Yazım stili parmak izleri
Neden önemli İnsanlar kimsenin kimin yazdığını anlayamayacağına inanarak "anonim" incelemeler, gönderiler ve ipuçları yazıyor. Ancak yazım tarzın, yazma hızın kadar kişisel alışkanlıklar içerir. Stil eşleşmesinin nasıl çalıştığını bilmek, anonim bir metnin gerçekten anonim olup olmadığını ve önemliyse nelerin değiştirilmesi gerektiğini anlamana yardımcı olur.
Küçük kelimeler seni ele verir
Bir mektubu kimin yazdığını tahmin etmek isteseydin, büyük ve sıra dışı kelimelere bakabilirdin. Araştırmacılar tam tersinin daha iyi işe yaradığını buldu: küçük kelimeler. "upon", "by", "also" ve "there" gibi kelimeler her konuda her metinde karşımıza çıkar ve her yazar bunları fark etmeden kendi sabit hızında kullanır.
Stylometry: yazım stilini sayılarla ölçmek, örneğin birinin belirli kelimeleri ne sıklıkla kullandığı, cümlelerinin ne kadar uzun olduğu veya hangi noktalama işaretlerini tercih ettiği.
Fonksiyon kelimeleri: konuyu taşıyan ("çadır", "bütçe", "ordu") kelimeler yerine cümleleri bir arada tutan küçük, yaygın kelimelerdir ("üzerine", "tarafından", "üzerinde", "iken"). Özneye bağlı olmadıkları için oranları yazarı yansıtır.
Klasik durum
1787 ve 1788 yıllarında, Federalist Papers adı verilen 85 makale ortak bir takma isim altında yayımlandı. Çoğunun daha sonra Alexander Hamilton veya James Madison tarafından yazıldığı öğrenildi, ancak her iki adamın listesi de aynı on iki makaleyi sahipleniyordu. 1960'larda iki istatistikçi, Frederick Mosteller ve David Wallace, işlevsel kelimeleri saydı. Çarpıcı bir ipucu: Hamilton, Madison'dan çok daha fazla "upon" yazdı ve Madison, Hamilton'ın "while" yazdığı yerlerde "whilst" yazdı. Sonuçları, Madison'ın büyük ihtimalle tartışmalı on iki makalenin tamamını yazdığı yönündeydi.
Alıştırma kağıtlarımız
Gerçek makaleler kamu malıdır, ama bu laboratuvar hızlı ve çevrimdışı çalışması için generated pratik makaleleri kullanıyor practice_papers(). Her biri bir yazarın alışkanlıklarıyla oluşturulmuş kelime salatasıdır: oranlar uydurmadır, "upon" ve "while"/"whilst" ifadeleri tarihsel çalışmadaki gibi aynı yöne işaret eder. Aynı kod gerçek metinlerde de çalışır. Her makale bir dict'tir: {"id": "H03", "author": "Hamilton", "text": "..."}, ve tartışmalı olanlar D49 gibi gerçek tartışmalı numaralardan sonra adlandırılmıştır.
1.000 kelime başına ücretler
A uzun bir makale doğal olarak kısa birine göre her kelimeden daha fazla içerir, bu yüzden ham sayımlar adaletsizdir. Bunun yerine bir rate hesapla: 1.000 kelime başına kaç kez.
text_words = ["upon", "the", "law", "upon"] # 4 words, 2 of them "upon"
rate = 1000 * text_words.count("upon") / len(text_words) # 500.0
Python'un .count(x) bir listede x kaç kez görünüyor sayar. Önce metni temizle: text.lower() onu küçük harfe çevirir, .replace(",", " ") virgülleri boşlukla değiştirir ve .split() onu boşluklardan kelimelere ayırır.
Yöntem daktilo yazıcıları için olanla aynı: her yazarın hızlarını bir profile ortalayarak dahil et ve her tartışmalı makaleyi profili en yakın olan yazara ver.
Diğer dillerde
JavaScript'te kelime hızları:
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;
}Ve Go'da:
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
}Savunma
Eğer gerçekten anonim bir şey yazman gerekirse (bir ihbar, kendi işverenin hakkında bir inceleme gibi), stil eşleşmesi planlaman gereken risktir. Pratik adımlar: kısa tut, çünkü kısa metinler daha az ipucu taşır; alışık olduğun tarzın aksine bilerek sade bir tarzda yaz; ve kendi kullandığın kalıplardan ve yazım şekillerinden kaçın. Metnini bir çeviri aracından geçirip geri çevirmek veya cihazdaki bir yazım asistanından onu yeniden ifade etmesini istemek de birçok alışkanlığı karıştırır. Bunların hiçbiri mükemmel değil, bu yüzden en güvenli anonim metin içinde en az senin izi olan metindir.
Özet
- Konu ne olursa olsun, fonksiyon kelimeleri sabit ve kişisel hızlarda kullanılır.
- Ham sayıları yerine 1.000 kelime başına oranları karşılaştır, böylece uzun ve kısa metinler adil olur.
- Federalist Papers vakası, on iki tartışmalı makaleyi Madison'a atfetmek için bu oranları kullandı.
- Kısa, sade ve yeniden ifade edilmiş yazım daha az üslup ipucu bırakır.
Beş fonksiyon yaz. words_of(text), text içindeki kelimelerin küçük harf hallerini virgül ve noktalar yerine boşluk koyarak döndürür (.split() kullan). word_rates(text, words), words içindeki her bir kelimeyi text içindeki her 1,000 kelime başına düşen sayısına göre eşleyen bir dict döndürür. author_profile(papers, author, words), "author" değeri author olan tüm makalelerdeki her bir kelimenin ortalama oranını içeren bir dict döndürür. style_distance(rates_a, rates_b, words), words üzerindeki abs(rates_a[w] - rates_b[w]) toplamını döndürür. attribute(text, profiles, words), profili metindeki oranlara en yakın olan profiles anahtarını (bir yazar adı) döndürür.
Bu derste bir sorun mu fark ettin? Bildir · Bu ders hakkında soru sor
Bu alıştırma yakında açılacak
Bu dersi bitirince bu ders açılacak. Kursun tamamı ücretsiz, hesap gerekmiyor ve bu dersi hemen şimdi okuyabilirsin.
Bu tarayıcı learn.floati.life için çerezleri engelliyor, bu yüzden burada bitirdiğin dersler sırasıyla açılamıyor. Bu site için çerezlere izin ver ve sayfayı yenile.