Identificación de autor mediante Representación del Juego del Caos y Aprendizaje Profundo
Autores: Stoean, Catalin; Lichtblau, Daniel
Idioma: Inglés
Editor: MDPI
Año: 2020
Acceso abierto
Artículo científico
2020
Identificación de autor mediante Representación del Juego del Caos y Aprendizaje Profundo
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Autor
Estilo
Medios computacionales
Nivel de caracteres
Representación de juegos caóticos
Algoritmo de aprendizaje profundo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 31
Citaciones: Sin citaciones
Un autor codifica inconscientemente en el texto escrito un cierto estilo que a menudo es difícil de reconocer. Aún así, existen muchos medios computacionales desarrollados para este propósito que tienen en cuenta diversas características, desde atributos basados en léxico y caracteres hasta los sintácticos o semánticos. Proponemos un enfoque que parte del nivel de caracteres y utiliza la representación de juego de caos para ilustrar documentos como imágenes que posteriormente son clasificadas por un algoritmo de aprendizaje profundo. Los experimentos se realizan en tres conjuntos de datos y los resultados son comparables a los de la literatura. El estudio también verifica la idoneidad del método para conjuntos de datos pequeños y si la ampliación de imágenes puede mejorar la eficiencia de la clasificación.
Descripción
Un autor codifica inconscientemente en el texto escrito un cierto estilo que a menudo es difícil de reconocer. Aún así, existen muchos medios computacionales desarrollados para este propósito que tienen en cuenta diversas características, desde atributos basados en léxico y caracteres hasta los sintácticos o semánticos. Proponemos un enfoque que parte del nivel de caracteres y utiliza la representación de juego de caos para ilustrar documentos como imágenes que posteriormente son clasificadas por un algoritmo de aprendizaje profundo. Los experimentos se realizan en tres conjuntos de datos y los resultados son comparables a los de la literatura. El estudio también verifica la idoneidad del método para conjuntos de datos pequeños y si la ampliación de imágenes puede mejorar la eficiencia de la clasificación.