Resumen Técnico: Operadores de Historia y la Descomposición de Transformaciones de Original $\rightarrow$ Secuela

Planteamiento del Problema

El artículo aborda el desafío de cuantificar e interpretar la transformación literaria que ocurre cuando una novela original es seguida por una secuela. En lugar de tratar los libros como entidades estáticas o medirlos únicamente por similitud global, el autor propone tratar los libros como puntos en un espacio de incrustaciones de oraciones (sentence-embeddings) de alta dimensión y la transición de un original a una secuela como una operación geométrica (un vector de desplazamiento). La pregunta central es: Geométricamente, ¿qué se requiere para convertir el primer libro en el segundo? El objetivo es descomponer esta transformación en un pequeño conjunto de movimientos semánticos interpretables y con nombre ("Operadores de Historia") derivados directamente del texto de los dos libros, en lugar de depender de taxonomías externas fijas.

Metodología

1. Construcción del Espacio de Incrustación

El estudio utiliza el modelo all-mpnet-base-v2 para generar incrustaciones de oraciones de 768 dimensiones. La fuente de datos es un índice precomputado del corpus PG19 (libros de Project Gutenberg, anteriores a 1919).

• Vectores de Libro: Para evitar problemas de truncamiento de tokens inherentes a textos largos, el autor descarta el material de relleno (boilerplate: encabezados, licencias) y define el vector de un libro ($\bar{x}$) como la media normalizada en $L_2$ de las incrustaciones de sus párrafos restantes.
• Vector de Desplazamiento: Para un libro original $T$ y una secuela $H$, la transformación se define como el vector de desplazamiento $d = \bar{x}_H - \bar{x}_T$.

2. Descomposición de Ejes de Contenido

El artículo introduce un método de descomposición voraz (greedy) para desglosar $d$ en componentes interpretables:

• Construcción de la Base: Se genera una base de contenido $\{u_j\}$ mediante un Análisis de Componentes Principales (PCA) realizado únicamente sobre la unión de las incrustaciones de párrafos centradas del par específico de original y secuela. Esto asegura que los ejes representen direcciones de varianza real dentro de esos dos textos.
• Proyección Voraz: El desplazamiento $d$ se descompone proyectándolo sobre los ejes de la base, ordenados por la magnitud de su contribución ($|\langle d, u_j \rangle|$).
• Selección de Pasos: El algoritmo acumula pasos ($w_k$) y rastrea la "brecha angular cerrada" ($g_k$) entre el vector acumulado y el vector de la secuela objetivo. Los pasos se retienen solo si cierran más del 1% de la brecha angular restante; los demás se descartan como "peso muerto".
• Interpretación: Cada paso retenido corresponde a una operación along (a lo largo de) en el álgebra de los Operadores de Historia. El eje se nombra identificando los párrafos reales en los extremos (arg max/arg min) de la proyección, típicamente uno del original y otro de la secuela.

3. Métricas Comparativas

El estudio cuantifica las transformaciones utilizando:

• $\|d\|$ (Magnitud): La norma euclidiana del desplazamiento.
• Ratio de Participación: Una medida de qué tan concentrada está la transformación a través de los ejes (ratio bajo = concentrada en un eje; ratio alto = difusa/composicional).
• Techo de Contenido ($g_K$): La fracción de la brecha angular total cerrada por la base de contenido.
• Participación Dominante: El porcentaje del movimiento capturado por el eje más grande.

4. Validación de Intención (Estudio de Caso)

Para el par Tom Sawyer $\rightarrow$ Huckleberry Finn, el autor incrusta seis "intenciones de autoría declaradas" específicas (derivadas de las cartas de Mark Twain) como direcciones de frases. El estudio mide la fracción del desplazamiento realizado $d$ que se encuentra dentro del espacio de los vectores de intención, comparándola contra un baseline de subespacio aleatorio.

Resultados Clave

A. Una Taxonomía de Secuelas

El análisis de trece pares de autores verificados (que abarcan géneros desde la ficción detectivesca hasta el romance utópico) revela tres regímenes distintos de transformación de secuela:

1. Formulaica: Magnitud pequeña ($\|d\| \approx 0.12-0.18$) y baja concentración. La transformación es un cambio diminuto de bajo rango.
   • Ejemplo: The Adventures of Sherlock Holmes $\rightarrow$ The Memoirs of Sherlock Holmes de Arthur Conan Doyle (14% en el eje dominante).
2. Concentrada: Magnitud moderada a grande, pero altamente enfocada en un único eje semántico.
   • Ejemplo: Little Women $\rightarrow$ Little Men de Louisa May Alcott (75% del movimiento en un solo eje: el cambio de la madurez doméstica de las niñas al entorno escolar de los niños).
3. Composicional: La transformación se distribuye a través de muchos ejes pequeños (alto ratio de participación), representando una genuina recomposición del mundo narrativo.
   • Ejemplo: Tom Sawyer $\rightarrow$ Huckleberry Finn de Mark Twain (Ratio de participación 4.4; 8 pasos efectivos).

B. Estudio de Caso: Tom Sawyer $\rightarrow$ Huckleberry Finn

La descomposición de este par canónico ofrece perspectivas específicas:

• Dominancia Estructural: El eje recuperado más grande (32% del movimiento) es estructural: el colapso de la "domesticidad protectora" (Aunt Polly rezando) hacia el "fraude picaresco" (el estafador "rey").
• Ejes Secundarios: Los temas superficiales frecuentemente citados (la voz vernácula, la esclavitud) aparecen en ejes posteriores y más pequeños.
• Análisis de Ruta: La transformación transita a través del "espacio de aventura-viaje" (proximidad a Treasure Island, Kidnapped), mientras que una interpolación lineal ingenua simplemente diluiría el original hacia un realismo genérico.
• Alineación con la Intención: Al probarse contra las seis intenciones declaradas de Twain (cartas de 1875–1876), estas abarcan el 22.8% del desplazamiento realizado (significativamente por encima del baseline aleatorio del 8.9%). Sin embargo, el eje estructural dominante (refugio $\rightarrow$ fraude) fue el que menos coincidió con la lista de verificación explícita de Twain, lo que sugiere que este cambio estructural profundo fue una consecuencia emergente de la narrativa más que un elemento preplanificado.

Significado y Reivindicaciones

El artículo afirma proporcionar un método reproducible y anclado en el texto para descomponer las transformaciones literarias. Su importancia radica en tres áreas:

1. Metodológica: Demuestra que el desplazamiento entre dos libros puede descomponerse en una secuencia corta de operadores interpretables (específicamente el verbo along) sin imponer dimensiones semánticas externas. Los ejes se derivan estrictamente de la varianza dentro de los dos textos comparados.
2. Descriptiva: Establece una taxonomía de secuelas (Formulaica, Concentrada, Composicional) que distingue entre continuaciones basadas en plantillas y genuinas recomposiciones, respaldada por métricas cuantitativas a través de diversos autores.
3. Crítica: En el caso de Twain, la geometría revela que el "movimiento más profundo" de la secuela (el cambio estructural al camino picaresco) fue una propiedad emergente del texto, no capturada plenamente por las intenciones declaradas del autor. Esto sugiere que la geometría de las incrustaciones puede descubrir dinámicas narrativas que preceden o exceden el reporte de autoría.

El autor señala explícitamente las limitaciones: la muestra es pequeña (13 pares, anteriores a 1919, en inglés), la prueba de intención es un "límite inferior ruidoso" debido a desajustes de representación (frase frente a vectores de libro), y el método ignora la secuencia de la trama (usando la media de los pools). Sin embargo, el resultado central —que las transformaciones de original $\rightarrow$ secuela se descomponen en operadores interpretables y anclados al texto— se presenta como totalmente reproducible y con base empírica.