Le problème de l'identification de l'auteur d'un texte historique anonyme est l'un des puzzles les plus durables dans la bourse littéraire et historique. Des manuscrits médiévaux avec des pages de titre manquantes aux brochures politiques distribuées sous pseudonymes, d'innombrables œuvres dans l'histoire ont survécu sans attribution claire. L'auteur pointeur n'est pas seulement une curiosité académique; il façonne fondamentalement comment nous interprétons un document, comprenons le contexte dans lequel il a été créé et tracent le flux des idées dans le temps et la géographie.Au cours du siècle passé, les chercheurs ont dépassé les indices de conjecture et d'archives, développant des méthodes systématiques qui reposent sur les caractéristiques textuelles intégrées dans l'écriture elle-même.

Le problème des textes historiques anonymes

L'anonymat dans l'écriture historique était beaucoup plus commun qu'aujourd'hui. Beaucoup d'œuvres de l'Antiquité, du Moyen-Age et de la période moderne primitive ont été diffusées sans le nom d'un auteur en raison de préoccupations au sujet de la censure, danger politique, ou simple absence de conventions d'attribution. tracts religieux, manifestes politiques, traités scientifiques, et même des œuvres littéraires apparaissent souvent sous pseudonymes ou sans identification du tout. L'anonymat pourrait être intentionnel (pour protéger l'auteur) ou accessoire (parce que le manuscrit a été copié par des scribes qui ont omis la page de titre originale). Dans les deux cas, les historiens et les savants littéraires font face à une lacune fondamentale: sans connaître l'auteur, il est difficile de placer le texte dans son contexte approprié, d'évaluer ses biais, ou de comprendre les réseaux d'influence qui l'ont produit.

Pendant des siècles, l'attribution s'est appuyée sur des preuves externes telles que des lettres, des notices de publication ou des références dans d'autres ouvrages. Mais lorsque ces indices externes sont manquants ou ambigus, les chercheurs doivent se tourner vers le texte lui-même. C'est là que l'analyse des caractéristiques textuelles devient essentielle.

Fondations de l'attribution de l'autorité

L'étude systématique de la paternité à travers des caractéristiques textuelles a ses racines au XIXe siècle, quand des chercheurs comme Augustus de Morgan ont proposé pour la première fois d'utiliser la longueur moyenne des mots comme empreinte écrite distinctive.Le champ a pris une impulsion significative dans les années 1960 et 1970 avec le travail pionnier des statisticiens et des chercheurs littéraires comme Frederick Mosteller et David Wallace, qui ont appliqué des méthodes quantitatives à Federalist Papers—une étude historique qui a démontré la puissance de l'analyse stylométrique.

L'attribution moderne repose sur une prémisse simple : chaque auteur a un modèle unique et inconscient d'habitudes linguistiques qui est remarquablement cohérent entre différentes œuvres.Ces habitudes comprennent le vocabulaire préféré, les structures de phrases typiques, l'utilisation de la ponctuation, et même l'utilisation de mots de fonction (comme , et , [, [, [ à.Ces caractéristiques étant utilisées sous le niveau de contrôle conscient, elles forment une signature fiable qui peut distinguer un auteur d'un autre, même lorsque les auteurs essaient d'imiter ou de déguiser leur style.

Caractéristiques textuelles de base pour l'analyse

Les caractéristiques textuelles utilisées pour l'attribution de la paternité se répartissent en plusieurs grandes catégories. Bien qu'aucune caractéristique ne soit définitive, la combinaison de nombreuses de ces caractéristiques crée un profil robuste.

Caractéristiques lexiques

L'analyse lexique se concentre sur les caractéristiques de la forme. Les principales mesures comprennent la richesse vocabulaire[ (rapport type-tonne), la fréquence des mots rares ou inhabituels, et l'utilisation préférée des mots de fonction par l'auteur. Par exemple, certains auteurs peuvent utiliser pendant que plus souvent que whilst, ou préférer upon[ sur ]sur. Les caractéristiques lexiques englobent également l'utilisation de phrases idiosyncratiques spécifiques, telles que les collocations (mots qui apparaissent fréquemment ensemble).

Caractéristiques syntaxiques

L'analyse syntaxique examine la structure des phrases, en particulier l'arrangement des clauses, des phrases et des parties de la parole. Les auteurs tendent à privilégier certaines longueurs de phrases, types de clauses et constructions grammaticales. Par exemple, certains auteurs utilisent habituellement des phrases complexes avec plusieurs clauses subordonnées, tandis que d'autres préfèrent des énoncés de courte durée. Les caractéristiques syntaxiques comprennent également la distribution de parties de la parole (noms, verbes, adjectifs, etc.) et la fréquence de voix passive ou active.

Caractéristiques stylométriques

La stylométrie est l'étude quantitative du style d'écriture d'un auteur, souvent axée sur les mots de fonction[ (prépositions, articles, conjonctions) qui sont utilisés inconsciemment. L'œuvre pionnière de Mosteller et Wallace sur les documents fédéralistes a montré que la fréquence de mots comme sur, whilst[ et pourrait être assez discriminante entre Alexander Hamilton et James Madison avec une quasi certitude. L'analyse stylométrique consiste généralement à compter les occurrences de dizaines, voire de centaines de mots de fonction et à appliquer ensuite des statistiques multivariées – comme l'analyse des composantes principales ou l'analyse discriminante linéaire – pour visualiser des groupes de similitudes entre les textes.

Caractéristiques sémantiques et thématiques

Au-delà du niveau de surface des mots et des phrases, l'attribution de la paternité peut également considérer le le contenu thématique d'un texte. Cela inclut des sujets récurrents, des cadres conceptuels et l'utilisation de métaphores ou d'analogies spécifiques. Bien que l'analyse sémantique soit plus difficile parce qu'elle nécessite une interprétation du sens plutôt que de compter les événements, les avancées dans la modélisation des sujets (par exemple, Latent Dirichlet Allocation) permettent aux chercheurs d'extraire des empreintes thématiques de grands corps.

Approches informatiques modernes

La révolution numérique a transformé l'attribution de la paternité d'un métier à forte intensité de main-d'oeuvre en une science fondée sur les données. Aujourd'hui, les chercheurs utilisent une variété de techniques informatiques qui peuvent traiter des corps entiers et identifier des modèles invisibles à l'œil humain.

Classeurs d'apprentissage automatique

Les modèles d'apprentissage automatique supervisés sont largement utilisés pour attribuer des textes par formation sur des échantillons connus de chaque auteur candidat. Les algorithmes tels que les machines vectorielles de support (SVM), les forêts aléatoires et les réseaux neuronaux apprennent les modèles multivariés des caractéristiques textuelles et prédisent ensuite l'auteur le plus probable pour un document anonyme. Ces modèles peuvent incorporer des milliers de caractéristiques, y compris des n-grammes de mots (séquences de n mots), des n-grammes de caractères (séquences de n caractères) et des n-grammes de parties de discours. Les n-grammes de caractères sont particulièrement efficaces parce qu'ils capturent des modèles morphologiques et orthographiques robustes à des variations thématiques. Par exemple, la séquence de lettres -tion ou -ing peut apparaître avec une fréquence caractéristique dans un ouvrage.

Les approches d'apprentissage approfondi, comme les réseaux neuronaux récurrents (RNN) et les modèles basés sur les transformateurs, ont encore amélioré la précision en captant les dépendances à long terme dans le texte. Ces modèles peuvent apprendre non seulement le vocabulaire et la syntaxe, mais aussi les modèles de discours de niveau supérieur.

Méthodes non supervisées et semi-supervisées

Lorsque les données de formation sont rares, les chercheurs se tournent vers des techniques non supervisées ou semi supervisées. Les algorithmes de regroupement (p. ex., les moyennes k ou les regroupements hiérarchiques) peuvent regrouper des textes basés sur des caractéristiques textuelles sans étiquette préalable, révélant des groupes d'auteurs potentiels. Les méthodes semi supervisées combinent un petit ensemble d'auteurs connus avec un plus grand bassin de textes non étiquetés pour affiner l'attribution.

Études de cas notables sur l'attribution de l'autorisation

Plusieurs cas très médiatisés illustrent la puissance et les limites de l'analyse des caractéristiques textuelles et sont devenus des pierres de touche sur le terrain.

Les documents fédéralistes

La plus célèbre réussite est l'attribution des documents fédéralistes contestés. Des 85 essais demandant la ratification de la Constitution américaine, 12 ont été longtemps contestés entre Alexander Hamilton et James Madison. En 1964, Mosteller et Wallace ont utilisé l'analyse de fréquence de mots-fonctions pour attribuer les 12 à Madison avec une grande confiance statistique. Leur travail a été confirmé par des études supplémentaires utilisant des méthodes stylométriques modernes.

Shakespeare et collaboration

Bien que la plupart des savants s'accordent à dire que Shakespeare a écrit le canon qui lui est attribué, il existe des preuves de collaboration avec d'autres dramaturges, comme John Fletcher dans Henry VIII et Les deux nobles Kinsmen. Des études stylométriques modernes utilisant l'analyse des mots-fonctions et des n-grammes de caractères ont permis d'identifier avec succès les mains de différents auteurs dans les pièces de collaboration.

Manuscrits médiévaux et chant de Roland

Les textes médiévaux, souvent transmis par plusieurs scribes, présentent des défis uniques. Le chant de Roland, poème épique du XIe siècle, existe dans plusieurs versions manuscrites avec des dialectes et des interpolations variés. Les chercheurs ont utilisé des analyses lexicales et stylistiques pour argumenter que le poème n'était pas l'œuvre d'un seul auteur mais a évolué à travers des couches de transmission orale et écrite.

Défis et limites

Malgré ses succès, l'attribution de la paternité par le biais de fonctionnalités textuelles n'est pas une balle d'argent.

Changement de langue historique

Les caractéristiques textuelles d'un auteur du XVIe siècle peuvent différer considérablement de celles d'un écrivain du XVIIIe siècle, même si les deux appartiennent à la même communauté linguistique. Les changements d'orthographe, de grammaire et de vocabulaire font que les caractéristiques utilisées pour comparer des textes de différentes époques peuvent être trompeuses. Les chercheurs doivent soit restreindre les comparaisons aux travaux de la même période, soit normaliser les données pour tenir compte des déplacements diachroniques.

Traduction et interférence scribale

Lorsqu'un texte est traduit ou copié par des scribes, les caractéristiques textuelles de l'auteur original deviennent floues. Les traducteurs imposent leur propre vocabulaire et syntaxe, tandis que les scribes peuvent modifier l'orthographe, la ponctuation et même la structure des phrases. C'est un obstacle majeur pour les manuscrits médiévaux, où les copies diffèrent souvent de façon significative de l'original.

Petite Corpora et le problème de l'unicité

De nombreux auteurs historiques n'ont laissé qu'un petit nombre de travaux, ce qui rend difficile la construction de modèles statistiques fiables. Avec seulement quelques milliers de mots pour s'entraîner, le risque de suradaptation est élevé. De plus, un texte anonyme pourrait être le seul travail survivant de son auteur, auquel cas l'attribution est impossible.

Dégustation de l'adversaire

Certains auteurs ont délibérément déguisé leur style, imitant un autre écrivain ou adoptant un ton neutre et bureaucratique. C'est courant dans la propagande politique, les documents liés à l'espionnage et les faux. Alors que les méthodes stylométriques peuvent parfois surmonter l'imitation – parce que les habitudes inconscientes continuent de s'échapper – le taux de réussite diminue fortement lorsque le déguisement est sophistiqué.

Orientations futures et techniques émergentes

Le domaine de l'attribution des auteurs continue de progresser rapidement, sous l'impulsion de l'amélioration de l'intelligence artificielle et de la numérisation des archives historiques.

Grands modèles linguistiques et réseaux de transformateurs

Les modèles basés sur les transformateurs comme BERT et GPT ont montré des promesses dans les tâches d'attribution de la paternité, même avec des textes relativement courts. Ces modèles apprennent les représentations contextuelles des mots, captant des modèles stylistiques nuancés que les méthodes traditionnelles de n-gram manquent. Par exemple, un transformateur à réglage fin peut détecter l'utilisation typique de marqueurs de discours, de langage de couverture ou de métaphore.

Attribution intersectorielle et multilingue

L'attribution translingue — qui compare les textes écrits en différentes langues par le même auteur — reste un problème ouvert. Cependant, les travaux récents utilisant des étiquettes universelles de partie de la parole et des dépendances syntaxiques montrent que certaines caractéristiques stylistiques sont indépendantes de la langue, ce qui pourrait permettre l'attribution d'auteurs bilingues ou de textes qui mélangent des langues, comme les gloses médiévales.

Intégration à l'analyse historique du réseau

En combinant l'analyse textuelle avec l'analyse en réseau de correspondance, de patronage et d'histoire de publication, les chercheurs peuvent restreindre l'ensemble des auteurs plausibles et valider les résultats de calcul. Par exemple, si le vocabulaire d'un texte est le plus proche de l'auteur X, mais que l'auteur X est connu pour avoir été en exil pendant la composition du texte, le match peut être faux.

Bases de données ouvertes et collaboration

Des initiatives comme le projet de l'Institut de bourses d'études textuelles et de montage électronique[ et [[[[][FLT:][FLT:][FLT:][FLT:][FLT:][FLT:][FLT:][FLT:][F][FLT:][FLT:][FLT:][FLT:][FLT:][FLT:][FLT:][FLT:][FLT:][FLT:][FLT:][FLT:][FLT:][F][F][F][FLT:][F

Conclusion

L'identification de la paternité de textes historiques anonymes est un travail de détective qui combine la patience d'un philologue avec la précision d'un data savant. Les caractéristiques textuelles – de la fréquence des mots communs à la structure des phrases et des motifs des thèmes – offrent une fenêtre sur les habitudes des écrivains morts depuis longtemps. Alors que des défis subsistent, le champ a fait des pas qui auraient semblé impossibles il y a une génération. Le différend Federalist Papers a été réglé; les mains des collaborateurs de Shakespeare ont été détectées; et des poèmes médiévaux autrefois non-validables sont connectés à leurs créateurs.