Authorship attribution for Differences between Literary Texts by Bilingual Russian-French and Non-Bilingual French Authors
University of Lausanne（洛桑大学）
20世纪末的俄法双语作家，如安德烈·马金、瓦列里·阿法纳西耶夫、弗拉基米尔·费多罗夫斯基、叶戈尔·格兰、卢巴·尤尔根森，他们用法语写的小说有共同的文体特征吗？我们能区分它们和非双语法国作家的文本吗？俄罗斯作家的法语文本中是否存在干扰现象？本文应用支持向量机（SVM）、$K$ -最近邻（KNN）、岭分类法和神经网络等作者归属方法来回答这些问题。
2023-03-01 cs.CL
StyleRemix: Interpretable Authorship Obfuscation via Distillation and Perturbation of Style Elements
University of Washington（华盛顿大学）；Allen Institute for AI（艾伦人工智能研究所）
针对现有LLM作者身份混淆方法缺乏可解释性和稳健性的问题，提出StyleRemix方法，利用预训练LoRA模块扰动细粒度风格要素进行自适应重写，并发布AuthorMix和DiSC数据集，在自动与人工评估中超越基线及更大模型。
2024-08-28 cs.CL
Style-aware Neural Model with Application in Authorship Attribution
University of Central Florida（中佛罗里达大学）
写作风格是与特定作者在不同语言产生水平（包括词汇，句法和结构）相关的一致决定的组合。在本文中，我们引入了一个风格感知的神经模型编码的文档信息从三个风格层次和评估它在域的作者归属。首先，我们提出了一个简单的方法来共同编码句子的句法和词汇表示。随后，我们采用了基于注意力的分层神经网络来编码文档中句子的句法和语义结构，同时奖励那些对捕捉写作风格贡献更大的句子。我们的实验结果，四个基准数据集的基础上，揭示了编码文档信息的好处，从所有三个文体水平相比，在文献中的基线方法。
2019-09-12 cs.CL cs.LG
Authorship Attribution Using Word Network Features
University of North Texas（北德克萨斯大学）
在本文中，我们探索了一套新颖的功能，作者归属的文件。这些特征来自于自然语言文本的词网络表示。正如在以前的研究中所指出的，自然语言倾向于在词级上表现出复杂的网络结构，具有低的分离度和无标度（幂律）度分布。还有一些关于作者归属的工作，其中包含了来自复杂网络的想法。本文的目标是探索这些复杂网络的属性，这些属性适合作为基于机器学习的文档作者归属的特征。我们在三个不同的数据集上进行了实验，并获得了令人满意的结果。
2013-11-12 cs.CL
Low-Resource Authorship Style Transfer: Can Non-Famous Authors Be Imitated?
University of Pennsylvania（宾夕法尼亚大学）；Johns Hopkins University（约翰斯·霍普金斯大学）
本文提出低资源作者风格迁移任务，仅用约500词目标风格文本，通过上下文学习技术实现Reddit帖子风格迁移，并首次利用作者表征模型实现自动评估，确立最强基线但尚未完全掌握该任务。
2024-11-04 cs.CL
DT-grams: Structured Dependency Grammar Stylometry for Cross-Language Authorship Attribution
Universität Innsbruck（因斯布鲁克大学）
跨语言的作者归属问题依赖于翻译，使使用单一语言的功能，或语言无关的特征提取方法。直到最近，缺乏数据集的这个问题阻碍了后者的发展，和单一语言的解决方案进行机器翻译语料库。在本文中，我们提出了一种新的独立于语言的功能，作者分析依赖图和通用部分的语音标签的基础上，被称为DT-gram（依赖树图），这是通过选择特定的子部分的依赖图的句子。我们通过对双语作者的未翻译数据集进行跨语言作者归属来评估DT-gram，结果表明，平均而言，它们在五种不同语言对中的宏观平均F1得分比以前的方法高出0.081。此外，通过提供不同特征集的结果进行比较，我们为以前未翻译的跨语言作者归属任务提供了一个基线。
2021-06-10 cs.CL
AIDBench: A benchmark for evaluating the authorship identification capability of large language models
Shanghai Jiao Tong University（上海交通大学）；Peking University（北京大学）；HKUST（香港科技大学）
本文提出AIDBench基准，通过一对一和一对多两种评估方式并结合RAG方法，系统评估大语言模型识别匿名文本作者身份的能力，揭示其带来的新隐私风险。
2024-11-20 cs.CL
Authorship Identification in Bengali Literature: a Comparative Analysis
Indian Institute of Technology, Kharagpur（印度理工学院克勒格布尔分校）
文体学是研究个体独特的语言风格和写作行为的学科。它属于文本分类的核心任务，如作者身份识别，剽窃检测等，虽然已经进行了合理数量的研究，在英语语言，没有重大的工作已经完成，迄今在孟加拉语。在这项工作中，我们将提出一个示范的作者身份识别的文件写在孟加拉语。我们采用一组细粒度的文体特征来分析文本，并使用它们开发了两种不同的模型：由三种度量及其组合组成的统计相似性模型，以及决策树，神经网络和SVM的机器学习模型。实验结果表明，支持向量机优于其他国家的最先进的方法后，10倍交叉验证。我们还验证了每个风格特征的相对重要性，以表明其中一些特征在本实验中使用的每个模型中始终保持显著性。
2013-02-24 cs.CL cs.IR
Trends and Challenges in Authorship Analysis: A Review of ML, DL, and LLM Approaches
Luleå University of Technology（吕勒奥理工大学）
该综述针对作者身份分析的两大子任务，梳理了2015-2024年从传统ML到LLM的SOTA方法，分析了相关技术、数据集与挑战，指出低资源语言处理等研究空白，为领域发展提供参考。
2025-05-21 cs.CL
Datasets and Models for Authorship Attribution on Italian Personal Writings
Institute of Linguistics and Language Technology, University of Malta（马耳他大学语言学与语言技术研究所）；Center for Language and Cognition, University of Groningen（格罗宁根大学语言与认知中心）
作者身份归因的现有研究主要集中在有大量数据的文本（如小说）上，主要是英语文本。我们在两个小说数据集上对意大利语短文进行了作者身份验证，并分析了体裁、主题、性别和长度之间的相互作用。结果表明，即使数据很少，AV也是可行的，但更多的证据会有所帮助。性别和话题可以作为指示性线索，如果不加以控制，它们可能会超过个人风格的更具体方面。
2020-11-16 cs.CL
Can Large Language Models Identify Authorship?
Illinois Institute of Technology（伊利诺伊理工学院）；Emory University（埃默里大学）
本文研究大型语言模型在零样本作者身份验证与多候选作者归属中的能力，并提出引入显式语言特征引导推理，验证了LLMs无需领域微调即可取得优异表现并具备可解释性。
2024-10-22 cs.CL
Authorship Verification - An Approach based on Random Forest
Jadavpur University（贾达普大学）
作者归属是信息检索、计算语言学、法律和新闻学等领域的一个重要问题。近年来已被确定为越来越多的研究兴趣的主题。在CLEF 2015 PAN中的作者识别任务中，主要关注跨体裁和跨主题的作者验证任务。我们使用了几个基于单词和基于风格的特征来识别一个给定集合的已知和未知问题之间的差异，并使用基于随机森林的分类器来标记未知问题。
2016-07-29 cs.CL
Unsupervised authorship attribution
我们描述了一种技术，用于将书面文本的部分归因于一组未知的作者。没有什么是假定已知的先验的写作风格的潜在作者。我们使用输入文本的多个独立聚类来识别彼此相似和不相似的部分。我们描述了必要的算法，结合成一个有意义的输出的多个聚类。我们展示了该技术在具有多种写作风格的文本上的应用结果。
2015-03-26 cs.CL
Unraveling Interwoven Roles of Large Language Models in Authorship Privacy: Obfuscation, Mimicking, and Verification
Indiana University（印第安纳大学）；Northeastern University（东北大学）
本研究针对大语言模型时代作者身份隐私任务间相互作用研究不足的问题，首次提出统一框架，分析LLM驱动的作者身份混淆、模仿、验证的动态关系及人口统计元数据的调节作用，并将公开代码。
2025-05-20 cs.CL
Leveraging Discourse Information Effectively for Authorship Attribution
The University of Texas at Austin（德克萨斯大学奥斯汀分校）
我们探讨的技术，以最大限度地提高话语信息的有效性，在作者归属的任务。我们提出了一种新的方法来嵌入话语特征的卷积神经网络文本分类器，实现了一个国家的最先进的结果，由一个相当大的利润。我们实证研究了几种特征化方法，以了解在何种条件下话语特征有助于非平凡的性能增益，并分析话语嵌入。
2017-09-07 cs.CL
Classification Analysis Of Authorship Fiction Texts in The Space Of Semantic Fields
Ivan Franko Lviv National University（伊万·弗兰科利沃夫国立大学）
分析了朴素贝叶斯分类器（NB）和k近邻分类器（kNN）在英语小说作者文本分类语义分析中的应用。作者的作品是在向量空间中进行考察的，名词和动词语义场的频率特征构成了向量空间的基础。作者文本在语义场向量空间中的高度精确分类表明了作者个人风格在这个空间中的存在。
2012-10-22 cs.CL
Forensic Authorship Analysis of Microblogging Texts Using N-Grams and Stylometric Features
Halmstad University（哈尔姆斯塔德大学）；University of Tartu（塔尔图大学）
近年来，在互联网上发布的信息和文本被用于刑事调查。不幸的是，其中许多文件的作者仍然不明。在某些渠道中，确定作者身份的问题可能更难，因为数字文本的长度限于一定数量的字符。在这项工作中，我们的目标是确定作者的推文消息，这是限制在280个字符。我们评估流行的功能，传统上在作者归属，捕捉不同层次的写作风格的属性。我们使用我们的实验一个自我捕获的数据库的40个用户，每个用户120至200鸣叫。使用这个小集合的结果是有希望的，不同的特征提供了92%和98.5%之间的分类准确率。这些结果与现有的研究相比具有竞争力，这些研究采用短文本，如推文或短信。
2020-03-24 cs.CL
Stylometry Analysis of Multi-authored Documents for Authorship and Author Style Change Detection
Abasyn University Islamabad Campus（阿巴辛大学伊斯兰堡校区）；University of Engineering and Technology, Peshawar（白沙瓦工程技术大学）；National University of Science and Technology（国立科技大学）；University of Western Australia（西澳大学）；Munster Technological University（芒斯特理工大学）
本文针对多作者文档的作者身份与风格变更检测，提出一种融合多种NLP算法和权重优化的基于优值的框架，将三类风格分析任务统一为分类问题，并在基准数据集上取得显著提升。
2024-01-12 cs.CL
Protecting Anonymous Speech: A Generative Adversarial Network Methodology for Removing Stylistic Indicators in Text
University of California, Berkeley（加州大学伯克利分校）
随着互联网用户不断地留下文本线索，无论是通过博客、电子邮件还是社交媒体帖子，匿名写作和抗议的能力正在受到侵蚀，因为人工智能在获得以前工作的样本时，可以从数百个可能的候选人中将文本与其作者进行匹配。现有的作者身份匿名化方法，也称为作者身份混淆，通常专注于保护二进制人口统计属性，而不是整体身份。即使是那些专注于混淆身份的人也需要手动反馈，失去了原始句子的连贯性，或者只在有限的作者子集中表现良好。在本文中，我们开发了一种新的方法，作者匿名化，通过构建一个生成对抗网络，保护身份和优化对应于匿名性，流畅性和内容保存三种不同的损失。我们的全自动方法在内容保存和流畅性方面达到了与其他方法相当的结果，但在匿名化方面大大优于基线。此外，我们的方法能够很好地推广到一个开放集的背景下，并匿名化的句子，它以前没有遇到过的作者。
2021-10-18 cs.CL cs.CR cs.LG
The Topic Confusion Task: A Novel Scenario for Authorship Attribution
McGill University（麦吉尔大学）；Mila（米拉研究所）
作者归属是从一组候选作者中识别匿名文本的最可信作者的问题。研究人员调查了同一主题和跨主题的作者归属情况，这取决于测试阶段是否使用了新的、看不见的主题。然而，这两种情况都不允许我们解释错误是由于未能捕捉作者的写作风格还是由于主题转移而引起的。受此启发，我们提出了\emph{topic confusion}任务，我们在训练集和测试集之间切换作者主题配置。这种设置允许我们区分两种类型的错误：由主题转移引起的错误和由功能无法捕获写作风格引起的错误。我们发现，与词性标签的文体特征是最不容易受到主题变化。我们进一步表明，将它们与其他功能相结合，可以显着降低主题混淆和更高的归因准确性。最后，我们证明了预训练的语言模型，如BERT和RoBERTa在这项任务中表现不佳，并且被单词级$n$ -grams等简单特征所超越。
2021-09-09 cs.CL
Experiments with Neural Networks for Small and Large Scale Authorship Verification
University of Houston Department of Computer Science（休斯顿大学计算机科学系）；University of Houston（休斯顿大学）
我们提出了两个模型的作者身份验证问题的一个特殊情况。任务是调查给定对的两个文档是否由同一作者撰写。我们考虑了小型和大型数据集的作者身份验证问题。潜在的小规模问题有两个主要挑战：首先，我们不知道文档的作者，因为没有以前的写作样本。其次，这两份文件都很短（几百到几千字），在体裁和/或主题上可能有很大的不同。为了解决这个问题，我们提出了转换编码器将一个文件对到其他。这种文档转换会产生一个丢失，它被用作一个可识别的特征来验证这对文档的作者是否相同。针对多人参与、样本数量多、样本长度大的大规模问题，提出了一种并行递归神经网络。比较了两个文档的语言模型。我们在各种类型的数据集上评估我们的方法，包括PAN竞争的作者身份识别数据集，亚马逊评论和机器学习文章。实验表明，这两种方法实现了稳定的和有竞争力的性能相比，基线。
2018-03-17 cs.CL
When Writing Style Drifts: Benchmarking Authorship Verification under Distribution Shifts in Genre, Time and the AI-Era
University of Technology Nuremberg (UTN)（纽伦堡工业大学（UTN））
本研究推出首个德语作者验证基准AVShift，对跨体裁、时间及AI时代分布偏移下的作者验证进行基准测试，发现微调LLM跨体裁泛化最佳，时间漂移是影响作者验证的最强因素之一，未观测到可测量的AI时代分布偏移。
2026-08-19 cs.CL
TAROT: Task-Oriented Authorship Obfuscation Using Policy Optimization Methods
Hornetsecurity（霍内特安全公司）；Univ. Lille（里尔大学）；Inria（法国国家信息与自动化研究所）；CNRS（法国国家科学研究中心）；Centrale Lille（里尔中央理工学院）
提出无监督方法 TAROT，利用策略优化微调小型语言模型并重写全文，在保留下游任务效用的同时降低攻击者识别作者身份的准确率。
2025-03-18 cs.CL
PersonalBench: Measuring the Authorship Gap in LLM Personalization
Independent AI Researcher（独立人工智能研究员）
本研究推出PersonalBench基准，通过LUAR、LLM评判者、自动风格计量学评估LLM个性化方法，发现其可区分作者但未达人类水平，发布该基准为LLM个性化提供校准工具。
2026-08-21 cs.CL
Text authorship identified using the dynamics of word co-occurrence networks
University of São Paulo（圣保罗大学）
在有争议的文件中确定作者身份仍然需要人类的专门知识，但由于实际应用中文本和作者数量庞大，这对于许多任务来说是不可行的。在这项研究中，我们介绍了一种方法的基础上的动态词共现网络代表书面文本分类语料库的80个文本由8位作者。文本被分成具有相同数量的语言标记的部分，从这些部分中为12个拓扑度量创建时间序列。该系列被证明是平稳的（p值>0.05），这允许使用分布矩作为学习属性。使用径向基函数网络优化的监督学习过程，80个文本中有68个被正确分类，即显著的85%的作者匹配成功率。因此，纯动态网络指标的波动被发现表征作者，从而开辟了小的不断发展的网络方面的文本描述的方式。此外，所介绍的方法允许以简单、快速的方式比较具有不同特征的文本。
2016-07-29 cs.CL
PART: Pre-trained Authorship Representation Transformer
Universidad Politécnica de Madrid（Madrid理工大学）
本文提出对比训练的PART模型，在约150万篇异构文本上学习作者身份嵌入，实现零样本作者识别准确率72.39%，显著优于RoBERTa嵌入。
2025-05-09 cs.CL
Neurobiber: Fast and Interpretable Stylistic Feature Extraction
University of Michigan（密歇根大学）；Utrecht University（乌得勒支大学）；University of British Columbia（不列颠哥伦比亚大学）
针对大规模文体特征提取难题，本文提出基于Transformer的Neurobiber系统，结合Biber多维分析预测96种风格特征，速度提升56倍，性能媲美现有方法，支持下游NLP应用。
2025-02-25 cs.CL
ALMs: Authorial Language Models for Authorship Attribution
University of Birmingham（伯明翰大学）
本文提出作者语言模型（ALMs），通过计算候选作者语料微调的因果语言模型对存疑文档的困惑度来识别作者，在Blogs50和CCAT50数据集上表现优异，并在短文本上进行了消融测试。
2024-02-13 cs.CL
Authorship attribution via network motifs identification
University of Toronto（多伦多大学）；University of São Paulo（圣保罗大学）
复杂网络的概念和方法可以用来分析不同复杂程度的文本。通过网络拓扑分析研究的自然语言处理（NLP）任务的例子是关键字识别，自动提取摘要和作者归属。尽管已经有大量的网络测量方法被应用于研究作者归属问题，但使用主题进行文本分析仅限于少数作品。本文的目的是应用主题的概念，经常性的互联模式，在作者归属任务。从共现网络中提取所有13个有向基序的绝对频率，并将其作为分类特征。这些功能的有效性进行了验证与四个机器学习方法。研究结果表明，母题能够区分不同作者的写作风格。在我们最好的情况下，57.5%的书籍被正确分类。这个问题的概率基线是12.5%。此外，我们还发现虚词在这些重复模式中起着重要的作用。综上所述，我们的研究结果表明，在其他相关的语言任务中，应该进一步探讨母题。
2016-07-23 cs.CL
MedLatinEpi and MedLatinLit: Two Datasets for the Computational Authorship Analysis of Medieval Latin Texts
Scuola Normale Superiore（比萨高等师范学校）；Università di Pisa（比萨大学）
我们提出并提供MedLatinEpi和MedLatinLit，两个数据集的中世纪拉丁语文本中使用的计算作者分析的研究。MedLatinEpi和MedLatinLit分别由294和30个策展文本组成，按作者标记; MedLatinEpi文本具有书信性质，而MedLatinLit文本由关于各种主题的文学评论和论文组成。因此，这两个数据集有助于支持作者身份分析任务的研究，例如作者身份归属，作者身份验证或同一作者验证。随着数据集，我们提供了实验结果，在这些数据集上获得，用于作者身份验证任务，即，预测未知作者的文本是否由候选作者撰写的任务。我们还提供了我们使用的作者身份验证系统的源代码，从而允许我们的实验被复制，并被其他研究人员用作基线。我们还描述了上述作者身份验证系统的应用，使用这些数据集作为训练数据，调查作者的两个中世纪书信的作者身份一直有争议的学者。
2021-09-11 cs.CL cs.IR
Quantifying Misattribution Unfairness in Authorship Attribution
Stony Brook University（石溪大学）；University of Pennsylvania（宾夕法尼亚大学）
本文提出误归因不公平指数MAUIk，量化作者归属模型中不同作者被误判为文本作者的风险差异，发现模型普遍存在不公平性且与作者嵌入向量距质心远近相关。
2025-06-02 cs.CL
Self-Calibrating Neural-Probabilistic Model for Authorship Verification Under Covariate Shift
Ruhr University Bochum（波鸿鲁尔大学）；Bucknell University（巴克内尔大学）
我们正在解决两个基本问题，在作者身份验证（AV）：主题的变化和误校准。两个有争议的文本的主题的变化是大多数AV系统错误的主要原因。此外，观察到由深度学习AV机制产生的潜在概率估计常常与相应训练数据中的实际案例计数不匹配。因此，概率估计的校准很差。我们正在从PAN 2020扩展我们的框架，以包括贝叶斯因子评分（BFS）和不确定性适应层（UAL）来解决这两个问题。使用2020/21 PAN AV共享任务数据的实验表明，所提出的方法显着降低了对主题变化的敏感性，并显着提高了系统的校准。
2021-06-21 cs.CL
PARSI: Persian Authorship Recognition via Stylometric Integration
Sharif University of Technology（沙菲大学技术学院）；Amirkabir University of Technology（阿米尔卡比尔技术大学）
本研究提出PARSI框架，通过整合transformer编码器与Word2Vec、文体和韵律特征，在67位波斯诗人的647,653行诗句语料库上实现作者识别，加权投票达71%准确率，阈值过滤下达97%准确率。
2025-06-27 cs.AI cs.CL
Attribution and Obfuscation of Neural Text Authorship: A Data Mining Perspective
Penn State University（宾夕法尼亚州立大学）；University of Mississippi（密西西比大学）
作者身份归属（AA）和作者身份混淆（AO）是隐私研究中两个日益引起兴趣和重要性的相互关联的研究问题。给定一个工件，特别是一个有问题的文本t，AA解决方案的目标是准确地将t归因于许多候选作者中的真实作者，而AO解决方案的目标是修改t以隐藏其真实作者。传统上，作者身份的概念及其伴随的隐私问题只针对人类作者。然而，近年来，由于NLP中神经文本生成（NTG）技术的爆炸性进步，能够合成人类质量的开放式文本（所谓的“神经文本”），人们现在必须考虑人类，机器或其组合的作者。由于神经文本在恶意使用时的影响和潜在威胁，了解传统AA/AO解决方案的局限性并开发新的AA/AO解决方案来处理神经文本变得至关重要。因此，在这项调查中，我们从数据采掘的角度对神经文本作者的归属和混淆的最新文献进行了全面的回顾，并分享了我们对他们的局限性和有前途的研究方向的看法。
2023-03-13 cs.CL cs.LG
SMAuC -- The Scientific Multi-Authorship Corpus
Bauhaus-Universität Weimar（魏玛包豪斯大学）；Leipzig University（莱比锡大学）
针对科学出版物作者身份分析缺乏大规模数据集的问题，构建了包含逾300万篇论文、超500万作者的元数据丰富语料库SMAuC，旨在推动该领域研究。
2023-05-10 cs.CL cs.DL
Towards Improved Model Design for Authorship Identification: A Survey on Writing Style Understanding
Minds, Machines, and Society Group（心智、机器与社会研究组）；Department of Computer Science, Dartmouth College（达特茅斯学院计算机科学系）；Dartmouth College（达特茅斯学院）
作者身份识别一直是自然语言理解研究的一个重要组成部分，它严重依赖于语言风格。虽然基于语言风格理解的其他任务受益于深度学习方法，但这些方法在许多基于作者的任务中表现不如传统的机器学习方法。然而，随着这些任务变得越来越具有挑战性，基于手工特征集的传统机器学习方法已经接近其性能极限。因此，为了激发未来深度学习方法在基于作者的任务中的应用，以有利于提取风格特征，我们调查了基于作者的任务和其他与写作风格理解相关的任务。我们首先描述了我们的调查结果的研究现状，在这两套任务和总结现有的成就和问题，在作者相关的任务。然后，我们描述了在一般风格相关的任务中的优秀方法，并分析了它们如何在性能最好的模型中组合使用。我们对这些模型在基于作者的任务中的适用性持乐观态度，并希望我们的调查有助于推进这一领域的研究。
2020-09-30 cs.CL cs.LG
A Girl Has A Name: Detecting Authorship Obfuscation
The University of Iowa（爱荷华大学）
作者归属的目的是在文体分析的基础上确定文本的作者。另一方面，作者身份混淆旨在通过修改文本的风格来防止作者归属。在本文中，我们评估了对抗性威胁模型下最先进的作者身份混淆方法的隐蔽性。混淆器是隐形的，在某种程度上，对手发现检测混淆器修改的文本是否被混淆是具有挑战性的-这是对作者归属感兴趣的对手的关键决定。我们发现，现有的作者身份混淆方法并不隐秘，因为它们的混淆文本可以被识别，平均F1得分为0.87。缺乏隐蔽性的原因是这些模糊器以可检测的方式降低了文本平滑度，如神经语言模型所确定的。我们的研究结果强调需要开发隐形的作者身份混淆方法，可以更好地保护作者的身份寻求匿名。
2020-05-02 cs.CL cs.IR cs.LG
BARD10: A New Benchmark Reveals Significance of Bangla Stop-Words in Authorship Attribution
Chittagong University of Engineering & Technology（吉大港工程技术大学）；Brac University（布拉克大学）
本研究针对孟加拉语作者归属问题，构建平衡基准语料库BARD10，分析停用词移除对经典及深度学习模型的影响，揭示停用词的文体重要性，为相关研究提供可复现基准与关键见解。
2025-11-11 cs.AI cs.CL
JAMDEC: Unsupervised Authorship Obfuscation using Constrained Decoding over Small Language Models
University of Washington（华盛顿大学）；Allen Institute for Artificial Intelligence（艾伦人工智能研究所）
本文提出无监督推理时作者身份混淆算法JAMDEC，基于GPT2-XL等小语言模型通过受限解码提升创造力，在保护隐私的同时优于同等小模型方法，并与大两数量级的GPT3.5竞争。
2024-02-13 cs.AI cs.CL
A Decentralized Framework for Ethical Authorship Validation in Academic Publishing: Leveraging Self-Sovereign Identity and Blockchain Technology
College of Banking and Financial Studies（银行与金融研究学院）
针对学术出版中的不道德署名问题，本文提出基于自主身份和区块链的去中心化框架，利用DID、VC和零知识证明验证作者身份与贡献，提升伦理合规性和透明度。
2025-08-03 cs.CL cs.CR
Contrastive Learning for Authorship Verification
Georgia Institute of Technology（佐治亚理工学院）
本文提出用对比学习改进作者身份验证，识别关键影响因素，并开发ModernBERT双编码器模型，在PAN21任务上达到98.4%准确率。
2026-09-24 cs.CL cs.LG
Text Classification For Authorship Attribution Analysis
Cochin University（科钦大学）；Adi Shankara Institute of Engineering and Technology（阿迪·商羯罗工程技术学院）
作者归属主要是指文学作品的作者未定问题。作者归属在解决诸如作者身份不确定、未知文本的作者身份识别、剽窃识别等问题上是非常有用的。统计方法可以用来从数字上区分作者的方法。计算文体学的基本方法是字长、句长、词汇量、频率等。每个作者都有自己独特的写作风格。统计定量技术可以用来区分作者的方法在一个数字的方式。该问题可以分解为作者识别、作者刻画和相似性检测三个子问题。所涉及的步骤是预处理，提取特征，分类和作者识别。为此，可以使用不同的分类器。这里使用模糊学习分类器和SVM。经过作者的识别，SVM比模糊分类器有更高的准确性。后来结合分类器，以获得更好的准确性相比，单独的SVM和模糊分类器。
2013-10-18 cs.CL cs.DL cs.LG
AuthBench: A Large-Scale Multilingual Benchmark for Authorship Representation across Genres and Lengths
Cornell University（康奈尔大学）
AuthBench是一个大规模多语言作者身份表征基准，涵盖多种语言、体裁和长度，通过统一零样本协议评估47个神经模型，发现作者身份表征仍远未解决，并提供诊断资源以研究其成败原因。
2026-09-09 cs.AI cs.CL
Defending Against Authorship Identification Attacks
Indiana University Bloomington（印第安纳大学伯明顿分校）
本文针对匿名场景下作者身份识别带来的隐私威胁，全面综述二十余年相关研究进展，介绍基于修改和生成的防御方法框架，结合差分隐私领域成果，指出当前研究局限与未来方向。
2023-10-02 cs.CL cs.CY
Integrating Bidirectional Long Short-Term Memory with Subword Embedding for Authorship Attribution
University of Pretoria（比勒陀利亚大学）；University of the Witwatersrand（金山大学）；Durban University of Technology（德班理工大学）
提出基于BLSTM与二维CNN的方法，利用子词信息捕捉序列写作风格，解决作者归属中未登录词问题，在CCAT50和Twitter上准确率分别提升1.07%和0.96%。
2023-06-26 cs.AI cs.CL cs.LG
Syllabic Quantity Patterns as Rhythmic Features for Latin Authorship Attribution
Scuola Normale Superiore（比萨高等师范学校）
众所周知，在拉丁文的书面文本中，不仅诗歌作品，而且许多散文作品都遵循特殊的公制方案。这种度量模式是基于所谓的音节量，即，在所涉及的音节的长度，有大量的证据表明，某些作者有一个特定的度量模式比其他人的偏好。在这项研究中，我们调查的可能性，采用音节数量为基础，推导出拉丁散文文本的计算作者归属的任务节奏特征。我们测试的影响，这些功能的作者归属任务时，结合其他主题不可知的功能。我们的实验，在三个不同的数据集上进行，使用两种不同的机器学习方法，表明基于音节数量的节奏特征有利于区分拉丁散文作者。
2021-10-27 cs.CL cs.LG
Authorship Attribution Using a Neural Network Language Model
Purdue University（普渡大学）
在实践中，由于有限的数据资源，为单个作者训练语言模型通常是昂贵的。在这种情况下，神经网络语言模型（NNLM）通常优于传统的非参数N-gram模型。在这里，我们研究了前馈NNLM在作者归属问题上的性能，适度的作者集大小和相对有限的数据。我们还考虑了文本主题如何影响性能。与构造良好的N-gram基线方法与Kneser-Ney平滑相比，该方法实现了近2：5%的困惑减少，平均提高作者分类准确率3：43%，给出了5个测试句子。在准确性和对测试数据的要求方面，其性能与最先进的技术相比具有很强的竞争力。源代码、预处理数据集、方法和结果的详细描述可在https://github.com/zge/authorship-attribution上获得。
2016-02-17 cs.AI cs.CL
Character-level and Multi-channel Convolutional Neural Networks for Large-scale Authorship Attribution
Insight Centre for Data Analytics（数据洞察中心）；Aylien Ltd.（Aylien 有限公司）；National University of Ireland, Galway（爱尔兰国立大学戈尔韦分校）
卷积神经网络（CNN）在从计算机视觉的原始信号中提取信息方面表现出优越的能力。最近，字符级和多通道CNN在句子分类任务中表现出了出色的性能。我们将CNN应用于大规模的作者归属，其目的是在许多候选作者中确定未知文本的作者，其动机是处理字符级信号并区分大量类别的能力，同时与最先进的方法相比进行快速预测。我们广泛评估了基于CNN的方法，这些方法利用单词和字符通道，并将它们与最先进的方法进行比较，以获得大范围的作者数量，从而为传统方法提供新的视角。我们发现，字符级CNN在不同领域的五个数据集中有四个数据集上的表现优于最先进的技术。此外，我们还首次将作者归属应用于reddit。
2016-09-21 cs.CL cs.LG
Isolating authorship from content with semantic embeddings and contrastive learning
Universidad Politécnica de Madrid（马德里理工大学）
针对作者身份识别中内容与风格纠缠导致内容泄露的问题，提出结合语义相似性模型生成难负样本的对比学习（InfoNCE）解耦技术，提升多产作者识别准确率并保留零样本能力。
2024-11-27 cs.CL cs.LG
A Bayesian Approach to Harnessing the Power of LLMs in Authorship Attribution
University of Maryland（马里兰大学）；Adobe Research（奥多比研究院）
本研究针对传统作者归属方法的局限，提出基于贝叶斯方法利用预训练大语言模型概率输出的单样本作者归属方案，在多数据集上取得85%的准确率，设定了新基准并拓展了大语言模型在司法语言学的应用。
2024-10-29 cs.AI cs.CL stat.AP
The AI Ghostwriter Effect: When Users Do Not Perceive Ownership of AI-Generated Text But Self-Declare as Authors
LMU Munich（慕尼黑大学）；University of Bayreuth（拜罗伊特大学）；Aalto University（阿尔托大学）
两项实证研究揭示AI代笔效应：用户不承认拥有AI生成文本的所有权，却不愿公开声明AI作者身份，为重构作者身份框架与界面提供依据。
2023-11-07 cs.CL cs.HC
Whodunit? Learning to Contrast for Authorship Attribution
National University of Singapore（新加坡国立大学）；AWS AI Research & Education（亚马逊云科技人工智能研究与教育部门）
作者归属是识别给定文本的作者的任务。关键是找到可以区分作者的表示。现有的方法通常使用手动设计的功能来捕获数据集的内容和样式，但这些方法依赖于数据集，并且在语料库中产生不一致的性能。在这项工作中，我们提出了\textit{learning}作者特定的表示微调预训练的通用语言表示与对比的目标（对比-X）。我们表明，反X学习表示，形成高度可分离的集群不同的作者。它在多个人类和机器作者归属基准上推进了最先进的技术，使交叉熵微调的改进高达6.8%。然而，我们发现，对某些作者来说，Contra-X以牺牲性能为代价提高了整体准确性。化解这一紧张关系将是今后工作的重要方向。据我们所知，我们是第一个将对比学习与预训练的语言模型微调结合起来的作者归属。
2022-10-10 cs.AI cs.CL cs.LG
Gender Gap in Natural Language Processing Research: Disparities in Authorship and Citations
National Research Council Canada（加拿大国家研究委员会）
性别之间在作者和引用方面的差异不仅对弱势性别，而且对整个研究领域都可能产生重大不利影响。衡量性别差距是解决这些问题的关键一步。在这项工作中，我们研究了女性第一作者的百分比和引用他们的论文在自然语言处理（1965年至2019年）。我们使用现有的手动策划的作者-性别列表以及与性别密切相关的名字来确定聚合级统计数据。我们发现，只有大约29%的第一作者是女性，只有大约25%的最后作者是女性。值得注意的是，这一比例自2000年代中期以来没有改善。我们还表明，平均而言，女性第一作者被引用的次数少于男性第一作者，即使在控制经验和研究领域的情况下。最后，我们讨论了自动人口统计分析中涉及的伦理问题。
2020-09-03 cs.CL cs.DL
Authorship Without Writing: Large Language Models and the Senior Author Analogy
National University of Singapore（新加坡国立大学）；University of Copenhagen（哥本哈根大学）；University of Oxford（牛津大学）
本文提出LLM在特定条件下可类比资深作者，其生成完整草稿可视为合法作者身份，否则需修订作者标准。
2025-09-05 cs.AI cs.CL cs.CY
