Document Provenance and Authentication through Authorship Classification

要約

スタイル分析は、比較的あまり探求されていないトピックであり、いくつかの興味深いアプリケーションを可能にします。
たとえば、作成者は執筆スタイルを調整して、共同でより一貫性のあるドキュメントを作成できます。
同様に、スタイル分析は、主要なステップとしてドキュメントの来歴と認​​証にも使用できます。
この論文では、スタイル分析の重要なタスクの 1 つである、単一および複数の著者による文書を分類するためのアンサンブル ベースのテキスト処理フレームワークを提案します。
提案されたフレームワークには、古典的な機械学習 (ML) アルゴリズム、トランスフォーマー、深層学習アルゴリズムなど、最先端のテキスト分類アルゴリズムが個別に、またはメリットベースの後期融合の両方で組み込まれています。
メリットベースの後期融合では、いくつかの重みの最適化と選択方法を採用して、メリットベースの重みを個々のテキスト分類アルゴリズムに割り当てました。
また、クリーンなデータとクリーンでないデータの両方で実験を行うことにより、前処理中に NLP アプリケーションで通常除外されるタスクに対する文字の影響を分析します。
提案されたフレームワークは、大規模なベンチマーク データセットで評価され、既存のソリューションよりもパフォーマンスが大幅に向上します。

要約(オリジナル)

Style analysis, which is relatively a less explored topic, enables several interesting applications. For instance, it allows authors to adjust their writing style to produce a more coherent document in collaboration. Similarly, style analysis can also be used for document provenance and authentication as a primary step. In this paper, we propose an ensemble-based text-processing framework for the classification of single and multi-authored documents, which is one of the key tasks in style analysis. The proposed framework incorporates several state-of-the-art text classification algorithms including classical Machine Learning (ML) algorithms, transformers, and deep learning algorithms both individually and in merit-based late fusion. For the merit-based late fusion, we employed several weight optimization and selection methods to assign merit-based weights to the individual text classification algorithms. We also analyze the impact of the characters on the task that are usually excluded in NLP applications during pre-processing by conducting experiments on both clean and un-clean data. The proposed framework is evaluated on a large-scale benchmark dataset, significantly improving performance over the existing solutions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google