλήματα που σχετίζονται με την υφομετρική απόδοση της συγγραφικής πατρότητας συμπεριλαμβάνοντας τον εντοπισμού του φύλου του συγγραφέα.<br/>Το σύνολο των διαγραμμάτων και των στατιστικών αναλύσεων που χρησιμοποιούνται στο βιβλίο έχουν γίνει με την χρήση λογισμικού ανοιχτού κώδικα (Perl, R) και το σύνολο των εντολών που χρησιμοποιήθηκαν περιλαμβάνεται σε ειδικό παράρτημα ώστε ο αναγνώστης να μπορεί να επαναλάβει τις αναλύσεις ή να τις προσαρμόσει στα δικά του δεδομένα. <br/>Τέλος, αν και το θέμα που πραγματεύεται το βιβλίο είναι τεχνικό, έχει καταβληθεί προσπάθεια να εξηγούνται με απλό τρόπο όλες οι τεχνικές έννοιες και να χρησιμοποιούνται αναλυτικά παραδείγματα υπολογισμού όλων των εξισώσεων που παρουσιάζονται μέσα στο κείμενο με απώτερο στόχο τη διεύρυνση του αναγνωστικού κοινού και τη δυνατότητα μελέτης του από άτομα που δεν έχουν ιδιαίτερο μαθηματικό υπόβαθρο (φιλόλογοι, νομικοί κ.ά.).

The book provides a comprehensive examination of stylometry, focusing on the automated identification of an author's writing style. This interdisciplinary field blends insights from Linguistics, Natural Language Processing, Literary Analysis, Statistics, Information Retrieval, and Machine Learning. The text begins with a historical overview of stylometry, tracing its roots back to the 18th century with studies on Shakespeare's works. Moving into the 20th century, the book highlights landmark studies, including Mosteller and Wallace's work on the authorship of The Federalist Papers, showcasing the importance of function words in determining writing style. It also covers John Burrows' contributions, particularly the use of Principal Component Analysis (PCA) in stylometry, which revolutionized the field by enabling more sophisticated statistical analyses. The book further analyzes various stylistic features, categorized into phonological/graphical, morphological/lexical, syntactic, semantic, and extralinguistic domains. Each category is examined in detail, with examples and explanations of how different features can be measured and analyzed. One of the key applications discussed is the stylometric attribution of authorship, particularly in cases involving multiple potential authors. The book outlines machine learning algorithms such as Logistic Regression and Support Vector Machines (SVMs) for classifying texts based on stylistic features. It also explores the challenges and limitations of these methods, emphasizing the need for careful selection and quantification of features to ensure accurate results. The author also addresses the use of stylometry in identifying demographic and psychological characteristics of authors, as well as in detecting stylistic consistency in collaborative digital media, such as identifying plagiarism or malicious edits in platforms like Wikipedia. The book concludes by discussing the future prospects of computational stylistics, advocating for the use of open-source tools for text analysis, and emphasizing the importance of interdisciplinary collaboration in advancing the field.