A Tool for Literary Studies: Intertextual Distance and Tree Classification

How to measure proximities and oppositions in large text corpora? Intertextual distance provides a simple and interesting solution. Its properties make it a good tool for text classification, and especially for tree-analysis which is fully presented and discussed here. In order to measure the quality of this classification, two indices are proposed. The method presented provides an accurate tool for literary studies -as is demonstrated by applying it to two areas of French literature, Racine's tragedies and an authorship attribution experiment. Résumé Comment mesurer les proximités et les oppositions dans les grands corpus de texts ? La distance intertextuelle offre une solution simple et intéressante. Ses propriétés en font un excellent outil pour la classification des texts, spécialement la classification arborée qui est présentée et discutée de manière exhaustive. Deux indices sont proposés pour contrôler la qualité de cette classification. Cette méthode présente un outil très utile pour les études littéraires comme le montrent deux applications dans deux domaines : les tragédies de Racine et une expérience d'attribution d'auteur. lexical statistics ; intertextual distance ; clustering ; tree-analysis ; French literature ; Racine ; authorship attribution