|
|
جستارهای زبانی، جلد ۱۰، شماره ۳، صفحات ۲۹۳-۳۱۷
|
|
|
| عنوان فارسی |
واژه‌های دستوری به‌مثابه نشانگرهای گویش فردی: رویکردی پیکره‌ای به شناسایی هویت نویسنده در زبان فارسی |
|
| چکیده فارسی مقاله |
شناسایی هویت نویسنده یکی از حوزه‌های تحقیقاتی مهم در حیطۀ زبان‌شناسی حقوقی است که موضوع پژوهش‌های زبان‌شناختی و رایانشیِ گسترده در زبان‌های مختلف بوده است. با این حال شواهد محدودی از پژوهش‌های صورت‌گرفته با موضوع شناسایی نویسنده در زبان فارسی وجود دارد. در این پژوهش امکان شناسایی نویسندۀ یک متن با تکیه بر مفهوم گویش فردی و با استفاده از واژه‌های دستوری زبان فارسی بررسی شده است. واژه‌های دستوری از آن جهت که به‌طور ناخودآگاه در تولید زبان به‌کار گرفته می‌شوند، مستقل از موضوع متن به‌کار می‌روند و بسامد بالایی در متون کوتاه دارند، می‌توانند نشانگرهای مؤثری برای کدگذاری گویش فردی و ممیز سبک نویسندگان باشند. در این پژوهش، ابتدا پیکر‌ه‌هایی متنی از نوشته‌های پنج محقق و نویسندۀ معاصر جمع‌آوری و سپس با استفاده از نرم‌افزار خطایاب وفا، استانداردسازی شدند. با استفاده از بستۀ سبک‌سنجی stylo نرم‌افزار آماری R، واژه‌های پربسامد دستوری با توالی‌های یک تا سه‌نگاشتی از متون استخراج شدند و سپس قابلیت تفکیک متون بر اساس این واژه‌ها و با استفاده از تحلیل مؤلفه‌های اصلی و همچنین تحلیل خوشه‌ای بر اساس مقیاس فاصله‌ای دلتا بررسی شد. نتایج نشان داد که واژه‌های دستوری در زبان فارسی قابلیت تفکیک متون متعلق به یک نویسنده را دارند و عملکرد واژه‌های تک‌نگاشتی بهتر از دونگاشتی و سه‌نگاشتی‌ها در متون کم‌حجم است. همچنین نتایج پژوهش نشان داد که حجم کمینۀ متن برای شناسایی موفقیت‌آمیز نویسنده در متون فارسی حدود 4000 واژه بر اساس 20 واژۀ دستوری پربسامد است.
|
|
| کلیدواژه‌های فارسی مقاله |
واژه‌های کلیدی، گویش فردی، شناسایی نویسنده، تحلیل پیکره‌ای، زبان‌شناسی حقوقی، روش دلتا. |
|
| عنوان انگلیسی |
Function Words as Idiolect Markers: A Corpus-based Approach to Authorship Attribution in Farsi |
|
| چکیده انگلیسی مقاله |
The problem of discovering the identity of anonymous authors has engaged humans' attention during the ages. In present times, with the revolution brought about by digital computing and electronic corpora, and also with the applications made available by stylometry research in forensic linguistics, systematic analysis of texts in different languages has expanded the understanding of researchers on the different aspects of linguistic styles.
In the present study, the possibility of authorship attribution based on idiolect has been investigated in Farsi. One of the linguistic elements that is claimed to be the seat for idiolect is function words. Function words have been the focus of attention in the authorship attribution research since it has been shown that they are processed unconsciously, have high frequency in texts, and remain independent of text topic. In this paper, the possibility of differentiating texts written by different authors has been studied using Farsi function words. The research questions were: 1) Are Farsi functions words capable of differentiating authors in Farsi prose? 2) Of monograms, bigrams, and trigrams, which one is the most efficient in differentiating author styles? 3) What is the minimum cut-off point for successful differentiation of author styles in Farsi?
First, a corpus of five Iranian scholars’ writings was compiled, normalized and divided into different sample texts. Then 20 most frequent words were extracted from different author samples and n-gram sequences (up to tri-grams) were analyzed using principal component analysis and cluster analysis in the Stylo package of R.
Findings showed that function words in Farsi were capable of differentiating authors’ writings with monogram words performing better than bi-gram and tri-grams in small size samples. Findings also indicated that under the experimental conditions used in this study, the minimum number of words for a text to be successfully attributed to an author is about 4000 words. This cut-off point is reached using 20 most frequent function words. It is concluded that different authors don't use function words in the same manner. In fact, while some high-frequency function words appear in the writings of all authors, they are given different priorities by different authors.
|
|
| کلیدواژه‌های انگلیسی مقاله |
Keywords, idiolect, authorship attribution, corpus analysis, forensic linguistics, delta method. |
|
| نویسندگان مقاله |
رامین گلشائی | Ramin Golshaie
Assistant Professor of Linguistics- Al-Zahra University –Tehran –Iran.
استادیار زبان‌شناسی، دانشگاه الزهرا، تهران، ایران.
|
|
| نشانی اینترنتی |
http://journals.modares.ac.ir/browse.php?a_code=A-14-19362-1&slc_lang=fa&sid=14 |
| فایل مقاله |
فایلی برای مقاله ذخیره نشده است |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
|
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|
