Авторлық профильдеу - Author profiling

PSM V37 D594 Томас Корвин Менденхалл

Авторлық профильдеу дегеніміз - берілген мәтіндер жиынтығын стилистикалық және мазмұндық ерекшеліктерге сүйене отырып, автордың әр түрлі сипаттамаларын ашуға тырысу. Әдетте талданатын сипаттамаларға жатады жас және жыныс дегенмен, соңғы зерттеулер басқа сипаттамаларды қарастырды жеке тұлға қасиеттері мен кәсібі [1]

Авторлық профильдеу Автоматтық сәйкестендірудің (AAI) негізгі үш саласының бірі, қалған екеуі авторлық атрибуция және авторлық идентификация. AAI процесі 19 ғасырдың соңында пайда болды. Томас Корвин Менденхалл, американдық автодидакт физик және метеоролог, бұл процесті бірінші болып қолданған Фрэнсис Бэкон, Уильям Шекспир, және Кристофер Марлоу. Осы үш тарихи тұлғаның ішінен Менденхолл сөздердің ұзындығын тексеру арқылы олардың сандық стильдік айырмашылықтарын ашуға тырысты. [2]

ХХІ ғасырда көптеген жетістіктерге қол жеткізілгенімен, авторлық профиль жасау оның қиындықтарына байланысты шешілмеген мәселе болып қала береді.

Техника

Мәтіндерді талдау арқылы автор туралы ақпаратты болжау үшін авторлық профильдеудің әртүрлі тәсілдерін қолдануға болады. Мысалы, мәтіннің авторы мен жынысын анықтау үшін функционалды сөздерге, сондай-ақ сөйлеу бөлігін талдауға сілтеме жасауға болады.[3]

Авторлық профильдеу процесі әдетте келесі қадамдарды қамтиды:[4]

  1. Мәтіннен алынатын нақты ерекшеліктерді анықтау
  2. Қабылданған, стандартты өкілдік құру (мысалы,Сөздердің моделі ) мақсатты профиль үшін
  3. Стандартты жіктеуіштің көмегімен жіктеу моделін құру (мысалы: Векторлық машиналарды қолдау ) мақсатты профиль үшін

Машиналық оқыту алгоритмдері авторлық профильдеу уақыт өте келе күрделене түсті. Авторлық профильдеу кезінде қолданылатын алгоритмдерге мыналар жатады:

Бұрын авторлық профиль тек жеке құжаттармен шектелетін, көбінесе кітаптар және газет мақалалары. Авторларға жататын мәтіндік атрибуттардың әр түрлі үйлесімдері анықталды және авторлық профильдеуді қолдана отырып, талданды лексикалық және синтаксистік Ерекшеліктер.[4] Авторлық профиль жасаудағы ізашарлық зерттеулер авторлық профильге ауысқанға дейін негізінен бір жанрға бағытталды әлеуметтік медиа және ғаламтор.[9] Сияқты атрибуттар, ал мазмұнды сөздер және POS-тегтер, жеке құжаттардағы авторлық профильді болжауларда тиімді, олардың сандық мәтіндердегі авторлық профильді болжаудағы тиімділігі субъективті және талданатын онлайн-мазмұн түріне байланысты.[4]

Технологияның дамуын ескере отырып, Интернетте авторлық профиль жасау кең таралған. Сандық мәтіндер, мысалы, әлеуметтік медиа хабарламалары, блог хабарламалар және электрондық пошта, қазір қолданылуда.[4] Бұл сандық мәтіндерді талдаудағы артықшылықтар сияқты секторларға әкелуі мүмкін болғандықтан, бұл үлкен ғылыми зерттеулерге түрткі болды маркетинг және бизнес.[8] Цифрлық мәтіндер бойынша авторлық профиль жасау сонымен қатар авторлық сипаттамалардың кең ауқымын болжауға мүмкіндік берді жеке тұлға,[8] табыс және кәсіп.[10]

Цифрлық мәтіндер бойынша авторлық профиль жасау үшін ең тиімді атрибуттар үйлесімділікті қамтиды стилистикалық және мазмұн ерекшеліктері.[4] Цифрлық мәтіндерге авторлық профиль жасау кросс-жанрлық авторлық профильге көңіл бөледі, мұнда бір жанр дайындық үшін, ал басқа жанр деректерді тексеру үшін пайдаланылады, бірақ екеуі де жақсы нәтижелер үшін салыстырмалы түрде ұқсас болуы керек.[9]

Кейбір проблемалар бар[4] желідегі мәтіндерде авторлық профильдеу тәсілдерін орындау кезінде. Бұл проблемаларға мыналар жатады:

  • Қолданылатын мәтіндердің ұзындығының кең өзгеруі
  • Деректердегі таптық теңгерімсіздік

Автордың профилдеуі және Интернет

20-шы және 21-ші ғасырларда интернеттің өркендеуі авторлардың профильдік зерттеулерінің көбеюін тудырды, өйткені интернеттен, соның ішінде әлеуметтік медиа платформалардан, электрондық пошта және блогтардан мәліметтер алуға болады. Веб-қолданушылардың жасын, жынысын, географиялық бастауларын, ұлтын және психометриялық қасиеттерін анықтау үшін автордың профильдеу міндеттері бойынша интернеттегі мазмұн талданды. Алынған ақпарат әртүрлі қосымшаларға, соның ішінде қызмет көрсетуге пайдаланылды маркетинг және сот-медициналық сараптама.

Әлеуметтік медиа

Адамдардың күнделікті өміріне әлеуметтік медианың интеграциялануының жоғарылауы оларды авторлық профиль жасау үшін мәтіндік деректердің қайнар көзіне айналдырды. Бұл, негізінен, пайдаланушылар мазмұнды әр түрлі мақсаттарда, соның ішінде өзін-өзі көрсету, әлеуметтендіру және жеке бизнесте жиі жүктеп, бөлісетіндіктен. The Әлеуметтік бот әлеуметтік медиа-платформалардың жиі кездесетін ерекшелігі болып табылады, әсіресе Twitter, авторлық профиль жасау үшін талдануы мүмкін мазмұнды қалыптастыру.[11] Әр түрлі платформалар ұқсас деректерді қамтығанымен, олар белгілі бір платформаның форматы мен құрылымына байланысты әр түрлі мүмкіндіктерді қамтуы мүмкін.

Авторлық профиль жасау үшін деректер көздері ретінде әлеуметтік медианы пайдалануда әлі де шектеулер бар, өйткені алынған мәліметтер әрдайым сенімді немесе дәл бола бермейді. Пайдаланушылар кейде өздері туралы жалған ақпарат береді немесе ақпаратты жасырады.[12] Нәтижесінде авторлардың профилін құрудың алгоритмдерін оқытуға дәлдігі аз мәліметтер кедергі болуы мүмкін. Тағы бір шектеу - бұл әлеуметтік медиадағы мәтіннің дұрыс еместігі. Заңсыздықтың ерекшеліктеріне орфографиялық қателер, әріптерді сандармен, стенографиялық белгілермен ауыстыру сияқты стандартты емес транслитерация сияқты қалыпты лингвистикалық стандарттардан ауытқу жатады, бұл автордың профилін құруда қиындық тудыруы мүмкін.[13] Зерттеушілер авторлық профиль жасау алгоритмдерін оқытуда осы шектеулерден шығу әдістерін қабылдады.[13]

Facebook

Facebook авторлық профильді зерттеу үшін пайдалы әлеуметтік желі қызметі. Бұл а әлеуметтік желі салынуы, кеңейтілуі және сайтта әлеуметтік іс-қимыл үшін пайдаланылуы мүмкін.[14] Мұндай процестерде пайдаланушылар авторлық профильдік зерттеулер үшін пайдаланылуы мүмкін жеке мазмұнмен бөліседі. Мәтіндік деректерді Facebook-тен пайдаланушының жеке хабарламаларынан автордың профилін жасау үшін алады, мысалы ‘мәртебені жаңарту’.[15] Бұл авторлық профиль жасау үшін таңдалған тілде (лерде) корпус шығару үшін, екі немесе екі тілде мазмұнды сөздер базасын құру үшін,[15][16] содан кейін оны авторлық профильдеу үшін қолдануға болады.

Facebook контекстінде авторлық профильдеу негізінен қамтиды Ағылшын мәтіндік деректер, сонымен қатар ағылшын емес тілдерді қолданады, оларға мыналар кіреді: Роман урду, Араб, Бразилиялық португалша, Испан.[16][11] Facebook-те авторлық профильдік зерттеулер негізінен жыныстық және жастық топты сәйкестендіруге арналған болғанымен, болжам жасау үшін атрибуттар алуға тырысулар болды діндарлық, пайдаланушылардың IT-фоны, тіпті негізгі эмоциялар (анықталғандай Пол Экман ) басқалардың арасында.[15][17]

Вейбо

Sina Weibo аз санының бірі Азиялық Азиялық тілдердегі мәтіндерді қамтитын әлеуметтік медиа платформалар автордың профилін жасау үшін талданды. Weibo мазмұнын авторлық профильдеу үшін басты назардың мазмұны классикалық болып табылады Қытай кейіпкерлер, хэштегтер, смайликтер, каомоджи, біртекті пунктуация, Латын дәйектілік (мәтіннің көптілдігінің арқасында) және тіпті поэтикалық форматтар. Авторлардың профилін жасау үшін қытайлық танымал өрнектер, POS-тегтер және сөз түрлері де бақыланады.[18]

Weibo мазмұнына авторлық профиль жасау басқа әлеуметтік медиа платформалар үшін қолданылатын алгоритмдерден өзгеше талап етеді, негізінен тілдік айырмашылықтарға байланысты Қытай тілі және батыс тілдері. Мысалы, қытай эмоциялары ым мен қимылды жақшаға сипаттайтын қытай таңбаларын қамтиды, мысалы: [哈哈] ‘күлкі’, [泪] ‘көз жас’, [偷笑] ‘күлу’, [爱 你] ‘махаббат’, [心] ‘жүрек’.[18] Бұл батыстық тілдерде эмотикондарға арналған тыныс белгілерін қолданудан немесе Facebook сияқты басқа платформаларда Unicode эмодзилерін жиі қолданудан, Instagram, және т.б. Сонымен, шамамен 161 батыстық эмотикон болса, Қытайда Вейбодағыдай веб-мазмұн үшін үнемі 2900 эмотикон қолданылады.[19] Осы айырмашылықтарды жою үшін авторлық профильдеу алгоритмдері қытай эмотикасы мен тілдік ерекшеліктері бойынша оқытылды. Мысалы, авторлық профильдеу алгоритмдері формальдылықты білдіретін қытай стилистикалық өрнектерін анықтауға арналған көңіл-күй, бас әріптер сияқты ағылшын тілдік ерекшеліктерін анықтайтын алгоритмдердің орнына.[19]

Басқа танымал, жаһанданған платформалармен салыстырғанда, Weibo-дағы мәтіндер авторларды профильдеу кезінде жиі қолданылмайды. Бұл Weibo-дің қытайлықтардың орталықтануына байланысты болуы мүмкін Қытай, оны негізінен Қытай азаматтары үшін шектеу. Осы платформаға арналған зерттеулер қолданылды боттар, авторлардың жасын және жынысын анықтаудың машиналық оқыту алгоритмдері. Деректер Weibo микроблогтарының талдануға дайын посттарынан алынады және пайдаланушылардың тұжырымдамалық профильдерін белгілі бір дәлдікпен құратын алгоритмдерді оқыту үшін қолданылады.[18]

Чат журналдары

Сөйлесу журналдары авторлық профиль жасау үшін зерттелді, өйткені олар мәтіндік мазмұнға ие дискурс, оларды талдау қолданбалы зерттеулерге, соның ішінде әлеуметтік тенденцияларға ықпал етті сот сараптамасы. Автордың профилін құруға арналған деректер көздері чат журналдары сияқты платформаларды қамтиды Yahoo!, AIM (бағдарламалық жасақтама) және WhatsApp.[20] Есептеу жүйелері бір тақырыпта талқыланатын чат тақырыптарын көрсететін тұжырымдамаға негізделген профильдер жасау үшін ойлап тапты чат бөлмесі немесе тәуелсіз пайдаланушылар.[21]

Блогтар

Блог авторларының профилін олардың жасын, жынысын және жас ерекшеліктерін анықтау үшін қолдануға болады географиялық орны, олардың әр түрлі жазу мәнерлеріне негізделген,[22] Бұл әсіресе пайдалы жасырын блогтар. Автордың ерекшеліктерін ашу үшін мазмұндық сөздерді таңдау, стильге негізделген ерекшеліктер мен тақырыптық ерекшеліктер талданады.[23]

Жалпы, блогтарда жиі кездесетін ерекшеліктерге жоғары таралуы жатады етістіктер бір жазу үшін және салыстырмалы түрде жоғары пайдалану есімдіктер. Етістіктің, есімшенің және басқа сөз таптарының жиілігі авторлардың жазбаларындағы эмоцияларды, сондай-ақ олардың жынысы мен жас ерекшелігін профильдеу және жіктеу үшін қолданылады.[24] Бұрын қолдаушы векторлық машиналар сияқты физикалық құжаттарда қолданылған классификациялық модельдерді қолданумен авторлық профиль жасау блогтарда тексерілген. Алайда, оның өнімділігі төмен болғандықтан, соңғысына сәйкес келмейтіні дәлелденді.[22]

Блогтарда авторлық профиль жасау үшін жақсы жұмыс істейтін машиналық оқыту алгоритмдері[22] қамтиды:

Электрондық пошта

Электрондық пошта әдеттегі электрондық пошта платформасының әртүрлі бөлімдерінде табуға болатын бай мәтіндік деректерге байланысты автордың профилін құруға тұрақты назар аударды. Бұл бөлімдерге жіберілген, кіріс жәшігі, спам, қоқыс және мұрағатталған қалталар кіреді.[25] Электрондық пошта үшін автордың профилін құрудың көп тілді тәсілдеріне ағылшын, испан және араб хаттары деректер көзі ретінде кіреді, басқалары.[25][12] Авторлық профильдеу арқылы электрондық пошта пайдаланушыларының жасы, жынысы, географиялық шығу тегі, деңгейі сияқты мәліметтер анықталуы мүмкін білім беру, ұлты және тіпті психометрия кіретін жеке тұлғаның қасиеттері невротизм, келісім, адалдық және экстраверсия және интроверсия бастап Үлкен бес жеке қасиеттер.[26]

Электрондық поштаға авторлық профиль жасау кезінде мазмұн маңызды мәтіндік өңделеді деректер сияқты маңызды емес мүмкіндіктер метадеректер және басқа да мәтінді гипермәтінмен белгілеу тілі (HTML) қысқартулар алынып тасталды. Маңызды бөліктері Интернеттегі көп мақсатты кеңейтімдер Электрондық пошта мазмұны бар (MIME) талдауға енгізілген. Алынған мәліметтер көбінесе мазмұнның әртүрлі бөлімдеріне, соның ішінде талданады автор мәтін, қолтаңба мәтін, жарнама, келтірілген мәтін және жауап беру сызықтар.[25] Авторлық профильдеу тапсырмаларындағы электрондық пошта мәтіндік мазмұнын әрі қарай талдау шығаруды көздейді тон дауыс, көңіл-күй, семантика және басқа да лингвистикалық өңделетін ерекшеліктер.

Қолданбалар

Авторлық профильдеуде сот сараптамасы мен маркетинг сияқты салаларда маңыздылығы арта отырып, мәтін авторының нақты сипаттамаларын анықтау қажет болатын әр түрлі салаларда қосымшалар бар.[27] Оның қолданылуына байланысты авторлық профильдеу міндеті анықталатын сипаттамалар, зерттелген авторлар саны және талдауға болатын мәтіндер саны бойынша әр түрлі болуы мүмкін.

Оның қолданылуы дәстүрлі түрде жазбаша мәтіндермен, мысалы, әдеби шығармалармен ғана шектелгенімен, бұл компьютер мен интернеттің дамуын ескере отырып, онлайн мәтіндерге дейін кеңейе түсті.

Сот лингвистикасы

Контекстінде сот лингвистикасы, авторлық профиль жасырын автордың сипаттамаларын анықтау үшін қолданылады, бүркеншік немесе жалған мәтінді, автордың тілді қолдануына негізделген. Лингвистикалық талдау арқылы сот-лингвисттер күдіктінің этникасы немесе кәсібі сияқты басқа таптық ерекшеліктермен бірге оның уәжі мен идеологиясын анықтауға тырысады. Бұл әрқашан автордың шешуші идентификациясы бола бермесе де, мұндай ақпарат көмектесе алады құқық қорғау күдіктілер пулын тарылту.[28]

Көп жағдайда криминалистикалық лингвистика контексіндегі авторлық профиль жасау тек бір ғана мәтіндік мәселені қамтиды, онда салыстыру мәтіндері жоқ немесе аз немесе авторға нұсқайтын сыртқы дәлелдер жоқ.[29] Сот лингвистері талдаған мәтіннің мысалдары жатады шантаж хаттар, мойындаулар, өсиеттер, суицид хаттары және плагиат жазу.[30] Бұл сонымен қатар желідегі мәтіндерге де қатысты болды, мысалы, орта жастағы ер адамдар мен кәмелетке толмаған қыздар арасындағы жыныстық қатынас туралы журналдар,[29] санының өсуіне байланысты киберқылмыстар Интернетте жасалған.[31]

Авторлық профильді қолданудың ең ерте және танымал мысалдарының бірі - Роджер Шуй, 1979 жылы адам ұрлау туралы атышулы іспен байланысты төлем туралы жазбаны қарауды сұрады. Адам ұрлаушының анализі негізінде ақымақтық, Шуй өзінің қате жазуларынан ұрлаушылардың жеке басының маңызды элементтерін анықтай алды және а диалект зат, яғни ұрлаушы өте білімді және шыққан Акрон, Огайо.[32] Бұл, сайып келгенде, күдіктіні сәтті тұтқындауға және мойындауға әкелді.

Алайда авторлық профильдеу әдістері объективтілікке жатпайды деген сын-пікірлер бар, өйткені бұл әдістер сот лингвистінің шешуші субъективті анықтамасына сүйенеді әлеуметтік лингвистикалық маркерлер. Бұл әдістер, мысалы, әдебиет сыншысы қабылдаған әдістер Дональд Уэйн Фостер, алыпсатарлық деп аталады және толығымен өзінің субъективті тәжірибесіне негізделген, сондықтан оны тексеру мүмкін емес эмпирикалық түрде.[33]

Ботты анықтау

Авторлық профильдеу әлеуметтік боттарды анықтау кезінде қабылданады, ең кең тарағаны Twitter боттары. Сияқты әлеуметтік боттар өздерінің коммерциялық, саяси және идеологиялық ықпалын ескере отырып, қауіп ретінде қарастырылды 2016 Америка Құрама Штаттарындағы Президент сайлауы, оның барысында олар поляризацияланған саяси сұхбаттар, жалған ақпараттар мен расталмаған ақпарат тарату. Маркетинг аясында әлеуметтік боттар оң пікірлер жазу арқылы өнімнің танымалдығын жасанды түрде арттыра алады және бәсекеге қабілетті тауарлардың беделін қолайсыз шолулармен түсіреді.[34] Сондықтан автордың профильдік көзқарасы бойынша ботты анықтау өте маңызды міндет болып табылады.[34][35]

Адамдардың аккаунты ретінде көрінетін боттарды көбінесе олардың пайдаланушы аты, профиль фотосуреті және орналастыру уақыты сияқты профильдеріндегі мәліметтер арқылы анықтауға болады.[35] Алайда боттарды тек мәтіндік деректерден (яғни мета-деректерсіз) анықтау міндеті анағұрлым күрделі, бұл автордың профильдеу әдістерін қажет етеді.[35] Бұл, әдетте, семантикалық және синтаксистік ерекшеліктерге негізделген жіктеу тапсырмасын қамтиды.[36][37]

Боттар мен гендерлік профильдеу міндеті 2019 жылы шығарылған бірқатар ғылыми іс-шаралар мен сандық мәтіндік криминалистика және стилометрияның бірлескен міндеттерін ұйымдастыратын PAN ұйымдастырған төрт ортақ тапсырманың бірі болды.[34] Қатысушы командалар үлкен жетістіктерге жетті, ағылшын және испан твиттеріндегі боттарды анықтау бойынша ең жақсы нәтижелер сәйкесінше 95,95% және 93,33%.[36]

Маркетинг

Авторлық профильдеу маркетингтік тұрғыдан да пайдалы, өйткені бұл бизнеске анықтауға мүмкіндік береді демография блогтарды талдау, өнімнің онлайн шолулары және әлеуметтік медиа мазмұны негізінде өз өнімдерін ұнататын немесе ұнатпайтын адамдар.[27] Бұл өте маңызды, өйткені көптеген адамдар өз пікірлерін өнімдерге жасырын түрде орналастырады. Авторлық профильдеу әдістері бизнес сарапшыларына мақсатты топтың демографиясы негізінде неғұрлым сауатты стратегиялық шешімдер қабылдауға көмектеседі.[38] Сонымен қатар, бизнес компаниялары өздерінің маркетингтік науқанын тұтынушылардың демографиясы мен профиліне сәйкес келетін тұтынушылар тобына бағыттауы мүмкін.[39]

Әдеби шығармалар

Апокрифа NRSV-мен бірге Крест, Розарин және Қасиетті Інжіл

Авторлық профильдеу әдістері зерттеу үшін қолданылады дәстүрлі бұқаралық ақпарат құралдары және әдебиет анықтау үшін жазу мәнері әртүрлі авторлардың, сондай-ақ олардың мазмұнының жазылған тақырыптары. Авторлардың профилін жасау сонымен бірге авторлардың әлеуметтік желілері мен олардың авторлық библиографиялық жазбалары негізінде олардың әдеби әсерін анықтау мақсатында жасалды.

Әдебиет пен дәстүрлі бұқаралық ақпарат құралдарының авторлық профилактикалық зерттеулерінің кейбір мысалдары мыналарды қамтиды:[40][41]

Кітапхананы каталогтау

Авторлық профильдеудің тағы бір қолданылуы - стандартты атрибуттар негізінде кітапхана қорларын каталогтаудың стратегияларын жасау.[43] Бұл тәсілде авторлық профильдеу әдістері тиімділікті жоғарылатуы мүмкін кітапхананы каталогтау онда кітапхана қоры авторлардың негізінде автоматты түрде жіктеледі библиографиялық жазбалар. Бұл ХХІ ғасырдың басында кітапхананы каталогтаудың көп бөлігі қолмен жасалынған кезде маңызды мәселе болды.

Кітапхананы каталогтау үшін авторлық профильдеуді қолданғанда, зерттеушілер кітапханадағы автоматты процестерге арналған машиналық оқытуды қолданады, мысалы, векторлық машинаны қолдау алгоритмдері (SVM). Авторлық профиль жасау үшін SVM-ді қолдана отырып, бар авторлардың библиографиялық жазбалары мәліметтер базасы оның әдеби мазмұны және тақырыбы негізінде авторды анықтау үшін оны анықтауға, бақылауға және жаңартуға болады тәжірибе оның библиографиялық жазбаларында көрсетілгендей. Бұл жағдайда авторлық профильдеу әлеуметтік құрылымдар кітапхана қорына жарияланған баспа құралдарының физикалық көшірмелерінен алынуы мүмкін авторлардың.[43]

Бұқаралық мәдениетте

Авторлық профильдеу танымал мәдениетте болды. 2017 жыл Discovery Channel шағын серия Іздеу: Unabomber туралы ойдан шығарылған есеп болып табылады ФБР тергеу Unabomber. Онда Unabomber жеке басының сипаттамаларын анықтайтын, оның хаттарында Unabomber идиолетін талдау негізінде анықтайтын қылмыстық профилі бар манифест. Көрсетілім қылмыстық сот сараптамасында авторлық профиль жасаудың маңыздылығын көрсетті, өйткені бұл 1996 жылы нақты Unabomber қылмыскерін ұстауда маңызды болды. [44]

Сондай-ақ қараңыз

Байланысты пәндер

Пайдаланылған әдебиеттер

  1. ^ Wiegmann, M., Stein, B. & Potthast, M. (2019). «PAN 2019-да атақты профильдеу тапсырмасына шолу. " CLEF.
  2. ^ Mikros, GK, & Perifanos, K. (2013). «Авторлық атрибуция грек тіліндегі твиттерде авторлық көп деңгейлі n-грамматикалық профильдерді қолдана отырып. " 2013 AAAI көктемгі симпозиум сериясы.
  3. ^ Коппел, М., Аргамон, С., & Шимони, А.Р. (2013). «Авторлық жынысы бойынша жазбаша мәтіндерді автоматты түрде жіктеу." Әдеби және лингвистикалық есептеу, 17, бет 401-412.
  4. ^ а б c г. e f Лопес-Монрой, А. П., Монтес-у-Гомес, М., Эскаланте, Х. Дж., Вилласенор-Пинеда, Л. & Стамататос, Э. (2015). «Әлеуметтік медиада авторлық профиль жасау үшін дискриминациялық субпрофильге арналған ұсыныстар.» Білімдерге негізделген жүйелер, 89, 134 - 147.
  5. ^ а б Lundeqvist, E. & Svensson, M. (2017). «Авторлық профильдеу: әлеуметтік медиада пайдаланушылардың жынысын, жасын және ана тілін анықтауға бағытталған машиналық оқыту тәсілі.» Ақпараттық технологиялар бөлімі:
  6. ^ Франко-Сальвадор, М., Плотникова, Н., Павар, Н., & Бенаджиба, Ю. (2017). «Әлеуметтік медиада авторларды профильдеу үшін сөзжасамға негізделген терең орташаландыру желілері.» CLEF.
  7. ^ Курита, К. (2018). «Таратылған қағаз: Терең реттелмеген композиция түсіндірілген мәтінді жіктеудің синтаксистік әдістеріне қарсылас». Машиналық оқыту туралы түсіндірме.
  8. ^ а б c Bsi, B. & Zrigui, M. (2018). «Әлеуметтік медиа мазмұнындағы авторлық профильді тереңдетіп оқыту әдістемесі». 31-ші IBIMA конференциясы.
  9. ^ а б Билан, И. & Жекова, Д. (2016). «CAPS: кросс-жанрлық авторлық профиль жүйесі.» CLEF.
  10. ^ Шлер, Дж., Коппел, М., Аргамон, С., және Пеннебакер, Дж. (2005). «Блог жүргізуге жас пен жыныстың әсері». AAAI көктемгі симпозиумы: Веблогтарды талдаудың есептеу тәсілдері.
  11. ^ а б Rangel, F., & Russo, P. (2019). «PAN 2019 авторизациясының 7-тапсырмасына шолу: Твиттерде боттар және гендерлік профиль. " CLEF.
  12. ^ а б Rosso, P., Rangel, F., Farías, I. H., Cagnina, L., Zaghouani, W., & Charfi, A. (2018). «Араб тілінің авторын профильдеу, алдау және иронияны анықтау бойынша сауалнама. " Тіл және лингвистика компасы, 12 (4).
  13. ^ а б Гомес-Адорно, Х., Марков, И., Сидоров, Г., Посадас-Дуран, Ж.-П., Санчес-Перес, М. А., & Шона-Эрнандес, Л. (2016). «Әлеуметтік медиа мәтіндеріндегі авторлық профиль жасау үшін нейрондық желі негізінде ерекшеліктерді жақсарту». In: Компьютерлік интеллект және неврология, 1-13 бет.
  14. ^ Dam, J. W. V., & Velden, M. V. D. (2015). «Facebook қолданушыларын онлайн-профильдеу және кластерлеу». Шешімдерді қолдау жүйелері, 70, 60–72.
  15. ^ а б c Hsieh, FC, Sandroni, RF, & Paraboni, I. (2018). «Facebook корпорациясының авторлық профилі ". LREC.
  16. ^ а б Фатима, М., Хасан, К., Анвар, С., және Наваб, Р.М.А. (2017). «Facebook-те көптілді автордың профилін құру». Ақпаратты өңдеу және басқару, 53 (4), 886–904.
  17. ^ Rangel, F., & Rosso, P. (2013). «Тілді қолдану және авторлық профиль: жынысы мен жасын анықтау. "
  18. ^ а б c Zhang, W., Caines, A., Alikaniotis, D., & Buttery, P. (2015). «Weibo микроблогтарындағы жазбалардың авторлық жасын болжау.» LREC.
  19. ^ а б Чен, Л., Цян, Т., Ванг, Ф., Сен, З., Пенг, Q., & Чжун, М. (2015). «Weibo-дағы қытайлық пайдаланушылардың жасын анықтау." WAIM 2015, LNCS 9098, 83–95.
  20. ^ Lin, J. (2007). «Желідегі сөйлесу журналдарының авторын автоматты түрде профильдеу "
  21. ^ Бенгель Дж., Гауч С., Миттур Э., Виджаяргаван Р. (2004) ChatTrack: «Чат бөлмесінің тақырыбын классификациялау арқылы анықтау." In: Chen H., Moore R., Zeng D.D., Leavitt J. (eds) Intelligence and Security Informatics. ISI 2004. Информатикадағы дәрістер, 3073. Шпрингер, Берлин, Гейдельберг
  22. ^ а б c Фам, Д.Д., Тран, Г.Б., және Фам, С.Б. (2009). Вьетнам блогтары үшін авторлық профиль. 2009 ж. Азия тілін өңдеу бойынша халықаралық конференция, 190-194.
  23. ^ Сантош, К., Бансал, Р., Шехар, М. & Варма, В. (2013). Автордың профилі: CLEF 2013-те PAN-ға арналған блогтар дәптерінен жас пен жынысты болжау. CLEF.
  24. ^ Rangel, F. & Rosso, P. (2013). Тілді қолдану және авторлық профиль: жынысы мен жасын анықтау. Табиғи тілді өңдеу және когнитивті ғылым 2013 ж.
  25. ^ а б c Эстивал, Д., Гаустад, Т., Фам, С.Б., Рэдфорд, В., & Хатчинсон, Б. (2007). Автор ағылшын тіліндегі электрондық пошта хабарлары.
  26. ^ Рагунадха, Т.Р., Гопи, М.С. және Хеманат, К. (2017). «Авторлық профильдеу әдісін қолданып, анонимді мәтіннің орналасуын болжау." In: Халықаралық құрылыс және технологиялар журналы (IJCIET) , 8(12), 339–345.
  27. ^ а б Авторлық профильдеу 2018 ж. (nd).
  28. ^ Фостер, Д. (2000). Автор белгісіз: Анонимді ізде. Генри Холт және Компания
  29. ^ а б Грант, Т.Д (2008). «Сот-авторлық талдау кезіндегі сұрақтарға жақындау." Джиббонста Дж. & Турелл, М. Т. (Жарияланымдар). Сот лингвистикасының өлшемдері. Джон Бенджаминс.
  30. ^ Kotzé, E. F. (2010). «Криминалистикалық лингвистикадағы қарама-қарсы тұрғысынан авторлық сәйкестендіру ". Оңтүстік Африка лингвистикасы және қолданбалы тілтану. 28(2). 185-197
  31. ^ Yang, M. & Chow, K. P. (2014) «Мыңдаған авторлармен сот-тергеу жүргізу үшін авторлық атрибуция." In: Cuppens-Boulahia N., Cuppens F., Jajodia S., Abou El Kalam A., Sans T. (eds) АКТ жүйелерінің қауіпсіздігі және құпиялылықты қорғау. ӘКК 2014. IFIP ақпараттық-коммуникациялық технологиялар саласындағы жетістіктер, т. 428. Шпрингер, Берлин, Гейдельберг.
  32. ^ Леонард, Р.А (2005). «Заң мәселелеріне тілдік талдаудың ғылыми принциптерін қолдану." Халықаралық гуманитарлық журнал. 3. 1-9
  33. ^ Chaski, C. E. (2001). «Тілге негізделген авторды сәйкестендіру әдістерін эмпирикалық бағалау." Сот лингвистикасы, 8, 1-65.
  34. ^ а б c "Боттар және гендерлік профиль 2019 «. (ndd).
  35. ^ а б c Губин, Режис және Лефевр, Дориан және Альхамзе, Алаа және Митрович, Елена және Эгед-Цсигмонд, Эль & Фосси, Леопольд. (2019). «CLEF 2019-да PAN-ға арналған көп қабатты сәулет кітапшасын қолданатын боттар мен гендерлік профиль ".
  36. ^ а б Daelemans W. және басқалар. (2019) «PAN 2019 шолу: боттар мен гендерлік профиль, атақты адамдардың профилі, доменаралық авторлықтың атрибуциясы және стильдің өзгеруін анықтау." In: Crestani F. et al. (редакторлар) Эксперименттік IR көптілділік, көпмодальдық және өзара әрекеттесуге жауап береді. CLEF 2019. Информатика пәнінен дәрістер, т. 11696. Спрингер, Чам.
  37. ^ Kovács, G., Balogh, V., Mehta, P., Shridhar, K., Alonso, P., & Liwicki, M. (2019). «Семантикалық және синтаксистік мүмкіндіктерді қолданатын авторлық профиль: CLEF 2019-да PAN-ға арналған ноутбук."
  38. ^ Рагунадха Редди Т., Лакшминараяна М., Вишну Вардхан Б., Сай Прасад К., Амарнат Редди Э. (2019) «Авторлық профильдерді қолдану арқылы гендерлік болжауға арналған құжат ұсынудың жаңа тәсілі." In: Bapi R., Rao K., Prasad M. (eds) Жасанды интеллект және когнитивті есептеу бойынша бірінші халықаралық конференция. Интеллектуалды жүйелер мен есептеу техникасының жетістіктері, 815 том. Springer, Сингапур
  39. ^ Махаржан, Сурадж & Шреста, Праша және Солорио, Тамар және Хасан, Рагиб. (2014). «MapReduce-дегі автордың профильдік тәсілдері." LNCS (LNAI).
  40. ^ Компания, J. S., & Wanner, L. (2017). «Синтаксистік және дискурстық ерекшеліктердің авторлық профиль жасау мен сәйкестендірудің өзектілігі туралы." Компьютерлік лингвистика қауымдастығының Еуропалық тарауының 15-ші конференциясының материалдары, 2, 681–687.
  41. ^ а б Дзикиене. J. K., Utka, A., & Šarkute, L. (2015). «Литвалық әдеби мәтіндердің авторлық атрибуциясы және авторлық профилі ", 96–105.
  42. ^ Леджер, Г. (1994). «Шекспир, Флетчер және екі асыл туыс." Әдеби-лингвистикалық есептеу, 9 (3), 235–247.
  43. ^ а б Номото, Т. (2009). «Авторлық профильдеу бойынша кітапхана каталогтарын жіктеу." In: Ақпаратты іздеудегі зерттеулер мен әзірлемелер бойынша 32-ші Халықаралық ACM SIGIR конференциясының материалдары - SIGIR 09.
  44. ^ Дэвис, Д. (2017, 22 тамыз). «ФБР Профилері лингвистикалық жұмыс Unabomber-ді қолға түсіруде маңызды болды дейді."