استایلومتری و انتساب مؤلف · AA-DELTA-04
Delta اِدِر (Eder’s Delta)
8 اجرای موفق ثبت‌شده در آمار دائمی
این خروجی چه می‌گوید؟
در حالت نقش‌محور، متن مجهول را فقط میان نامزدهایی که شما وارد کرده‌اید رتبه‌بندی می‌کند و نشان می‌دهد بر پایه ویژگی‌ها و پارامترهای همین اجرا به سبک کدام نامزد نزدیک‌تر است. بنابراین برای پرسش «از میان این نامزدهای مشخص، کدام گزینه بهتر است؟» ابزار مرتبط و قابل استفاده است.
چه چیزی را به‌تنهایی ثابت نمی‌کند؟
نزدیک‌ترین نامزد لزوماً مؤلف تاریخی واقعی نیست: ممکن است مؤلف واقعی بیرون مجموعه باشد یا تفاوت ژانر، دوره، تصحیح، ترجمه و اندازه متن نتیجه را جابه‌جا کند. عبارت «اثبات انتساب نیست» یعنی نتیجه باید شاهد مقایسه‌ای در یک مجموعه بسته تلقی شود، نه اینکه ابزار برای یافتن نامزد بهتر بی‌فایده باشد.
توضیح علمی، محدودیت‌ها و جایگاه توسعه
سطح بازتولیدپذیری: Full paper/method-faithful
روش و منبع: Eder, Maciej (2015). Taking stylometry to the limits: benchmark study on 5,281 texts from Patrologia Latina. Digital Humanities 2015: Conference Abstracts. · DOI: 10.1093/llc/fqx023
وضعیت بازتولیدپذیری
اجزای مؤثر روش که برای اجرای علمی لازم‌اند از منبع منتشرشده پیاده شده‌اند؛ این برچسب لزوماً به معنی بازسازی بیت‌به‌بیت محیط تاریخی نرم‌افزار نیست.
پیاده‌سازی شده
- Eder’s Delta با پیاده‌سازی مرجع stylo pinشده
- MFW و culling اعلام‌شده توسط پژوهشگر
- Research Manifest
پیاده‌سازی نشده / محدودیت
- ادعای بازسازی bit-for-bit یک اجرای تاریخی خاص مطرح نمی‌شود
ابزار کمکی آماده‌سازی corpus — توسعه IDHR
این لایه جزئی از مقاله یا تعریف اصلی Delta اِدِر (Eder’s Delta) نیست. روش فاصله، MFW، Culling و citation هسته تغییر نمی‌کنند؛ آماده‌سازی و قطعه‌بندی جداگانه در Research Manifest ثبت می‌شود.
نام فایل‌ها را چگونه بنویسم؟
قرارداد ساده سازگار با R/stylo: AuthorID_WorkID.txt. بخش پیش از نخستین زیرخط، شناسه مؤلف/کلاس است؛ در نام چندبخشی مؤلف از خط تیره استفاده کنید.
Farabi_Al-Siyasa.txt Farabi_Al-Milla.txt Yahya-Ibn-Adi_Tahdhib-Al-Akhlaq.txt Unknown_Al-Jam-Bayn-Rayai-Al-Hakimayn.txt
قواعد کامل و خطاهای رایج نام‌گذاری
Yahya-Ibn-Adi_...درست است؛Yahya_Ibn_Adi_...در stylo فقط کلاسYahyaمی‌سازد.- شناسه یک مؤلف در همه آثار دقیقاً یکسان و نام فایل در هر Job یکتا باشد.
- فایل TXT با UTF-8 باشد؛ برای اجزای اثر به‌جای فاصله، slash یا colon از خط تیره استفاده کنید.
- در حالت نقش‌محور، جدول صریح زیر مرجع نهایی است و IDHR نام امن R را می‌سازد؛ لازم نیست فایل را دستی تغییر نام دهید.
Leave-one-work-out (LOWO): هر بار یک اثر کاملِ دارای مؤلف معلوم کنار گذاشته می‌شود. همهٔ قطعات آن اثر فقط آزمون‌اند و هیچ‌یک در آموزش همان fold حضور ندارد؛ بنابراین نشت قطعات یک کتاب میان آموزش و آزمون رخ نمی‌دهد.
اعتبارسنجی leave-one-work-out چیست؟
مثال: فارابی ۳ کتاب و یحیی بن عدی ۳ کتاب معلوم دارند. مرحله ۱ کتاب اول فارابی را آزمون می‌گیرد و ۵ کتاب دیگر آموزش‌اند؛ این روند تا مرحله ۶ ادامه پیدا می‌کند. هر نامزد باید دست‌کم دو اثر مستقل داشته باشد.
در هر fold، رتبه‌بندی ویژگی‌ها، Culling، حذف ویژگی ثابت و استانداردسازی فقط با داده‌های آموزشی برازش می‌شوند. سپس هر قطعهٔ اثر کنارگذاشته‌شده با قاعدهٔ نزدیک‌ترین همسایه (۱-NN) به نزدیک‌ترین نمونهٔ آموزشی نسبت داده می‌شود. رأی اکثریت قطعات، نتیجهٔ trial و در طرح اثرمتوازن رأی اکثریت trialها، نتیجهٔ آن اثر است. تساوی‌ها حل‌نشده ثبت می‌شوند و میانگین فاصله‌ها فقط تشخیصی است، نه قاعدهٔ تصمیم.
طرح اثرمتوازن در هر trial از هر نامزد تعداد برابر اثر مستقل و از هر اثر آموزشی دقیقاً یک قطعه می‌گیرد. گردش قطعات قطعی و پوشش‌محور است. این تجمیعِ قطعه←trial←اثر، توسعهٔ کمکی و صریح IDHR است؛ خود روش‌های Delta و کاربرد نزدیک‌ترین همسایه بر سنت روش و پیاده‌سازی مرجع stylo تکیه دارند.
منابع: Eder, Rybicki & Kestemont (2016)، بستهٔ stylo؛ مستند رسمی stylo و crossv؛ و برای خطر نمونه‌های کوتاه Eder (2015)، Does size matter?.
تفسیر: accuracy، balanced accuracy، macro-F1 و confusion matrix عملکرد جداسازی آثار معلوم در همین corpus را می‌سنجند، نه احتمال مؤلف‌بودن متن مجهول. برای طول نمونه حد جهانی وجود ندارد؛ اگر قطعات کوتاه‌اند، MFW و اندازهٔ قطعه باید در اجراهای حساسیت جداگانه تغییر کنند.
نحوه تفسیر
این ابزار نتیجه را همراه پارامترها، نسخه موتور علمیِ همان روش، نرمال‌سازی نویسه‌ای و SHA-256 ورودی‌ها در Research Manifest ثبت می‌کند. تغییر پارامترها باید به‌عنوان اجرای پژوهشی جداگانه در نظر گرفته شود.