Συστήματα εντοπισμού ομοιοτήτων ύφους σε λογοτεχνικά κείμενα διαδοχικών γενεών

Abstract

Τα τελευταία χρόνια, η στυλομετρία, η μελέτη του γλωσσικού στυλ, έχει γίνει πιο εμφανής στην αντιγραφή του ύφους λογοτεχνικών κειμένων μεταξύ των συγγραφέων. Η βιβλιογραφία είναι άφθονη σχετικά με την έρευνα της στυλομετρίας, όμως ο τομέας της επαλήθευσης του συγγραφέα είναι σχετικά ανεξερεύνητος. Σε αυτή την μελέτη, χρησιμοποιούμε τεχνικές από τη στυλομετρία και τη μηχανική μάθηση για να αντιμετωπίσουμε υποκειμενικά λογοτεχνικά κρίσιμα ερωτήματα σχετικά με την σύγκριση λογοτεχνικών κειμένων μεταξύ τριών διαδοχικών γενεών, δηλαδή μεταξύ της ομοιότητας γραφής της νεότερης γενιάς Joe Hill (1970) με την γενιά του Stephen King (1947), o οποίος ήταν πατέρας του και της γενιάς του Richard Matheson (1926), ο οποίος προϋπήρχε της γενιάς του King. Στη διατριβή αυτή χρησιμοποιούνται οι μέθοδοι LDA (Latent Dirichlet Allocation), PCA( Principal Component Analysis), K-Means, SVD (Singular Value Decomposition), Delta Barrow, Cosine Similarity, καθώς επίσης υπάρχει και επεξηγηματική ανάλυση (Explanatory Analysis) για το κάθε κείμενο του αντίστοιχου συγγραφέα. Παρουσιάζονται όλες οι προαναφερθείσες μέθοδοι αναλυτικά καθώς και η εφαρμογή των μεθόδων αυτών στο πρόβλημά μας που είναι το εξής: αν τα κείμενα των τριών γενεών έχουν ομοιότητα, έχοντας σαν βάση τα στυλομετρικά τους χαρακτηριστικά. Επιπλέον υπάρχουν οπτικοποιημένα γλωσσικά στοιχεία των συγγραφέων. Τέλος, η προσέγγισή μας μπορεί να επιτύχει μεγάλη ακρίβεια στα αποτελέσματα σύγκρισης ομοιότητας ύφους μεταξύ των κειμένων.