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
Large Language Models and Forensic Linguistics: Navigating Opportunities and Threats in the Age of Generative AI
College of Humanities and Social Sciences（人文与社会科学学院）；Hamad Bin Khalifa University（哈马德·本·卡西姆大学）
本文探讨了大语言模型对语言学鉴定的双重影响，指出其在分析工具与身份混淆方面的矛盾，并提出混合工作流程和可解释检测方法以提升科学可信度和法律可采性。
2025-12-07 cs.CL cs.CY
Detection of Hate and Threat in Digital Forensics: A Case-Driven Multimodal Approach
University of Nevada, Reno（内华达大学雷诺分校）
本文提出一种基于案例的多模态方法，用于数字取证中的仇恨与威胁检测，通过区分文本证据、关联上下文文本和图像证据，提升取证的可追溯性和准确性。
2026-04-08 cs.AI cs.CV cs.LG
Evidence-Grounded Forensic Reasoning for Detecting and Grounding Multi-Modal Media Manipulation
本文针对多模态媒体篡改检测与定位问题，提出基于证据的取证推理框架，结合锚定-验证推理链、可验证奖励系统与模态解耦优势路由机制，实现最优性能与可解释性的统一。
2026-08-11 cs.AI cs.CV
SalaMAnder: Shapley-based Mathematical Expression Attribution and Metric for Chain-of-Thought Reasoning
Shanghai Jiao Tong University（上海交通大学）；Alibaba Cloud Computing（阿里云计算）
本文提出SalaMAnder框架，利用Shapley值对少样本CoT推理中的数学表达式进行归因，并开发CoSP指标，以数学上严格的方式解释并优化提示构建与模型性能之间的关系。
2025-09-20 cs.AI cs.CL
Are You Robert or RoBERTa? Deceiving Online Authorship Attribution Models Using Neural Text Generators
University of Kent（肯特大学）
最近，强大的预训练自然语言模型的开发正在兴起，包括GPT-2、Grover和XLM。这些模型已经显示出对各种不同NLP任务的最先进的能力，包括问答，内容摘要和文本生成。除此之外，还有许多研究关注在线作者归属（AA）。也就是说，使用模型来识别在线文本的作者。鉴于自然语言模型在生成令人信服的文本方面的能力，本文研究了这些语言模型在多大程度上可以生成能够欺骗在线AA模型的文本。实验与博客和Twitter的数据，我们利用GPT-2语言模型生成文本使用现有的帖子的在线用户。然后，我们研究这些基于AI的文本生成器是否能够模仿作者风格，以至于它们可以欺骗典型的AA模型。由此，我们发现当前基于人工智能的文本生成器能够成功地模仿作者身份，在两个数据集上都显示了这方面的能力。我们的研究结果，反过来，突出了强大的自然语言模型，以生成原始的在线帖子，能够模仿作者风格足以欺骗流行的AA方法的当前能力;一个关键的发现，考虑到AA在现实世界中的应用，如垃圾邮件检测和法医调查的建议作用。
2022-03-18 cs.AI cs.CL cs.LG
Learning Text Styles: A Study on Transfer, Attribution, and Verification
SUTD（新加坡科技设计大学）；ISTD（科技设计学院）
本文围绕文本风格迁移、作者归属与作者验证三大任务，提出基于大语言模型参数高效适配、对比解耦和指令微调的方法，以提升风格操控与作者识别的效果和可解释性。
2025-07-22 cs.CL
Two Birds with One Stone: Multi-Task Detection and Attribution of LLM-Generated Text
University of Georgia（佐治亚大学）；Egypt-Japan University of Science and Technology（埃及-日本科学技术大学）；University of Louisville（路易斯维尔大学）
针对LLM生成文本的检测与归属问题，提出多任务学习框架DA-MTL，在多数据集与骨干模型上验证其多语言、多来源性能及鲁棒性，为相关任务泛化提供见解。
2025-08-19 cs.CL cs.CR cs.LG
GoCoMA: Hyperbolic Multimodal Representation Fusion for Large Language Model-Generated Code Attribution
GoCoMA通过超几何空间融合代码风格和二进制特征，提升大语言模型生成代码的归因准确性，在两个基准测试中优于单一模态和欧几里得多模态基线。
2026-04-24 cs.CL cs.CY
When New Generators Arrive: Lifelong Machine-Generated Text Attribution via Ridge Feature Transfer
Wuhan University（武汉大学）；Ant Group（蚂蚁集团）；The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州））；Institute of Deep Perception Technology, JITRI（感知技术研究院，JITRI）
针对终身机器生成文本归因中持续适应新生成器与保留旧知识难以平衡的问题，提出轻量级分析更新框架RidgeFT，通过协方差校准和固定随机特征实现无需示例回放的闭式更新。
2026-09-09 cs.AI cs.CL cs.LG
Who's Behind the Text? Robust Model Authorship Attribution
Korea Advanced Institute of Science and Technology（韩国科学技术院）
针对现有模型作者归属（MAA）方法在分布偏移下性能下降的问题，提出ATLAS方法，结合MAABench基准验证其在OOD场景下的性能优于基线，还可用于识别蒸馏源模型。
2026-10-15 cs.AI cs.CL cs.LG
Fast and Accurate Quotation Attribution in Literary Texts
Deezer Research（Deezer研究院）；LORIA（洛里亚实验室）；Université Sorbonne Paris Nord（巴黎北索邦大学）；CNRS（法国国家科学研究中心）；LIPN（巴黎第十三大学计算机科学实验室）；IDIAP（IDIAP研究所）
本研究针对文学文本引语归属的效率与精度难题，提出基于编码器的联合评分方案，在Project Dialogism小说语料库上实现94.5%准确率，速度远超同类方法，且发布了修改后的ModernBookNLP工具。
2026-08-04 cs.CL
LAQuer: Localized Attribution Queries in Content-grounded Generation
Bar-Ilan University（巴伊兰大学）；UNC Chapel Hill（北卡罗来纳大学教堂山分校）
本文提出LAQuer任务，将生成文本中的选定片段局部化归因到对应源片段，通过提示LLM和利用内部表示构建建模框架，在多文档摘要和长文本问答上验证其显著缩短归因文本长度。
2025-06-01 cs.CL
Attribution, Citation, and Quotation: A Survey of Evidence-based Text Generation with Large Language Models
TU Dresden & ScaDS.AI Dresden/Leipzig（德累斯顿技术大学及ScaDS.AI德累斯顿/莱比锡）
本文综述了基于大语言模型的证据导向文本生成，分析了134篇论文，提出统一的分类体系，探讨了引用、归因和引述三种方法，并指出未来研究方向和挑战。
2026-04-16 cs.CL
LLM Attributor: Interactive Visual Attribution for LLM Generation
Georgia Tech（佐治亚理工学院）；Google Research（谷歌研究院）
本文提出 LLM Attributor，一个通过交互式可视化将大语言模型文本生成归因到训练数据点的 Python 库，以检查模型行为并增强可信度。
2024-04-01 cs.AI cs.CL cs.HC
Is Contrasting All You Need? Contrastive Learning for the Detection and Attribution of AI-generated Text
University of Calabria（卡拉布里亚大学）
本文提出WhosAI三元组对比学习框架，利用多生成器语义表示同时完成AI文本检测与作者归属，并在20万篇新闻的TuringBench上超越全部排行榜方法。
2025-03-17 cs.AI cs.CL cs.CY
Enhancing Answer Attribution for Faithful Text Generation with Large Language Models
Technical University of Munich（慕尼黑工业大学）；School of Computation, Information and Technology（计算、信息与技术学院）
本文针对大语言模型答案归因中声明分割与证据检索的不足，提出生成更独立且上下文化的声明的新方法，并通过评估验证其能有效提升答案归因性能。
2024-10-22 cs.CL cs.IR
Evaluating LLMs for Quotation Attribution in Literary Texts: A Case Study of LLaMa3
Deezer Research（迪泽尔研究部）；Loria（洛里亚研究所）
本研究评估了Llama-3在小说直接引语归属任务中的能力，发现其在28部小说语料库上大幅超越ChatGPT及基线模型，且经验证性能提升非源于记忆或污染，成为该领域新SOTA。
2025-01-26 cs.CL
Sample-Efficient LLM-Based Detection of Malicious Web Server Logs with Forensically Explainable Reasoning
University of Tuebingen（图宾根大学）
提出CEF-Log策略，通过五步推理模板使大语言模型学习日志分析方法，在CSIC 2010数据集上仅用4个示例达到F1=0.99，样本效率提升10倍，并引入新数据集ForenWebLog。
2026-06-07 cs.AI cs.CR
Defending against Insertion-based Textual Backdoor Attacks via Attribution
University of Michigan（密歇根大学）；NVIDIA（英伟达）；University of Wisconsin Madison（威斯康星大学麦迪逊分校）；Arizona State University（亚利桑那州立大学）
本文提出基于归因的防御流程AttDef，通过识别高归因词元作为潜在触发器并结合外部预训练语言模型检测投毒输入，在BadNL和InSent两种插入式文本后门攻击上取得最优防御效果。
2023-08-07 cs.AI cs.CL cs.CR
RoPE-LIME: RoPE-Space Locality + Sparse-K Sampling for Efficient LLM Attribution
University of Toronto（多伦多大学）；DevRev
RoPE-LIME通过RoPE空间局部性和稀疏K采样，高效实现LLM归因，减少API调用并提升归因信息质量。
2026-02-18 cs.CL
Visual Explanations of Image-Text Representations via Multi-Modal Information Bottleneck Attribution
New York University（纽约大学）
针对视觉-语言预训练模型可解释性不足的问题，提出多模态信息瓶颈M2IB归因方法，无需真实标签即可提升归因准确率，在定性定量上均优于现有归因方法。
2024-06-22 cs.AI cs.CV cs.LG
Authorship Attribution in Multilingual Machine-Generated Texts
DIMES Department, University of Calabria（卡利博大学DIMES系）；Kempelen Institute of Intelligent Technologies（智能技术研究所）
提出多语言作者归属问题，研究单语言方法在18种语言和8个生成器上的跨语言迁移能力，发现显著局限。
2026-06-12 cs.AI cs.CL cs.CY
I Can Find You in Seconds! Leveraging Large Language Models for Code Authorship Attribution
University of Central Florida（中佛罗里达大学）；Nanyang Technological University（南洋理工大学）；Technical University of Munich（慕尼黑工业大学）；Propulsion and Space Research Center, Technology Innovation Institute（技术创新研究所推进与空间研究中心）
针对传统代码作者归属方法泛化性差、大规模场景扩展性不足的问题，本文探索大语言模型在代码作者归属中的应用，提出锦标赛式大规模识别方法，在跨语言场景下取得有效结果，为相关领域应用提供新思路。
2025-01-14 cs.AI cs.SE
FORGE: Forensic Reasoning with Grounded Evidence
FORGE通过引入基于密集补丁预测的视觉专用模型第二视觉流，解决多模态大语言模型在法医深度伪造分析中忽略局部线索的归纳偏置问题，实现区域级可验证解释并显著提升跨域性能。
2026-09-18 cs.AI cs.CV
Source Attribution for Large Language Model-Generated Data
School of Computing（计算机学院）；National University of Singapore（新加坡国立大学）；Institute for Infocomm Research（信息通信研究院）；Agency for Science, Technology and Research（新加坡科技研究局）
本文提出了一种基于水印技术的来源归因框架，通过使LLM生成包含来源信息的合成文本，实现对数据提供者的准确识别，并验证了其有效性和鲁棒性。
2024-09-25 cs.AI cs.LG stat.ML
AEyeDE: An Attention-Based Attribution Framework for AI-Generated Text Detection
University of Luxembourg（卢森堡大学）；Department of Computer Science（计算机科学系）
提出AEyeDE框架，利用代理Transformer模型的注意力归因矩阵，通过轻量级CNN区分人类与AI生成文本，在多种设置下优于文本基线，并揭示注意力图的局部结构差异。
2026-04-13 cs.AI 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
Explainability of machine learning approaches in forensic linguistics: a case study in geolinguistic authorship profiling
University of Birmingham（伯明翰大学）；University of Helsinki（赫尔辛基大学）；University of Oslo（奥斯陆大学）；University Sorbonne Nouvelle（新索邦大学）
本文以德语区社交媒体数据为对象，研究机器学习语言变体分类在法庭地理语言画像中的可解释性，识别出最具影响力的词汇特征，并发现模型分类同时依赖代表性词汇和地名。
2024-07-01 cs.CL
More than Word Frequencies: Authorship Attribution via Natural Frequency Zoned Word Distribution Analysis
随着数字文本数据的日益普及和可用性，由于易于复制和解析，数字文本的作者身份不能被视为理所当然。本文提出了一种新的文本风格分析方法--自然频率分区词分布分析（NFZ-WDA），并在此基础上提出了一种基本的数字文本作者归属方案和一种开放的数字文本作者归属方案。NFZ-WDA是基于这样一种观察，即所有作者都会在他们所写的文本中留下独特的内在词汇使用痕迹，这些内在风格可以被识别并用于分析作者身份。通过分析词在文本中的分布，可以估计出文本中的固有的词使用风格，这比一般的词频分析更有意义，可以表示为：文本中使用了哪些组词;每组词出现的频率如何;每组词在文本中的出现分布如何。接下来，基本作者归属方案和开放作者归属方案为封闭和开放作者归属问题提供了解决方案。通过分析和大量的实验研究，本文证明了所提出的方法的有效性的作者归属。
2012-08-15 cs.CL
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
The Project Dialogism Novel Corpus: A Dataset for Quotation Attribution in Literary Texts
University of Toronto（多伦多大学）；Vector Institute for Artificial Intelligence（向量人工智能研究所）
我们提出了项目对话小说语料库，或PDNC，一个注释的数据集的引用英语文学文本。PDNC包含22部长篇小说中35，978条引文的注释，是同类中最大的语料库。每句引语都有注释，包括引语的说话人、收信人、引语类型、指称表达和引语文本中提到的人物。注释属性允许对文学文本的引用归因和共指模型进行全面评估。
2022-04-12 cs.CL
Assessing Partisan Traits of News Text Attributions
McGill University（麦吉尔大学）；Cornell University（康奈尔大学）
关于新闻诚信的话题，目前准确、公正的新闻报道在2016年美国总统大选的背景下引发了很多争论。在追求新闻文本的计算评估中，媒体机构归因于消息来源的陈述（归因）提供了一个共同的证据类别。在本文中，我们开发了一种方法来比较新闻文本归因的党派特征，并将其应用于描述归因于候选人希拉里克林顿和现任总统唐纳德特朗普的声明中的差异。在此过程中，我们提出了一个基于600多个内部注释属性训练的模型，以识别每个候选人，准确率> 88%。最后，我们讨论了其性能的见解，为未来的研究。
2019-01-25 cs.CL
Incorporating Priors with Feature Attribution on Text Classification
Google（谷歌）
最近提出的特征归因方法可以帮助用户解释复杂模型的预测。我们的方法将特征属性集成到目标函数中，以允许机器学习从业者将先验知识纳入模型构建中。为了证明我们的技术的有效性，我们将其应用于两个任务：（1）通过中和身份术语来减轻文本分类器中的意外偏见;（2）通过迫使模型专注于有毒术语来提高分类器在稀缺数据设置中的性能。我们的方法增加了一个L2之间的距离损失的功能属性和任务特定的先验值的目标。我们的实验表明，i）用我们的技术训练的分类器减少了不期望的模型偏差，而没有对原始任务进行权衡; ii）合并先验知识有助于在稀缺数据设置中提高模型性能。
2019-06-19 cs.CL
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
Assessing the Stylistic Properties of Neurally Generated Text in Authorship Attribution
University of Antwerp（安特卫普大学）；Ghent University（根特大学）
近年来，神经语言模型的应用引起了人们对自动生成自然语言的兴趣。然而令人印象深刻的是，迄今为止，对神经生成文本的评估仍然相当非正式和轶事。在这里，我们提出了一种尝试，在系统评估的一个方面的质量神经生成的文本。我们专注于神经语言生成的一个特定方面：它再现作者写作风格的能力。使用已建立的作者归属模型，我们经验性地评估神经生成文本的文体质量。与传统的语言模型相比，神经模型生成更模糊的文本，这相对更难正确地归属。然而，我们的研究结果也表明，神经生成的文本提供了更有价值的观点，为增强训练数据。
2017-08-18 cs.CL
A stylometric analysis of speaker attribution from speech transcripts
Johns Hopkins University（约翰霍普金斯大学）
本文提出StyloSpeaker方法，通过分析转录文本的风格特征，用于语音归属，对比了风格学模型与神经网络方法的性能。
2025-12-18 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
Writer Identification Using Microblogging Texts for Social Media Forensics
Halmstad University（哈尔姆斯塔德大学）；University of Tartu（塔尔图大学）
确定在线文本的作者身份是打击网络犯罪的根本。不幸的是，文本长度在某些平台上是有限的，这使得挑战更加困难。我们的目标是识别限制在140个字符的Twitter消息的作者。我们评估流行的文体特征，广泛用于文学分析，以及特定的Twitter功能，如URL，标签，回复或引用。我们使用两个数据库，分别有93和3957名作者。我们测试了不同大小的作者集和每个作者不同数量的训练/测试文本。通过自动选择的特征组合进一步提高性能。在大量训练推文（>500）的情况下，即使有数千名作者，也可以仅用几十条测试推文实现良好的准确性（Rank-5>80%）。使用较小的样本大小（10-20个训练推文），搜索空间可以减少9-15%，同时保持在候选者中检索到正确作者的高机会。在这种情况下，自动归因可以为专家在嫌疑人搜索方面节省大量时间。为了完整性，我们报告验证结果。在训练/测试推文很少的情况下，EER高于20- 25%，如果有数百个训练推文可用，则EER降低到< 15%。我们还量化的计算复杂性和时间持久性所采用的功能。
2021-03-06 cs.CL cs.IR
Normalisation-Based Likelihood Ratio Estimation for Forensic Authorship Verification
The University of Manchester（曼彻斯特大学）
研究针对法医作者身份验证中似然比估计问题，提出平方根校正和单字校正两种归一化技术，无需校准模型，经实验评估，性能与逻辑回归校准相当，单字校正更优，还具有减少数据需求等优势，支持在法医环境采用。
2026-07-13 cs.CL stat.AP
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
FinLFQA: Evaluating Attributed Text Generation of LLMs in Financial Long-Form Question Answering
NYU Shanghai（纽约大学上海校区）；Yale University（耶鲁大学）；New York University（纽约大学）
针对大语言模型在金融长文问答中的幻觉问题，提出FinLFQA基准，评估归因的三个关键方面，并通过实验发现细粒度指标和端到端生成的重要性。
2025-10-07 cs.CL
OpenTuringBench: An Open-Model-based Benchmark and Framework for Machine-Generated Text Detection and Attribution
University of Calabria（卡拉布里亚大学）
针对开放大型语言模型（OLLMs）输出检测的新挑战，提出OpenTuringBench基准与框架，聚焦代表性OLLMs，包含多类挑战性任务，所提供的OTBDetector在相关任务中表现优异，优于多数现有检测器。
2025-04-15 cs.AI cs.CL cs.CY
An Investigation of Supervised Learning Methods for Authorship Attribution in Short Hinglish Texts using Char & Word N-grams
Microsoft Corporation（微软公司）；Guru Gobind Singh Indraprastha University（古鲁·戈宾德·辛格因德拉普拉斯塔大学）
一个人的写作风格可以被确认为一个独特的身份标志;使用的词语和句子的结构是可以识别特定作品作者的明确措施。文体学及其子集--作者归属，从19世纪开始就有着悠久的历史，直到现代我们仍然可以找到它们的应用。互联网的出现使归因研究的应用转向了非标准文本，这些文本相对较短，并且与大多数研究所做的长文本不同。本文的目的是重点研究从WhatsApp消息应用程序检索的简短在线文本，并使用监督学习方法研究马卡罗语（印度式英语）的独特特征，然后比较模型。各种特征，如单词n-gram和字符n-gram，通过方法进行比较，朴素贝叶斯分类器，支持向量机，条件树，和随机森林，以找到最好的分类，这样的语料库。我们的结果表明，SVM的测试准确率高达95.079%，而同样，Naive Bayes的数据集准确率高达94.455%。条件树和随机森林的性能不如预期。我们还发现，单词单字和字符3-grams功能更有可能区分作者准确比其他功能。
2018-12-26 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
On the role of words in the network structure of texts: application to authorship attribution
University of São Paulo（圣保罗大学）
成熟的文本自动分析主要考虑语言单位的频率，例如字母，单词和二元组，而基于共现网络的方法考虑文本的结构，而不管节点标签（即单词语义）。在本文中，我们调和这些不同的观点，通过引入一个广义的相似性度量来比较文本，该度量既考虑了文本的网络结构，也考虑了单个词在网络中的作用。我们使用的相似性度量的作者归属的三个集合的书籍，每个集合由8个作者和10本书的作者。高准确率获得的典型值从90%到98.75%，远远高于传统的TF-IDF方法相同的集合。这些准确性也高于仅考虑网络的拓扑结构。我们的结论是，在整个文本的宏观尺度结构上的特定单词的不同属性与它们的出现频率一样相关;相反，考虑节点的身份带来了对表示为网络的文本的进一步了解。
2017-05-11 cs.CL cs.SI
DeepStyle: User Style Embedding for Authorship Attribution of Short Texts
University of Electronic Science and Technology of China（电子科技大学）；Singapore Management University（新加坡管理大学）；University of Saskatchewan（萨斯喀彻温大学）
作者归属（AA）是一个重要的研究课题，具有广泛的应用，它是一个发现给定文本的所有者的任务。最近的研究表明，深度学习方法可以显著提高AA任务的准确性。然而，这些提出的方法中的大多数使用单一类型的特征（例如，单词二元语法）并采用文本分类方法来解决该任务。此外，这些方法对AA结果的解释非常有限。在本文中，我们通过提出DeepStyle来解决这些限制，DeepStyle是一种基于嵌入的新框架，可以学习用户突出写作风格的表示。我们对来自Twitter和微博的两个真实世界数据集进行了广泛的实验。我们的实验结果表明，DeepStyle在AA任务上的表现优于最先进的基线。
2021-03-14 cs.CL cs.SI
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
Identifying attributions of causality in political text
Hertie School（赫尔蒂学校）
本文提出了一种用于检测和解析政治文本中因果解释的框架，通过训练轻量级因果语言模型，实现结构化数据集的生成，以提高对因果关系的分析能力。
2025-12-02 cs.CL cs.CY
ClaimVer: Explainable Claim-Level Verification and Evidence Attribution of Text Through Knowledge Graphs
University of Washington（华盛顿大学）；UC Berkeley（加州大学伯克利分校）；Amazon GenAI（亚马逊生成式AI部门）；Stanford University（斯坦福大学）
针对虚假信息泛滥下文本验证缺乏可解释性与细粒度的问题，提出以人为中心的框架ClaimVer，通过知识图谱实现声明级验证、证据归因与解释，并引入归因分数以支持下游任务。
2024-09-21 cs.CL cs.CY cs.LG
