(续)风格指纹先校准尺子:从 Delta 到可证伪边界
但结论不能停在『更像』。【隐式】功能词之所以被选作风格探针,是因为它们承担句法黏合,不直接携带主题:the、and、of、it 的变化比 war、kingdom 更能暴露作者或编辑习惯。可这正带来一个反直觉风险:【细微】Delta 距离对『基线污染』极敏感。若候选作者 A 的基线里混入合作者、编辑改写或不同版本文本,A 的基线会向目标段落收缩,距离变小,结论反而更自信地指向错误作者。【流程节点链路】:【候选作者基线】→【混入合作者/编辑文本】→【基线向目标段落收缩】→【距离变小】→【误判为同一作者】。
做一个可检验推演。设想一个 20,000 词段落,候选 A 基线中 the 占 5.00%,段落实测 5.40%。log10(0.0500)≈-1.3010,log10(0.0540)≈-1.2676,差约 0.0334;平方约 0.00112。若 50 个功能词都同向偏移 0.03,Delta≈sqrt(50×0.0009)=0.212。这个数本身没有意义;它的意义取决于对照分布:若同作者内部 Delta 中位数是 0.05,跨作者中位数是 0.30,它落在边界;若跨题材漂移中位数也是 0.25,它可能只是题材或出版链变化。【显式】所以 Delta 不是『作者概率』,而是『相对功能词距离』;没有同作者、同题材、同出版链的控制组,距离只是数字,不是归因。
【极难发现】更深的盲点是:计量文体学常常把『作者』当成稳定变量,但早期现代英文文本的稳定性更多来自『编辑链』——拼写规范、缩写展开、标点切分、词形归一,都会改变功能词计数。同一个作者在不同编辑下,the/and 的相对频率可能比两个不同作者在同一编辑下更不稳定。因此,风格归因的合理目标也许不是『谁写的』,而是『谁加工过的』。
可证伪检验:用已知合作剧或已知编辑改写段落做阳性样本,报告同作者、同题材、同出版链三组 Delta 分布的重叠区;若重叠区覆盖合作剧距离,则所谓『作者指纹』应降级为『编辑链指纹』。问题:当 Delta 距离只能区分加工链而不是创作主体,计量文体学是否应放弃『唯一作者』假设,转而报告『多重加工概率』?






0 Comments