确定个体来源相似性(DInOS):基于文体特征的作者二分类
社会与信息网络
2019-12-10 v1
摘要
作者相似性与识别是以自动化方式检测国家主导的虚假信息活动的首要步骤。当前的检测技术需要分析师或领域专家手动筛选账户。文体特征在识别未知文档的作者方面有着丰富历史,但较少探索用于作者间的相互比较。我们改编了少数文体特征用于作者相似性度量,并在精心构建的作者分类任务上展示了其在传统机器学习与深度学习模型下均超过0.96的F-1性能。这些特征应有助于拓展作者相似性研究领域,并加速检测和遏制大规模社交媒体虚假信息活动的过程。
引用
@article{arxiv.1912.03750,
title = {Determining Individual Origin Similarity (DInOS): Binary Classification of Authors Using Stylometric Features},
author = {A. Kingsland and D. Fortin and E. Cary and S. Smith and K. Pazdernik and R. Perko},
journal= {arXiv preprint arXiv:1912.03750},
year = {2019}
}
备注
6 pages, 0 figures, 1 appendix