Authorship Attribution of Fiction Based on Character Networks

Veronika STRAKOVÁ

Bakalářská práce

Abstract:

The aim of this Bachelor's Thesis is to explore whether the quantitative features of character networks built by authors of fiction contribute to the authorship attribution task. The Theoretical Part of the thesis introduces network science, graph theory, and social network analysis. Then the character networks are introduced, followed by a description of the character network extraction process. As a part of this thesis, the author's own character network extraction process has been designed. It was applied during the Practical Part to 75 novels written by five distinct authors, i.e., 15 character networks per author were extracted. Based on factor analysis, the influence of average clustering coefficient, average betweenness centrality and average closeness centrality on the authorship attribution task has been selected for further study. Binary logistic regression has been used to assess for each pair of authors whether the model with the selected features is significant. The last part of the thesis includes a reflection about what can be inferred from the results, and a discussion about how the results are influenced by the methodological choices.

Abstract:

Cílem této bakalářské práce je zjistit, zda kvantitativní vlastnosti sítí postav, které vytváří autoři beletrie, mohou přispět k určení autorství. Teoretická část práce se zabývá představením teorie sítí, teorie grafů a analýzy sociálních sítí. Dále jsou představeny sítě postav, následovány popisem procesu extrakce těchto sítí. Součástí práce bylo navrhnutí vlastního postupu pro extrakci sítí postav. Tento postup je v praktické části aplikován na 75 románů od pěti různých autorů, tj. výsledkem je 15 sítí postav pro každého autora. Na základě faktorové analýzy je vybrán pro další zkoumání vliv průměrného koeficientu shlukovaní, průměrné mezilehlosti a průměrné blízkosti sítí na určování autorství. Pomocí binární logistické regrese je zkoumáno pro každý pár autorů, zda je model s vybranými vlastnostmi signifikantní. Poslední část práce obsahuje zamyšlení nad tím, co lze z výsledků vyvodit, a jak výsledky ovlivňuje zvolená metodologie.

Keywords

určování autorství, rozpoznávání pojmenovaných entit, sítě postav, faktorová analýza, binární logistická regrese, průměrný koeficient shlukování, průměrná mezilehlost, průměrná blízkost

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 26. 6. 2023

Obhajoba závěrečné práce

• Vedoucí: Mgr. Vladimír Matlach, Ph.D.

UNIVERZITA PALACKÉHO V OLOMOUCI

Filozofická fakulta

Bakalářský studijní program / obor:
Obecná lingvistika a teorie komunikace / Obecná lingvistika a teorie komunikace / Angličtina se zaměřením na komunitní tlumočení a překlad