机器学习方法在法医语言学中的可解释性：地域语言作者特征研究案例

Apr, 2024

机器学习方法在法医语言学中的可解释性：地域语言作者特征研究案例

Explainability of Machine Learning Approaches in Forensic Linguistics: A Case Study in Geolinguistic Authorship Profiling

PDF

Dana Roemling, Yves Scherrer, Aleksandra Miletic

TL;DR在这篇论文中，我们探讨了在法医语言学背景下机器学习方法的可解释性，通过使用一种地理语言学分析方法，提取与语言分类相关的词汇特征，并观察到训练模型也使用地名进行分类。

Abstract

forensic authorship profiling uses linguistic markers to infer characteristics about an author of a text. This task is paralleled in dialect classification, where a prediction is made about the linguistic variety of a text based on the text itself. While there have been significant adv

forensic authorship profiling dialect classification variety classification explainability of machine learning approaches geolinguistic profiling

发现论文，激发创造

大型语言模型上的神经作者归属性：风格分析

通过实证分析大型语言模型（LLMs）的写作特征、对比专有和开源模型的异同、并探索通过语言的词汇、句法和结构方面的风格特征整合实现对 AI 生成文本的追溯，为神经网络作者归属提供经验性洞见，为应对 AI 生成的错误信息的威胁铺平道路。

Aug, 2023

大型语言模型能否识别作者？

使用大型语言模型进行作者身份验证和归属度分析的研究，以及通过详细分析语言特征为决策提供解释，为未来基于大型语言模型的作者身份分析研究建立了新的基准。

Mar, 2024

基于注意力相似度学习的社交媒体可解释式作者验证

本文针对社交媒体上短文本语言特征多变不足以支持作者验证的问题，提出了一种基于 Hierarchical Siamese 神经网络的算法，通过学习神经特征和可视化决策过程可以有效地进行作者验证，并在大规模的亚马逊评论数据集上进行实验，结果表明 Siamese 神经网络模型优于传统的基于语言特征的方法。

Oct, 2019

社交媒体中的作者身份验证相似性学习

提出了一种新的神经网络拓扑结构用于类似社交媒体这类挑战性数据集上，有效地提高了作者验证任务的性能。

Aug, 2019

利用可解释机器学习揭示跨语言间的事实

本研究采用可解释的机器学习算法，分析了母语辨别任务的内部机制，以获得其分类决策的解释，并通过三个数据集研究了词汇、形态、句法和统计等语言特征在母语辨别和非母语辨别任务中的有效性。

Aug, 2022

文化遗产应用中可解释的作者识别：一种新的观察分析

本研究探索现有的通用可解释人工智能技术在计算作者识别中的适用性，尤其关注提供给文化遗产领域学者的解释。通过在真实的作者识别数据上进行实验，我们评估了三种不同类型的可解释人工智能技术在三个不同的作者识别任务上的相对优势，并指出虽然这些技术对于可解释的作者识别迈出了重要的第一步，但仍需要进一步的工作才能提供能够有效集成到学者工作流程中的工具。

Nov, 2023

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

可读性评估的语言特征

本文旨在通过将语言学特征与深度学习模型相结合，评估阅读难度，发现在足够的训练数据下，使用语言学特征并不能提高深度学习模型的性能。

May, 2020

地理信息辅助语种识别

通过结合地理信息，本研究开发了一种语言识别方法，形成了 16 个区域模型，覆盖 916 种语言，模型性能得到改善。

Mar, 2024

提升作者识别中的表示泛化能力

通过深度学习模型，特别是包含字符 n-grams 和句法信息的模型，学习的表示方式有望提高跨领域的表示泛化能力，从而选择适当的文体特征在不同场景下实现更准确的作者识别。

Sep, 2023