文体研究に関連する統計手法の確立のための基礎的研究

建立文体研究相关统计方法的基础研究

• 批准号: 07207223
• 负责人: 長瀬 真理
• 金额: $ 1.09万
• 依托单位: Josai International University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research on Priority Areas
• 财政年份: 1995
• 资助国家: 日本
• 起止时间: 1995 至 1996
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-07207223/
• 关键词: 文体統計学; 真偽問題; シェイクスピア; ニューロコンピュータ

近年、文学や哲学の研究にコンピュータを利用した文体統計学が注目されている。これは、個人の文体の相違を識別する多種類の言語パラメーターを使って、量的に言葉の使用を研究する新しい方法で、テキストの真偽問題や年代決定の解明に成果を上げている。本研究では研究例の豊富なシェイクスピアを取り上げ、それらの研究を系統的に分析し、先行する欧米での様々な統計手法の解明と基礎理論の有効性を調査した。1)欧米で最も権威ある学会である、ALLC (Association for Literary and Linguistic Computing)とACH (Association for Computers in the Humanities)の雑誌に発表された主要なシェイクスピア研究の論文を洗い出し、書誌データベースとシソ-ラスを作成した。又最新のニューロ・コンピュータを利用した論文については全文データベースを作成し、機械翻訳ソフトを利用して邦文データベースを作成した。2)作成されたデータベースを基に、今では“古典的"と称されるA. Q.モートンの語彙や特定の単語の位置を中心にした研究から、M.W.A.スミスが注目した頻度の高い単語の利用、さらにT.メイアムに代表されるニューロコンピュータを使った最新の研究までの展開を系統的に整理した。初期の研究では、コンピュータは過去の理論の跡付けに利用され、長年蓄積された様々な指標をパラメーター化することに力点が置かれた。その意味では仮説検証型の研究であった。しかし次第にコンピュータの機能や言語理論の発展に伴い、無意識に使われる高頻度の指標が開拓されるようになった。だが昨今は、高度なコンピュータ技術の発展の影響で、新しい手法で何ができるか、といった技術先行型の研究が増えてきた。中でもニューロコンピュータによるパターン認識の手法を使った文体研究が流行している。しかし、この方法は、データセット内に生ずるノイズも多く、神経のネットワークのトレーニングも必要となる。その為、文化系の研究者だけでは、実際の技術や理論の修得に困難を伴うため、手法がブラックボックス化される恐れがある。又望ましい成果を上げるために、出力されたデータに合わせて入力を操作することも可能なため、コンピュータを使うメリットと共に、弊害も目だつようになっている。文学者の質的なアプローチと統計学者の量的なテクニックの間の橋渡しをするような学際的な研究環境の整備が急務となろう。まお今回はデータの整備に時間がかかり成果の公表には至らなかった。文化系研究者に使い易いソフトの開発を含め今後の課題としたい。

近年来，利用计算机进行文学和哲学研究的文体统计引起了人们的关注。这是一种定量研究词语使用的新方法，利用各种语言参数来识别个体写作风格的差异，并在阐明文本的真实性和年代问题方面取得了成果。在本研究中，我们选取​​了被广泛研究的莎士比亚作品，对这些研究进行系统分析，阐明西方使用的各种统计方法，并考察其基础理论的有效性。 1）我们找出了欧洲和美国最负盛名的学术团体ALLC（文学和语言计算协会）和ACH（人文计算机协会）期刊上发表的莎士比亚的主要研究论文，并对其进行了分析我使用书目数据库和sisographs创建了一个板条。我们还使用最新的神经计算机创建了论文全文数据库，并使用机器翻译软件创建了日语数据库。 2）在创建的数据库的基础上，研究了A. Q. Morton的词汇和特定单词的位置（现在被称为“经典”），以及M. W. A. Smith关注的频繁出现的单词的使用情况，以及最新动态以 T. Mayam 为代表的使用神经计算机的研究得到了系统的组织。在早期的研究中，计算机被用来追溯过去的理论，重点是将多年积累的各种指标参数化。从这个意义上说，这是一种假设检验类型的研究。然而，随着计算机功能和语言学理论的逐渐发展，无意识使用的高频指标开始发展起来。然而，近年来，由于先进计算机技术的发展，对新方法可以做什么的技术先进研究有所增加。特别是，使用基于神经计算机的模式识别方法的文体研究正在变得流行。然而，这种方法会在数据集中产生大量噪声，并且需要训练神经网络。因此，仅靠文化研究者很难获得实际的技术和理论，方法也有成为黑匣子的风险。此外，为了达到期望的结果，还可以根据输出数据来操纵输入，因此在使用计算机的优点的同时，其缺点也变得显而易见。迫切需要创建一个跨学科的研究环境，以弥合文学学者的定性方法和统计学家的定量技术之间的差距。不过，这次准备数据需要时间，因此结果无法发表。未来的挑战包括开发易于文化研究人员使用的软件。