[论文解读] Multifractal analysis of sentence lengths in English literary texts

Iwona Grabska-Gradzińska, Andrzej Kulig+3 more|arXiv (Cornell University)|Dec 13, 2012

Complex Systems and Time Series Analysis参考文献 25被引用 7

一句话总结

本研究采用MFDFA和WTMM方法对30部英语文学作品中的句子长度序列进行多重分形分析，发现仅少数作品表现出真正的多重分形特性，而大多数作品为单分形或非分形。其主要贡献在于识别出特定文本特征可能构成多重分形性的成因，提示需进一步探究语言与结构因素如何决定文学作品中复杂标度行为的生成。

ABSTRACT

This paper presents analysis of 30 literary texts written in English by different authors. For each text, there were created time series representing length of sentences in words and analyzed its fractal properties using two methods of multifractal analysis: MFDFA and WTMM. Both methods showed that there are texts which can be considered multifractal in this representation but a majority of texts are not multifractal or even not fractal at all. Out of 30 books, only a few have so-correlated lengths of consecutive sentences that the analyzed signals can be interpreted as real multifractals. An interesting direction for future investigations would be identifying what are the specific features which cause certain texts to be multifractal and other to be monofractal or even not fractal at all.

研究动机与目标

• 探究英语文学作品中的句子长度序列是否表现出多重分形标度特性。
• 比较MFDFA与WTMM两种多重分形分析方法在文学数据上的表现与一致性。
• 识别出哪些文学作品表现出多重分形行为，哪些没有，并探讨其差异的潜在原因。
• 为理解语言结构在生成书面文本中复杂、标度不变模式方面的作用提供贡献。

提出的方法

• 作者从30部不同作者创作的英语文学作品中提取了以词为单位的句子长度序列。
• 采用多重分形去趋势波动分析（MFDFA）量化句子长度波动在多个时间尺度下的标度行为。
• 作为补充方法，使用小波变换模极大值（WTMM）方法估计多重分形谱，并验证MFDFA的结果。
• 两种方法均用于评估信号是否表现出单分形、多重分形或非分形特性。
• 分析重点在于检测长程相关性以及指示句子长度时间序列中多重分形性的标度指数。

实验结果

研究问题

• RQ1 英语文学作品中的句子长度序列是否表现出多重分形标度特性？
• RQ2 在文学文本中，MFDFA与WTMM两种多重分形分析方法中，哪一种结果更一致？
• RQ3 在所分析的文学作品中，具有真正多重分形行为的作品占多大比例？其与非多重分形文本有何区别？
• RQ4 哪些语言或结构特征可能导致某些文本呈现多重分形性，而其他文本则不具有？

主要发现

• 在30篇分析的文学作品中，仅少数作品在句子长度序列中表现出清晰的多重分形标度。
• 大多数作品表现出单分形或非分形行为，表明句子长度波动中长程相关性有限。
• MFDFA与WTMM两种方法结果一致，支持了所观察到的标度模式的可靠性。
• 研究发现，多重分形性并非文学作品的普遍特征，提示其可能与特定的作者风格或修辞选择相关。
• 结果表明，句子长度中的多重分形性可能是一种罕见但有意义的复杂叙事结构或风格复杂性的指标。