Добавить в ноутбук о прозаиках раздел об атрибуции авторства

[SergeyShk]

Что сделано

В examples/03_prose_authors.ipynb после сверки с дельтой Барроуза добавлен раздел «Атрибуция авторства» - вместо отдельного ноутбука, чтобы не дублировать данные и расстояния.

• Схема: у каждого автора каждое третье произведение (по алфавиту названий, ключ - пара автор/название) откладывается в тест, профили авторов строятся по остальным произведениям, каждое тестовое окно в 1000 слов относится к автору с ближайшим профилем по новой delta_profiles; список частых единиц и статистики нормировки берутся из обучающих окон, тестовые окна на них не влияют. Для этого в ячейке с окнами сохраняются названия произведений (corpus с колонками author/title/text), остальные разделы не изменились.
• Перебор: четыре варианта дельты × 100/300/1000/3000 частых единиц × словоформы и символьные триграммы (CharNgramsExtractor) - одна таблица точности. Косинусная дельта на 3000 словоформах угадывает автора в 87 % окон, квадратичная 83 %, классическая Барроуза 63 %, Эдера 67 %; триграммы уступают (до 77 %). Это повторяет вывод Эверта и др. (2015).
• Матрица ошибок для лучшей конфигурации и пять самых частых ошибок: окна Горького уходят к Герцену, Тургенева - к Пушкину, Герцена - к Лермонтову с самым коротким профилем.
• Признаки текста как классификатор по тому же протоколу (нормировка по обучающим окнам): ближайший центроид автора по 127 признакам - 44-49 %, вдвое хуже дельты; это закрывает вопрос из сверки, какая из двух матриц лучше узнаёт автора.
• Zeta для самой частой ошибки (Горький → Герцен): маркеры - лексика эпохи («нежели», «надобно», «вовсе», «б» у Герцена; «надо», «тоже», «про», «тихонько» у Горького); все они входят в 3000 частых слов дельты, Zeta выделяет из них те, что различают именно эту пару.

Итоги дополнены, описание ноутбука на странице примеров (ru/en) и в examples/README.md обновлено.

В пакете: delta_profiles(reference, samples, n_mfw, variant, culling, statistics) в ruts.corpus - расстояния проверяемых текстов до эталонных профилей; частые единицы и нормировка по эталонам или отдельному набору statistics, проверяемые тексты на них не влияют, результат для текста не зависит от соседей по вызову; расчёт расстояний общий с delta. Тесты, описание и пример на странице стилометрии (ru/en). Версия 0.14.0.dev3.

Проверка

• make notebooks - три ноутбука за 160 с (ноутбук о прозаиках - 115 с), файлы первых двух не изменились.
• make lint, make test (1020 тестов), pre-commit run --all-files, tests/test_docs.py, mkdocs build --strict.

🤖 Generated with Claude Code

[SergeyShk]

Прогнал раздел атрибуции локально, три замечания инлайн.