给文学作品做“亲子鉴定”
![](/images/paper/1006-2432/202002/20200248-1-l.jpg)
我们知道DNA技术可以对人进行亲子鉴定,可你知道吗,随着科技的不断进步,AI已经可以给文学作品做“亲子鉴定”,进而判定其作者是谁了。那么,AI是如何判定文學作品的作者呢?利用AI判定文学作品的作者是否准确呢?
下面,我们就以利用AI判定英国著名戏剧文学《亨利八世》的作者是谁为例。与《红楼梦》究竟是谁写的一样,《亨利八世》也存在同样的问题。可以说,在长达一个世纪里,关于《亨利八世》作者是谁的争论一直没有停息,直到最近的一项研究才使这个问题的答案变得明朗起来。
拉格捷克科学院的研究员普列查奇最近使用了机器学习技术来识别《亨利八世》的作者,并取得了具有说服力的结果。那么,究竟是如何利用AI判定《亨利八世》的作者呢?
, http://www.100md.com
简单地说,就是从词汇和节奏入手,辨别文本的来源。在了解了作者的风格和常用的字词与样式后,再去辨别新作品中的文本习惯样式,以判定它是不是出自同一个作者。即通过算法模型对文本常用词、常用语句和节奏模式进行分析,使算法学会辨别相关作者的写作特征。
具体来说,就是先将剧本《亨利八世》细化到多个小场景,再使用支持向量机对《亨利八世》的各个场景进行归因分析和分类。其中,以500种最常见的节奏类型的频率,以及500个最常见单词的频率作为分类器的功能集。鉴于作者在不同时期可能出现的风格差异,普列查奇采用了同时期其他戏剧的场景(如《暴风雨》《科里奥拉纳斯》)作为训练样本,对于可能的作者也同样收集了训练样本。
最终,普列查奇收集了53个莎士比亚训练样本、90个弗莱彻训练样本和46个马辛格训练样本。为了估计模型的准确性,还通过交叉验证的方式进行了检验。完成训练学习后,在《亨利八世》的文本上运行该模型,最后结合词汇和多功能化的综合分析,确定哪些作者参与了剧本的写作,以及他们的具体贡献。
, 百拇医药
最后的结果证明,这是区分莎士比亚、弗莱彻和马辛格风格非常可靠的判据。尤其是使用常用词和常用节奏的组合模型,在三位作者的风格鉴定上,准确率高于96%。当模型应用于《亨利八世》的分析时,结果清楚地表明,莎士比亚和弗莱彻都参与其中,另一位传闻的剧作家马辛格在算法的层面上表明和剧本无关。
为了更可靠地了解具体作者承担的份额,以超越特定场景的简单归因,普列查奇采用滚动归因分析方法,确定了具体文本片段属于某位作者的概率。滚动归因是一项针对涉及混合作者身份的案例技术。在滚动归因中,不对整个文本或其逻辑部分(章节、场景等)进行分类,而是对其固定长度的重叠部分进行分类任务。该方法使用移动窗口的概念,同时与标准的监督分类技术相结合,旨在评估离散文本样本之间的样式差异,以测试其文本样式的一致性。
结果表明,结合了词汇特征的滚动归因方法是非常可靠的:在区分莎士比亚和弗莱彻时,滚动归因的准确率高达99.77%。
对于文学研究者和爱好者来说,利用AI对文学作品进行“亲子鉴定”,以破解名著的作者之谜,是一件很有价值的事情,同时也提供了一个数据维度的视角,去解决此类问题。, 百拇医药(朱会鑫)