Poesía áurea, estilometría y fiabilidad: métodos supervisados de atribución de autoría atendiendo al tamaño de las muestras

Abstract

Este artículo presenta una investigación en estilometría aplicada a la poesía española del Siglo de Oro. Tras realizar un breve estado de la cuestión sobre el problema de la extensión de los textos en estilometría y los avances realizados hasta la fecha, se utilizan métodos supervisados de atribución de autoría para evaluar un corpus de poesía áurea española y la estabilidad de la señal de cada uno de los autores a lo largo de muestras de diferente tamaño. Se confirman los resultados obtenidos en estudios previos con textos en otras lenguas, resultando que 2000 palabras (e incluso menos) son suficientes para realizar la atribución de autoría, siempre que el autor posea una señal estable e identificable.

This paper presents a Stylometric research applied to Golden Age Spanish Poetry. A brief state-of-the-art on size sampling problems in Stylometry as well as advances on this subject to-date are presented. After that, supervised methods in authorship attribution are applied to evaluate a corpus of Golden Age Spanish Poetry and measure the strength and stability of each poet through different size samples. Previous assertions resulted with text in other languages are confirmed with the Golden Age Spanish Poetry corpus, with results that show that 2000 words –or even less- is enough for authorship attribution, as far as the author would possess a strong and stable signal.