판타지 왕좌의 게임 폴라리 NLP 다양성 지표

판타지 소설의 어휘 다양성에 대한 정량적 NLP 분석

NLP 도구를 사용한 데뷔 소설 A Game of Thrones (IP, G.R.R. Martin, 1996)과 Arrow, Coin, Spark (SMI, R. Surzhikov, 2016)의 비교는 어휘 다양성의 차이를 드러냅니다. IP는 240,796단어를 포함하며, SMI는 277,389단어입니다. 평균 문장 길이: IP 9.6단어 대 SMI 8.5단어. 조사된 지표에는 MATTR, MTLD, HD-D, 그리고 작가의 KUL이 포함되어 스타일의 객관적 평가를 제공합니다.

주요 텍스트 매개변수

| 매개변수 | IP | SMI | 비고 |

|----------|----|-----|------|

| 페이지 수 | ~933 | ~1089 | 공식 |

| 문장 수 | 24,998 | 32,448 (+30%) | - |

| 단어 수 | 240,796 | 277,389 (+15%) | - |

| DET (감정 톤) | 3.5% | 10.5% (+200%) | !/? 조합 |

| KUL | 13.50% | 16.72% (+24%) | 50K 단어당 |

| MATTR | 70.58% | 72.16% | 지역적 다양성 |

| HD-D | 91.93% | 92.97% | 전역적 다양성 |

| IUFO | 63.6 | 63.5 | Flash-Oborenva |

| 대화 비율 | 37.6% | 35.6% | - |

KUL은 고유 레마의 누적성을 측정합니다: 여러 무작위 샘플에서 50K 단어에 대한 고유 형태의 비율입니다. 정확도 ~99.5%, 텍스트 양과 무관합니다. MATTR은 창(window) 내 지역적 다양성에 초점, HD-D는 전역 유형 밀도에 초점합니다.

• KUL의 장점: 비선형성을 완화하며, 50K 단어 이상 텍스트에 적합합니다.
• MATTR: 반복 짧은 시퀀스에 민감합니다.
• HD-D: 모든 유형을 고려하지만 대형 코퍼스에서 과대평가합니다.
• Hapax Index: IP에서는 중간에, SMI에서는 끝부분에 하락합니다.

KUL 계산 알고리즘

KUL = (N개의 50K 단어 샘플에 대한 평균 고유 레마 수) / 50,000 × 100%.

• 텍스트를 레마화합니다 (pymorphy2 또는 유사 도구 사용).
• 단어 형태를 M회 (정확도를 위해 M=1000) 무작위로 50K개 선택합니다.
• 각 샘플에 대해 고유 레마 수를 셉니다.
• 평균을 내고 정규화합니다.

이는 '활성 어휘'를 반영합니다 — 고갈 없이 새로운 레마를 도입하는 작가의 능력입니다.

감정 톤과 스타일 비교

감정 톤 (DET) 비율: !, !!, ?! 등으로 된 문장의 백분율 (순수 ? 제외). SMI가 10.5%로 IP의 3.5%를 앞섭니다. 고전과의 비교:

• 톨스토이 War and Peace: ~5.2%.
• 도스토예프스키 Crime and Punishment: ~18.2%.

긴 문장의 구두점 표시 수는 둘 다 456개입니다. IP 예시: 부대 선봉 묘사. SMI 예시: 에티켓 지침.

알파벳 문자 분포는 안정적입니다: 'o' ~10-11%, 'e'/'a' ~8%. 'Yo'는 최소입니다. 집프의 법칙은 만족되지 않습니다 (IP a=-1.358, SMI -1.296).

깊이와 주제

서사 깊이: 3.87 (IP) 대 3.72 (SMI). n-그램에 의한 주제: 둘 다 귀족. 상위 이름: Jon/Ned/Tyrion 대 Erwin/Mira/Harmon. 회문: 63 대 83 (+31%). SMI는 155개의 역사적 사건을 가지며, IP는 연대기 없음.

신체 서사는 IP에서 더 강합니다 (+37%). 반복 구: 'seventh hell' 대 'darkness (devour)'.

중요한 점

• KUL은 수르지코프가 더 큰 레마 저장고를 보입니다 (16.72% 대 13.50%), 작가 경험 차이에도 불구하고.
• MATTR/HD-D는 비슷합니다 (72% 대 70%, 93% 대 92%), 지표들이 서로 보완합니다.
• 감정성은 SMI에서 3배 높아 역동성 인식에 영향을 줍니다.
• IUFO는 동일 (~63.5), 중학생 수준 가독성.
• Hapax는 피로를 나타냅니다: IP 중간, SMI 끝부분.

NLP에서의 실용적 적용

산문 분석을 위해 지표 결합: 전역 저장고에 KUL, 지역 신선도에 MATTR. 레마화를 위한 Python 스크립트에 NLTK/spaCy 사용. 안정성을 위해 50K+ 단어에서 테스트. 판타지 차이는 강조: 수르지코프 데뷔작 (29세, 2개 수상)이 마틴 (48세, 5개 수상)과 다양성에서 경쟁합니다.

— Editorial Team