该案例来自于Petr Plecháč于2019年3月发表于康奈尔大学电子预印刷本资料库的文章《Relative contributions of Shakespeare and Fletcher in Henry VIII: An Analysis Based on Most Frequent Words and Most Frequent Rhythmic Patterns》，原文可见arXiv preprint arXiv。本案例只对研究方法和流程进行介绍，具体分析内容可见原文。
研究简介 剧作《亨利八世》（Henry VIII）是一部合作的作品，并非威廉·莎士比亚（William Shakespeare）独有。Petr Plecháč[研究方法]通过词汇的频次和韵律与机器学习的方法；[研究目的]来确定哪些作者也参与了剧本的写作以及他们的相对贡献是什么。
研究设计 研究依据 基于词频统计 基于词汇韵律 研究框架 该研究作者分别将莎士比亚同时期作品以及‘代写’嫌疑人的作品都输入到了算法系统（分类模型）当中，让分类模型学习他们各自的语言风格，行文习惯等 算法模型：支持向量机 使用特征 500各高频词的词频、500个高频韵律的频率。此外，也训练了只使用高频词或只使用高频韵律作为特征的模型。 训练语料 同时代三者作品的所有场景，共计53个莎士比亚（Shakespeare）样本，90个弗莱彻（Fletcher）样本，46个菲利普·马辛格（Massinger）样本【注释1】。 模型验证【注释2】 分类模型都学习完成后，作者将《亨利八世》输入到算法系统中，进行逐字逐句分析滚动归因测试结果
根据结果，剧作中存在着许多风格突然转变的地方，对分格转变进行分析。 该研究提出滚动归因方法以区分多个作者的贡献分类问题【注释3】。 将未识别出的‘代写’嫌疑人的著作输入到分类模型中，通过模型对其行文分析，以排除或确定其代写可能性
结论分析 通过莎士比亚与其“代写”嫌疑人（弗莱彻和菲利普·马辛格）的其他作品训练分类模型 《亨利八世》写作风格分析 《亨利八世》确实是由两个人合作完成的，并且另外一个人，就是现有研究多所怀疑的弗莱彻。
剧作中存在着许多风格突然转变的地方，例如第一幕的第三场，第三幕的第一场等。而从统计结果来看，这部作品真正来自于莎士比亚笔下的，只有一半左右。
其他“嫌疑人”的确定或排除 为了让测试更加严谨且更具对比性，通过将另一位‘代写’嫌疑人菲利普·马辛格的著作风格进行分析。
结果显示，虽然与菲利普·马辛格与《亨利八世》的行文风格也有相似的地方，但占比相比起弗莱彻的根本不值得一提，所以基本可以排除菲利普·马辛格的嫌疑。
案例注释
-
为解决样本数据的不平衡，通过随机抽样得到每个作者的相同数量的训练样本；为了得到更加有代表性的结果，对每个场景的分类重复三十次。
-
为了避免过拟合，该研究未使用标准k折交叉验证，对一个戏剧中的场景的分类使用的训练数据是所有其他戏剧的场景。
-
滚动归因是专门为混合作者的问题所设计的技术，是对固定长度的重叠部分进行分类，使用一个作者概率分布来进行归因。 使用Shakespeare和Fletcher的各4个戏剧进行了滚动归因的测试。选定固定长度为100行，步长为5行，每个戏剧训练30个模型（训练特征、抽样方式、验证方式与之前相同），最终的输出结果转化为一个概率分布。
-（add link ！！）论文原文：Relative Contributions of Shakespeare and Fletcher in Henry VIII: An Analysis Based on Most Frequent Words and Most Frequent Rhythmic Patterns