Le traitement du langage naturel (NLP) a fait des progrès significatifs dans l'analyse et la compréhension du langage humain. Un domaine de recherche au sein de la PNL est l'étude des textes en tant que réseaux, où les mots et les phrases sont représentés comme des nœuds et leurs relations sont représentées comme des bords. Cette approche permet aux chercheurs d'étudier les propriétés structurelles et sémantiques des textes et d'obtenir des informations sur la paternité, la classification des genres et l'analyse des sentiments.

Dans le cadre de l'identification de la paternité, la question se pose :« Combien de mots suffisent pour identifier un auteur ? La réponse à cette question dépend de plusieurs facteurs, notamment le style d'écriture de l'auteur, la longueur et la complexité du texte ainsi que les techniques utilisées pour l'analyse.

Pour faire la lumière sur cette question, considérons quelques résultats de recherche et études empiriques :

1. Analyse stylométrique : La stylométrie est l'analyse statistique des modèles linguistiques dans un texte écrit pour déterminer la paternité ou d'autres caractéristiques du texte. Des études ont montré que même un échantillon relativement petit de mots peut suffire à identifier la paternité. Par exemple, une étude de Mosteller et Wallace (1964) a révélé qu’à peine 50 mots suffisaient pour faire la distinction entre les écrits de différents auteurs.

2. Mesures de similarité du texte : Une autre approche consiste à mesurer la similarité entre les textes en fonction de leur utilisation des mots et de leurs caractéristiques structurelles. Des techniques telles que la similarité cosinus ou la similarité Jaccard peuvent être utilisées pour comparer les profils de textes écrits par différents auteurs. À mesure que la longueur du texte augmente, le pouvoir discriminant de ces mesures s’améliore généralement, mais l’identification peut être possible même avec des textes plus courts.

3. Algorithmes d'apprentissage automatique : Des algorithmes d'apprentissage automatique supervisé peuvent être entraînés sur un ensemble de données de textes étiquetés pour classer la paternité de textes invisibles. Les performances de ces algorithmes dépendent de la qualité et de la taille des données d'entraînement, mais des résultats prometteurs ont été obtenus même avec des échantillons de texte limités.

4. Architectures d'apprentissage profond : Les modèles d’apprentissage profond, en particulier ceux basés sur des réseaux neuronaux récurrents, ont démontré une capacité remarquable à capturer les subtilités du langage. Ces modèles peuvent être entraînés pour reconnaître des modèles spécifiques à un auteur et identifier la paternité sur la base de segments de texte relativement courts.

En pratique, le nombre de mots requis pour une identification fiable de l’auteur peut varier. Un échantillon plus grand améliore généralement la précision de l’analyse, mais dans certains cas, des modèles d’écriture distinctifs peuvent permettre une identification même avec un nombre limité de mots.

En résumé, même si le seuil exact varie, les recherches suggèrent que quelques dizaines à quelques centaines de mots peuvent suffire pour identifier la paternité dans de nombreux cas, en particulier lorsque l'on exploite des techniques avancées de PNL et des algorithmes d'apprentissage automatique. Cependant, la complexité de la tâche, la disponibilité de données de formation de haute qualité et le caractère distinctif du style d'écriture de l'auteur contribuent tous à l'exactitude globale de l'attribution de la paternité.