लेखन-शैली fingerprints
यह क्यों मायने रखता है लोग "गुमनाम" reviews, posts और सूचनाएँ यह मानते हुए लिखते हैं कि कोई नहीं बता सकता कि किसने लिखा। पर आपके लेखन की आदतें आपकी typing लय जितनी निजी हैं। यह जानना कि शैली कैसे मिलाई जाती है आपको परखने में मदद करता है कि एक गुमनाम टेक्स्ट सचमुच कब गुमनाम है, और अगर मायने रखे तो क्या बदलना है।
छोटे शब्द आपको पकड़वाते हैं
अगर आप अंदाज़ा लगाना चाहें कि एक चिट्ठी किसने लिखी, तो आप बड़े, असामान्य शब्द खोज सकते हैं। शोधकर्ताओं ने पाया कि उल्टा बेहतर काम करता है: छोटे शब्द। "upon", "by", "also" और "there" जैसे शब्द हर विषय के हर टेक्स्ट में आते हैं, और हर लेखक बिना ध्यान दिए उन्हें अपनी स्थिर दर पर इस्तेमाल करता है।
Stylometry: संख्याओं से लेखन शैली मापना, उदाहरण के लिए कोई कुछ शब्द कितनी बार इस्तेमाल करता है, उनके वाक्य कितने लंबे हैं, या वे कौन-से विराम चिह्न पसंद करते हैं।
Function words: छोटे, आम शब्द जो विषय ले जाने ("tent", "budget", "army") के बजाय वाक्यों को साथ थामते हैं ("upon", "by", "on", "while")। क्योंकि वे विषय पर निर्भर नहीं, उनकी दरें लेखक को दर्शाती हैं।
क्लासिक मामला
1787 और 1788 में, Federalist Papers नाम के 85 निबंध एक साझा उपनाम से प्रकाशित हुए। ज़्यादातर बाद में Alexander Hamilton या James Madison के जाने गए, पर दोनों की सूचियों ने बारह एक ही papers का दावा किया। 1960 के दशक में दो सांख्यिकीविदों, Frederick Mosteller और David Wallace, ने function words गिने। एक चौंकाने वाला सुराग: Hamilton ने Madison से कहीं ज़्यादा बार "upon" लिखा, और Madison ने "whilst" लिखा जहाँ Hamilton ने "while" लिखा। उनका निष्कर्ष था कि Madison ने बहुत संभावित रूप से सारे बारह विवादित papers लिखे।
हमारे अभ्यास papers
असली papers public domain में हैं, पर यह lab practice_papers() से बनाए अभ्यास papers इस्तेमाल करता है ताकि यह जल्दी और offline चले। हर एक एक लेखक की आदतों से बना शब्द सलाद है: दरें गढ़ी हैं, "upon" और "while"/"whilst" ऐतिहासिक अध्ययन वाली ही दिशा में इशारा करते हुए। वही code असली टेक्स्ट पर काम करता। हर paper एक dict है: {"id": "H03", "author": "Hamilton", "text": "..."}, और विवादित वाले असली विवादित नंबरों के नाम पर हैं, जैसे D49।
हर 1,000 शब्दों पर दरें
एक लंबे paper में स्वाभाविक रूप से हर शब्द एक छोटे से ज़्यादा होता है, इसलिए कच्ची गिनतियाँ अनुचित हैं। इसके बजाय एक दर निकालें: हर 1,000 शब्दों पर कितनी बार।
text_words = ["upon", "the", "law", "upon"] # 4 words, 2 of them "upon"
rate = 1000 * text_words.count("upon") / len(text_words) # 500.0
Python का .count(x) गिनता है कि x एक सूची में कितनी बार आता है। पहले टेक्स्ट साफ़ करें: text.lower() उसे छोटे अक्षरों में करता है, .replace(",", " ") commas को spaces से बदलता है, और .split() उसे spaces पर शब्दों में काटता है।
फिर तरीका typists वाला ही है: हर लेखक की दरों का औसत एक profile में लें, और हर विवादित paper उस लेखक को दें जिसकी profile सबसे क़रीब है।
दूसरी भाषाओं में
JavaScript में शब्द दरें:
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;
}और Go में:
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
}बचाव
अगर आपको कभी कुछ सचमुच गुमनाम लिखना हो (एक whistle-blowing सूचना, अपने नियोक्ता का एक review), तो शैली मिलान वह जोखिम है जिसकी योजना बनानी है। व्यावहारिक क़दम: इसे छोटा रखें, क्योंकि छोटे टेक्स्ट कम सुराग ले जाते हैं; इसे अपनी सामान्य से अलग, जानबूझकर सादी शैली में लिखें; और अपने पसंदीदा वाक्यांशों और spellings से बचें। अपने टेक्स्ट को एक अनुवाद औज़ार से आगे-पीछे चलाना, या एक on-device लेखन सहायक से उसे दोबारा कहलवाना, भी कई आदतें गड्डमड्ड करता है। इनमें से कोई परफ़ेक्ट नहीं, इसलिए सबसे सुरक्षित गुमनाम टेक्स्ट वह है जिसमें आपका सबसे कम हो।
सार
- Function words विषय चाहे जो हो स्थिर, निजी दरों पर इस्तेमाल होते हैं।
- हर 1,000 शब्दों पर दरों की तुलना करें, कच्ची गिनतियों की नहीं, ताकि लंबे और छोटे टेक्स्ट निष्पक्ष रहें।
- Federalist Papers मामले ने इन दरों का इस्तेमाल बारह विवादित निबंध Madison को देने में किया।
- छोटा, सादा, दोबारा कहा लेखन कम शैली सुराग छोड़ता है।
पाँच functions लिखें। words_of(text) text के छोटे अक्षरों वाले शब्द लौटाता है, commas और full stops को spaces से बदलकर (.split() इस्तेमाल करें)। word_rates(text, words) एक dict लौटाता है जो words के हर शब्द को text के हर 1,000 शब्दों पर उसकी गिनती से जोड़ता है। author_profile(papers, author, words) उन सारे papers पर हर शब्द की औसत दर का एक dict लौटाता है जिनका "author" author के बराबर है। style_distance(rates_a, rates_b, words) words पर abs(rates_a[w] - rates_b[w]) का योग लौटाता है। attribute(text, profiles, words) profiles की वह key (एक लेखक नाम) लौटाता है जिसकी profile टेक्स्ट की दरों के सबसे क़रीब है।
इस पाठ में कोई समस्या दिखी? बताएँ · इस पाठ के बारे में पूछें
यह अभ्यास जल्द खुलेगा
इससे पहले वाला पाठ पूरा करें और यह खुल जाएगा। पूरा कोर्स मुफ़्त है, कोई खाता नहीं चाहिए, और आप यह पाठ अभी पढ़ सकते हैं।
यह ब्राउज़र learn.floati.life के लिए कुकी रोक रहा है, इसलिए यहाँ पूरे किए गए पाठ क्रम से नहीं खुल सकते। इस साइट के लिए कुकी की अनुमति दें और फिर से लोड करें।