Sep, 2022

关于作者归属与作者验证方面现有技术的状况

PDF
TL;DR该研究论文介绍了谁是这篇文章作者（AA）和作者验证（AV）这两种方法，针对 AA/AV 数据集和评估指标的标准化与基准评估并评估了八种方法，其中传统的 Ngram-based 模型在 5 个 AA 任务中表现最佳，而 BERT-based 模型则在另外两个任务和 AV 任务中表现更好。通过使用 hard-negative mining，AV 方法可以作为 AA 方法的有竞争力的替代品。
authorship attributionauthorship verificationdataset standardizationngram-based modelbert-based model
发现论文，激发创造
  • 基于语法模型的作者验证的似然率

    提出了一种基于计算被称为 LambdaG 的概率比值的方法，并通过 12 个数据集的实证评估，证明了 LambdaG 在准确性和 AUC 方面的优势，以及其与语言处理的认知语言学理论的兼容性。

    Mar, 2024

  • 重新思考作者验证实验设置

    本文提出了五个新的公共分组来隔离和识别与文本主题和作者书写风格相关的偏差，并使用可解释的 AI 发现这些基线模型存在命名实体偏差，进而得出释放命名实体的模型在作者验证中更好的结果和更好的泛化能力，这对与 PAN 大规模作者验证数据集有重要意义。

    Dec, 2021

  • 通过迁移学习使用 ULMFiT 对孟加拉文学进行作者归属

    提出了一种使用 AWD-LSTM 架构和有效的迁移学习方法来解决孟加拉文学领域的作者归属问题，通过分析不同的标记化方法，并介绍了一个包含 16966 份样本文本和 13.4 + 百万词汇的公开孟加拉作者归属数据集（BAAD16），此外还释放了六个预训练语言模型的变体。通过对 BAAD16 数据集及其他公开数据集的评估，实验证明所提出的模型优于目前的最先进模型，在 BAAD16 数据集上达到 99.8% 的准确率，而且在作者数量增加时，系统的可伸缩性表现更好，性能依然稳定。

    Mar, 2024

  • 学习文体特征表示用于作者分析

    本文提出了一种使用神经网络方法来模拟人类组合句子过程，将语言特征的不同类别合并到单词的分布式表示中，以同时学习作者文体表示的作者分析方法，提取出每个文档的话题、词汇、句法和字符级别的特征向量，实验结果表明，这种方法在作者特征化和作者验证方面具有优异的性能。

    Jun, 2016

  • 由谁写下并出于何种原因？促使大型语言模型进行作者验证

    本研究提出了 PromptAV，这是一种基于大型语言模型（LLMs）和逐步文体解释提示的新技术，用于作者验证（AV）任务，通过提供逐步解释提示的方式来解决现有 AV 技术在数据需求和可解释性方面的限制。PromptAV 在有限的训练数据下表现优于现有技术，并且通过直观的解释提高了可解释性，展示了其作为一种有效可解释的 AV 任务解决方案的潜力。

    Oct, 2023

  • 锻造伪造者：通过数据增强改进作者验证的尝试

    在作者验证的敌对设置中，通过与负面合成样本增强分类器训练集，以模仿感兴趣作者的风格，无论是通过隐藏写作风格还是模仿其他作者的风格，本文以三种不同的生成器架构（基于循环神经网络的一种，基于小规模转换器的一种，以及基于流行的 GPT 模型的一种）和两种训练策略（一种受标准语言模型启发，另一种受 Wasserstein 生成对抗网络启发）来分析这种增强方法在作者验证任务中对分类器预测的改进效果。然而，实验结果显示，尽管该方法在许多敌对设置下有效，但其效果在实际应用中过于不稳定。

    Mar, 2024

  • 基于 BERT 的罗马尼亚语数据集 ROST 的作者归属

    使用预训练的语言模型 BERT 来检测罗马尼亚语文本的作者，虽然数据集不平衡，但结果比预期好，有时超过 87％的宏平均精度。

    Jan, 2023

  • 神经文本作者身份鉴定与混淆：数据挖掘视角

    本文综述了从数据挖掘的角度出发，针对神经文本生成中的作者归属与模糊化问题开展的最近研究，旨在理解传统作者归属与模糊化方法的局限性并探讨新的研究方向，以解决神经文本撰写人的匿名性与隐私问题。

    Oct, 2022

  • ALMs：作者语言模型用于作者归属

    本文介绍了一种作者归属方法，即作者语言模型 (ALMs)，它通过对一组候选作者的文本进行经验修正得到的调整语言模型的困惑度，从而识别问询文档的最有可能的作者。我们使用 CCAT50 数据集和 Blogs50 数据集对 ALMs 进行了基准测试，并发现 ALMs 在 Blogs50 上达到 83.6% 的宏平均准确率，超过所有其他方法，在 CCAT50 上达到 74.9% 的宏平均准确率，与最好方法的性能相当。此外，我们还进行了关于短文本的删除测试，结果发现为了达到 70% 的宏平均准确率，ALMs 需要在 Blogs50 上有 40 个词元，在 CCAT50 上有 400 个词元，而为了达到 60% 的宏平均准确率，ALMs 需要在 Blogs50 上有 20 个词元，在 CCAT50 上有 70 个词元。

    Jan, 2024

  • CAVE: 可控作者验证解释

    通过预训练模型 CAVE，我们能够生成结构化且可验证的作者身份验证（AV）解释，这对于高风险应用中的实际应用非常重要，同时保持较高的任务准确性。

    Jun, 2024