基于 N-Gram 与文体特征的微博文本取证作者分析
计算与语言
2020-10-19 v1
摘要
近年来，互联网上发布的信息和文本被用于刑事调查。遗憾的是，其中许多文本的作者是未知的。在某些渠道中，确定作者的问题可能更加困难，因为数字文本的长度被限制在一定数量的字符内。在这项工作中，我们旨在识别推文消息的作者，这些消息被限制为 280 个字符。我们评估了传统上用于作者归属的流行特征，这些特征在不同层次上捕捉写作风格的特性。我们的实验使用了一个自行抓取的包含 40 位用户的数据库，每位用户有 120 到 200 条推文。使用这一小数据集的结果是有希望的，不同特征提供的分类准确率在 92% 到 98.5% 之间。与现有的使用推文或短信等短文本的研究相比，这些结果具有竞争力。
引用
@article{arxiv.2003.11545,
title = {Forensic Authorship Analysis of Microblogging Texts Using N-Grams and Stylometric Features},
author = {Nicole Mariah Sharon Belvisi and Naveed Muhammad and Fernando Alonso-Fernandez},
journal= {arXiv preprint arXiv:2003.11545},
year = {2020}
}
备注
Accepted for publication at 8th International Workshop on Biometrics and Forensics, IWBF 2020