Good Books are Complex Matters: Gauging Complexity Profiles Across Diverse Categories of Perceived Literary Quality

要約

この研究では、ノートン アンソロジー、ペンギン クラシック シリーズ、オープン シラバス プロジェクトのタイトルを含むコーパスを活用して、文学の「品質」のさまざまなカテゴリが独自の言語プロファイルを示すことを示す分類アプローチを採用し、現代のベストセラーと対比させます。
ノーベル賞受賞者や権威ある文学賞の受賞者。
私たちの分析により、正規のテキストといわゆるハイブラウなテキストは、ベストセラーや人気タイトルなどの他の品質カテゴリや対照グループと比較した場合に、異なるテキストの特徴を示し、おそらく異なる (しかし相互排他的ではない) 品質モデルに応答していることが明らかになりました。
私たちは古典的な機械学習アプローチ、つまりランダム フォレストを適用して、質の高い小説を「対照グループ」から区別し、カテゴリー間の区別において最大 77% の F1 スコアを達成しました。
品質カテゴリは他の品質カテゴリよりも対照グループと区別しやすい傾向があることがわかり、文学的な品質の特徴よりも区別可能であるものの、品質プロキシを通じて共有される可能性があることが示唆されています。

要約(オリジナル)

In this study, we employ a classification approach to show that different categories of literary ‘quality’ display unique linguistic profiles, leveraging a corpus that encompasses titles from the Norton Anthology, Penguin Classics series, and the Open Syllabus project, contrasted against contemporary bestsellers, Nobel prize winners and recipients of prestigious literary awards. Our analysis reveals that canonical and so called high-brow texts exhibit distinct textual features when compared to other quality categories such as bestsellers and popular titles as well as to control groups, likely responding to distinct (but not mutually exclusive) models of quality. We apply a classic machine learning approach, namely Random Forest, to distinguish quality novels from ‘control groups’, achieving up to 77\% F1 scores in differentiating between the categories. We find that quality category tend to be easier to distinguish from control groups than from other quality categories, suggesting than literary quality features might be distinguishable but shared through quality proxies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google