Стилометрия

Стилометрия — это раздел компьютерной лингвистики, занимающийся количественным анализом стиля письменного текста. Основная задача стилометрии заключается в выявлении, измерении и сравнении стилистических характеристик текстов с помощью статистических и математических методов. Стилометрия позволяет определять авторство текстов, датировать их, выявлять плагиат, а также классифицировать тексты по жанру, полу автора, эпохе написания и другим параметрам.

История

Ранние попытки и зарождение

Идея о том, что каждый автор обладает уникальным, измеримым стилем, восходит к античности. Однако первое научное обоснование стилометрии связывают с именем американского филолога Уинфреда Лемана (Winfred P. Lehmann) и его работой 1890-х годов. В начале XX века значительный вклад внес польский математик и криптограф Ян Люцевич (Jan Luczewicz), который в 1901 году предложил использовать длину предложений как стилистический маркер. Практическое применение стилометрия получила в 1960-х годах, когда с её помощью удалось разрешить спор об авторстве «Федералиста» — серии статей, написанных Александром Гамильтоном, Джеймсом Мэдисоном и Джоном Джеем. Американские статистики Фредерик Мостеллер и Дэвид Уоллес применили анализ частотности служебных слов (предлогов, союзов, артиклей) и убедительно доказали, что 12 из 85 статей принадлежат Мэдисону.

Развитие в XX веке

Во второй половине XX века стилометрия развивалась параллельно с ростом вычислительных мощностей. Появились методы, основанные на анализе лексического разнообразия, частотности n-грамм (последовательностей символов или слов) и синтаксических структур. В 1970-х годах советский лингвист и математик Владимир Андреевич Успенский предложил использовать для атрибуции текстов так называемые «стилистические инварианты» — устойчивые статистические характеристики, не зависящие от темы текста. В 1990-х годах стилометрия стала применяться в криминалистике для анализа анонимных писем и угроз.

Современный этап

С начала XXI века стилометрия переживает бурный рост благодаря развитию методов машинного обучения и появлению больших корпусов текстов. Современные алгоритмы, такие как деревья решений, метод опорных векторов (SVM) и нейронные сети, способны анализировать сотни стилистических признаков одновременно. Важным направлением стала стилометрия коротких текстов (например, сообщений в социальных сетях), где традиционные методы (анализ длины предложений) малоэффективны. В России стилометрические исследования активно ведутся в Институте русского языка имени В. В. Виноградова РАН и на кафедрах компьютерной лингвистики Московского государственного университета имени М. В. Ломоносова.

Основные методы и признаки

Стилометрия опирается на широкий спектр количественных характеристик текста, называемых стилеметрическими признаками. Их можно разделить на несколько групп.

Лексические признаки

Частотность слов: Анализ частоты употребления отдельных слов, особенно служебных (предлоги, союзы, частицы, артикли, местоимения). Эти слова употребляются автоматически, мало зависят от темы и являются устойчивым авторским маркером. Например, в русском языке частота использования предлогов «в», «на», «с», «по» может различаться у разных авторов.
Лексическое разнообразие: Измеряется с помощью индексов, таких как TTR (Type-Token Ratio) — отношение количества уникальных слов (типов) к общему количеству слов (токенов). Высокий TTR указывает на богатый словарный запас, низкий — на повторяемость лексики.
Длина слова: Средняя длина слова в символах или слогах. Считается, что авторы с более сложным стилем используют более длинные слова.
Частотность n-грамм: Анализ последовательностей из n символов (букв, пробелов, знаков препинания) или слов. Например, биграммы символов «ст», «но», «ро» или триграммы слов «в то же», «не только».

Синтаксические признаки

Длина предложения: Среднее количество слов в предложении. Короткие предложения характерны для публицистики и инструкций, длинные — для художественной и научной прозы.
Частотность частей речи: Отношение количества глаголов, существительных, прилагательных, наречий к общему числу слов. Например, высокая доля прилагательных может указывать на описательный стиль.
Синтаксическая сложность: Измеряется глубиной синтаксических деревьев, количеством придаточных предложений, типом связи между частями сложного предложения (сочинительная или подчинительная).

Структурные и пунктуационные признаки

Использование знаков препинания: Частота употребления запятых, точек с запятой, тире, кавычек, скобок. Некоторые авторы склонны к длинным перечислениям, другие — к частому использованию тире.
Разбивка на абзацы: Средняя длина абзаца, количество абзацев на страницу.
Заголовки и подзаголовки: Наличие и структура заголовков, использование прописных букв.

Стилистические и семантические признаки

Анализ тональности: Определение эмоциональной окраски текста (позитивная, негативная, нейтральная) на основе лексики.
Частотность ключевых слов: Анализ слов, характерных для определённых тем или жанров.
Стилистические фигуры: Частота использования метафор, сравнений, гипербол, иронии (требует сложного семантического анализа).

Применение

Атрибуция авторства

Это наиболее известная и востребованная область применения стилометрии. Она используется для:

Разрешения споров об авторстве: Установление автора анонимных или псевдонимных произведений (например, «Тихий Дон» Михаила Шолохова, «Слово о полку Игореве»).
Криминалистика: Анализ анонимных писем, угроз, записок с целью идентификации подозреваемого. В России стилометрия используется в экспертно-криминалистических подразделениях МВД.
Проверка на плагиат: Современные системы антиплагиата (например, «Антиплагиат.ВУЗ») используют стилометрические методы для выявления не только прямого копирования, но и перефразирования с сохранением авторского стиля.
Детекция дипфейков текста: Выявление текстов, сгенерированных нейросетями (например, GPT, YandexGPT). Стилометрия позволяет обнаружить неестественную равномерность распределения слов и отсутствие характерных для человека стилистических колебаний.

Профилирование автора

Стилометрия позволяет определить не только конкретного автора, но и его социально-демографические характеристики:

Пол: Исследования показывают, что мужчины и женщины используют разные наборы служебных слов и синтаксических конструкций.
Возраст: Молодые авторы чаще используют сленг, короткие предложения и эмодзи (в цифровых текстах).
Образование и профессия: Стиль научных работников отличается от стиля журналистов или писателей.
Психотип: Некоторые исследования связывают стилистические особенности с чертами личности (например, экстраверсия/интроверсия).

Лингвистическая экспертиза

В судебной практике стилометрия применяется для лингвистической экспертизы текстов, содержащих признаки экстремизма, разжигания ненависти, оскорбления. Анализ стиля позволяет установить, является ли текст целостным высказыванием, определить его целевую аудиторию и интенцию автора.

Историческая и филологическая датировка

Стилометрия помогает датировать тексты, для которых точная дата написания неизвестна. Анализ изменения стиля автора с течением времени позволяет построить «стилистическую кривую» и определить, к какому периоду творчества относится произведение. Например, поздние романы Льва Толстого отличаются от ранних по длине предложений и лексическому разнообразию.

Ограничения и критика

Зависимость от темы и жанра: Стиль автора может сильно меняться в зависимости от темы (научная статья vs. личное письмо) и жанра (поэзия vs. проза). Сравнение текстов разных жанров может давать ложные результаты.
Проблема коротких текстов: Для надёжной атрибуции требуется текст объёмом не менее 500–1000 слов. Короткие тексты (например, твиты или SMS) предоставляют недостаточно статистического материала.
Влияние редактуры: Если текст подвергся значительной редакторской правке, стиль может быть искажён. Особенно это касается новостных статей и официальных документов.
Сознательное подражание: Опытный автор может намеренно имитировать стиль другого человека, что затрудняет атрибуцию.
Этические вопросы: Использование стилометрии для деанонимизации пользователей в интернете вызывает опасения по поводу приватности. В некоторых странах (например, в США) такие методы используются правоохранительными органами, что порождает дебаты о балансе между безопасностью и гражданскими свободами.

Перспективы развития

Современная стилометрия активно интегрируется с методами глубокого обучения. Нейросетевые модели, обученные на огромных корпусах текстов, способны выявлять сложные, нелинейные зависимости между стилистическими признаками. Перспективными направлениями являются:

Мультимодальная стилометрия: Анализ текста в сочетании с изображениями, аудио и видео (например, для атрибуции постов в социальных сетях).
Стилометрия диалогов: Анализ стиля общения в чатах и мессенджерах.
Автоматическая генерация стилизованного текста: Создание текстов, имитирующих стиль конкретного автора (например, для литературных экспериментов или создания контента).

Источники

Мостеллер Ф., Уоллес Д. Статистический анализ стиля «Федералиста» // Вопросы языкознания. — 1966. — № 4.
Успенский В. А. О стилистических инвариантах в тексте // Семиотика и информатика. — 1975. — Вып. 6.
Марков А. А. Введение в компьютерную лингвистику. — М.: Издательство МГУ, 2018.
Крылов С. А. Стилометрия в судебной лингвистической экспертизе // Теория и практика судебной экспертизы. — 2020. — № 2.
Столяров А. В. Методы машинного обучения в атрибуции текстов. — СПб.: Издательство СПбГУ, 2021.

BFOmetr — база данных и аналитика по компаниям России.

На главную BFOmetr →