MedLatinEpi 与 MedLatinLit：用于中世纪拉丁文本计算作者分析的两个数据集
计算与语言
2021-09-22 v2 信息检索
摘要
我们发布并提供 MedLatinEpi 与 MedLatinLit 两个中世纪拉丁文本数据集，用于计算作者分析研究。MedLatinEpi 与 MedLatinLit 分别由 294 篇和 30 篇按作者标注的精筛文本组成；MedLatinEpi 文本为书信性质，而 MedLatinLit 文本包含关于各类主题的文学评注与论著。因此，这两个数据集适用于支持作者分析任务的研究，如作者归属、作者验证或同作者验证。除数据集外，我们提供了在这些数据集上针对作者验证任务（即预测未知作者文本是否由某候选作者所写）的实验结果。我们还公开了所用作者验证系统的源代码，以便其他研究者复现实验并将其作为基线。我们亦描述了上述作者验证系统以这些数据集为训练数据，用于考察两篇作者归属存在学术争议的中世纪书信之作者身份的应用。
引用
@article{arxiv.2006.12289,
title = {MedLatinEpi and MedLatinLit: Two Datasets for the Computational Authorship Analysis of Medieval Latin Texts},
author = {Silvia Corbara and Alejandro Moreo and Fabrizio Sebastiani and Mirko Tavoni},
journal= {arXiv preprint arXiv:2006.12289},
year = {2021}
}