Sui Generis: Large Language Models for Authorship Attribution and Verification in Latin
Radboud University(拉德堡德大学);HSE University(高等经济大学);THWS(维尔茨堡-施韦因富特应用科学大学)
该研究评估大语言模型在教父时代拉丁语文本作者归属与验证任务的表现,发现其零样本验证有鲁棒性但易受语义干扰,且难引导决策,特定场景超传统基线但获可解释结果需大量实验。
2024-10-11 cs.CL
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
Latent Space Interpretation for Stylistic Analysis and Explainable Authorship Attribution
Columbia University(哥伦比亚大学);University of Pennsylvania(宾夕法尼亚大学)
针对现有作者归属方法潜在空间不可解释的问题,提出通过识别潜在空间代表点并利用LLM生成风格自然语言描述的解释方法,实现了最优预测一致性,且能将人类完成作者归属任务的准确率平均提升约20%。
2024-09-11 cs.CL
Enhancing Authorship Attribution through Embedding Fusion: A Novel Approach with Masked and Encoder-Decoder Language Models
University at Buffalo, The State University of New York(纽约州立大学布法罗分校)
针对AI生成与人类撰写文本的区分需求,提出基于多预训练语言模型嵌入融合的作者归属识别框架,在五类大模型生成的平衡数据集上实现超96%的分类准确率与0.93以上的MCC,验证了方法的有效性与鲁棒性。
2024-11-01 cs.CL cs.LG
Author Representation Strategies for Zero-Shot Authorship Attribution: A Comparative Study of LLM-Based and Embedding-Based Approaches
Luleå University of Technology(吕勒奥理工大学)
本研究比较了基于LLM和嵌入的作者表示策略,提出两阶段LISA框架,在零样本作者归属中取得最优性能,凸显作者表示的关键作用。
2026-10-05 cs.CL
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
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
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
Authorship attribution and aesthetic evaluation of AI poetry: a case study with Haiku
Sapienza University of Rome(罗马大学);Shibaura Institute of Technology(芝浦工业大学)
本研究通过少样本提示生成多类LLM的日本俳句,结合人类创作进行问卷测试,发现美学评价与作者识别分离,且随模型改进,人类辨别能力可能下降。
2026-09-15 cs.AI cs.CL
I Know Which LLM Wrote Your Code Last Summer: LLM generated Code Stylometry for Authorship Attribution
University of Oslo(奥斯陆大学);Technology Innovation Institute(技术创新研究所);Eötvös Lóránd University(欧多西亚·洛拉恩大学);Guelma University(盖尔马大学);University of Oslo, Cyentific AS(奥斯陆大学,Cyentific AS)
本文提出CodeT5-Authorship模型,仅用编码器进行C程序作者归属,并构建LLM-AuthorBench基准,在二分类和多分类中分别达到97.56%和95.40%的准确率。
2025-06-18 cs.AI cs.LG cs.SE
Authorship Attribution in Bangla Literature (AABL) via Transfer Learning using ULMFiT
Shahjalal University of Science and Technology(沙赫贾拉勒科技大学)
针对孟加拉语作者归属研究匮乏、现有系统可扩展性差且小样本性能下降的问题,本文提出基于AWD-LSTM和ULMFiT迁移学习的方法,构建了BAAD16数据集,取得99.8%的准确率,提升了系统可扩展性和小样本稳定性。
2024-03-08 cs.CL
A Comparative Study of LLM Prompting and Fine-Tuning for Cross-genre Authorship Attribution on Chinese Lyrics
Columbia University(哥伦比亚大学)
本文通过对比LLM提示与微调方法,研究中文歌词跨流派作者归属问题,提出新的数据集和领域模型,并探讨流派对性能的影响。
2025-11-26 cs.CL
Cross-Genre Authorship Attribution via LLM-Based Retrieve-and-Rerank
Information Sciences Institute(信息科学研究所);University of Southern California(南加州大学)
针对跨体裁作者归属易受主题干扰的问题,提出基于 LLM 的两阶段检索与重排序框架及针对性数据整理策略,在 HRS1、HRS2 上显著超越此前最优方法。
2025-10-19 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
DAMASHA: Detecting AI in Mixed Adversarial Texts via Segmentation with Human-interpretable Attribution
NIT Silchar(Silchar国立理工学院);BML Munjal(BML穆纳尔);MBZUAI(穆罕默德·本·拉希德智能研究院)
DAMASHA通过整合风格学线索、困惑度信号和结构化边界建模,提高混合作者文本分割的鲁棒性,并引入可解释的归因以增强可理解性。
2026-01-04 cs.CL
Integrated ensemble of BERT- and features-based models for authorship attribution in Japanese literary works
Doshisha University(同志社大学);Kyoto University of Advanced Science(京都先进科学大学);Mejiro University(目白大学)
本研究针对小样本作者归属识别任务,提出将传统特征方法与BERT等预训练语言模型进行综合集成,实验表明该方法能显著提升分类性能,F1分数最高提升约14个百分点。
2025-04-11 cs.CL
Every Step Counts: Decoding Trajectories as Authorship Fingerprints of dLLMs
National University of Singapore(新加坡国立大学)
本文提出有向解码图和高斯轨迹归因方法,利用离散扩散大语言模型的解码轨迹结构信息进行模型归因,有效区分不同模型及其检查点。
2025-10-02 cs.AI cs.CL
Evaluation of Attribution Bias in Generator-Aware Retrieval-Augmented Large Language Models
Leiden University(莱顿大学);University of Strathclyde(斯特拉思克莱德大学);eBay Inc.(eBay公司);University of Amsterdam(阿姆斯特丹大学)
本文研究了RAG中LLMs的归因敏感性与作者身份偏差,发现添加作者信息会使归因质量改变3%至18%,且模型更偏向人类作者,揭示了LLMs的新脆弱性。
2025-07-12 cs.CL
Forging LLM Authorship Fingerprints with Targeted Rewriting
University of North Carolina at Charlotte(北卡罗来纳大学夏洛特分校);George Mason University(乔治梅森大学);Indiana University(印第安纳大学)
针对模型归属分类器,提出ForgePrint框架,通过搜索-蒸馏方式改写文本以定向迁移模型指纹,在摘要任务上实现高目标成功率,揭示指纹检测不等于来源真实性。
2026-10-01 cs.CL
CHiPS: Character Histograms and Positional Signals for Lightweight Authorship Attribution in Romanian Texts
Faculty of Mathematics and Computer Science, Babeş-Bolyai University(巴比什-波雅依大学数学与计算机科学学院)
该研究针对罗马尼亚语文本提出CHiPS轻量级字符级作者归属方法,研究两种互补写作风格指纹,包括字符直方图分类器和位置信号分类器,还介绍了融合变体等,通过实验探讨受限字符证据在严格泄漏控制下的效果。
2026-07-28 cs.CL
De-Anonymization at Scale via Tournament-Style Attribution
Beihang University(北京航空航天大学);Peking University(北京大学)
研究利用LLM链接匿名文档与其作者,提出大规模去匿名化方法DAS,通过分组筛选和多数投票提升鲁棒性和精度,实验显示在匿名平台存在现实隐私风险。
2026-04-16 cs.CL cs.CR cs.LG
TOPFORMER: Topology-Aware Authorship Attribution of Deepfake Texts with Diverse Writing Styles
MIT Lincoln Laboratory(麻省理工学院林肯实验室);Indiana University(印第安纳大学);The Pennsylvania State University(宾夕法尼亚州立大学)
本文提出 TopFormer,在 Transformer 中融合 TDA 层以同时捕捉上下文语言特征与拓扑结构,用于多类 LLM 深度伪造文本作者归属,并在 3 个数据集上超越基线。
2024-10-02 cs.CL
Leveraging Large Language Models to Obscure Code Stylometry: A Comparative Study of GPT-3.5 and GPT-4
UNIVERSITY OF CALGARY(卡尔加里大学)
研究GPT-3.5和GPT-4在保持代码功能的同时混淆代码风格计量学的能力,通过随机森林分类器评估不同提示工程策略的效果,发现单次与多次提示方法存在显著差异,并强调了详细结构化提示的重要性。
2026-06-23 cs.AI cs.SE
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
From Small to Large Language Models: Revisiting the Federalist Papers
Booth School of Business of the University of Chicago(芝加哥大学布斯商学院)
本文重访《联邦党人文集》作者归属问题,比较小型与大型语言模型,发现基于功能词主题嵌入的贝叶斯方法优于默认 LLM 嵌入,表明传统统计语言模型在作者归属中仍具优势。
2025-04-11 cs.CL cs.LG stat.ML
Authorship Attribution in Bangla literature using Character-level CNN
Shahjalal University of Science and Technology(沙贾拉勒科技大学)
字符是文本的最小单位,可以提取样式信号来确定文本的作者。在本文中,我们调查的有效性,字符级的信号在孟加拉文学的作者归属,并表明,结果是有前途的,但可改进的。所提出的模型的时间和内存效率是远远高于词级同行,但准确率是2-5%,低于最好的表现词级模型。各种基于单词的模型进行比较,并表明,该模型的性能越来越好,更大的数据集。我们还分析了不同孟加拉语字符集的预训练字符嵌入在作者归属中的效果。可以看出,性能在预训练时提高了10%。我们使用了来自6到14位作者的2个数据集,在训练之前对它们进行平衡并比较结果。
2020-01-11 cs.AI cs.CL cs.LG
On the State of the Art in Authorship Attribution and Authorship Verification
DEVCOM Army Research Laboratory(DEVCOM陆军研究实验室);Carnegie Mellon University(卡内基梅隆大学);Duke University(杜克大学)
尽管作者归属(AA)和作者身份验证(AV)研究了几十年,但不一致的数据集分割/过滤和不匹配的评估方法使得难以评估最新技术水平。在本文中,我们对该领域进行了调查,解决了混淆点,介绍了验证和基准AA/AV数据集和指标的Valla,提供了大规模的实证评估,并提供现有方法之间的苹果对苹果比较。我们在15个数据集(包括分布转移的挑战集)上评估了8种有前途的方法,并介绍了一个新的基于古腾堡项目存档文本的大规模数据集。令人惊讶的是,我们发现传统的基于Ngram的模型在5个(7个)AA任务上表现最好,实现了$76.50\%$的平均宏观准确度(与基于BERT的模型的$66.71\%$相比)。然而,在每个作者的字数最多的两个AA数据集以及AV数据集上,基于BERT的模型表现最好。虽然AV方法很容易应用于AA,但它们很少作为AA论文的基线。我们表明,通过应用硬否定挖掘,AV方法是AA方法的竞争替代品。Valla和所有实验代码可以在这里找到:https://github.com/JacobTyo/Valla
2022-10-05 cs.AI cs.CL cs.LG
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
The Why Behind the Action: Unveiling Internal Drivers via Agentic Attribution
Shanghai Artificial Intelligence Laboratory(上海人工智能实验室);Renmin University of China(中国人民大学);National University of Singapore(新加坡国立大学)
本文提出通用代理归因框架,通过分层方法识别代理行为的内部驱动因素,提升代理系统的安全性和可问责性。
2026-02-05 cs.AI cs.CL
T5 meets Tybalt: Author Attribution in Early Modern English Drama Using Large Language Models
Cornell University(康奈尔大学)
本文研究大型语言模型在早期现代英语戏剧作者归属中的应用,发现微调后的 t5-large 在小段落归属上优于逻辑回归、线性核 SVM 和 cosine delta 等基线,但模型存在自信误判及预训练数据作者偏差等隐患。
2023-10-27 cs.CL cs.LG
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
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
The Weighted Möbius Score: A Unified Framework for Feature Attribution
University of Washington(华盛顿大学)
本文提出了参数化特征归因框架加权Möbius分数,证明了现有多种特征及交互归因方法为其特例,并利用线性代数工具提供多领域解释,实证验证了其有效性与通用性。
2023-05-16 cs.AI cs.CL cs.LG
Attribution Bias in Large Language Models
New York University(纽约大学)
本文提出AttriBench基准数据集,用于研究大语言模型在引用归因中的种族、性别和交集群体偏差问题,并发现即使前沿模型在引用归因任务上也存在显著挑战。
2026-09-28 cs.AI
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
LA-CPD: Local-Evidence-Aware Change-Point Detection for Human-LLM Authorship Segmentation
Guilin University of Electronic Technology(桂林电子科技大学);Jilin University(吉林大学);Nanjing University of Science and Technology(南京理工大学)
针对人机合著文档中LLM撰写片段定位难的问题,提出局部证据感知变点检测方法,将噪声句子级分数转为连贯片段,在测试集上句子级准确率从0.747提升至0.796。
2026-09-29 cs.CL
I Am No One: Style-Aware Paraphrasing for Text Anonymization
RMIT University(皇家墨尔本理工大学)
提出风格感知提示驱动的文本匿名化方法,利用大语言模型构建风格画像并改写文本,在博客和评论数据集上将作者归属F1降低60-70%,同时保持内容质量。
2026-09-14 cs.CL cs.CR
Is the Digital Forensics and Incident Response Pipeline Ready for Text-Based Threats in LLM Era?
Florida Institute for National Security(佛罗里达国家安全研究所);University of Florida(佛罗里达大学)
本文评估了数字取证与事件响应流程在检测和归因神经文本生成器生成文本方面的脆弱性,提出人类与NTG共同撰写攻击CS-ACT,并基于14个数据集和43个NTGs揭示现有方法不足,建议采用对抗学习、风格化和分层归因等策略提升文本安全系统的韧性。
2024-07-25 cs.CL cs.CR
Assessing Deanonymization Risks with Stylometry-Assisted LLM Agent
CISPA Helmholtz Center for Information Security(CISPA海德堡信息安全中心)
本文提出SLA方法,通过风格学与LLM推理结合,评估和缓解文本去匿名化风险,实验表明其在各类场景中具有高推断准确性,并提出引导重组成策略以降低作者身份可识别性。
2026-02-26 cs.CL cs.CR cs.LG
Fusing Stylometric and Embedding Systems to Estimate Authorship Likelihood Ratios in Japanese
首次将似然比框架应用于日语数字文本,通过融合文体特征系统与基于嵌入的系统,提高了似然比量值和判别能力,最佳融合的log-likelihood-ratio成本为0.32484。
2026-06-15 cs.CL
Decoding AI Authorship: Can LLMs Truly Mimic Human Style Across Literature and Politics?
College of Computer and Information Sciences, King Saud University(沙特国王大学计算机与信息科学学院)
研究探讨了先进大语言模型在模仿文学和政治作家风格方面的能力,发现AI生成文本仍易被检测,主要差异在于随机性与情感密度。
2026-03-24 cs.CL cs.LG
Is AI Catching Up to Human Expression? Exploring Emotion, Personality, Authorship, and Linguistic Style in English and Arabic with Six Large Language Models
College of Computer and Information Sciences, King Saud University(计算机与信息科学学院,沙特阿拉伯国王沙德大学)
本文研究六种大语言模型在英语和阿拉伯语中模仿情感和个性的能力,发现AI生成文本可被识别,但分类性能下降,揭示了LLM在情感信号编码上的差异。
2026-03-24 cs.CL cs.LG
RoPGen: Towards Robust Code Authorship Attribution via Automatic Coding Style Transformation
University of Texas at San Antonio(得克萨斯大学圣安东尼奥分校);Huazhong University of Science and Technology(华中科技大学);Center for Research in Computer Vision, University of Central Florida(中佛罗里达大学计算机视觉研究中心);Northeastern University(东北大学);University of Colorado Colorado Springs(科罗拉多大学科罗拉多斯普林斯分校)
源代码作者归属是软件取证、缺陷修复和软件质量分析等应用中经常遇到的重要问题。最近的研究表明,当前的源代码作者归属方法可能会受到攻击者利用对抗性示例和编码风格操纵的影响。这就需要对代码作者归属问题的鲁棒解决方案。在本文中,我们开始研究使基于深度学习(DL)的代码作者归属鲁棒。我们提出了一个创新的框架,称为鲁棒编码风格模式生成(RoPGen),它本质上是学习作者的独特的编码风格模式,攻击者很难操纵或模仿。关键思想是在对抗训练阶段结合数据增强和梯度增强。这有效地增加了训练样本的多样性,对深度神经网络的梯度产生有意义的扰动,并学习编码风格的多样化表示。我们使用四个数据集的C,C++和Java编写的程序的有效性进行评估的RoPGen。实验结果表明,RoPGen能显著提高基于DL的代码作者归属的鲁棒性,分别降低了22.8%和41.0%的有针对性攻击和无针对性攻击的成功率.
2022-02-12 cs.AI cs.CR
BERT-based Authorship Attribution on the Romanian Dataset called ROST
作者身份归属问题已经存在了几十年,目前仍然是一个备受关注的问题。最近使用的一些工具是预先训练的语言模型,最流行的是BERT。在这里,我们使用这样一个模型来检测罗马尼亚语写的文本的作者。使用的数据集是高度不平衡的,即,每个作者的文本数量、文本收集的来源、作者生活和撰写这些文本的时间段、打算阅读的媒介(即,纸或在线),以及书写类型(即,故事、短篇小说、童话、小说、文学文章和速写)。结果比预期的要好,有时宏观精度超过87%。
2023-01-29 cs.AI
MultiGhostBench: A Multilingual Benchmark for Long-Form LLM-Generated Text Attribution under Distribution Shifts
School of Computing and Information Systems, The University of Melbourne(墨尔本大学计算与信息系统学院);University of Calabria(卡拉布里亚大学)
MultiGhostBench是含928本多语言长文本的LLM生成文本基准,支持多类分布偏移评估,可用于开发鲁棒的LLM作者身份归因方法。
2026-09-03 cs.AI cs.CL cs.CY
Residualized Similarity for Faithfully Explainable Authorship Verification
Department of Computer Science(计算机科学系);Department of Linguistics(语言学系);Institute for Advanced Computational Science(先进计算科学研究院);Stony Brook University(石溪大学)
本文提出残差化相似度方法,用神经网络预测可解释系统的相似度残差,在保持可解释性的同时提升作者身份验证性能,并在四个数据集上匹配最先进模型效果。
2025-10-06 cs.CL
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
Detection of news written by the ChatGPT through authorship attribution performed by a Bidirectional LSTM model
IFSP - Federal Institute of Education, Science and Technology of São Paulo(圣保罗联邦教育、科学和技术研究所)
本研究针对ChatGPT生成新闻引发的虚假信息问题,构建了等量人机新闻数据集,并利用双向LSTM神经网络模型进行作者归属检测,在测试集上达到91.57%的准确率。
2023-10-25 cs.AI cs.CL
AuthAttLyzer-V2: Unveiling Code Authorship Attribution using Enhanced Ensemble Learning Models & Generating Benchmark Dataset
International Institute of Information Technology, Hyderabad(国际信息技术学院海得拉巴分校);York University(约克大学)
本文提出AuthAttLyzer-V2源代码特征提取器,结合词法、语义、句法和N-gram特征,并集成Random Forest、Gradient Boosting与XGBoost模型,在24,000个C++样本上实现作者身份归属,助力恶意软件分类。
2024-06-28 cs.AI cs.SE
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
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
A comparison of several AI techniques for authorship attribution on Romanian texts
Babeș-Bolyai University(巴比什-波雅依大学)
确定文本的作者是一项艰巨的任务。在这里,我们比较了多种人工智能技术,通过考虑有限数量的语音部分(介词,副词和连词)对多个作者撰写的文学文本进行分类。我们还介绍了一个新的数据集组成的文本写在罗马尼亚语言上,我们已经运行的算法。比较的方法有人工神经网络、支持向量机、多表达式编程、C5.0的决策树和k-最近邻。数值实验表明,首先,这个问题是困难的,但一些算法能够产生体面的错误的测试集。
2023-01-21 cs.AI
The human-authorship halo: attribution bias in literary style evaluation by humans and AI
Princeton University(普林斯顿大学);Center for Digital Humanities(数字人文中心)
本研究通过对照实验发现,人类和AI在文学风格评价中均存在系统性的人类偏好归因偏差,且AI的偏差效应是人类的2.5倍,表明AI模型吸收并放大了人类对人工创造力的文化偏见。
2026-09-09 cs.AI cs.CL cs.HC
MATCHED: Multimodal Authorship-Attribution To Combat Human Trafficking in Escort-Advertisement Data
Maastricht University(马斯特里赫特大学);Bashpole Software, Inc.(巴什波尔软件公司)
针对在线 escort 广告多模态特性被忽略的问题,提出多模态数据集 MATCHED,通过多任务联合训练和端到端多模态基线模型,在分布内外数据集上实现了卓越的卖家识别与验证性能,为打击人口贩卖提供了鲁棒工具。
2024-12-18 cs.AI cs.CL cs.CY