Lehrplan Lektion 129 von 156 · Die Person verfolgen, nicht das Gerät
Die Person verfolgen, nicht das Gerät

Schreibstil-Fingerabdrücke

Warum das wichtig istMenschen schreiben anonyme Bewertungen, Posts und Tipps und glauben, dass niemand erkennen kann, wer sie geschrieben hat. Aber dein Schreiben hat Gewohnheiten, die so persönlich sind wie dein Tipprhythmus. Zu wissen, wie Stil abgeglichen wird, hilft dir zu beurteilen, wann ein anonymer Text wirklich anonym ist, und was zu ändern ist, wenn es wichtig ist.

Kleine Wörter verraten dich

Wenn du raten wolltest, wer einen Brief geschrieben hat, würdest du vielleicht nach großen, ungewöhnlichen Wörtern suchen. Forscher fanden heraus, dass das Gegenteil besser funktioniert: die winzigen Wörter. Wörter wie "upon", "by", "also" und "there" tauchen in jedem Text zu jedem Thema auf, und jeder Autor benutzt sie in seiner eigenen stetigen Rate, ohne es zu bemerken.

Stylometry: Messung des Schreibstils mit Zahlen, zum Beispiel wie oft jemand bestimmte Wörter benutzt, wie lang seine Sätze sind oder welche Zeichensetzung er bevorzugt.

Funktionswörter: kleine, häufige Wörter, die Sätze zusammenhalten ("upon", "by", "on", "while") anstatt das Thema zu tragen ("tent", "budget", "army"). Da sie nicht vom Subjekt abhängen, spiegeln ihre Raten den Autor wider.

Der klassische Fall

Im Jahr 1787 und 1788 wurden 85 Essays namens Federalist Papers unter einem gemeinsamen Pseudonym veröffentlicht. Die meisten wurden später als Werke von Alexander Hamilton oder James Madison identifiziert, aber die Listen beider Männer beanspruchten zwölf der gleichen Papiere. In den 1960er Jahren zählten zwei Statistiker, Frederick Mosteller und David Wallace, Funktionwörter. Ein auffälliger Hinweis: Hamilton schrieb "upon" viel öfter als Madison, und Madison schrieb "whilst" dort, wo Hamilton "while" schrieb. Ihre Schlussfolgerung war, dass Madison sehr wahrscheinlich alle zwölf umstrittenen Papiere schrieb.

Unsere Übungsaufgaben

Die echten Papiere sind gemeinfrei, aber dieses Lab nutzt generated Übungspapiere von practice_papers() damit es schnell und offline läuft. Jedes ist ein Wortsalat, der mit den Gewohnheiten eines Autors gebaut wurde: die Raten sind erfunden, wobei "upon" und "while"/"whilst" in die gleiche Richtung zeigen wie in der historischen Studie. Der gleiche Code würde auf den echten Texten funktionieren. Jedes Papier ist ein dict: {"id": "H03", "author": "Hamilton", "text": "..."}, und die strittigen sind nach den echten strittigen Nummern benannt, wie zum Beispiel D49.

Raten pro 1.000 Wörtern

A langer Text hat natürlich mehr von jedem Wort als ein kurzer, also sind reine Zählungen unfair. Berechne stattdessen eine rate: wie oft pro 1.000 Wörter.

text_words = ["upon", "the", "law", "upon"]     # 4 words, 2 of them "upon"
rate = 1000 * text_words.count("upon") / len(text_words)   # 500.0

Pythons .count(x) zählt, wie oft x in einer Liste erscheint. Zuerst den Text bereinigen: text.lower() macht ihn klein, .replace(",", " ") tauscht Kommas gegen Leerzeichen aus und .split() schneidet ihn an Leerzeichen in Wörter.

Dann ist die Methode dieselbe wie bei Schreibern: Berechne die Durchschnittsraten jedes Autors zu einem Profil und gib jedes strittige Dokument dem Autor, dessen Profil am nächsten liegt.

In anderen Sprachen

Wortraten in JavaScript:

function wordRates(text, words) {
  const all = text.toLowerCase().replace(/[,.]/g, " ").split(/\s+/).filter(Boolean);
  const rates = {};
  for (const w of words) {
    rates[w] = 1000 * all.filter(x => x === w).length / all.length;
  }
  return rates;
}

Und in Go:

func wordRates(text string, words []string) map[string]float64 {
    clean := strings.NewReplacer(",", " ", ".", " ").Replace(strings.ToLower(text))
    all := strings.Fields(clean)
    counts := map[string]int{}
    for _, w := range all {
        counts[w]++
    }
    rates := map[string]float64{}
    for _, w := range words {
        rates[w] = 1000 * float64(counts[w]) / float64(len(all))
    }
    return rates
}

Die Verteidigung

Wenn du jemals etwas wirklich anonym schreiben musst (einen Whistle-blowing-Tipp, eine Bewertung deines Arbeitgebers), ist das Stil-Matching das Risiko, das du planen musst. Praktische Schritte: halte es kurz, weil kurze Texte weniger Hinweise enthalten; schreibe es in einem bewusst schlichten Stil, der nicht deinem üblichen entspricht; und vermeide deine Lieblingsphrasen und Schreibweisen. Den Text durch ein Übersetzungstool und zurücklaufen zu lassen oder einen Schreibassistenten auf dem Gerät zu bitten, ihn umzuformulieren, verwirrt ebenfalls viele Gewohnheiten. Keines davon ist perfekt, also ist der sicherste anonyme Text derjenige mit dem wenigsten Anteil von dir darin.

Zusammenfassung

  • Funktionswörter werden in stetigen, persönlichen Raten verwendet, egal welches Thema es ist.
  • Vergleiche Raten pro 1.000 Wörtern, nicht Rohzahlen, damit lange und kurze Texte fair sind.
  • Der Federalist Papers Fall verwendete diese Raten, um zwölf umstrittene Essays Madison zuzuschreiben.
  • Kurzes, einfaches und umformuliertes Schreiben hinterlässt weniger Stilhinweise.
Du bist dran

Schreibe fünf Funktionen. words_of(text) gibt die kleingeschriebenen Wörter von text zurück, wobei Kommas und Punkte durch Leerzeichen ersetzt werden (verwende .split()). word_rates(text, words) gibt ein Dictionary zurück, das jedes Wort in words seiner Häufigkeit pro 1.000 Wörter von text zuordnet. author_profile(papers, author, words) gibt ein Dictionary der durchschnittlichen Rate jedes Wortes über alle Arbeiten zurück, deren "author" gleich author ist. style_distance(rates_a, rates_b, words) gibt die Summe von abs(rates_a[w] - rates_b[w]) über words zurück. attribute(text, profiles, words) gibt den Schlüssel von profiles (ein Autorenname) zurück, dessen Profil den Raten des Textes am nächsten kommt.

Ein Problem in dieser Lektion entdeckt? Melde es · Frage zu dieser Lektion

Diese Übung öffnet bald

Beende die vorherige Lektion, damit diese freigeschaltet wird. Der ganze Kurs ist kostenlos, kein Konto erforderlich, und du kannst diese Lektion jetzt direkt lesen.