35、用于作者归属的新型文档作者表示法

用于作者归属的新型文档作者表示法

1. 引言

作者归属（Authorship Attribution，AA）旨在学习一个或多个作者的写作风格，以便在未来的文本中自动识别他们。在当今互联网信息爆炸的时代，大量的纯文本信息涌现，如电子邮件、在线论坛、博客和源代码等。这也催生了许多与作者归属相关的问题和应用，包括网络欺凌检测、抄袭检测、垃圾邮件过滤、计算机取证和欺诈检测等。

作者归属任务可被视为单标签多类分类问题，其中作者代表要区分的类别。但它与主题分类有所不同，在作者归属中，最重要的文本特征是非主题性的，因为主要目标是建模每个作者的写作风格，以便在相同语境下也能区分不同作者。

根据相关研究，保留写作风格最有用的属性包括特定词汇（如功能词）和字符级别的n - 元组。例如，考虑文本中停用词的频率和分布有助于识别作者；字符级别的n - 元组则有助于发现作者对文本结构的特定偏好。

目前，基于单词和字符n - 元组的不同技术被用于文档表示，其中最常见的是词袋模型（Bag of Terms，BOT）。然而，BOT存在一些缺点：
- 它不保留术语或类别之间的任何关系，忽略了有价值的信息。
- 会产生高维度和高信息分散性，影响表示质量和机器学习算法的性能，特别是在词汇量大但训练数据少且不平衡的情况下。

为克服这些缺点，提出了一种新的文档作者表示法（Document Author Representation，DAR）。其主要思想是在作者空间中构建文档向量，维度由作者数量限制，同时考虑文档的词汇丰富度。

2. 相关工作

• 词袋模型（BOT） ：将作者