Impronte dello stile di scrittura
Perché è importante Le persone scrivono recensioni, post e segnalazioni "anonime" credendo che nessuno possa capire chi li ha scritti. Ma la tua scrittura ha abitudini personali quanto il tuo ritmo alla tastiera. Sapere come si confronta lo stile ti aiuta a giudicare quando un testo anonimo è davvero anonimo, e che cosa cambiare se conta.
Le parole piccole ti tradiscono
Se volessi indovinare chi ha scritto una lettera, potresti cercare parole grandi e insolite. I ricercatori hanno scoperto che funziona meglio il contrario: le parole minuscole. Parole come "upon", "by", "also" e "there" compaiono in ogni testo su ogni argomento, e ogni autore le usa con una sua frequenza costante senza accorgersene.
Stilometria: misurare lo stile di scrittura con i numeri, per esempio quanto spesso qualcuno usa certe parole, quanto sono lunghe le sue frasi, o quale punteggiatura preferisce.
Parole funzionali: parole piccole e comuni che tengono insieme le frasi ("upon", "by", "on", "while") invece di portare l'argomento ("tent", "budget", "army"). Poiché non dipendono dal tema, le loro frequenze riflettono l'autore.
Il caso classico
Nel 1787 e nel 1788, 85 saggi chiamati Federalist Papers furono pubblicati sotto un unico pseudonimo condiviso. Si seppe poi che la maggior parte era di Alexander Hamilton o di James Madison, ma gli elenchi di entrambi rivendicavano gli stessi dodici saggi. Negli anni '60 due statistici, Frederick Mosteller e David Wallace, contarono le parole funzionali. Un indizio sorprendente: Hamilton scriveva "upon" molto più spesso di Madison, e Madison scriveva "whilst" dove Hamilton scriveva "while". La loro conclusione fu che Madison aveva scritto molto probabilmente tutti e dodici i saggi contesi.
I nostri saggi di esercitazione
I saggi veri sono di pubblico dominio, ma questo laboratorio usa saggi di esercitazione generati da practice_papers() così gira in fretta e offline. Ognuno è un'insalata di parole costruita con le abitudini di un autore: le frequenze sono inventate, con "upon" e "while"/"whilst" che puntano nella stessa direzione dello studio storico. Lo stesso codice funzionerebbe sui testi veri. Ogni saggio è un dict: {"id": "H03", "author": "Hamilton", "text": "..."}, e quelli contesi hanno il nome dei veri numeri contesi, come D49.
Frequenze ogni 1.000 parole
Un saggio lungo ha naturalmente più occorrenze di ogni parola rispetto a uno corto, quindi i conteggi grezzi non sono giusti. Calcola invece una frequenza: quante volte ogni 1.000 parole.
text_words = ["upon", "the", "law", "upon"] # 4 words, 2 of them "upon"
rate = 1000 * text_words.count("upon") / len(text_words) # 500.0
.count(x) di Python conta quante volte x compare in una lista. Prima pulisci il testo: text.lower() lo mette in minuscolo, .replace(",", " ") sostituisce le virgole con spazi, e .split() lo taglia in parole agli spazi.
Poi il metodo è lo stesso dei dattilografi: fai la media delle frequenze di ogni autore in un profilo, e assegna ogni saggio conteso all'autore il cui profilo è più vicino.
In altri linguaggi
Frequenze delle parole 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;
}E 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
}La difesa
Se un giorno devi scrivere qualcosa di davvero anonimo (una segnalazione da whistleblower, una recensione del tuo datore di lavoro), il confronto dello stile è il rischio da prevedere. Passi pratici: tienilo breve, perché i testi brevi portano meno indizi; scrivilo con uno stile volutamente semplice e diverso dal tuo solito; ed evita le tue espressioni e grafie preferite. Passare il testo in uno strumento di traduzione e ritorno, o chiedere a un assistente di scrittura sul dispositivo di riformularlo, rimescola anche molte abitudini. Nessuno di questi è perfetto, quindi il testo anonimo più sicuro è quello con meno di te dentro.
Riepilogo
- Le parole funzionali vengono usate con frequenze costanti e personali qualunque sia l'argomento.
- Confronta le frequenze ogni 1.000 parole, non i conteggi grezzi, così testi lunghi e corti sono trattati in modo giusto.
- Il caso dei Federalist Papers ha usato queste frequenze per attribuire a Madison dodici saggi contesi.
- Una scrittura breve, semplice e riformulata lascia meno indizi di stile.
Scrivi cinque funzioni. words_of(text) restituisce le parole in minuscolo di text con virgole e punti sostituiti da spazi (usa .split()). word_rates(text, words) restituisce un dict che associa ogni parola in words al suo conteggio ogni 1.000 parole di text. author_profile(papers, author, words) restituisce un dict con la frequenza media di ogni parola su tutti i saggi il cui "author" è uguale a author. style_distance(rates_a, rates_b, words) restituisce la somma di abs(rates_a[w] - rates_b[w]) su words. attribute(text, profiles, words) restituisce la chiave di profiles (un nome di autore) il cui profilo è più vicino alle frequenze del testo.
Hai notato un problema in questa lezione? Segnalalo · Chiedi qualcosa su questa lezione
Questo esercizio si apre presto
Finisci la lezione precedente e questa si sblocca. L'intero corso è gratuito, senza account, e puoi leggere questa lezione subito.
Questo browser blocca i cookie per learn.floati.life, quindi le lezioni che hai finito qui non si possono aprire in ordine. Consenti i cookie per questo sito e ricarica.