TraSE：从认知科学视角应对作者写作风格分析
计算与语言
2023-12-07 v2 人工智能
机器学习
摘要
文本的风格分析是介于作者归属、法医分析与人格画像等诸多研究领域中的一项关键任务。现有的风格分析方法深受主题影响、对大量作者缺乏区分能力以及需要大量多样化数据等问题的困扰。本文指出了这些问题的根源，并阐明了在解决这些问题时从认知视角审视作者风格的必要性。为此，我们引入了一种新颖的特征表示，称为基于轨迹的风格估计（TraSE）。在跨领域场景下，针对超过 27,000 名作者和 140 万个样本进行的作者归属实验取得了 90% 的归属准确率，表明该特征表示不受此类负面因素的影响，是风格分析的极佳候选方案。最后，我们利用年龄等人体物理特征对 TraSE 进行定性分析，以验证其在捕捉认知特征方面的主张。
引用
@article{arxiv.2206.10706,
title = {TraSE: Towards Tackling Authorial Style from a Cognitive Science Perspective},
author = {Ronald Wilson and Avanti Bhandarkar and Damon Woodard},
journal= {arXiv preprint arXiv:2206.10706},
year = {2023}
}
备注
Experimental results in the paper are incorrectly reported due to an unforeseen glitch in the software prototype. The paper and its findings are withdrawn