POSNoise：一种针对作者身份分析中主题偏差的有效对策
计算与语言
2021-07-02 v2 数字图书馆
机器学习
摘要
作者身份验证（AV）是数字文本取证中的一项基础研究任务，旨在解决两篇文本是否由同一人所写的问题。近年来，人们提出了多种关注该问题的AV方法，可归为两类：第一类指基于显式定义特征的方法，此类方法能完全控制考虑哪些特征及其实际表征。第二类则涉及基于隐式定义特征的AV方法，其中不涉及控制机制，因而文本中任意字符序列均可作为潜在特征。然而，属于第二类的AV方法存在风险，即文本主题可能使其分类预测产生偏差，进而对其结果得出误导性结论。为解决此问题，我们提出一种称为POSNoise的预处理技术，可有效掩盖给定文本中与主题相关的内容。以此方式，AV方法被迫聚焦于更与写作风格相关的文本单元。基于六种AV方法（属第二类）与七个语料库的实证评估表明，在42个案例中POSNoise有34例较知名的主题掩盖方法取得更优结果，准确率提升最高达10%。
引用
@article{arxiv.2005.06605,
title = {POSNoise: An Effective Countermeasure Against Topic Biases in Authorship Analysis},
author = {Oren Halvani and Lukas Graner},
journal= {arXiv preprint arXiv:2005.06605},
year = {2021}
}
备注
Paper has been accepted for publication in: The 16th International Conference on Availability, Reliability and Security (ARES 2021)