TAILIEUCHUNG - Báo cáo khoa học: "Authorship Attribution Using Probabilistic Context-Free Grammars"

In this paper, we present a novel approach for authorship attribution, the task of identifying the author of a document, using probabilistic context-free grammars. Our approach involves building a probabilistic context-free grammar for each author and using this grammar as a language model for classification. We evaluate the performance of our method on a wide range of datasets to demonstrate its efficacy. (2008) use a combination of word-level statistics and part-of-speech counts or n-grams. . | Authorship Attribution Using Probabilistic Context-Free Grammars Sindhu Raghavan Adriana Kovashka Raymond Mooney Department of Computer Science The University of Texas at Austin 1 University Station C0500 Austin TX 78712-0233 USA sindhu adriana mooney @ Abstract In this paper we present a novel approach for authorship attribution the task of identifying the author of a document using probabilistic context-free grammars. Our approach involves building a probabilistic context-free grammar for each author and using this grammar as a language model for classification. We evaluate the performance of our method on a wide range of datasets to demonstrate its efficacy. 1 Introduction Natural language processing allows us to build language models and these models can be used to distinguish between languages. In the context of written text such as newspaper articles or short stories the author s style could be considered a distinct language. Authorship attribution also referred to as authorship identification or prediction studies strategies for discriminating between the styles of different authors. These strategies have numerous applications including settling disputes regarding the authorship of old and historically important documents Mosteller and Wallace 1984 automatic plagiarism detection determination of document authenticity in court Juola and Sofko 2004 cyber crime investigation Zheng et al. 2009 and forensics Luyckx and Daelemans 2008 . The general approach to authorship attribution is to extract a number of style markers from the text and use these style markers as features to train a classifier Burrows 1987 Binongo and Smith 1999 Diederich et al. 2000 Holmes and Forsyth 1995 Joachims 1998 Mosteller and Wallace 1984 . These style markers could include the frequencies of certain characters function words phrases or sentences. Peng et al. 2003 build a character-level n-gram model for each author. Sta-matatos et al. 1999 and Luyckx and Daelemans 2008 .

• Báo cáo khoa học
• Authorship Attribution
• Probabilistic Context Free Grammars
• Sindhu Raghavan Adriana Kovashka Raymond Mooney
• báo cáo khoa học
• báo cáo ngôn ngữ
• ngôn ngữ tự nhiên
• Author aware Topic Models
• Yanir Seroussi
• Lost in Translation
• Frame Semantics
• Local Histograms
• Character N grams
• Automatic Authorship Attribution
• E
• Stamatatos
• Fakotakis and G
• Kokkinakis
• scientific reports
• model language
• process natural language
• Language Independent Authorship Attribution
• Character Level Language Models
• Fuchun Pen
• Bài giảng Xử lý ngôn ngữ tự nhiên
• Xử lý ngôn ngữ tự nhiên
• Kỹ thuật lập trình
• Mô hình ngôn ngữ
• Mô hình n gram
• Dịch máy
• Phương pháp dịch máy
• Hiểu ngôn ngữ
• Phân loại tin tự động
• Tạo chí tin học
• Điều khiển học
• Truy vấn ngôn ngữ tự nhiên
• Phép dịch truy vấn ngôn ngữ tự nhiên
• Truy vấn SQL
• Văn phạm ngữ nghĩa
• Xử lý nhập nhằng ngữ nghĩa
• Xử lý ngữ nghĩa
• Phân tích ngữ nghĩa
• Biểu diễn vị từ
• Thuộc tính về sự kiện
• Thuộc tính về sự kiện
• Xử lý ngôn ngữ
• Natural Language Processing
• Ngôn ngữ lập trình
• Nhập nhằng cấu trúc
• Tri thức về ngôn ngữ
• Mô hình ngôn ngữ Google Book N grams
• Mô hình ngôn ngữ KenLM
• Phương pháp làm mịn
• Bài toán PTCP
• Phân tích cú pháp
• Cấu trúc ngữ pháp
• Phân tích cú pháp xác suất
• CKY kết hợp xác suất
• Văn phạm phi ngữ cảnh xác suất
• Hình thái học
• Gán nhãn từ loại
• Ngôn ngữ tự nhiên trong dịch máy
• Hệ thống dịch máy
• Phương pháp xây dựng bảng từ
• Tác từ
• Conditional random fields
• Nhận dạng thực thể có tên
• Đối tượng vật lý trừu tượng
• Phân lớp văn bản
• Biểu diễn nhị phân
• Ma trận từ văn bản
• Wolfram Alpha
• Trích rút thông tin
• Phương pháp Snowball