计算机分析如何揭开 JK·罗琳的秘密小说

罗伯特·盖尔布雷斯首次出版侦探小说《布谷鸟的呼唤》刚刚以重大方式破案。本周末，英国《泰晤士报》报道《布谷鸟的呼唤》实际上是《哈利·波特》的作者 JK·罗琳所著。在《泰晤士报》直接询问她之后，罗琳甚至承认了自己是这部小说的作者。

《纽约时报》向罗琳提供的证据包括两位大学教授的分析，他们编写了计算机程序来揭露有争议文本的作者。毕竟，每个作家都有自己的习惯。一个明显的习惯是使用方言——例如汽车“后备箱”与“后备箱”——但其他习惯则更加微妙和无意识。计算机程序能够识别它们，这完全令人毛骨悚然，但很酷。

《纽约时报》最初要求程序员检查《布谷鸟的呼唤》是因为收到匿名提示，称罗琳可能是该书的真正作者。《纽约时报》记者亚历克斯·莫斯特鲁斯最初并没有告诉教授们他为什么要让他们将《布谷鸟的呼唤》与其他几部小说进行比较。

那么，哪些习惯会暴露作者的真面目呢？分析员之一、匹兹堡杜肯大学的 Patrick Juola 撰写了一篇详细的博客文章，介绍了他的程序的工作原理。整篇文章读起来很精彩，但以下是重点内容。

基本上，Juola 拿到了《布谷鸟的呼唤》的电子版，以及罗琳和三位著名悬疑小说作家的小说电子版。然后他进行了一系列分析，以了解《布谷鸟的呼唤》中的习惯与哪位作者最相符。每项分析都着眼于书中的一个不同“习惯”：

1. Juola 研究了每本书中单词长度的分布。也就是说，他得到了一堆数字，例如“这本书中 X% 的单词恰好是 Y 个字母长。”
2. Juola 查看了每本书中最常见的 100 个单词。
3. 他观察了经常一起出现的单词对。
4. 他研究了字符串中出现的四个字符组。字符串中的任何四个字符都可以，包括字母、空格和语法标记。现在，我不知道有哪位作家在写作时会考虑字符串，但是，Juola 说，其他研究已经证明，四字符字符串（称为四元语法）是作者身份的有力指标。

他说，Juola 的整体分析无法证明作者身份。一些单独的测试发现，除了罗琳之外的其他作者是最匹配的。尽管如此，罗琳的匹配率最高。Juola 称他的作品“暗示”或“表明”罗琳写了《布谷鸟的呼唤》 。确凿的证据来自罗琳的供词，而 Juola 的分析无疑有助于说服她这样做。

这种区别很重要，因为语言学家使用 Juola 等人的工具来确定究竟是谁写了所有内容，从早已去世的作者撰写的历史文本到现代法庭案件中有争议的文件。在这些案件中，获得现成的、可靠的供词可能要困难得多。

语言日志