Sidik jari gaya penulisan
Kenapa ini penting Orang menulis ulasan, postingan, dan tips "anonim" karena percaya tidak ada yang bisa tahu siapa penulisnya. Tapi tulisanmu punya kebiasaan yang personal seperti ritme mengetikmu. Mengetahui cara gaya tulisan dicocokkan membantumu menilai kapan teks anonim benar-benar anonim, dan apa yang harus diubah jika itu penting.
Kata-kata singkat membongkar rahasiamu
Kalau kamu mau menebak siapa yang menulis sebuah surat, kamu mungkin akan mencari kata-kata besar yang tidak biasa. Peneliti menemukan hal yang sebaliknya lebih efektif: kata-kata kecil. Kata-kata seperti "upon", "by", "also" dan "there" muncul di setiap teks pada setiap topik, dan setiap penulis menggunakannya dengan kecepatan yang stabil tanpa menyadarinya.
Stylometry: mengukur gaya penulisan dengan angka, contohnya seberapa sering seseorang menggunakan kata tertentu, seberapa panjang kalimat mereka, atau tanda baca mana yang mereka sukai.
Kata fungsi: kata kecil dan umum yang menyatukan kalimat ("upon", "by", "on", "while") daripada membawa topik ("tent", "budget", "army"). Karena tidak bergantung pada subjek, tingkatannya mencerminkan penulis.
Kasus klasik
Pada tahun 1787 dan 1788, 85 esai yang disebut Federalist Papers diterbitkan di bawah satu nama pena bersama. Sebagian besar kemudian diketahui ditulis oleh Alexander Hamilton atau James Madison, tapi daftar kedua pria itu mengklaim dua belas makalah yang sama. Pada tahun 1960-an dua ahli statistik, Frederick Mosteller dan David Wallace, menghitung kata fungsi. Satu petunjuk mencolok: Hamilton menulis "upon" jauh lebih sering daripada Madison, dan Madison menulis "whilst" di mana Hamilton menulis "while". Kesimpulan mereka adalah Madison kemungkinan besar menulis semua dua belas makalah yang diperdebatkan.
Latihan soal kita
Dokumen aslinya adalah domain publik, tapi lab ini menggunakan generated soal latihan dari practice_papers() supaya berjalan cepat dan offline. Masing-masing adalah campuran kata yang dibangun dengan kebiasaan penulis: tingkatannya dibuat-buat, dengan "upon" dan "while"/"whilst" yang mengarah ke arah yang sama seperti di studi sejarah. Kode yang sama akan bekerja pada teks asli. Setiap dokumen adalah dict: {"id": "H03", "author": "Hamilton", "text": "..."}, dan yang diperdebatkan dinamai sesuai dengan nomor yang diperdebatkan asli, seperti D49.
Tarif per 1.000 kata
A kertas panjang tentu punya lebih banyak setiap kata dibanding yang pendek, jadi hitungan mentah tidak adil. Sebagai gantinya, hitung rate: berapa kali per 1,000 kata.
text_words = ["upon", "the", "law", "upon"] # 4 words, 2 of them "upon"
rate = 1000 * text_words.count("upon") / len(text_words) # 500.0
Python's .count(x) menghitung berapa kali x muncul dalam sebuah list. Pertama bersihkan teksnya: text.lower() membuatnya jadi huruf kecil, .replace(",", " ") menukar koma dengan spasi, dan .split() memotongnya menjadi kata-kata di setiap spasi.
Lalu metodenya sama seperti untuk pengetik: rata-ratakan kecepatan setiap penulis ke dalam sebuah profil, dan berikan setiap makalah yang diperdebatkan ke penulis yang profilnya paling dekat.
Di bahasa lain
Laju kata di 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;
}Dan di 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
}Pertahanan
Kalau kamu perlu menulis sesuatu yang benar-benar anonim (seperti laporan pelanggaran, atau ulasan tentang tempat kerjamu), kesamaan gaya bahasa adalah risiko yang harus diantisipasi. Langkah praktisnya: buat tetap singkat, karena teks pendek memberikan lebih sedikit petunjuk; tulis dengan gaya yang sengaja biasa saja dan berbeda dari gayamu biasanya; dan hindari frasa atau ejaan khasmu. Menjalankan teksmu melalui alat penerjemah lalu mengembalikannya, atau meminta asisten penulisan di perangkat untuk mengubah kalimatnya, juga bisa mengacak banyak kebiasaanmu. Tidak ada yang sempurna, jadi teks anonim paling aman adalah yang paling sedikit menunjukkan ciri khas dirimu.
Ringkasan
- Kata-kata fungsi digunakan pada tingkat yang stabil dan personal apa pun topiknya.
- Bandingkan tarif per 1.000 kata, bukan jumlah mentah, supaya teks panjang dan pendek adil.
- Kasus Federalist Papers menggunakan tarif ini untuk menghubungkan dua belas esai yang diperdebatkan kepada Madison.
- Tulisan yang singkat, sederhana, dan diubah bahasanya meninggalkan lebih sedikit petunjuk gaya.
Tulis lima fungsi. words_of(text) mengembalikan kata-kata huruf kecil dari text dengan koma dan titik diganti jadi spasi (gunakan .split()). word_rates(text, words) mengembalikan dict yang memetakan setiap kata di words ke jumlahnya per 1,000 kata di text. author_profile(papers, author, words) mengembalikan dict dari rata-rata tingkat setiap kata di semua makalah yang "author" nya sama dengan author. style_distance(rates_a, rates_b, words) mengembalikan jumlah abs(rates_a[w] - rates_b[w]) di atas words. attribute(text, profiles, words) mengembalikan kunci dari profiles (nama penulis) yang profilnya paling dekat dengan tingkat teks.
Ada masalah di pelajaran ini? Laporkan · Tanya tentang pelajaran ini
Latihan ini akan segera dibuka
Selesaikan pelajaran sebelumnya agar pelajaran ini terbuka. Seluruh kursus ini gratis, tidak butuh akun, dan kamu bisa baca pelajaran ini sekarang.
Browser ini memblokir cookie untuk learn.floati.life, jadi pelajaran yang sudah kamu selesaikan di sini tidak bisa dibuka berurutan. Izinkan cookie untuk situs ini dan muat ulang.