給文學作品做“親子鑒定”

朱會鑫

我們知道DNA技術可以對人進行親子鑒定，可你知道嗎，隨著科技的不斷進步，AI已經可以給文學作品做“親子鑒定”，進而判定其作者是誰了。那么，AI是如何判定文學作品的作者呢？利用AI判定文學作品的作者是否準確呢？

下面，我們就以利用AI判定英國著名戲劇文學《亨利八世》的作者是誰為例。與《紅樓夢》究竟是誰寫的一樣，《亨利八世》也存在同樣的問題。可以說，在長達一個世紀里，關于《亨利八世》作者是誰的爭論一直沒有停息，直到最近的一項研究才使這個問題的答案變得明朗起來。

拉格捷克科學院的研究員普列查奇最近使用了機器學習技術來識別《亨利八世》的作者，并取得了具有說服力的結果。那么，究竟是如何利用AI判定《亨利八世》的作者呢？

簡單地說，就是從詞匯和節奏入手，辨別文本的來源。在了解了作者的風格和常用的字詞與樣式后，再去辨別新作品中的文本習慣樣式，以判定它是不是出自同一個作者。即通過算法模型對文本常用詞、常用語句和節奏模式進行分析，使算法學會辨別相關作者的寫作特征。

具體來說，就是先將劇本《亨利八世》細化到多個小場景，再使用支持向量機對《亨利八世》的各個場景進行歸因分析和分類。其中，以500種最常見的節奏類型的頻率，以及500個最常見單詞的頻率作為分類器的功能集。鑒于作者在不同時期可能出現的風格差異，普列查奇采用了同時期其他戲劇的場景（如《暴風雨》《科里奧拉納斯》）作為訓練樣本，對于可能的作者也同樣收集了訓練樣本。

最終，普列查奇收集了53個莎士比亞訓練樣本、90個弗萊徹訓練樣本和46個馬辛格訓練樣本。為了估計模型的準確性，還通過交叉驗證的方式進行了檢驗。完成訓練學習后，在《亨利八世》的文本上運行該模型，最后結合詞匯和多功能化的綜合分析，確定哪些作者參與了劇本的寫作，以及他們的具體貢獻。

最后的結果證明，這是區分莎士比亞、弗萊徹和馬辛格風格非常可靠的判據。尤其是使用常用詞和常用節奏的組合模型，在三位作者的風格鑒定上，準確率高于96%。當模型應用于《亨利八世》的分析時，結果清楚地表明，莎士比亞和弗萊徹都參與其中，另一位傳聞的劇作家馬辛格在算法的層面上表明和劇本無關。

為了更可靠地了解具體作者承擔的份額，以超越特定場景的簡單歸因，普列查奇采用滾動歸因分析方法，確定了具體文本片段屬于某位作者的概率。滾動歸因是一項針對涉及混合作者身份的案例技術。在滾動歸因中，不對整個文本或其邏輯部分（章節、場景等）進行分類，而是對其固定長度的重疊部分進行分類任務。該方法使用移動窗口的概念，同時與標準的監督分類技術相結合，旨在評估離散文本樣本之間的樣式差異，以測試其文本樣式的一致性。

結果表明，結合了詞匯特征的滾動歸因方法是非常可靠的：在區分莎士比亞和弗萊徹時，滾動歸因的準確率高達99.77%。

對于文學研究者和愛好者來說，利用AI對文學作品進行“親子鑒定”，以破解名著的作者之謎，是一件很有價值的事情，同時也提供了一個數據維度的視角，去解決此類問題。