本研究通过应用机器学习分析手段，对莎士比亚的作品进行文体统计学预测，结果表明莎翁的写作风格随时间发生了显著变化，其中包括句子长度、形容词和副词的频率，以及文本中表达的情感。此外，还发现有些作品的文体与它们的实际创作时间不太相似。

Jan, 2023

利用 Goodreads 的用户数据构建了书籍网络并通过传统类型的代理将网络划分为类似的书籍社区，使用主成分分析表明网络社区可以通过书籍的成熟度和写实 / 幻想性来解释。

Mar, 2023

本研究通过开发一套资源集合，包括 NLP 分析工具、清理和注释小说的数据库以及相关的网页接口，来进行大规模小说分析，描述了注释系统的主要功能及其价值，并展示了从网站中获取的分析结果样本，如人物出现和互动的可视化、类似的书籍、代表性词汇、词类统计和阅读难度指数，同时解释了通过注释格式在大型小说语料库中进行定性和定量分析的应用。

Nov, 2023

数字媒体为人们探究和分享世界文学作品和作者提供了非凡的机会。本文介绍了基于知识图谱的全球文学知识库，其中包含约 194,346 位作家和 965,210 部作品，专门用于探索世界各地文学作品和作者的相关信息。此资源通过在线可视化平台提供，可提升人们的工作效率和取得有价值的成果。

Jul, 2023

在社区评论领域，我们发现同一人编写的评论集合基于简单的文体特征就能链接起来从而导致明显的隐私泄露问题，而本文则提出了结合大众智慧和机器翻译的方法，使得评论样式不同从而达到了减少作者链接度的目的。

May, 2014

该研究利用 Reception Reader 这个在线工具来探索早期英文图书在线数据库中文本重用的情况，让用户能够交互式地浏览相关文档，并且进行深入的文本解读。本文还讨论了该工具的实用性和界面局限性以及数据源的问题。

Feb, 2023

该研究利用机器学习模型分析了多个社交媒体平台上文章被在线分享的持续时间，以预测研究文章的长期在线兴趣。研究发现，旧的文章主要与经济和工业相关，而最近发表的文章则最多在研究平台和社交媒体平台方面被提及。

Sep, 2022

研究使用分类方法，展示不同类别的文学 “质量” 显示出独特的语言特征，在分析了包括诺顿选集、企鹅经典系列、开放教材项目等作品的语料库的基础上，对比了当代畅销书、诺贝尔奖得主以及获奖文学作品。我们的分析表明，经典文学作品和高雅作品相对于其他质量类别如畅销书和流行作品以及对照组展现出不同的文本特征，可能是为了回应不同的质量模式。我们采用经典的机器学习方法，即随机森林，来区分质量小说和 “对照组”，在区分这些类别时的 F1 得分达到 77%。我们发现，质量类别相对于对照组更容易区分，而与其他质量类别相比较难区分，这表明文学质量特征可能是可辨识的，但通过质量代理人共享。

Apr, 2024

利用角色互动图和自然语言处理派生的特征，对当代文学作品进行社会调查和信息检索。从文学作品构建角色互动图，提取相关图特征，并利用这些特征解决各种现实生活问题。实验评估表明，角色互动图在文学作品的特定评估和信息检索方面具有高度有效性。

Oct, 2023

我们提出了文学中信息传播建模任务，并使用一种新的流程在超过 5000 部小说中分析信息传播动态，发现填补不同社群之间结构空缺的女性角色比男性角色更常见

Apr, 2020