TAILIEUCHUNG - Báo cáo khoa học: "Local Histograms of Character N -grams for Authorship Attribution"

This paper proposes the use of local histograms (LH) over character n-grams for authorship attribution (AA). LHs are enriched histogram representations that preserve sequential information in documents; they have been successfully used for text categorization and document visualization using word histograms. In this work we explore the suitability of LHs over n-grams at the character-level for AA. We show that LHs are particularly helpful for AA, because they provide useful information for uncovering, to some extent, the writing style of authors. We report experimental results in AA data sets that confirm that LHs over character n-grams are more helpful. | Local Histograms of Character N-grams for Authorship Attribution Hugo Jair Escalante Thamar Solorio Graduate Program in Systems Eng. Dept. of Computer and Information Sciences Universidad Autonoma de Nuevo Leon University of Alabama at Birmingham San Nicolas de los Garza NL 66450 Mexico Birmingham AL 35294 USA solorio@ Manuel Montes-y-Gomez Computer Science Department INAOE Tonantzintla Puebla 72840 Mexico Department of Computer and Information Sciences University of Alabama at Birmingham Birmingham AL 35294 USA mmontesg@ Abstract This paper proposes the use of local histograms LH over character n-grams for authorship attribution AA . LHs are enriched histogram representations that preserve sequential information in documents they have been successfully used for text categorization and document visualization using word histograms. In this work we explore the suitability of LHs over n-grams at the character-level for AA. We show that LHs are particularly helpful for AA because they provide useful information for uncovering to some extent the writing style of authors. We report experimental results in AA data sets that confirm that LHs over character n-grams are more helpful for AA than the usual global histograms yielding results far superior to state of the art approaches. We found that LHs are even more advantageous in challenging conditions such as having imbalanced and small training sets. Our results motivate further research on the use of LHs for modeling the writing style of authors for related tasks such as authorship verification and plagiarism detection. 1 Introduction Authorship attribution AA is the task of deciding whom from a set of candidates is the author of a given document Houvardas and Stamatatos 2006 Luyckx and Daelemans 2010 Stamatatos 2009b . There is a broad field of application for AA methods including spam filtering de Vel et al. 2001 288 fraud detection computer forensics Lambers and Veenman 2009 .

• Báo cáo khoa học
• Local Histograms
• Character N grams
• Authorship Attribution
• 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