lingnguВестник НГУ. Серия: Лингвистика и межкультурная коммуникацияNSU Vestnik. Series: Linguistics and Intercultural Communication1818-7935Новосибирский государственный университет10.25205/1818-7935-2026-24-1-102-112lingngu-1200Research ArticleКОМПЬЮТЕРНАЯ И ПРИКЛАДНАЯ ЛИНГВИСТИКАCOMPUTER AND APPLIED LINGUISTICSАвторские инварианты в английских художественных текстахAuthor’s invariants in English literary textshttps://orcid.org/0000-0001-5808-3134КовалевскийА. П.KovalevskiiA. P.

Ковалевский Артем Павлович, доктор физико-математических наук, доцент, ведущий научный сотрудник 

Artyom P. Kovalevskii, DSc., Associate Professor, Leading Researcher

https://orcid.org/0009-0002-1781-2630ПавловаЮ. В.PavlovaYu. V.

Павлова Юлия Викторовна, студентка 

Yulia V. Pavlova, Student

Институт математики СО РАНРоссияSobolev Institute of MathematicsRussian FederationНовосибирский государственный университетРоссияNovosibirsk State UniversityRussian Federation202627052026241102112Copyright © Ковалевский А.П., Павлова Ю.В., 20262026Ковалевский А.П., Павлова Ю.В.Kovalevskii A.P., Pavlova Y.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://lingngu.elpub.ru/jour/article/view/1200

В работе предложена и протестирована методика обнаружения стилистической разладки в художественных текстах на английском языке, основанная на статистическом анализе бинарной последовательности, формируемой по признаку принадлежности слов к авторскому инварианту. В качестве авторского инварианта рассматривалось множество служебных слов, текст отображался в виде последовательности нулей и единиц, служившей для исследования стилистических особенностей текста. На основе этой последовательности был построен эмпирический мост, максимальное отклонение которого использовалось в качестве статистики нормы эмпирического моста для выявления возможной разладки. Метод был апробирован на корпусе из 100 художественных текстов британских и американских авторов XIX–XXI веков, а также на 9 000 попарных комбинаций склеенных текстов. Были выделены пороговые значения статистики, позволяющие отличать однородные тексты от текстов с возможной стилистической границей. Для оценки статистической значимости использовалась аппроксимация распределения Колмогорова, на основе которой рассчитывались р-значения. Результаты экспериментов показали: устойчивую способность метода выявлять стилистическую границу между произведениями разных авторов; эффективность алгоритма при различении одного текста одного автора и комбинации двух текстов одного автора; эффективность алгоритма при различении одного текста одного автора от пары текстов разных авторов; независимость метода от длины текста: высокие и низкие значения статистики и р-значения наблюдались при разных объемах. Анализ эмпирических мостов и поведения отдельных служебных слов показал, что стилистические особенности текста могут проявляться как в масштабах всего произведения, так и внутри отдельных его частей. Метод эффективно фиксирует подобные изменения. Разработанный подход может быть использован в рамках корпусной лингвистики, прикладной стилистики, обработки естественного языка, а также при создании интеллектуальных систем анализа текста.

The paper proposes and tests a method for detecting stylistic change points in English-language fiction texts based on statistical analysis of a binary sequence taking into account the words belonging to the author’s invariant. A set of function words was considered as the author’s invariant; texts were displayed as sequences of zeros and ones used to study the stylistic features of texts. An empirical bridge was constructed based on this sequence. The maximum deviation of the empirical bridge served as statistical norm to detect possible change points. The method was tested on a corpus of 100 novels by British and American authors of the 19th–21st centuries, as well as on 9,000 pairwise combinations of concatenated texts. Threshold statistical values are identified that make it possible to distinguish homogeneous texts and texts with a possible stylistic change point. An approximation of the Kolmogorov distribution is used to assess statistical significance. P-values are calculated on the basis of the limiting Kolmogorov distribution. The results of the experiments show a stable ability of the method to identify a stylistic change point between the novels by different authors; the efficiency of the algorithm in distinguishing one text by one author and a combination of two texts by one author; the efficiency of the algorithm in distinguishing one text by one author and a pair of texts by different authors; independence of the method of the text length, that is, high and low values of statistics and p-values are observed for different text lengths. The analysis of empirical bridges and the behavior of individual function words show that stylistic features of the text can manifest themselves both on the scale of the entire work and within its individual parts. The method effectively records such changes. The developed approach can be used in the framework of corpus linguistics, applied stylistics, natural language processing, as well as in the creation of intelligent text analysis systems.

служебные словаавторский инвариантэмпирический мостобнаружение разладкисклейка текстовfunction wordsauthor’s invariantempirical bridgechange point detectionconcatenationReferencesГусарова Г. В., Ковалевский А. П., Макаренко А. Г. Критерии наличия разладки // Сибирский журнал индустриальной математики. 2005. Т. 8, № 4. С. 18–33. URL: https://www.mathnet.ru/sjim273Gusarova G. V., Kovalevskii A. P., Makarenko A. G. Criteria for the existence of a change point.Abebe B., Chebunin M., Kovalevskii A. Text Segmentation Via Processes that Count the Number of Different Words Forward and Backward // Journal of Quantitative Linguistics. 2024. Vol. 31. No. 1. P. 1–18. DOI: https://doi.org/10.1080/09296174.2023.2275342Sibirskii Zhurnal Industrial’noi Matematiki, 2005, vol. 8, no. 4, pp. 18–33. (in Russ.)Abebe B., Chebunin M., Kovalevskii A., Zakrevskaya N. Statistical tests for text homogeneity: Using forward and backward processes of numbers of different words // Glottometrics. 2022. Vol. 53. No. 1. P. 42–58. DOI: https://doi.org/10.53482/2022_53_401Abebe B., Chebunin M., Kovalevskii A. Text Segmentation Via Processes that Count the Number of Different Words Forward and Backward. Journal of Quantitative Linguistics, vol. 31, no. 1, 2024, pp. 1–18. DOI: https://doi.org/10.1080/09296174.2023.2275342Beeferman D., Berger A., Lafferty J. D. Statistical models for text segmentation // Machine Learning. 1999. Vol. 34. No. 1–3. P. 177–210. DOI: https://doi.org/10.1023/A:1007506220214Abebe B., Chebunin M., Kovalevskii A., Zakrevskaya N. Statistical tests for text homogeneity: Using forward and backward processes of numbers of different words. Glottometrics, vol. 53, no. 1, 2022, pp. 42–58. DOI: https://doi.org/10.53482/2022_53_401Choi F. Y. Y. Advances in domain independent linear text segmentation // 1st Meeting of the North American Chapter of the Association for Computational Linguistics. URL: https://aclanthology.org/A00-2004.pdfBeeferman D., Berger A., Lafferty J. D. Statistical models for text segmentation. Machine Learning, vol. 34, no. 1–3, 1999, pp. 177–210. DOI: https://doi.org/10.1023/A:1007506220214Dembele S., Lo G. S. Probabilistic, Statistical and Algorithmic Aspects of the Similarity of Texts and Application to Gospels Comparison // Journal of Data Analysis and Information Processing. 2015. Vol. 3. P. 112–127. DOI: https://doi.org/10.4236/jdaip.2015.34012Choi F. Y. Y. Advances in domain independent linear text segmentation. 1st Meeting of the North American Chapter of the Association for Computational Linguistics. URL: https://aclanthology.org/A00-2004.pdfHearst M. A. Text tiling: Segmenting text into multi-paragraph subtopic passages // Computational Linguistics. 1997. Vol. 23. No. 1. P. 33–64.Dembele S., Lo G. S. Probabilistic, Statistical and Algorithmic Aspects of the Similarity of Texts and Application to Gospels Comparison. Journal of Data Analysis and Information Processing, 2015, vol. 3, pp. 112–127. DOI: https://doi.org/10.4236/jdaip.2015.34012Itoh N., Kurths J. Change-point detection of climate time series by nonparametric method // Proceedings of the World Congress on Engineering and Computer Science. 2010. Vol. 1. P. 445–448.Hearst M. A. Text tiling: Segmenting text into multi-paragraph subtopic passages. Computational Linguistics, 1997, vol. 23, no. 1, pp. 33–64.Mikolov T., Sutskever I., Chen K., Corrado G. S., Dean J. Distributed representations of words and phrases and their compositionality // Advances in Neural Information Processing Systems. 2013. Vol. 26. P. 1–9.Itoh N., Kurths J. Change-point detection of climate time series by nonparametric method. Proceedings of the World Congress on Engineering and Computer Science, 2010, vol. 1, pp. 445–448.Nanni G., Glavaš F., Ponzetto S. P. Unsupervised text segmentation using semantic relatedness graphs // In: Proceedings of the Fifth Joint Conference on Lexical and Computational Semantics (*SEM). Berlin, Germany, 2016.Mikolov T., Sutskever I., Chen K., Corrado G. S., Dean J. Distributed representations of words and phrases and their compositionality. Advances in Neural Information Processing Systems, 2013, vol. 26, pp. 1–9.Németh G., Zainkó C. Multilingual Statistical Text Analysis, Zipf’s Law and Hungarian Speech Generation // Acta Linguistica Hungarica. 2002. Vol. 49. No. 3–4. P. 385–405.Nanni G., Glavaš F., Ponzetto S. P. Unsupervised text segmentation using semantic relatedness graphs. In: Proceedings of the Fifth Joint Conference on Lexical and Computational Semantics (*SEM). Berlin, Germany, 2016, pp. 125–130.Pevzner L., Hearst M. A. A critique and improvement of an evaluation metric for text segmentation // Computational Linguistics. 2002. Vol. 28. No. 1. P. 19–36. DOI: https://doi.org/10.1162/089120102317341756Németh G., Zainkó C. Multilingual Statistical Text Analysis, Zipf’s Law and Hungarian Speech Generation. Acta Linguistica Hungarica, 2002, vol. 49, no. 3–4, pp. 385–405.Pevzner L., Hearst M. A. A critique and improvement of an evaluation metric for text segmentation. Computational Linguistics, 2002, vol. 28, no. 1, pp. 19–36. DOI: https://doi.org/10.1162/089120102317341756Pevzner L., Hearst M. A. A critique and improvement of an evaluation metric for text segmentation. Computational Linguistics, 2002, vol. 28, no. 1, pp. 19–36. DOI: https://doi.org/10.1162/089120102317341756

The authors declare that there are no conflicts of interest present.