TAILIEUCHUNG - Báo cáo khoa học: "Unsupervised Decomposition of a Document into Authorial Components"

Navot Akiva Dept. of Computer Science Bar-Ilan University Ramat Gan, Israel {moishk,}@ Idan Dershowitz Dept. of Bible Hebrew University Jerusalem, Israel dershowitz@ We propose a novel unsupervised method for separating out distinct authorial components of a document. In particular, we show that, given a book artificially “munged” from two thematically similar biblical books, we can separate out the two constituent books almost perfectly. | Unsupervised Decomposition of a Document into Authorial Components Moshe Koppel Navot Akiva Dept. of Computer Science Bar-Ilan University Ramat Gan Israel Idan Dershowitz Dept. of Bible Hebrew University Jerusalem Israel moishk @ dershowitz@ Nachum Dershowitz School of Computer Science Tel Aviv University Ramat Aviv Israel nachumd@ Abstract We propose a novel unsupervised method for separating out distinct authorial components of a document. In particular we show that given a book artificially munged from two thematically similar biblical books we can separate out the two constituent books almost perfectly. This allows us to automatically recapitulate many conclusions reached by Bible scholars over centuries of research. One of the key elements of our method is exploitation of differences in synonym choice by different authors. 1 Introduction We propose a novel unsupervised method for separating out distinct authorial components of a document. There are many instances in which one is faced with a multi-author document and wishes to delineate the contributions of each author. Perhaps the most salient example is that of documents of historical significance that appear to be composites of multiple earlier texts. The challenge for literary scholars is to tease apart the document s various components. More contemporary examples include analysis of collaborative online works in which one might wish to identify the contribution of a particular author for commercial or forensic purposes. We treat two versions of the problem. In the first easier version the document to be decomposed is given to us segmented into units each of which is the work of a single author. The challenge 1356 is only to cluster the units according to author. In the second version we are given an unsegmented document and the challenge includes segmenting the document as well as clustering the resulting units. We assume here that no information about the authors of

• Báo cáo khoa học
• Unsupervised Decomposition
• a Document into Authorial Components
• Moshe Koppel
• báo cáo khoa học
• báo cáo ngôn ngữ
• ngôn ngữ tự nhiên
• 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