8. Частота употребления служебных слов оказывается авторским инвариантом

8. Частота употребления служебных слов оказывается авторским инвариантом

Замечательным исключением является наш параметр 3 — частота употребления всех служебных слов — ПРЕДЛОГОВ, СОЮЗОВ И ЧАСТИЦ. Эволюция этого параметра в зависимости от роста объема выборки показана на рис. d3.4-d3.7.

Рис. d3.4. Поведение параметра: процент служебных слов, для выборок в 2000 слов. Кривые хаотичны

Рис. d3.5. Поведение параметра: процент служебных слов, для выборок в 4000 слов. Кривые остаются пока хаотичными, однако начинается их сглаживание

Рис. d3.6. Поведение параметра: процент служебных слов, для выборок в 8000 слов. Кривые пока еще «перемешиваются», однако начинают все более и более выпрямляться

Рис. d3.7. Поведение параметра: процент служебных слов, для выборок в 16 000 слов. Кривые выпрямились, то есть параметр стабилизировался. Причем, для многих авторов его значения оказываются существенно различными. То есть, параметр — хороший: он является авторским инвариантом и успешно различает некоторых авторов

В список служебных слов мы внесли следующие слова:

ПРЕДЛОГИ — в, на, с, за, к, по, из, у, от, для, во, без, до, о, через, со, при, про, об, ко, над, из-за, из-под, под.

СОЮЗЫ — и, что, но, а, да, хотя, когда, чтобы, если, тоже, или, то есть, зато, будто.

ЧАСТИЦЫ — не, как, же, даже, бы, ли, только, вот, то, ни, лишь, ведь, вон, нибудь, уже, либо.

Итого — 54 служебных слова. Хотя список неполон, он оказался вполне достаточным для различения авторов.

ВАЖНЫЙ ЭКСПЕРИМЕНТАЛЬНЫЙ ФАКТ.

1) При величине выборок в 16 000 слов процентное содержание служебных слов для каждого автора из нашего списка (за исключением одного писателя, о котором речь пойдет ниже) оказалось приблизительно постоянным вдоль всех его произведений, то есть частотный график изображается практически горизонтальной прямой. Эта стабилизация происходит для всех 22 писателей (из 23 исследованных), рис. d3.7.

2) Разность между максимальным и минимальным значениями параметра 3 (минимум и максимум взяты по всем исследованным писателям) значительно больше амплитуды его колебаний внутри произведений отдельных авторов. Амплитуда колебаний пара метра 3 по разным писателям достаточно велика — от 19 % до 27,5 %, рис. d3.7. Отсюда следует, что параметр 3 хорошо различает многих авторов.

На этом основании назовем параметр 3 — АВТОРСКИМ ИНВАРИАНТОМ. Он может служить для атрибуции неизвестных произведений и для обнаружения плагиата, хотя и с определенной осторожностью, поскольку мы обнаружили писателей с очень близкими авторскими инвариантами, например, Фонвизин Д.И. и Толстой Л.Н. (см. ниже). Кроме того, для достаточно уверенных выводов нужны тексты большого объема.

Главным выводом здесь является нетривиальное утверждение о существовании авторского инварианта русских литературных текстов. Было бы интересно продолжить эксперименты с целью обнаружения других авторских инвариантов.

Подчеркнем, что подобные выводы можно делать только после проведения обширного вычислительного эксперимента. Лишь после того, как будет экспериментально доказано, что тот или иной параметр действительно стабилизируется внутри произведений каждого писателя, можно считать, что мы обнаружили инвариант. Причем обработанный список авторов должен быть достаточно велик — по крайней мере, несколько десятков. Строить же какие либо теории лишь на основе сравнения текстов одного или двух писателей — по нашему мнению необоснованно.

Интересно, что обнаруженный нами авторский инвариант практически не зависит от временной эпохи: в указанном списке авторов представлены писатели трех веков — от XVIII до XX.