A data science and machine learning approach to continuous analysis of Shakespeare’s plays

要約

テキストを分析できる定量的方法が利用可能になったことで、情報以前の時代には利用できなかった方法で文献を調べる新しい方法が提供されました。
ここでは、William Shakespeare の作品に包括的な機械学習分析を適用します。
分析では、文の長さ、形容詞と副詞の頻度、およびテキストで表現される感情に最も大きな変化があり、時間の経過に伴う書き方の明らかな変化が示されています。
機械学習を適用して芝居の年のスタイロメトリー予測を行うと、実際の年と予測された年の間のピアソン相関は 0.71 であり、定量的な測定値に反映されるシェークスピアの文体が時間の経過とともに変化したことを示しています。
さらに、一部の戯曲のスタイルメトリクスは、それらが書かれた年の前または後に書かれた戯曲により似ていることを示しています。
たとえば、ロミオとジュリエットの日付は 1596 年ですが、1600 年以降にシェイクスピアによって書かれた戯曲に様式が似ています。分析のソース コードは無料でダウンロードできます。

要約(オリジナル)

The availability of quantitative methods that can analyze text has provided new ways of examining literature in a manner that was not available in the pre-information era. Here we apply comprehensive machine learning analysis to the work of William Shakespeare. The analysis shows clear change in style of writing over time, with the most significant changes in the sentence length, frequency of adjectives and adverbs, and the sentiments expressed in the text. Applying machine learning to make a stylometric prediction of the year of the play shows a Pearson correlation of 0.71 between the actual and predicted year, indicating that Shakespeare’s writing style as reflected by the quantitative measurements changed over time. Additionally, it shows that the stylometrics of some of the plays is more similar to plays written either before or after the year they were written. For instance, Romeo and Juliet is dated 1596, but is more similar in stylometrics to plays written by Shakespeare after 1600. The source code for the analysis is available for free download.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google