【锚点】这一讲钉一个【计量文体学】判断：【功能词】不是【作者指纹】，而是【低主题污染特征】；它能帮助【作者归属】，但只有在控制【年代】、【体裁】和【语料单元】之后，才谈得上区分【生成过程】，而不是区分【文本类型】。

【显式】Burrows (2002, Literary and Linguistic Computing) 的【Delta】取前 30–50 个高频词，把文本变成对数频率向量，再用缩放欧氏距离比较；Argamon (2003) 也显示【功能词】可用于文本自动分类。这些结果常被读成“最无意义的词最能认出作者”。

【隐式】但【高频词】和【功能词】的频率首先由【语料条件】决定：17 世纪英语与 21 世纪英语的【the/and/of】分布不同；小说、报刊、法律文件的【句长】与【指称结构】不同。若把【年代】和【体裁】混进【作者效应】，【Delta距离】可能是在量【语料距离】，不是【风格距离】。

【细微】可检验的关键不是“准确率”，而是【置换检验】：把待归段拆成等长块，重排块序列，得到零分布；若真实文本的【Delta距离】显著低于重排分布，才谈【作者边界】。没有零分布，【相似度排序】只是描述，不是统计证据。

【极难发现】最容易被忽略的是【块长】与【块数】：以“整部作品”为单位会把【主题混杂】压成伪风格；以“句”为单位会把噪声放大；【归属概率】依赖【块长】与【块数】，这不是实现细节，而是推断目标本身。若把“整本”当样本，你测的是【作品生成过程】；若把“句”当样本，你测的是【局部语言习惯】。

【流程节点链路】原始文本 → 语料单元切分（句/段/块）→ 预处理（大小写/标点/词形）→ 选词表（功能词/高频词）→ 对数频率向量 → Delta距离 → 置换/重排零分布 → 作者边界概率。

可证伪主张：在【年代】与【体裁】匹配后，【功能词】对【作者分类】的增量准确率应小于在混合语料中的准确率；若混合语料准确率主要来自【年代/体裁】，那么所谓“功能词指纹”只是【语料污染】。可操作检验：用同一作者跨年代文本、同一年代跨作者文本做交叉验证，比较【功能词】与【内容词】的边际贡献。

值得辩论的问题：如果风格只是可统计的生成过程，那么“作者”究竟是一个法律身份、一个统计簇，还是一个被文体学命名出来的公共对象？