本研究提出了从词汇、句法和语义三个方面分析个体写作风格的过程，并展示该过程在作者风格分析、作者归属度和情感预测方面的应用，结果表明这种多层次的写作风格分析方法能够量化地模拟文本中的主观性，从而在多个任务上提高定量和定性表现。

Sep, 2019

我们开发了一种定量方法来评估美国诗歌的风格，并将诗集可视化以相互关联。我们通过定性诗歌评论指导我们开发了分析各种拼字、句法和音素特征的度量标准，这些特征用于从诗歌的多层潜在结构中发现全面的风格信息，并计算诗歌之间的距离。可视化提供了对分析组件的便捷访问。我们在几个诗歌集上展示了我们的方法，显示出它比传统的词出现特征在典型文本分析算法中使用的方法更好地描绘了诗歌风格。我们的方法在学术研究文本、对诗歌的直观个人反应的研究以及根据读者喜爱的诗歌进行推荐方面具有潜在的应用。

Oct, 2023

本文通过采用基于轨迹的风格估计算法，提出了一种新的特征表示法，成功地解决了作者风格识别领域中遇到的主题影响、无法有效鉴别大量作者和需要大量多样化数据的问题，并在跨领域的场景中筛选超过 27,000 个作者和 1.4 万个样本进行了作者归属实验。实验结果表明，该算法对负面影响具有免疫力，并成为风格研究的一个优秀选择。最后，通过以生理人类特征（如年龄）为基础进行定性分析，验证了其认知特征的表达能力。

Jun, 2022

本研究基于三种基于字符的 LSTM 模型，针对俄罗斯著名诗人的诗歌文本进行了风格复制任务的评估，结果表明，无论如何，专业的评估者比普通读者更能够准确地评估风格，虽然 LSTM 模型在有限的训练语料库上可以很好地复制俄罗斯诗人的风格。

Jun, 2023

本文研究了语言学家如何使用 'expressives' 来表达归属质量、情感和观点的能力，并提出了关于表达性的性质的特殊性和不同寻常性的问题。

Feb, 2022

本章提出了更明智的文本风格变异统计目标，主要分别从文本学和应用角度阐述了在受众阅读经验的基础上制定的目标所必须具备的关键概念：相关性、有效性和实用性，并探讨了文本风格的变异因素是个体选择而非纯文本特征本身，而读者对特定文本的评价通常基于文体类型的分类。

May, 2022

本文提供了一个新的语料库（xSLUE）以用于句子级跨风格语言理解和评估，并提出了三种跨风格应用程序：分类、相关性和生成，从而帮助探索跨风格研究的有趣未来方向。

Nov, 2019

本文研究社区语言的语言风格，通过分析 3 个社交媒体平台上涉及政治，电视和旅游的 9 个在线社区的 262 个特征来验证社区确实具有独特的风格，并发现语言风格是群体成员身份的良好预测器（F 值为 0.952，准确度为 96.09%），并且相对于仅使用内容预测来说，它对训练数据的减少更有韧性。

Sep, 2022

本文提出了一种样式感知神经模型，以从三个样式水平对文档信息进行编码，并在作者归属领域进行评估，实验结果表明，相对于文献中的基线方法，从所有三个样式水平编码文档信息具有显著的优势，实验数据来源于四个基准数据集。

Sep, 2019

本研究探讨在线社区语言风格和话题方面：通过分析社区的标识符和与内容社区接受度的相关性。实验表明语言的风格比话题更能够识别社区，与社区的语言风格相似度的相关性与贡献的接受程度正相关。

Sep, 2016