语料库列表（在表3－1中列出）表明，哈代和艾略特早期、中期和晚期的作品都包括在内。因为哈代在更长的时间里比艾略特创作了更多的作品，所以（这个语料库中）包含哈代的8部作品和艾略特的6部作品。如前所述，这两位作者中的一些作品并不是地区主义风格。因此，我们对体裁进行了四种比较：同一作者、相同体裁的比较；同一作者、体裁转型的比较；不同的作者、相同体裁的比较和不同作者的体裁转型比较。

其他被认为与哈代和艾略特的作品有体裁关系的小说家包括（以远近的接近度顺序）：夏洛蒂·勃朗特（Charlotte Brontë）、艾米莉·勃朗特（Emtly Brontë），查尔斯·狄更斯（Charles Dickens），以及和他们有较远体裁关系的简·奥斯汀（Jane Austen）。与奥斯汀的风格联系紧密的是弗朗西丝·伯尼（Frances Burney）的作品。与上述作者体裁关系较远的是以两部作品《哈克贝利·费恩历险记》（Huckleberry Finn）和《汤姆历险记》（Tom Sawyer）为代表的作家马克·吐温（Mark Twain）。最后，（这个语料库中还包含了）一些20世纪的小说，因为它们的体裁风格与（我们所研究的）核心体裁差别较大。

除了伯尼和艾米莉·勃朗特（Emily Brontë）以外，语料库中所有的小说家都至少有2部代表作品。（在语料库中包含）单一作品作者代表的原因，是想尝试进行一种“纯粹的”体裁比较，不受作者身份的限制。艾米莉·勃朗特（Emily Brontë）的作品只有一部（的原因），显然是因为她只写了一本小说。伯尼的情况并不是因为这样，（而是）因为她的相对而言较少的小说之间创作时间间隔较长，（而）这（相对较长的时间间隔）可能对作品的成功归因有一定的影响。因此，（我们认为）与在一个相对较小、包含相隔时间较长的作品的语料库中尝试归因相比，研究她的作品在与体裁相关的问题中的位置更为重要。一般来说，这个语料库中的小说被选择的原因是它们没有版权问题，并可以直接获取。

在抄袭案例中（处理）长文本的经验表明，对高频词的测量是在这种我们假设的情况下进行对比的最有效方式。（See Johnson 1997）该方法具有双重优点，（它不仅）易于理解，而且在软件中的实施更为直截了当。

该软件可以轻松复制，并具有以下功能：

1.删除标点符号、格式以及章标题。

2.删除专有名词和文本中独有的词语。(www.daowen.com)

3.从文本中删除功能词。为此，一个功能词单会被首先编辑，然后程序搜索并移除文本中发现的所有功能词。英语中约有350个常用功能词。所有形式的双重属性的词，如“have”“be”“like”等也被删除。这些词的频率通常很高，以至于保留它们会降低测试的有效性。

4.计算文本中最常见的30个词。因为前一点，这些将是实意词。这30个词是文本的高频词汇。

5.将每个文本的高频词汇与其他文本的高频词汇进行比较。注意每对文本中的公共词条（忽略所有的大写）。

6.根据他们共同的高频词汇的百分比，将每个小说与其他小说进行对比排序。

实现上述具体要求的软件不需要太多的编程知识，同时，这些语料库文本较为容易获得。因此，这里所描述的实验较易实现。