Zesting Up Stylometry with MapLemon: A Corpus for Stylometric Demographic Identification

Abstract

MapLemon is a corpus in its second iteration that was created to obtain a baseline corpus for linguistic variation among English-speaking North Americans. The MapLemon corpus currently houses upwards of 21,000 words across 185 participants, 10+ linguistic backgrounds, and 40+ US states and Canadian provinces. MapLemon also houses writing from 91 transgender and non-binary individuals. MapLemon presents a unique method for data collection in the virtual written medium and a corpus that has proven useful for identifying demographic information via writing style, otherwise known as stylometry.MapLemon est un corpus en sa deuxième itération qui a été créé pour obtenir un corpus de référence des variations linguistiques parmi les anglophones d'Amérique du Nord. Le corpus MapLemon contient actuellement plus de 21 000 mots provenant de 185 participants de plus de 10 origines linguistiques et de plus de 40 États américains et provinces canadiennes. MapLemon contient également les écrits de 91 personnes transgenres et non binaires. MapLemon présente une méthode unique de collecte de données dans le domaine de l'écriture virtuelle et un corpus qui s'est avéré utile pour identifier des informations démographiques par le biais du style d'écriture, également connu sous le nom de stylométrie.

Keywords

• linguistics
• stylometry
• corpus
• text as data
• textual analysis
• transgender linguistics