Angus Kaufman to Edward Ebruz — analiza stylometryczna

[Polyna]

Jedną z najciekawszych, a zarazem wydających się nieprawdopodobnymi teorii spiskowych w mikroświecie o których słyszałam jest taka, że Angus Kaufman to klon Edwarda Ebruza — brzmi absurdalnie, prawda? Obrazoburczy „pornoprankster” klonem jednego z najbardziej poważnych i szanowanych obywateli Dreamlandzkich? Brzmi śmiesznie.

Torkan Ingawaar jednakże niedawno podczas rozmowy na wandejskim Placu Żenady przestawił dwie poszlaki na to wskazujące. Jedną było to, że Angus Kaufman w jednej ze swoich historii włączył szczegóły na temat prywatnych rozmów i realowych kontaktów seksualnych Edwarda Ebruza z Karoliną Aleksandrą, które dotychczas mogły znać tylko te dwie osoby. Drugą, że rzekomo, Edward oraz Angus „piszą identycznie”.

To drugie postanowiłam sprawdzić za pomocą niniejszej analizy stylometrycznej.

Użyłam do tego oprogramowania o nazwie Stylometry with R, znanego zwykle w skrócie jako „stylo”. Z korpus posłużyła mi treść wszystkich postów Angusa Kaufman oraz Edwarda Ebruza z forum dreamlandzkiego z usuniętymi jakimikolwiek cytatami z innych osób. Do porównania, jako korpus kontrolny, wzięłam także historie postów pięciu innych Dreamlandczyków: Artura Piotra, Pavla Svobody, Marcina Mikołaja, Alfreda oraz Steda Asketila. Wszyscy z nich byli aktywni w Dreamlandzie jeszcze wtedy, kiedy był on powagistyczną mikronacją, więc ich styl powinien być najbardziej podobny do stylu Edwarda. Z kolei styl Angusa powinien być o wiele bardziej odmienny.

Pierwszą zastosowaną przeze mnie metodą była analiza skupień na podstawie 4-gramów z zastosowaniem delty Edera. Wynik, tutaj wykreślony w postaci dendrogramu, był niejednoznaczny: o ile posty Kaufmana były faktycznie bliskie stylistycznie głównemu skupieniu postów Edwarda, bliższym dopasowaniem okazał się jednak Sted Asketil, który raczej Kaufmanem nie był.

Spowodowało to, że musiałam zmienić metodę z takiej, która jedynie ukazywała podobieństwo stylistyczne, na metodę weryfikacji autorstwa. Z mojego researchu wynikało, że najbardziej wiarygodną z takich jest medota General Impostors, wymyślona w 2014 roku przez M. Koppela oraz J. Wintera.

Ponieważ daje ona dobre rezultaty, postanowiłam ją zastosować do sprawdzenia, czy posty Angusa Kaufmana mogły zostać przekonująco napisane przez Edwarda Ebruza. Korpusy postów zostały podzielone na fragmenty po 3000 słów. Jako metrykę podobieństwa tekstów przyjęto miarę „Min–Max” M. Ružički — co prawda wymagającą obliczeniowo (weryfikacja za pomocą programu „stylo” trwała jakieś pół godziny), ale także dającą najlepsze rezultaty. Poniżej wklejam kod, jakiego użyłam w R:

Kod: Zaznacz cały

# load all text files from corpus/
tokenized.texts <- load.corpus.and.parse(files = "all", corpus.dir = "corpus2")

# build a frequency table
features <- make.frequency.list(tokenized.texts, head = 2000)
data <- make.table.of.frequencies(tokenized.texts, features, relative = TRUE)

# find rows by file name
brojler_rows  <- grep("^brojler", rownames(data), ignore.case = TRUE)
kaufland_rows <- grep("^kaufland", rownames(data), ignore.case = TRUE)
other_rows    <- setdiff(seq_len(nrow(data)), c(brojler_rows, kaufland_rows))

# verify each Kaufland chunk against Brojler
for (i in kaufland_rows) {
  cat("\n=== Testing", rownames(data)[i], "===\n")
  imposters(
    reference.set = data[other_rows, 1:1000],
    test          = data[i, 1:1000],
    candidate.set = data[brojler_rows, 1:1000],
    distance      = "minmax",
    iterations    = 100,
    features      = 0.5,
    imposters     = 0.5
  )
}

„brojler” to oczywiście Edward Ebruz, a „kaufland” to Angus Kaufman. Grupą kontrolną („imposters”) była ta sama grupa Dreamlandczyków, co poprzednio.

Wynik przeszedł moje najśmielsze oczekiwania:

Kod: Zaznacz cały

slicing input text into tokens...


turning words into features, e.g. char n-grams (if applicable)...
processing  311  text samples
...............................
combining frequencies into a table...

=== Testing kaufland_001 ===
Testing a given candidate against imposters...

brojler 	 0.97

=== Testing kaufland_002 ===
Testing a given candidate against imposters...

brojler 	 0.83

=== Testing kaufland_003 ===
Testing a given candidate against imposters...

brojler 	 0.64

=== Testing kaufland_004 ===
Testing a given candidate against imposters...

brojler 	 0.83

=== Testing kaufland_005 ===
Testing a given candidate against imposters...

brojler 	 1

=== Testing kaufland_006 ===
Testing a given candidate against imposters...

brojler 	 0.83

=== Testing kaufland_007 ===
Testing a given candidate against imposters...

brojler 	 0.93

=== Testing kaufland_008 ===
Testing a given candidate against imposters...

brojler 	 0.98

=== Testing kaufland_009 ===
Testing a given candidate against imposters...

brojler 	 1

=== Testing kaufland_010 ===
Testing a given candidate against imposters...

brojler 	 0.99

=== Testing kaufland_011 ===
Testing a given candidate against imposters...

brojler 	 0.99

Każdy wynik powyżej 0,5 wskazuje tutaj na duże prawdopodobieństwo tego, że Kaufman jest tą samą osobą co Edward — ale tutaj 10/11 wyników zbliżało się do jedności, zaś dwa z nich to było jeden! Oznacza to, że jest praktycznie pewne, że posty Angusa Kaufmana oraz Edwarda Ebruza napisała jedna, ta sama osoba.

Jedyny wynik odstający dotyczy fragmentu „kaufland_003”, ale nie dość, że jest nadal >0,5, to nie jest on ani atypowy, ani nie jest żadnym obaleniem teorii — ot, mogło się zdarzyć, że w tym fragmencie, wypowiedzi były atypowe jak na Kaufmana.

Do weryfikacji, czy podobieństwo nie wynika po prostu z mikronacyjnej specyfiki tekstów w korpusach, porównałam także, za pomocą uproszczonej metody bez podziału korpusów na fragmenty, wynik porównania postów Angusa Kaufmana z postami Marcina Mikołaja, Alfreda, oraz Steda Asketila (który początkowo wydawał się bliższym dopasowaniem, niż Edward) — wyniki wyszły, odpowiednio: 0,0; 0,6; 0,22. Oznacza to, że Angusem Kaufmanem nie mógł być żaden z nich (wynik < 0,5), ani wynik dopasowania z Edwardem nie był spowodowany jedynie spefyciką tekstów.

Przepraszam, że zburzyłam wam wizerunek Edwarda Ebruza jako kogoś poważnego. W końcu, udowodnienie faktu, że miał on klona piszącego o „rozrywaniu odbytów” może być szokujące.

Deklaruję brak konfliktów interesów w powyższym badaniu.

[Maciej Hergemon]

Angusem Kaufmannem interesuję się w zasadzie od lat 5-6. Całą jego twórczość, z naciskiem na Elegię, na którą powołuje się Polynka przestudiowałem kilkukrotnie i w zasadzie jej fragmenty mogę cytować z głowy.
Jestem w stanie sobie wyobrazić, że Edward to Angus ale nie traktowałbym treści tam zawartych jako wyroczni tego, co działo się w rzeczywistości. Od kilku osób słyszałem, że pikantniejsza treść Elegii faktycznie nawiązuje do rzeczywistych wydarzeń - ale żadna z tych osób nie była ich bezpośrednim uczestnikiem, więc z ostrożnością traktowałbym ją jako kompletną ploteczkę.
Informacja o tym, że de Brolle miał jakąkolwiek relację z KA wyszła od osoby, która de Brolla ani KA w rzeczywistości nigdy nie poznała - nie wiadomo skąd ma taką informację i czy nie jest to zwykłe gadanie z ogródka piwnego albo subsumpcja tekstu Elegii, gdzie podmiot liryczny (Angus?) uprawia seks z KA. Biorąc pod uwagę całość twórczości Angusa, szczerze mówiąc, trudno, żeby na łamach swojej prozy z kimś seksu nie uprawiał (a KA jest relatywnie prostym celem, biorąc pod uwagę, że była i jest chyba najpopularniejszą babą w mikronacjach). Także byłbym mocno sceptycznie nastawiony do takich rewelacji.

[Wojciech Bombina]

Na wstępie - jestem pod wrażeniem podejścia. Będę musiał dopracować metody działania pod innymi paszportami. Zaś co do meritum, zwracam się o doprecyzowanie - zastanawiam się, czy to omyłka, czy jednak ja jestem bardziej tępy niż się wydaje.

(...) z postami Marcina Mikołaja, Alfreda, oraz Steda Asketila (który początkowo wydawał się bliższym dopasowaniem, niż Edward) — wyniki wyszły, odpowiednio: 0,0; 0,6; 0,22. Oznacza to, że Angusem Kaufmanem nie mógł być żaden z nich (wynik < 0,5), ani wynik dopasowania z Edwardem nie był spowodowany jedynie spefyciką tekstów (...)

Czy wynik 0,6 nie świadczy jednak o tym, że możemy rozważać Alfreda?