Resumen

En este documento, se presenta un enfoque novedoso para la identificación de autoría en textos en inglés y urdu utilizando el modelo LDA con textos de -gramas de autores y similitud coseno. El enfoque propuesto utiliza métricas de similitud para identificar diversas representaciones aprendidas de características estilométricas y las utiliza para identificar el estilo de escritura de un autor en particular. El enfoque propuesto basado en LDA enfatiza las clasificaciones basadas en instancias y perfiles del texto de los autores. Aquí, LDA maneja adecuadamente datos de alta dimensionalidad y dispersos al permitir una representación más expresiva del texto. El enfoque presentado es una metodología computacional no supervisada que puede manejar la heterogeneidad del conjunto de datos, la diversidad en la escritura y la ambigüedad inherente del idioma urdu. Se ha utilizado un corpus grande para probar el rendimiento del enfoque presentado. Los resultados de los experimentos muestran la superioridad del enfoque propuesto sobre las representaciones de vanguardia y

• Materias:Sensores Seguridad informática Rendimiento del hardware Matriz
• Subjects:sensors Computer security Hardware performance Matrix
• Palabras claves:Enfoque novedoso; Identificación de autoría; Modelo LDA; Similitud de coseno; Características estilométricas; Metodología no supervisada
• Keywords:Novel approach; Authorship identification; LDA model; Cosine similarity; Stylometric features; Unsupervised methodology