[논문 리뷰] Stylometry for Noisy Medieval Data: Evaluating Paul Meyer's Hagiographic Hypothesis

Jean-Baptiste Camps, Thibault Clérice외 1명|arXiv (Cornell University)|2020. 12. 07.

Authorship Attribution and Profiling참고 문헌 14인용 수 6

한 줄 요약

이 연구는 수기문자인식(HTR)과 스타일리스틱 분석을 융합한 하이브리드 인간-AI 파이프라인을 개발하여 19세기 프랑스 신학자 파울 메이어의 올드 프랑스 성도전기 레지스터 편찬 이론을 평가한다. 베르사르크 국립도서관 보관본 BnF fr. 412를 대상으로 하여, 메이어의 A, B, C 세 개의 수록 구조 모델을 확인하고 잠재적 하위집단을 식별하며, 기존에 B집단에 속해 있던 성 라몬드 전기의 저자로 와시에르 드 데나인을 제안한다. 이는 전통적인 저자 표시가 없는 바이다.

ABSTRACT

Stylometric analysis of medieval vernacular texts is still a significant challenge: the importance of scribal variation, be it spelling or more substantial, as well as the variants and errors introduced in the tradition, complicate the task of the would-be stylometrist. Basing the analysis on the study of the copy from a single hand of several texts can partially mitigate these issues (Camps and Cafiero, 2013), but the limited availability of complete diplomatic transcriptions might make this difficult. In this paper, we use a workflow combining handwritten text recognition and stylometric analysis, applied to the case of the hagiographic works contained in MS BnF, fr. 412. We seek to evaluate Paul Meyer's hypothesis about the constitution of groups of hagiographic works, as well as to examine potential authorial groupings in a vastly anonymous corpus.

연구 동기 및 목표

• 1906년 파울 메이어가 제기한 올드 프랑스 성도전기 레지스터 편찬 이론, 특히 A, B, C 세 개의 수록 집단에 대한 구조적 이론을 평가하는 것.
• 높은 철자 변동성과 OCR 오류가 있는 짧고 노이즈가 많은 중세 텍스트를 분석하는 데 있어 계산 기반 스타일리스틱 기법의 도전 과제를 해결하는 것.
• 익명의 성도전기 텍스트로 구성된 BnF fr. 412 수록본 내에서 잠재적 하위집단과 저자 집단을 식별하는 것.
• HTR 처리된 데이터에 기반한 스타일리스틱 분석이 데이터 노이즈와 제한된 학습 데이터에도 불구하고 저자 또는 주제 기반 집단을 신뢰성 있게 탐지할 수 있는지 테스트하는 것.
• 19세기 철학적 가설이었던 중세 수록본 전파 이론을 재평가하는 데 있어 계산 기반 방법의 타당성을 탐색하는 것.

제안 방법

• 다단계 데이터 파이프라인 개발: 이미지 확보 → 줄 감지 → Transkribus 및 Kraken를 활용한 HTR → 텍스트 정규화 → 문법적 주석(품사, 어형 복원).
• 이전 연구에서 노이즈가 많은 OCR 및 HTR 데이터에 효과가 입증된 특징 기반으로 문자 3-그램을 사용한 스타일리스틱 분석 적용.
• 전처리 단계에서 누적 오류가 발생할 수 있는 잠재적 특징(품사 3-그램, 어형, 기능 어형)을 비교하여 그 내구성 평가.
• 텍스트 유사성 시각화 및 코퍼스 전반의 집단 식별을 위해 계층적 군집화와 다차원 척도법(MDS)을 사용.
• 낮은 단어 수 텍스트(3000단어 이하)에서 안정성을 높이기 위해 문자 3-그램과 어형 등의 다양한 특징 유형을 조합.
• 근본적 검증을 위해 근접 독해를 수행하여 스타일리스틱 집단화 결과가 알려진 저자 표시(예: 서명, 후원자, 라틴어 기초)와 일치하는지 평가.

실험 결과

연구 질문

• RQ1 HTR 처리된 데이터에 기반한 스타일리스틱 분석이 올드 프랑스 레지스터에 대한 파울 메이어의 가설에서 제시한 구조적 집단화를 신뢰성 있게 탐지할 수 있는가?
• RQ2 BnF fr. 412의 성도전기들이 메이어가 제안한 A, B, C 집단과 일치하는 일관된 하위집단을 형성하는가, 아니면 새로운 집단화를 드러내는가?
• RQ3 성 라몬드 전기의 저자적 기여 증거가 있으며, 메이어의 프레임워크나 와시에르 드 데나인의 알려진 작품에 포함되지 않은 경우가 있는가?
• RQ4 다양한 특징 유형(문자 n-그램, 어형, 품사 3-그램)이 노이즈가 많고 짧은 중세 텍스트에 적용되었을 때 집단 탐지 성능은 어떻게 되는가?
• RQ5 전통적 철학적 증거가 없는 익명 텍스트에서 계산 기반 스타일리스틱 기법이 저자 서명이나 스타일적 특징을 탐지할 수 있는가?

주요 결과

• 원시 HTR 데이터에 기반한 문자 3-그램을 사용한 스타일리스틱 분석은 올드 프랑스 레지스터에서 A, B, C 세 집단의 편찬 구조에 대해 파울 메이어의 가설이 유지됨을 확인하였다.
• 기존에 주목받지 못했던 잠재적 하위집단이 드러나, 성 롱린 전기가 현재 A집단에 속해 있음에도 불구하고 B집단에 속할 가능성이 있음을 시사하며, 이는 현재 분류에 도전하는 바이다.
• Li Seint Confessor와 성 라몬드 전기 사이에 강력한 스타일적 유사성이 확인되었으며, 후자는 C집단에 속해 있지 않으며 전통적인 저자 표시도 없었다.
• 대부분의 특징 집합(예: 품사 3-그램, 어형)에서 성 라몬드 전기는 와시에르 드 데나인의 알려진 작품들과 군집되지 않았지만, Li Seint Confessor와의 스타일적 유사성은 그가 저자일 가능성을 시사한다. 이는 아마도 자기 표시 없이 번역한 것으로 보일 수 있다.
• 어형 복원과 품사 3-그램은 보완적인 통찰을 제공했지만, 전처리 단계에서 누적 오류가 발생함에 따라 문자 3-그램을 뛰어넘는 성능은 보이지 않았다.
• 문자 3-그램이나 특징 결합을 사용할 경우, 3000단어 이하의 짧은 텍스트에서도 스타일리스틱 분석이 효과적으로 작동함을 입증하였으며, 다양한 텍스트 길이에 걸쳐 안정적인 결과를 보장한다.