特异而非任意：在线语域中习语式的学习揭示独特而一致的个人风格
计算与语言
2021-09-13 v3
摘要
个体写作风格的差异通常是社会与个人属性的函数。尽管结构化的社会变异已被广泛研究（例如基于性别的变异），但由于个人风格的特异性，如何刻画个体风格仍知之甚少。我们引入一种通过大规模跨作者比较来识别并编码风格特征以研究个人习语（idiolect）的新方法。该神经模型在短文本的作者身份识别上取得强劲性能，并通过基于类比的探测任务显示，所学表示展现出编码习语风格定性与定量偏移的惊人规律性。通过文本扰动，我们量化了不同语言元素对习语变异的相对贡献。此外，我们通过测量作者间与作者内变异给出习语的描述，表明习语变异往往是独特而一致的。
引用
@article{arxiv.2109.03158,
title = {Idiosyncratic but not Arbitrary: Learning Idiolects in Online Registers Reveals Distinctive yet Consistent Individual Styles},
author = {Jian Zhu and David Jurgens},
journal= {arXiv preprint arXiv:2109.03158},
year = {2021}
}
备注
EMNLP 2021 main conference