Υφομετρική απόδοση συγγραφέα με περισσότερους από δύο υποψηφίους

Abstract

Στο κεφάλαιο αυτό επεκτείνουμε το ερευνητικό ερώτημα της υφομετρικής απόδοσης της συγγραφικής πατρότητας σε περισσότερους από 2 πιθανούς συγγραφείς. Παράλληλα εξετάζεται κατά πόσο το κείμενο είναι η ελάχιστη μονάδα υφομετρικής μέτρησης, ή μπορεί να αξιοποιηθεί αποδοτικά υποσύνολό του (ισομερή υπό-τεμάχια). Το corpus που χρησιμοποιείται για τα πειράματα αυτού του κεφαλαίου ανήκει στο γένος των ιστολογίων και είναι ισορροπημένο τόσο ως προς τον αριθμό των αναρτήσεων ανά συγγραφέα όσο και ως προς το φύλο του συγγραφέα, έτσι ώστε να μπορούμε να μελετήσουμε την επίδραση του αριθμού των συγγραφέων χωρίς τον κίνδυνο παρείσφρησης συνεπιδρώντων παραγόντων. Περιλαμβάνει 1.000 αναρτήσεις από 20 συγγραφείς (10 άνδρες και 10 γυναίκες) με 50 αναρτήσεις από κάθε συγγραφέα. Εισάγεται η χρήση του αλγόριθμου Support Vector Machines και παρουσιάζονται εναλλακτικές μεθοδολογίες επιλογής κατάλληλων υφομετρικών χαρακτηριστικών για την βελτιστοποίηση της μηχανικής μάθησης στο εν λόγω ερευνητικό πρόρβλημα.

In this chapter, we extend the research question of stylometric attribution of authorship to more than two potential authors. Additionally, we examine whether the text is the minimum unit of stylometric measurement or if a subset of it (equal-length sub-segments) can be effectively utilized. The corpus used for the experiments in this chapter belongs to the blog genre and is balanced in terms of the number of posts per author and the author's gender, allowing us to study the effect of the number of authors without the risk of confounding factors. It includes 1,000 posts from 20 authors (10 men and 10 women), with 50 posts from each author. The use of the Support Vector Machines algorithm is introduced, and alternative methodologies for selecting appropriate stylometric features to optimize machine learning for this research problem are presented.