１章 ２節

０. はじめに

文体論をテクストの表層の要因をてがかりとしながら、その個別性や類型性をとりだすことで展開する領域（野村2000：259）と見做す立場がある。言い換えれば、文体をひとまとまりのテクストの換喩と捉える立場であり、そのとき、文体は、テクストの個別性をとりだす手続きと同一視されることになる。その意味で、「操作主義的文体観」といってよいものである。

本節は、その一つのバリエーションと見なしうるスタイルの数理的研究（計量文体学^注1）の概説を通じて、「操作主義的文体観」について考える。

• １）村上（2002）では、「計量文献学」の語があてられている。テキストの原著者や執筆年代の特定を試みるという意味では「計量文献学」の方が適当とも思われるが、本論では慣用に従うものとする

１．テクストの分類

文体論は、「文学的文体論」と「語学的文体論」とに二分して理解されることがあった。作者の人間性や個性・認識や世界観の個別性をテクストの〈深層〉として想定することでテクストの〈表層〉の構造を理解しようとする立場が「文学的文体論」であり、〈表層〉の要素の操作によってテクストの〈深層〉にある構造を記述しようと努める方法が「語学的文体論」である。これらの文体論の間の関係は、理論的に解決されたとはいえないが、一時期見られた苛烈な対立は解消されており、現在では文体論の研究者が言語学の側、あるいは文学の側に立って固有の領域を守るよりも、その中間領域を当然の研究対象とする傾向がきわめて強い（豊田1991：65）ともいわれている。いずれにせよ、一方が〈起源〉の個別性を求め、一方が〈形態〉の個別性を問題にするのならば、それは計量的・数理的研究へ収斂するものと考えられてよいはずである。たとえば、「語」の分布は、その一例だろう。もしも、語の分布やその逸脱的使用が個人の個別的な文体のあらわれということならば、書き手のコンピュータを調べてみればよいはずである。語の短期及び長期の頻度情報の利用は、カナ漢字変換の基礎をなし、日本語ワードプロセッシングの実用化を可能にした最も基本的な設計概念である（森・八木橋1989：29ff.）から、それはユーザ辞書に記録されているであろう。この意味でいう文体とは、いずれほとんど体質的なもので、われわれが〈書く〉という行為を行なうときにそこにアクセスし、一定の改変を加えながら（しかし、本質的には変更困難な一貫性を持つものとして）利用する計量的なリソースである。

学術的な研究の分野は、分類・理論・実証という３つの基本軸によって成り立っていると考えられる。研究史において文体論の源流であるレトリック（旧修辞学）は、恐るべき分類作業（バルト1979：69）であるといわれ、後に規範として硬直化してゆく。また、国語表現法などの古色めく規範も、規範となることを意識した表現の分類学であり、その点ではすべてが無効なのではない（われわれは、そのような分類にいささかも頼ることなく研究対象を確定することはできそうにない）。かかる分類の軸から見るとき、文体論は、テクストの帰属による「階層的な分類」（媒体・時代・筆者・テクストジャンル・テーマ・表記・レジスターなど）を用いることが多かった（階層的な分類の具体例については山中1991など参照）。階層的分類は、テクストのおおまかな性質を指すことができる。数的情報がイメージを惹起しないのに対し、類型的な階層名に対してあるイメージを持つことは容易である（分類とイメージとについては、中尾1990参照）。しかし、階層的分類は、明確な基準に基づくものでなく、階層も緩やかな上下関係《ヒエラルキー》を持つだけである。一方、「操作主義的文体観」に基づく立場のひとつと見做されるスタイルの数理的研究は、特定の基準に対するテクストの相対的位置関係による分類（相対的分類）を与えるものと見做すことができる。文体が、テクストの特異性という意味を含むのであれば、文体認識はそれ自体に複数のテクストの比較を含むことになり、相対的分類が用いられるべきであるといえる^注2。その点で、テクストの相対的分類は文体分析の基礎とされるべきものであろう^注3。以下、本節では、計量文体学について簡単な考察を行うことにしたい。

• ２）階層的分類に従えば、例えば、「三島由紀夫のテクスト」は、三島由紀夫が実際に執筆したテキストの（実際に存在する）一群を指す。一方、相対的分類では「この三島由紀夫のテクスト」と「その三島由紀夫のテクスト」しかない。「三島由紀夫のテクスト」は、特定のデータを特定の基準で括ったもの（唯名論的カテゴリ）となる。本論は、文体論にとって後者の立場がヨリ望ましいと考える。
• ３）分類は場合に応じて選択されるべきだということで、原理的な優劣をいうものでない。

２．原著者推定

スタイルの数理的研究は、テクストを相互にグループ分けする一方で、テクストの特異性という点からは、原著者推定 authorship attributionを、特に重要な問題としてきた^注4。それは、テクストと他のテクスト（複数）との相対的関係を定める作業を含む。階層的な分類に基づいた文体研究^注5は、例えば、あるテクストが著者という階層で帰属する特定の個人に応じて、その特徴を述べ立てるものであるから、著者未詳のテクストから原著者を推定するといった問題には向いていない。

• ４）スタイルの数理的研究の流れについては、金（1999）参照。
• ５）階層的分類について言えば、いわゆる「文学的文体論」と「語学的文体論」との違いは、分類の用い方に係る。語学的立場は、分類に基づいて対象を指定し、そこからテクストの言語的特質をとりだそうとする。他方、文学的文体論は階層名とテクストとの必然的な関係を求め、階層名とテクストとに相互規定を想定する。文体は表現主体によって個性的につくられるのみでなく…文体によって表現主体は流動し、逆につくられてゆく（原1975：130）のであり、問題は言語の表層に還元できないと主張される。

テクストの原著者推定には様々な手法が提案されているが、十分な精度があれば、汎用性があり、機械的であり、適用が容易であるほどよい。その点では、語学的単位（表現上の特徴）を指標として用いない方法があるならば、恐らくそれは優れた方法であろう^注6。そこで注目されるのが、Zip圧縮を用いる方法である。

• ６）言語要素の分析などの事前処理を必要としないため、適用が容易であり、テクストジャンルや「談話体」（魚返1963の用語で、よりくだけた口語体の意味。現代語では、無助詞表現や表記符号の非規範的表記などを含む）などの話体の影響も受けないだろう。

Zip圧縮を用いる方法(Benedetto et al.2002)が主張するのは、以下の方法である。Zip系のファイルアーカイバ・ソフトウェアは、圧縮アルゴリズムにLZ77（Lempel-Ziv符号化のスライド辞書法）を基礎として用いている。これはデータ列中に重複して出現するキャラクタ列を認識し、それらに同じタグをつけるというものであり、同じパターンの列が繰り返し出現するほどファイルの圧縮率が高くなる。これをテクストに応用すれば、具体的に以下の方法で、その相対的関係を知ることができる。

1. 複数のテクストについて、（未知の）テクストXから部分xを抽出し（その他すべての）テクストAiの後に追加してAi+xを生成する。
2. L(Ai+x)-L(Ai)を測定する。（ここでLはzip圧縮されたファイルのビット数を示す）
3. テクストXは(2)の値が最小になるテクストと同じグループに属する。

ここでは、１バイト・２バイトキャラクタの混在する日本語のテクストにおける同方法の有効性を、以下のように調査する。また、それがテクストのテーマ判別に応用できるか否かについても簡単な調査を行う。

資料には、７人の書き手による学術論文34編（図や表を除く本文の全文）を用いた^注7。ファイルサイズは、最小4581バイト〜最大56526バイト（平均22501.5バイト）で、平均文字数約11255字（400字詰め原稿用紙約28枚）。資料は、直接本人から入手したものとウェブ上に公開されたものとがある^注8。なお、ファイルは、形式を統一し^注9、xとなる10〜15KB程度の連続した任意の一部分を抽出した。対象となるテクストの全てが交替でXの役割を努めるようにした。ファイルの圧縮には MacGzipを用い、リソースフォークは無視した。

• ７）年齢は20代〜60代で、男性４名・女性３名。複数の非日本語母語話者を含んでいる。対象に論文を用いたのは、(1)著者が明確である、(2)同一著者について一定の長さを持つ複数のテクストデータを得やすい、(3)基本的に筆者自身が電子化している、(4)権利関係が問題になりにくい、などの理由による。逆に、小説や随筆では、調査のための電子的複製が著作権との関係で扱いが難しく、権利の切れているテクストでは（多くの場合）表記にJIS外字、ルビなど（電子的に）扱いにくい要素が含まれる。特にルビは、文体や表現と密接に関わっていることが示されており（木坂1979、浅田1999など参照）、多くのルビを含む近代小説の類は（本稿に限らず）電子的処理の適切な対象と考えにくい。
  文章の種類には諸説あるが、阪倉（1963）による機能的分類が基礎にされることが多い。これは文章を第１類（日記などの独語的文章）、第２類（手紙などの特定の相手を目指した伝達の文章）、第３類（報道や論文など不特定の相手への伝達の文章）、第４類（小説などの内言的文章）に大別するものである。文章種内のスタイル特徴を論じた研究に較べて、文章種間のスタイル差を論じたものは少ないされる（山口1991：135）が、一般的に以下のことは言えるものと考えられる。第１類や第４類では、第２類・第３類以上に個性的スタイルが目指され、或は許容されるということである（多くの文章作法書では、客観的伝達を旨とする文章は中立的スタイルをとることが良いとされている）。ここでは、第３類に分類される資料を対象とすることで、方法のより良い検証が可能になるものと考える。
• ８）抽出に無作為性が低いが、統計学的な処理を施すのではないので特に問題にならないと判断した。
• ９）文字・改行コードを統一（S-JIS，CR）して、本文を整形した（行末スペースや制御文字など）。処理は専用のソフトウェア、スクリプトを用いて行なった。

この方法では、調査に用いた34の資料すべてで同一著者のテクストに対して適切な位置関係が指定できた。また、ランク１及びランク２を同一著者のテクストが占めたものが29（85.3％）、同一著者のテクストが上位を独占したものが13（38.2％）あった（詳しくは表1.2-1を参照）。

著者を示すアルファベートとテクスト番号を示すアラビア数字とで資料を識別し、サイズの欄は．非圧縮時のファイルサイズ（データフォーク量）を示す（単位：バイト）。

ここで、表1.2-1で第２席を別著者のテクストが占めた例を見ると、類似したテーマを扱っているものが多いようにも思われる（表1.2-2および表1.2-3参照）。そこで、〈自己と他者〉および〈遺伝的アルゴリズム〉をテーマとするそれぞれ１対のテクスト（各々共通の術語が多く含まれる）を含んだジャンルやテーマの異なる16のテクスト（ここでは、テーマの拡がりを考慮し、表1.2-1と異なる資料を用いた。資料の平均サイズは22403バイトで、大きなファイルは先頭部分を抜き出した。ファイルの処理は前記に準ずる）の中で、それらが判別されるかどうか確かめた。これは、表1.2-4に示したように、良い結果を得なかった。また、イ-I、ロ-Iに対するランク１のテクストは、それぞれ著者の同じ、テーマの異なるテクストであった。Zip圧縮を用いる方法をテクストの意味論的な識別に用いうるとする主張は、疑わしいものと思われる。

結果として、Zip圧縮を用いる方法は、原著者との関係においてテクスト間の相対的関係を適切に指定するが、テーマやジャンルとの関係では、階層的分類と一致しないようである。これらは、著者の違いがテクストの特異性を明らかにすると示すものではないが、両者に一定の関係を示す点では、スタイルが書き手の問題であるという最も流布した見方（これはスタイルの数理的研究にも共通した認識である）と一致することが指摘できる。

計量的なスタイル研究は、既製の統計学理論を借りて分析しているのが現状である……理論の中味はblack boxとみなし、コンピュータで統計パッケージを走らせているのが現状のようである（吉岡1996：234）と言われることがある。特に本稿の方法は、処理を全体的にファイル=アーカイバ=ソフトウェアに依存しており、自らアルゴリズムを操作できないという問題がある。もちろん、データ圧縮法として、zipの採用する方法が最良のものであるわけでなく、より高度な圧縮アルゴリズムの開発が様々な領域で試みられている。辞書法（LZモデル化）による圧縮アルゴリズムにもバリエーションがあり、様々な新しい提案もなされている。また、特定の目的で開発される圧縮アルゴリズムもある（例：DNAシーケンス解析用のGenCompressなど）。原著者推定のための最良の圧縮アルゴリズム（扱うファイルサイズなどによって一つでないことも考えられる）を研究する余地は大きいものと思われるが、この点は、今後の学際的研究にゆだねられよう。

３．文体とパタン認識

計量文体学の近年の方法は、パタン認識に基づいてテクストの相対的関係を定めようとするものが多い。パタン認識の問題と結びつける研究傾向^注11は、文体研究を発展させるものといってよいし、言語や言語学の知識を必ずしも要しない点でユニークでもある。また、全体的に機械的処理を行なおうとすることは客観的である。

• 11）パタン認識は、テクストの美的な受容と密接にかかわる。シービオク（1989：201）は次のように述べている。『芸術的な動物』という概念は、動き、音、色彩、形態に対する高度な感受性によってではなくて、流動的な環境の中から動的な構造を引き出す生得、ないしは学習で獲得された能力によって規定されることになる。

しかし、かかる数理的な方法も、テクストの文体を把握するための確実な方法であるとはいえない。文体は、なにごとか把握し規定することが難しいものである(Benedetto et al.)といわれるように、その用語の意味するところははっきりせず、（それが把握できるものと定義されるならば）その把握も容易ではないからである。そのため、数理的分析によってテキストに何らかの質的な違いが導かれたときにも、その違いの意味するところにはもとのテキストに対してと同じだけ解釈の余地があるように思われる。違いがあることがわかったからといって、その違いが説明できるとは限らない。また、「文体」という用語に両立しえない意味が与えられることがある以上、複数の方法の総合によって文体を把握しうるというものではないが、「文体」に広く合意された意味もない以上、それを把握する確実な方法はないというべきだろう。つまるところ、文体をパタン認識の問題として捉えた場合、その成果は、テクストの相対的分類や原著者推定の便法となるだろう。われわれは、あるテクストとあるテクストとの違いを直観的に把握できるが、その直観を裏づけるものが数理的な研究である。

４．操作主義的文体観

操作主義的文体観は、〈文体〉と〈表現されたもの〉との関係をなぞろうとする。このことは、数理・計量的な手法と結びつかないとき、普遍的な類型と特殊な具体例との関係として記述される。問題は、特殊性と普遍性との具体的な配分にあるというより、特殊例をとりあげてなされる「実証」が、〈文体の理論〉の実証としては機能せず、文体論を文学論の中に位置づけることにしか貢献しないところにある。その結果、文体論は伝統的に優劣の評価を含むことが多く、主に、優れた文体を称揚することに偏ってきた。

数理的手法に対してどのような態度をとるにせよ、操作主義的文体観は、一方で書き手との関係で文体を理解しようとし、他方で所与の有機的な統一体を前提する傾向がある。しかし、例えば、次のような見解が事実と異なることは、e-textを前にしてはおのずと明らかである。

文章とは、有機的な統一体である言語表現の一全体を意味する。始めがあって、終りがあり、その間に有機的に連続する脈絡があって、それ自体をすべてとして完結している一全体を指す、たとえば、一作品というようなものである。（永尾1975：11）

また、ヨリ現実的な問題として、原著者に集約されない分散的なテクストにあって、原著者推定は象徴的問題といえる。例えば、web上のテクストの原著者が誰であるかは、通信経路をトレースしたほうが効率的である。われわれには、VRと現実の区別がつかないわけでない。もしも、その区別に困難の感じられることがあるとすれば、それは、われわれの知覚（情報への能動的な行為の投影）がデジタルビットと原子との物理的構成の区別に基づかないというに過ぎない。CGも植物も、視覚の投影において桜は桜である。同じように、特定のテクストの原著者をめぐる問題は、われわれの解釈が実体的書き手の区別には基づいていないという当然の真理を示すのである。