Стилометрический анализ позволяет определить, принадлежат ли тексты одному и тому же автору. Но что если писатель творит под несколькими литературными масками, у каждой из которых есть индивидуальность? Рассказываем, как португалец Фернандо Пессоа и француз Ромен Гари «обманули» стилометрию — а ученые Борис Орехов и Даниил Скоринкин исследовали и визуализировали это.
Иллюстрация: Лара Холод
Одна из основных задач стилометрии в цифровой филологии — атрибуция, иными словами, определение авторства (кстати, с другими материалами «Системного Блока» о стилометрии можно ознакомиться здесь). При достаточном объеме текста она справляется с этим легко, и её не запутать формальностями вроде псевдонима. Однако, что покажет анализ, если писатель не просто использует выдуманное имя, а создает субличность с собственными биографией и характером?
В исследовании «Hacking stylometry with multiple voices: Imaginary writers can override authorial signal in Delta» Даниил Скоринкин (НИУ ВШЭ) и Борис Орехов (НИУ ВШЭ, ИРЛИ РАН), опубликованном в журнале Digital Scholarship in the Humanities, рассматривают два кейса о том, как авторы «обманули» стилометрический анализ.
Фернандо Пессоа — португальский поэт, работавший в начале XX века. Особенностью его творчества было создание «гетеронимов», субличностей, от лица которых он писал стихи. Гетеронимы Пессоа — не просто псевдонимы. В письмах Пессоа сообщал своим корреспондентам их биографии, особенности использования языка, даже черты внешности. За свою жизнь поэт создал 72 гетеронима, однако наиболее значимыми оказались три из них: Алберту Каэйру, Рикарду Рейш и Алвару де Кампуш. О них и пойдет речь дальше.
Важно оговорить, что смысл исследования Д. Скоринкина и Б. Орехова был не в том, чтобы обратить внимание на уникальный случай португальского поэта, а в том, чтобы описать разные отношения между автором и псевдонимом. Так, если на одном «полюсе» находится использование псевдонима с сохранением авторского стиля, а на другом — четко отделенные гетеронимы Пессоа, то есть ли какие-то еще варианты между этими крайностями? Спойлер: да, и об этом — ниже.
Насколько же индивидуален стиль гетеронимов Пессоа? В рамках первого эксперимента, авторы исследования разделили корпус стихотворений, написанный «самим» Пессоа и тремя «основными» гетеронимами, на четыре кластера с помощью метода Delta. Он основан на сравнении частотных слов в каждом из блоков текстов. Тексты одного автора были разбиты на блоки для анализа случайно; более того, деление проводилось несколько раз, чтобы исключить случайность.
Как видно на рисунке выше, с задачей «разделения» четырех авторов стилометрический метод справился успешно. Иными словами, он увидел в корпусе произведения, принадлежащие не одному, а разным людям.
Дендрограмма – это иерархическая визуализация, которая используется в анализе данных, включая лингвистические исследования. Она представляет собой дерево-подобную структуру, в которой объекты или группы объединяются в кластеры на основе их схожести. Эти кластеры формируются в результате нескольких шагов. Каждый шаг подразумевает объединение близких между собой объектов в один кластер.
Кстати, важно заметить, что, в отличие от многих других случаев использования псевдонимов, у Пессоа и его субличностей совпадает жанр текстов. Конечно, Delta легко отличит книги Джоан Роулинг о Гарри Поттере от детективов Роберта Гэлбрейта о Корморане Страйке или раскроет литературную мистификацию, но кейс Пессоа гораздо сложнее и интереснее.
В следующей части эксперимента исследователи добавили в набор данных восемь лузофонных (то есть португалоговорящих, как из Португалии, так и из Бразилии) поэтов той же эпохи. Тексты снова несколько раз делились на блоки для анализа случайным образом.
Этот эксперимент показал, что гетеронимы Пессоа по-прежнему воспринимаются как отдельные авторские голоса. Да, они по большей части ближе друг к другу, чем к текстам других авторов, однако Delta продолжает считать все гетеронимы и «самого» Пессоа самостоятельными поэтами.
Одним из важных шагов в исследованиях с помощью метода Delta является разделение текстов так, чтобы все доступные произведения одного автора не анализировались одним «куском»; это дестабилизирует всю схему, заставляя одиночные тексты «на безрыбье» примыкать к вообще-то не очень похожим на них соседям. Впрочем, раз исследование посвящено степени самостоятельности авторских субличностей, то Д. Скоринкин и Б. Орехов пошли на этот шаг и специально объединили все тексты. Таким образом они проверили гипотезу: приблизятся ли гетеронимы к своему создателю в подобных условиях?
Действительно, для двух из трех гетеронимов предположение оказалось верным, однако третий, Рейш, оказался ближе к другому поэту — Друммонду. Это говорит о высоком уровне индивидуальности авторского стиля Рейша.
Обычно числовой эквивалент расстояния между текстами одного автора составляет 0,5-0,6, а между текстами разных авторов — больше единицы. В приведенном выше случае минимальное расстояние между блоком стихотворений Рейша и произведениями других авторов превосходит единицу.
Итак, ряд экспериментов показал, что со стилометрической точки зрения гетеронимы Фернандо Пессоа — самостоятельные поэты со своими индивидуальными чертами. Однако может ли быть что-то среднее между независимой субличностью и «простым» псевдонимом?
Французский писатель Ромен Гари известен по одной из самых громких литературных мистификаций: он дважды получил Гонкуровскую премию, самую престижную литературную награду во Франции, которую (вообще-то) вручают раз в жизни. Впервые он был награжден в 1956 году под именем Ромена Гари, а потом в 1975 году — под псевдонимом Эмиль Ажар.
Помимо Ажара, у Гари были и другие псевдонимы, например, Шатан Бога и Фоско Синибальди, однако только для Ажара писатель продумал биографию и черты характера. В итоге, его альтер эго оказалось достаточно реальным, чтобы получить престижную награду за свое творчество.
Авторы статьи выбрали кейс французского писателя по двум причинам. Во-первых, Гари и Ажар творили в одном жанре, а во-вторых, Гари продолжал печататься под своим именем одновременно с развитием писательской карьеры Ажара.
Первый из проведенных в этой части исследования экспериментов посвящен сравнению стилей Гари и его трех псевдонимов. Снизу под графиками подписано число частотных слов, учитывающихся в анализе (100 или 500). Результаты оказались не слишком стабильными: Delta группирует некоторые романы одного и того же «автора», но не всегда и не все. Тем не менее, книги Ажара «похожи» только на другие книги Ажара и в целом отличаются от остальных.
В следующем эксперименте в корпус были добавлены тексты трех авторов, которые также стали лауреатами Гонкуровской премии в примерно в то же время, когда работали Гари и Ажар. Анализ показал, что Бога и Синибальди, два менее «продуманных» псевдонима Гари, находятся ближе к нему, тогда как Ажар скорее воспринимается программой как самостоятельный писатель.
Ближе всего к творчеству Ажара оказалась книга Ромена Гари «Дальше ваш билет недействителен»: в этом и последующих экспериментах она будто бы находится на границе стилей Гари и Ажара.
Наконец, с этой группой текстов была проделана та же операция по дестабилизации, что и с гетеронимами Пессоа: один роман Ажара был помещен в окружение нескольких текстов Гари и его современников.
Даже в такой ситуации (и вне зависимости от числа учитываемых частотных слов) Delta сгруппировал роман Ажара только с «граничным» текстом Гари «Дальше ваш билет недействителен», еще раз признавая в Ажаре самостоятельного писателя.
Итак, авторы исследования выяснили, что писателям под силу не только создавать отдельные субличности с собственным стилем и биографией, но и двигать границу между просто псевдонимом и субличностью так, что Delta начинает путаться в показаниях.
Пессоа рассказывал, что свои гетеронимы он представлял кем-то вроде персонажей пьесы: все их речи пишет один и тот же драматург, однако они выходят из-под его пера разными и узнаваемыми. В исследовании Скоринкина и Орехова есть небольшая заключительная часть, посвященная проверке этого сравнения. Действительно, Delta легко «сортирует» реплики персонажей классических пьес.
США усилили контроль над лидирующими ИИ моделями, ученые смогли полностью прочитать античный свиток, не разворачивая его — что произошло в…
Агенты, которые самостоятельно планируют свои действия и пользуются внешними инструментами. Модели, способные работать с миллионами токенов. Системы, которые помогают сохранять…
Теперь в него входят тексты ВКонтакте — почти 11,3 млрд слов из соцсетей