17、文体计量学高级模型应用解析

文体计量学高级模型应用解析

在文体分析领域，解决作者归属问题是一个重要的研究方向，同时还有作者画像、作者验证以及风格随时间变化等相关问题。接下来将介绍几种用于解决作者归属问题的方法，这些方法不仅能在该领域发挥作用，也适用于其他文体相关问题。

1. Zeta方法

Zeta方法由Burrows提出，核心思想是关注那些被一位作者频繁使用，而被另一位作者很少使用甚至忽略的词汇或术语。该方法不聚焦于高频词汇，而是基于中频词汇或“真正独特的特征”进行作者归属判断。

1.1 数据处理

• 将文本划分为固定大小n（n范围在900 - 6000）的非重叠块或片段。也可以将同一类别的所有文本连接起来生成一个长文档，再进行细分。
• 例如，以《联邦党人文集》为例，将麦迪逊撰写的所有文章归为基础集，汉密尔顿和杰伊撰写的报纸文章归为对照集。假设验证有争议的文章是否由麦迪逊撰写，若对照集仅为汉密尔顿的文章，则问题变为判断麦迪逊和汉密尔顿谁是有争议文章的真正作者。

1.2 Zeta值计算

• 对于每个单词，分别统计基础集（记为dfB）和对照样本（记为dfC）中至少出现一次该单词的片段数量。只关注单词的存在与否，不考虑其在片段内的重复情况。
• 计算基础集中包含该单词的片段比例：dfB除以片段数量nB；对照集中不包含该单词的片段比例：(nC - dfC) / nC。
• Zeta分数计算公式：
  [Z(t) = \frac{dfB}{nB} + \frac{nC - dfC}{nC}]
• Zeta分数范围从0（仅在对照集出