Кластеризация идиостилей на основе межтекстового расстояния Delta и диагностический потенциал высокоранговых словоформ

В статье осуществляется лингвистическая интерпретация работы наиболее распространенного и авторитетного на данный момент стилеметрического алгоритма Delta Берроуза на материале русского языка (романы второй половины XIX в.). Алгоритм основан на анализе межтекстовых расстояний, мера Delta представляет собой сумму взятых по модулю разниц между z-оценками у двух сравниваемых текстов, поделенную на количество слов. Техническая особенность алгоритма состоит в том, что его эффективность в большей степени зависит от большого количества малых признаков. В работе ставится три вопроса: 1) что позволяет Delta безошибочно объединить тексты одного автора? 2) на что опирается алгоритм, основанный на межтекстовом расстоянии Delta, в кластеризации разных авторов? 3) чем мотивированы — если вообще мотивированы — предпочтения отдельных авторов в частоте использования высокоранговых словоформ, причем, что очень важно — преимущественно служебных и местоименных? В работе анализируются как простые относительные частотности служебной лексики, так и z-оценки. Мы предлагаем следующие ответы: 1)  алгоритм на основе Delta кластеризует вместе тексты одного автора не только потому, что они схожи по профилям частотностей и z-оценок, но и потому, что эти профили значительно и последовательно отличаются от профилей других авторов (на фоне чего некоторые вариации в текстах одного автора фактически оказываются второстепенными); 2) благодаря этой системе различий группируются и различные авторские стили: анализ 50 словоформ с высшими рангами показывает, что они содержат значительный диагностический потенциал для идентификации авторского стиля и кластеризации разных авторских стилей; 3) предпочтения авторов в области использования высокоранговых словоформ могут быть мотивированы тремя факторами: авторским лексиконом как элементом идиостиля (выражается на уровне частотности предлогов), устройством текстов, их жанрово-стилистической природой (местоимения), комбинацией этих факторов (союзы для синтаксической перспективы текста или частицы для его модальной перспективы).