Универсальные морфосинтаксические маркеры стиля в задачах компьютерной стилометрии

В текущем исследовании решается задача атрибуции, то есть определения автора письменного текста на основании набора текстов, принадлежащих авторам-кандидатам. Материалом для исследования служат тексты русской и английской классики XVII – XX веков. Русский корпус состоит из 324 текстов 30 русских классиков, а английский корпус включает 207 текстов, принадлежащих 34 авторам английской классики. Для решения задачи классификации текстов по авторам разрабатываются лингвистические модели текстовой репрезентации, в основу которых заложены морфосинтаксические особенности английской и русской грамматики. Простые морфологическая и синтаксическая модели основаны на количественном подсчёте частей речи и синтаксических отношений, выделяемых в синтаксическом анализаторе UDPipe. В усложнённой морфологической модели предлагаются критерии морфолого-семантического анализа, а в усложнённой синтаксической модели языковые явления распределяются по двум уровням: словосочетания и предложения. В целом, представленные морфосинтаксические модели показали хороший результат. В 20 экспериментах из 24 они опередили Doc2Vec модель, которая была выбрана в качестве baseline. Лучшая точность, полученная комбинацией морфосинтаксических признаков, для русского языка составляет 85%, а для английского – 80%. А при совместном использовании с Doc2Vec достигается лучший результат, а именно: 90% – для русского и 96% – для английского. Всё это позволяет сделать вывод о том, что морфосинтаксические модели текстовой репрезентации могут быть успешно применены в задаче автоматического определения авторства. Особенно, если учитывать тот факт, что они дают полностью интерпретируемый результат. Это подтверждается анализом ошибок и важных атрибутов. Анализ ошибок позволил выявить основания для сходства стилей писателей, а анализ важных атрибутов помог определить универсальные и специфичные стилеобразующие признаки в русском и английском языке.