💬 NLP

Story Operators: Decomposing the Original $\to$ Sequel Transformation in Embedding Space

Dit artikel stelt een geometrisch kader voor voor het analyseren van literaire sequels door de verplaatsing tussen de embeddings van het origineel en de sequel te ontleden in interpreteerbare assen via PCA, wat onderscheidende transformatiepatronen over auteurs heen onthult en de structurele verschuiving in *Huckleberry Finn* valideert tegenover de gedocumenteerde auteurstintentie van Mark Twain.

Oorspronkelijke auteurs: W. Frederick Zimmerman

Gepubliceerd 2026-06-25

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: W. Frederick Zimmerman

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je een gigantische, onzichtbare kaart voor waar elk boek ter wereld een enkel stipje is. Als twee boeken over vergelijkbare dingen gaan, liggen hun stippen dicht bij elkaar. Als ze heel verschillend zijn, liggen de stippen ver uit elkaar.

Dit artikel stelt een eenvoudige vraag: Als je een boek neemt en er een vervolg van maakt, hoe ziet die reis er dan uit op deze kaart?

De auteur, W. Frederick Zimmerman, behandelt de transformatie van "Boek A" naar "Boek B" niet als een goocheltruc, maar als een wiskundige beweging. Hij noemt deze bewegingen "Verhaal-Operatoren" (Story Operators). Denk aan hen als specifieke instructies die je aan een GPS kunt geven: "Ga richting avontuur," "Draai weg van huis," of "Zoom in op gevaar."

Hier is hoe de studie werkt en wat het heeft gevonden, eenvoudig uitgelegd:

1. De Kaart en het Kompas

De auteur gebruikte een computerprogramma dat elke paragraaf van een boek omzet in een coördinaat op een 768-dimensionale kaart (stel je een kaart voor met 768 richtingen in plaats van alleen Noord/Zuid).

Het Boek: Hij berekende het gemiddelde van alle paragrafen om het "zwaartepunt" van het hele boek te vinden.
De Beweging: Hij tekende een lijn van het originele boek naar het vervolg. Deze lijn is de "verplaatsing" (displacement).
Het Kompas: In plaats van een vast kompas te gebruiken (zoals "Noord is altijd Avontuur"), bouwde hij voor elk paar boeken een op maat gemaakt kompas op basis van de werkelijke woorden in die boeken. Dit zorgt ervoor dat de richtingen specifiek zijn voor de wereld van dat verhaal.

2. De Reis Opdelen in Stappen

De auteur keek niet alleen naar de rechte lijn van Boek A naar Boek B. Hij brak die lijn af in een reeks kleine, benoemde stappen.

De Methode: Hij keek eerst naar de grootste veranderingen. Bijvoorbeeld, als de grootste verschuiving de overgang was van "thuis wonen" naar "reizen op een rivier", dan werd dat de eerste stap. Daarna keek hij naar de volgende grootste verandering, enzovoort.
Het Resultaat: Hij ontdekte dat de meeste vervolgen niet één grote sprong zijn, maar een korte keten van specifieke, begrijpelijke bewegingen.

3. Drie Soorten Vervolgen

Door naar 13 verschillende paren beroemde boeken te kijken (zoals Sherlock Holmes, Little Women en The Wizard of Oz), vond de auteur dat vervolgen over het algemeen in drie categorieën vallen:

Het "Formulematige" Vervolg (De Kleine Stap):
- Voorbeeld: Sherlock Holmes-verzamelingen.
- Wat er gebeurt: Het vervolg is bijna identiek aan het origineel. De "beweging" op de kaart is klein. Het is also$ een paar stappen zetten in dezelfde kamer. De personages en de toon veranderen nauwelijks.
Het "Geconcentreerde" Vervolg (De Grote Draai):
- Voorbeeld: Little Women naar Little Men.
- Wat er gebeurt: Het verhaal maakt één enorme, dominante verschuiving. Het is alsof je een schip in één keer 90 graden laat draaien. Het hele boek verandert van "meisjes die opgroeien in een huiselijk milieu" naar "jongens die een school runnen", en die enkele beweging verklaart het grootste deel van het verschil.
Het "Compositionele" Vervolg (De Complexe Reis):
- Voorbeeld: Tom Sawyer naar Huckleberry Finn.
- Wat er gebeurt: Het vervolg is een mix van veel kleine, verschillende veranderingen. Het is niet slechts één grote draai; het is een kronkelend pad met veel bochten en zijpaden. Het verhaal wordt vanuit veel verschillende hoeken tegelijkertijd opnieuw opgebouwd.

4. De Casestudy: Tom Sawyer naar Huckleberry Finn

De auteur duikte diep in de beroemde overgang van Mark Twain van Tom Sawyer naar Huckleberry Finn om te zien of de wiskunde overeenkwam met de geschiedenis.

Wat de Wiskunde Zegde: De grootste verandering was niet het beroemde thema van "slavernij" of de "volkse stem" waar mensen het meestal over hebben. De grootste verandering was structureel: het verhaal stortte in van een veilige, beschermde kindertijd naar een gevaarlijke, fraude-gevoelige reis. De wiskunde liet zien dat het verhaal bewoog van "thuis" naar "de rivier".
Wat Twain Zegde: Twain schreef brieven waarin hij zei dat hij een verhaal in de eerste persoon wilde schrijven over een jongen die door het leven rent, anders dan Tom.
De Overeenkomst: De wiskunde bevestigde het plan van Twain. De "road trip"-beweging was de dominante kracht. De wiskunde liet echter ook zien dat de geschreven plannen van Twain slechts ongeveer 23% van de werkelijke veranderingen verklaarden. De rest van de transformatie (de diepe structurele verschuiving) gebeurde natuurlijk tijdens de evolutie van het verhaal, misschien zelfs meer dan Twain expliciet had gepland.

5. Waarom Dit Belangrijk Is

Het artikel suggereert dat we nu kunnen beschrijven hoe een verhaal verandert met behulp van een vocabulaire van "operatoren".

In plaats van te zeggen "Dit vervolg is anders", kunnen we zeggen: "Dit vervolg beweegt 30% weg van huiselijke veiligheid en 20% richting rivieravontuur."
Het bewijst dat zelfs complexe literaire veranderingen kunnen worden onderverdeeld in een paar begrijpelijke, tekstgebaseerde richtingen.

Kortom: Het artikel behandelt boeken als punten op een kaart en vervolgen als reizen. Door de reis te meten, ontdekte de auteur dat sommige vervolgen kleine stappen zijn, sommige grote draaien, en sommige complexe avonturen. Het belangrijkste is dat, voor Huckleberry Finn, de wiskunde onthulde dat de diepste verandering een structurele verschuiving was van veiligheid naar gevaar, een beweging die dieper was dan de eigen aantekeningen van de auteur suggereerden.

Technische Samenvatting: Story Operators en de Decompositie van Original→Sequel Transformaties

Probleemstelling

Het artikel behandelt de uitdaging om de literaire transformatie te kwantificeren en te interpreteren die optreedt wanneer een originele roman wordt gevolgd door een vervolg. In plaats van boeken te behandelen als statische entiteiten of ze uitsluitend te meten aan de hand van globale gelijkenis, stelt de auteur voor om boeken te behandelen als punten in een hoogdimensionale zin-embeddingruimte, waarbij de overgang van een origineel naar een vervolg een geometrische operatie is (een verplaatsingsvector). De kernvraag is: Wat is er geometrisch gezien nodig om het eerste boek in het tweede te veranderen? Het doel is om deze transformatie te deconstrueren in een kleine set interpreteerbare, benoembare semantische bewegingen ("Story Operators") die direct afgeleid zijn van de tekst van de twee boeken, in plaats van te vertrouwen op vaste, externe taxonomieën.

Methodologie

1. Constructie van de Embeddingruimte

De studie maakt gebruik van het all-mpnet-base-v2 model om 768-dimensionale zin-embeddings te genereren. De gegevensbron is een vooraf berekende index van de PG19-corpus (Project Gutenberg, boeken van vóór 1919).

Boekvectoren: Om problemen met token-truncatie bij lange teksten te voorkomen, verwijdert de auteur boilerplate (headers, licenties) en definieert de vector van een boek ( $\bar{x}$ ) als de $L_2$ -genormaliseerde gemiddelde waarde van de embeddings van de resterende paragrafen.
Verplaatsingsvector: Voor een origineel boek $T$ en een vervolg $H$ , wordt de transformatie gedefinieerd als de verplaatsingsvector $d = \bar{x}_H - \bar{x}_T$ .

2. Decompositie langs de Content-as

Het artikel introduceert een gulzig (greedy) decompositie-algoritme om $d$ af te breken in interpreteerbare componenten:

Basisconstructie: Een content-basis $\{u_j\}$ wordt gegenereerd via Principal Component Analysis (PCA), uitgevoerd alleen op de unie van de gecentreerde paragraaf-embeddings van het specifieke paar origineel en vervolg. Dit garandeert dat de assen de richtingen van werkelijke variantie binnen die twee specifieke teksten vertegenwoordigen.
Gulzige Projectie: De verplaatsing $d$ wordt gedecomposeerd door deze te projecteren op de basisassen, gerangschikt op basis van de grootte van hun bijdrage ( $|\langle d, u_j \rangle|$ ).
Stapselectie: Het algoritme cumuleert stappen ( $w_k$ ) en houdt de "gesloten hoekafstand" ( $g_k$ ) bij tussen de geaccumuleerde vector en de doel-sequel vector. Stappen worden alleen behouden als ze meer dan 1% van de resterende hoekafstand sluiten; anderen worden weggegooid als "dead weight".
Interpretatie: Elke behouden stap komt overeen met een along operatie in de Story Operators-algebra. De as wordt benoemd door de werkelijke paragrafen te identificeren die zich aan de extremen bevinden (arg max/arg min) van de projectie, meestal één uit het origineel en één uit het vervolg.

3. Vergelijkende Metrieken

De studie kwantificeert transformaties met behulp van:

$\|d\|$ (Grootte): De Euclidische norm van de verplaatsing.
Participation Ratio: Een maatstaf voor hoe geconcentreerd de transformatie is over de assen (lage ratio = geconcentreerd op één as; hoge ratio = diffuus/compositioneel).
Content Ceiling ( $g_K$ ): Het fractie van de totale hoekafstand die door de content-basis wordt gesloten.
Dominant Share: Het percentage van de beweging dat door de grootste enkele as wordt gevangen.

4. Validatie van Intentie (Casestudy)

Voor het paar Tom Sawyer $\rightarrow$ Huckleberry Finn embedt de auteur zes specifieke "geuite auteurlijke intenties" (afgeleid van brieven van Mark Twain) als frase-richtingen. De studie meet welk deel van de gerealiseerde verplaatsing $d$ binnen de span van deze intentie-vectoren ligt, en vergelijkt dit met een willekeurige subspace-baseline.

Belangrijkste Resultaten

A. Een Taxonomie van Vervolgen

Analyse van dertien geverifieerde auteur-paren (variërend van detectiefictie tot utopische romance) onthult drie verschillende regimes van sequel-transformatie:

Formulaic (Formulematig): Kleine grootte ( $\|d\| \approx 0.12-0.18$ $∥ d ∥ \approx 0.12 - 0.18$ ) en lage concentratie. De transformatie is een kleine, laag-rangige verandering.
- Voorbeeld: Arthur Conan Doyle's The Adventures of Sherlock Holmes $\rightarrow$ The Memoirs of Sherlock Holmes (14% op de dominante as).
Concentrated (Geconcentreerd): Matige tot grote grootte, maar sterk gefocust op een enkele semantische as.
- Voorbeeld: Louisa May Alcott's Little Women $\rightarrow$ Little Men (75% van de beweging op één as: de verschuiving van meisjes' huiselijke coming-of-age naar jongens' schoolomgeving).
Compositional (Compositioneel): De transformatie is verdeeld over vele kleine assen (hoge participation ratio), wat een echte hercompositie van de narratieve wereld vertegenwoordigt.
- Voorbeeld: Mark Twain's Tom Sawyer $\rightarrow$ Huckleberry Finn (Participation ratio 4.4; 8 effectieve stappen).

B. Casestudy: Tom Sawyer $\rightarrow$ Huckleberry Finn

De decompositie van dit canonieke paar levert specifieke inzichten op:

Structurele Dominantie: De grootste herstelde as (32% van de beweging) is structureel: de instorting van "beschermende huiselijkheid" (Aunt Polly die bidt) naar "picareske fraude" (de oplichter "koning").
Secundaire Assen: Oppervlakkige thema's die vaak worden genoemd (volkstaal, slavernij) verschijnen op latere, kleinere assen.
Pad-analyse: De transformatie beweegt door de "avontuurlijke reis-ruimte" (nabijheid van Treasure Island, Kidnapped), terwijl een naïeve lineaire interpolatie de originele tekst slechts zou verdunnen richting generiek realisme.
Afstemming met Intentie: Wanneer getest tegen de zes geuite intenties van Twain (1875–1876), beslaan deze 22,8% van de gerealiseerde verplaatsing (significant hoger dan de willekeurige baseline van 8,9%). Echter, de dominante structurele as (beschutting $\rightarrow$ fraude) werd het minst overeengekomen met de expliciete checklist van Twain, wat suggereert dat deze diepe structurele verschuiving een emergent gevolg was van het narratief en geen vooraf gepland onderdeel.

Betekenis en Claims

Het artikel claimt een reproduceerbare, tekst-verankerde methode te bieden voor de decompositie van literaire transformaties. De betekenis ligt op drie gebieden:

Methodologisch: Het toont aan dat de verplaatsing tussen twee boeken kan worden gedecomposeerd in een korte sequentie van interpreteerbare "Story Operators" (specifiek het werkwoord along) zonder externe semantische dimensies op te leggen. De assen zijn afgeleid van de variantie binnen de twee vergeleken teksten.
Beschrijvend: Het vestigt een taxonomie van vervolgen (Formulaic, Concentrated, Compositional) die onderscheid maakt tussen sjabloonmatige voortzettingen en echte hercomposities, ondersteund door kwantitatieve metrieken over diverse auteurs.
Kritisch: In het geval van Twain onthult de geometrie dat de "diepste beweging" van het vervolg (de structurele verschuiving naar de picareske weg) een emergente eigenschap van de tekst was, die niet volledig werd gevangen door de geuite intenties van de auteur. Dit suggereert dat embedding-geometrie narratieve dynamieken kan blootleggen die voorafgaan aan of de zelfrapportage van de auteur overstijgen.

De auteur merkt expliciet beperkingen op: de steekproef is klein (13 paren, vóór 1919, Engels), de intentietest is een "ruisende ondergrens" vanwege mismatch in representatie (frase versus boekvectoren), en de methode negeert de plotvolgorde (door middel van mean pooling). Echter, de kernresultaten—dat original $\rightarrow$ sequel transformaties deconstrueren in interpreteerbare, tekst-verankerde operatoren—worden gepresenteerd als volledig reproduceerbaar en empirisch onderbouwd.