Sintesi Tecnica: Operatori di Storia e la Decomposizione delle Trasformazioni Originale $\to$ Sequel

Problema

Il saggio affronta la sfida di quantificare e interpretare la trasformazione letteraria che avviene quando a un romanzo originale segue un sequel. Invece di trattare i libri come entità statiche o misurarli esclusivamente tramite una somiglianza globale, l'autore propone di trattare i libri come punti in uno spazio ad alta dimensionalità di embedding di frasi e la transizione da un originale a un sequel come un'operazione geometrica (un vettore di spostamento). La domanda centrale è: Geometricamente, cosa serve per trasformare il primo libro nel secondo? L'obiettivo è decomporre questa trasformazione in un piccolo insieme di mosse semantiche interpretabili e nominate ("Operatori di Storia"), derivate direttamente dal testo dei due libri, piuttosto che affidarsi a tassonomie esterne fisse.

Metodologia

1. Costruzione dello Spazio di Embedding

Lo studio utilizza il modello all-mpnet-base-v2 per generare embedding di frasi a 768 dimensioni. La fonte dei dati è un indice precomputato del corpus PG19 (libri di Project Gutenberg, precedenti al 1919).

• Vettori dei Libri: Per evitare problemi di troncamento dei token inerenti ai testi lunghi, l'autore scarta le parti di contorno (intestazioni, licenze) e definisce il vettore di un libro ($\bar{x}$) come la media $L_2$-normalizzata degli embedding dei suoi paragrafi rimanenti.
• Vettore di Spostamento: Per un libro originale $T$ e un sequel $H$, la trasformazione è definita come il vettore di spostamento $d = \bar{x}_H - \bar{x}_T$.

2. Decomposizione dell'Asse del Contenuto

Il saggio introduce un metodo di decomposizione greedy per scomporre $d$ in componenti interpretabili:

• Costruzione della Base: Una base di contenuto $\{u_j\}$ viene generata tramite Analisi delle Componenti Principali (PCA) eseguita solo sull'unione degli embedding dei paragrafi centrati del caso specifico di originale e sequel. Ciò assicura che gli assi rappresentino direzioni di variazione effettiva all'interno di quei due testi.
• Proiezione Greedy: Lo spostamento $d$ viene decomposto proiettandolo sugli assi della base, ordinati per magnitudo del loro contributo ($|\langle d, u_j \rangle|$).
• Selezione degli Step: L'algoritmo accumula gli step ($w_k$) e traccia il "gap angolare colmato" ($g_k$) tra il vettore accumulato e il vettore target del sequel. Gli step vengono mantenuti solo se colmano più dell'1% del gap angolare rimanente; gli altri vengono scartati come "peso morto".
• Interpretazione: Ogni step mantenuto corrisponde a un'operazione along nell'algebra degli Operatori di Storia. L'asse viene nominato identificando i paragrafi reali agli estremi (arg max/arg min) della proiezione, tipicamente uno dall'originale e uno dal sequel.

3. Metriche Comparative

Lo studio quantifica le trasformazioni utilizzando:

• $\|d\|$ (Magnitudo): La norma euclidea dello spostamento.
• Rapporto di Partecipazione: Una misura di quanto la trasformazione sia concentrata sugli assi (rapporto basso = concentrata su un unico asse; rapporto alto = diffusa/composizionale).
• Soglia del Contenuto ($g_K$): La frazione del gap angolare totale colmato dalla base del contenuto.
• Quota Dominante: La percentuale della mossa catturata dal singolo asse più grande.

4. Validazione dell'Intento (Caso di Studio)

Per la coppia Tom Sawyer $\to$ Huckleberry Finn, l'autore incorpora sei specifici "intenti autoriali dichiarati" (derivati dalle lettere di Mark Twain) come direzioni di frase. Lo studio misura la frazione dello spostamento realizzato $d$ che giace all'interno dell'estensione di questi vettori di intento, confrontandola con un baseline di sottospazio casuale.

Risultati Chiave

A. Una Tassonomia dei Sequel

L'analisi di tredici coppie di autori verificati (che spaziano tra generi dalla narrativa investigativa al romanzo utopico) rivela tre regimi distinti di trasformazione del sequel:

1. Formulaico: Magnitudo ridotta ($\|d\| \approx 0.12-0.18$) e bassa concentrazione. La trasformazione è un cambiamento minimo, a basso rango.
   • Esempio: Arthur Conan Doyle, The Adventures of Sherlock Holmes $\to$ The Memoirs of Sherlock Holmes (14% sull'asse dominante).
2. Concentrato: Magnitudo da moderata a grande, ma altamente focalizzato su un singolo asse semantico.
   • Esempio: Louisa May Alcott, Little Women $\to$ Little Men (75% della mossa su un singolo asse: il passaggio dal passaggio all'età adulta domestico femminile alla scuola elementare maschile).
3. Composizionale: La trasformazione è distribuita su molti piccoli assi (alto rapporto di partecipazione), rappresentando una vera ricomposizione del mondo narrativo.
   • Esempio: Mark Twain, Tom Sawyer $\to$ Huckleberry Finn (Rapporto di partecipazione 4.4; 8 step effettivi).

B. Caso di Studio: Tom Sawyer $\to$ Huckleberry Finn

La decomposizione di questa coppia canonica fornisce intuizioni specifiche:

• Dominanza Strutturale: Il più grande asse recuperato (32% della mossa) è strutturale: il collasso della "domesticità protettiva" (la preghiera di Aunt Polly) nella "frode picaresca" (il truffatore "re").
• Assi Secondari: I temi superficiali spesso citati (voce vernacolare, schiavitù) appaiono su assi successivi e più piccoli.
• Analisi del Percorso: La trasformazione attraversa lo "spazio dell'avventura-viaggio" (prossimità a L'isola del tesoro, Kidnapped), mentre un'interpolazione lineare ingenua diluirebbe semplicemente l'originale verso un realismo generico.
• Allineamento con l'Intento: Quando testata contro le lettere documentate di Twain (1875–1876), i sei intenti dichiarati coprono il 22,8% dello spostamento realizzato (significativamente sopra l'8,9% del baseline casuale). Tuttavia, l'asse strutturale dominante (rifugio $\to$ frode) è stato l'asse che meno ha coinciso con la checklist esplicita di Twain, suggerendo che questo profondo spostamento strutturale fosse una conseguenza emergente della narrazione piuttosto che un elemento pre-pianificato.

Significato e Rivendicazioni

Il saggio sostiene di fornire un metodo riproducibile e ancorato al testo per decomporre le trasformazioni letterarie. La sua importanza risiede in tre aree:

1. Metodologica: Dimostra che lo spostamento tra due libri può essere decomposto in una breve sequenza di interpretabi "Operatori di Storia" (specificamente il verbo along) senza imporre dimensioni semantiche esterne. Gli assi sono derivati strettamente dalla variazione all'interno dei due testi messi a confronto.
2. Descrittiva: Stabilisce una tassonomia dei sequel (Formulaico, Concentrato, Composizionale) che distingue tra continuazioni basate su modelli e vere ricomposizioni, supportata da metriche quantitative attraverso diversi autori.
3. Critica: Nel caso di Twain, la geometria rivela che il "movimento più profondo" del sequel (lo spostamento strutturale verso la strada picaresca) è stata una proprietà emergente del testo, non pienamente catturata dagli intenti dichiarati dall'autore. Ciò suggerisce che la geometria degli embedding possa scoprire dinamiche narrative che precedono o superano l'auto-reportistica autoriale.

L'autore nota esplicitamente i limiti: il campione è piccolo (13 coppie, pre-1919, inglese), il test dell'intento è un "limite inferiore rumoroso" a causa di discrepanze di rappresentazione (frase vs vettori di libro) e il metodo ignora la sequenza della trama (usando il pooling medio). Tuttavia, il risultato principale — ovvero che le trasformazioni originale $\to$ sequel si decompongono in operatori interpretabili e ancorati al testo — è presentato come pienamente riproducibile e basato su evidenze empiriche.