Huellas del estilo de escritura
Por qué importa La gente escribe reseñas, publicaciones y avisos "anónimos" creyendo que nadie puede saber quién los escribió. Pero tu escritura tiene costumbres tan personales como tu ritmo al teclear. Saber cómo se compara el estilo te ayuda a juzgar cuándo un texto anónimo es anónimo de verdad, y qué cambiar si importa.
Las palabras pequeñas te delatan
Si quisieras adivinar quién escribió una carta, quizá buscarías palabras grandes y poco habituales. Los investigadores descubrieron que funciona mejor lo contrario: las palabras diminutas. Palabras como "upon", "by", "also" y "there" (en inglés) aparecen en cualquier texto sobre cualquier tema, y cada autor las usa a su propio ritmo constante sin darse cuenta.
Estilometría: medir el estilo de escritura con números, por ejemplo con qué frecuencia alguien usa ciertas palabras, lo largas que son sus frases o qué signos de puntuación prefiere.
Palabras funcionales: palabras pequeñas y comunes que sostienen las frases ("upon", "by", "on", "while" en inglés; "de", "por", "aunque" en español) en lugar de llevar el tema ("tent", "budget", "army"). Como no dependen del tema, su frecuencia refleja al autor.
El caso clásico
En 1787 y 1788 se publicaron 85 ensayos llamados los Federalist Papers (los ensayos federalistas) bajo un mismo seudónimo compartido. Más tarde se supo que la mayoría eran de Alexander Hamilton o de James Madison, pero las listas de los dos reclamaban doce de los mismos ensayos. En los años sesenta, dos estadísticos, Frederick Mosteller y David Wallace, contaron palabras funcionales. Una pista llamativa: Hamilton escribía "upon" mucho más a menudo que Madison, y Madison escribía "whilst" donde Hamilton escribía "while" (dos formas inglesas de decir "mientras"). Su conclusión fue que Madison muy probablemente escribió los doce ensayos en disputa.
Nuestros ensayos de práctica
Los ensayos reales son de dominio público, pero este laboratorio usa ensayos de práctica generados por practice_papers() para que funcione rápido y sin conexión. Cada uno es una ensalada de palabras construida con las costumbres de un autor: las frecuencias son inventadas, con "upon" y "while"/"whilst" apuntando en la misma dirección que en el estudio histórico. El mismo código funcionaría con los textos reales. Cada ensayo es un diccionario: {"id": "H03", "author": "Hamilton", "text": "..."}, y los que están en disputa llevan el nombre de los números reales en disputa, como D49.
Frecuencias por cada 1000 palabras
Un ensayo largo tiene de forma natural más de cada palabra que uno corto, así que los recuentos en bruto no son justos. En su lugar, calcula una frecuencia: cuántas veces por cada 1000 palabras.
text_words = ["upon", "the", "law", "upon"] # 4 words, 2 of them "upon"
rate = 1000 * text_words.count("upon") / len(text_words) # 500.0
El .count(x) de Python cuenta cuántas veces aparece x en una lista. Primero limpia el texto: text.lower() lo pasa a minúsculas, .replace(",", " ") cambia las comas por espacios y .split() lo corta en palabras por los espacios.
Luego el método es el mismo que con los mecanógrafos: haz la media de las frecuencias de cada autor para obtener un perfil, y asigna cada ensayo en disputa al autor cuyo perfil esté más cerca.
En otros lenguajes
Frecuencias de palabras en 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;
}Y en 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
}La defensa
Si alguna vez necesitas escribir algo de verdad anónimo (un aviso de denuncia interna, una reseña de tu propia empresa), la comparación del estilo es el riesgo para el que debes prepararte. Pasos prácticos: hazlo corto, porque los textos cortos llevan menos pistas; escríbelo con un estilo sencillo a propósito, distinto del tuyo habitual; y evita tus expresiones y grafías favoritas. Pasar el texto por un traductor y de vuelta, o pedir a un asistente de escritura que funcione en el dispositivo que lo reformule, también desordena muchas costumbres. Nada de esto es perfecto, así que el texto anónimo más seguro es el que tiene menos de ti.
Resumen
- Las palabras funcionales se usan con frecuencias constantes y personales, sea cual sea el tema.
- Compara frecuencias por cada 1000 palabras, no recuentos en bruto, para que los textos largos y cortos sean comparables.
- El caso de los Federalist Papers usó estas frecuencias para atribuir a Madison doce ensayos en disputa.
- Una escritura corta, sencilla y reformulada deja menos pistas de estilo.
Escribe cinco funciones. words_of(text) devuelve las palabras en minúsculas de text, con las comas y los puntos cambiados por espacios (usa .split()). word_rates(text, words) devuelve un diccionario que asocia cada palabra de words a su número de apariciones por cada 1000 palabras de text. author_profile(papers, author, words) devuelve un diccionario con la frecuencia media de cada palabra en todos los ensayos cuyo "author" es igual a author. style_distance(rates_a, rates_b, words) devuelve la suma de abs(rates_a[w] - rates_b[w]) sobre words. attribute(text, profiles, words) devuelve la clave de profiles (el nombre de un autor) cuyo perfil está más cerca de las frecuencias del texto.
¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección
Este ejercicio se abre pronto
Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.
Este navegador está bloqueando las cookies de learn.floati.life, así que las lecciones que terminaste aquí no se pueden abrir en orden. Permite las cookies de este sitio y recarga.