基于词共现网络动力学的文本作者识别
计算与语言
2017-01-30 v1
摘要
争议文档中的作者识别仍需要人类专业知识，但由于实际应用中文本和作者数量庞大，这对许多任务已不可行。在本研究中，我们引入一种基于代表书面文本的词共现网络动力学的方法，对 8 位作者的 80 篇文本语料库进行分类。文本被划分为具有相等语言标记数的段落，从中为 12 个拓扑度量创建时间序列。这些序列被证明是平稳的（p值>0.05），从而允许使用分布矩作为学习属性。通过采用径向基函数网络（Radial Basis Function Network）的优化监督学习过程，80 篇文本中有 68 篇被正确分类，即显著的 85% 作者匹配成功率。因此，发现纯动态网络度量的波动可刻画作者身份，从而为以小型演化网络描述文本开辟了道路。此外，所引入的方法允许以简单、快速的方式比较具有不同特征的文本。
引用
@article{arxiv.1608.01965,
title = {Text authorship identified using the dynamics of word co-occurrence networks},
author = {Camilo Akimushkin and Diego R. Amancio and Osvaldo N. Oliveira},
journal= {arXiv preprint arXiv:1608.01965},
year = {2017}
}