主题混淆任务：一种作者归属的新场景

作者归属是从一组候选作者中识别匿名文本最可能作者的问题。研究者已探讨过作者归属的同主题与跨主题场景，其区别在于测试阶段是否使用新的、未见过的话题。然而，两种场景均无法解释错误是由未能捕捉作者写作风格还是由话题偏移引起。受此驱动，我们提出\emph{主题混淆}任务，在训练集与测试集之间切换作者-话题配置。该设置使我们能区分两类错误：由话题偏移引起的错误，以及由特征无法捕捉写作风格引起的错误。我们表明，带词性标签的文体学特征最不易受话题变化影响。我们进一步表明，将其与其他特征结合可显著降低主题混淆并提高归属准确率。最后，我们表明诸如 BERT 与 RoBERTa 的预训练语言模型在此任务上表现不佳，并被词级 $n$-gram 等简单特征超越。