बिल्कुल यह संभव है, और वास्तव में एक पाठ या उसके कुछ हिस्से को दिए गए लेखक की पहचान करने में सफलता का रिकॉर्ड प्रभावशाली है।
प्रतिनिधि अध्ययन के एक जोड़े (चेतावनी: लिंक पीडीएफ फाइलों को कर रहे हैं):
अपने वेब खोज में सहायता के लिए, यह अनुशासन है अक्सर स्टाइलोमेट्री (और कभी-कभी, स्टाइलोजेनेटिक्स)।
तो मुझे लगता है कि दो सबसे महत्वपूर्ण प्रश्न मुझे लगता है: इस उद्देश्य के लिए कौन से क्लासिफायर उपयोगी हैं और क्लासिफायर को कौन सा डेटा खिलाया जाता है?
मुझे अभी भी आश्चर्य की बात है कि बहुत सटीक वर्गीकरण प्राप्त करने के लिए कितना डेटा आवश्यक है। अक्सर डेटा केवल एक शब्द आवृत्ति सूची है। (शब्द आवृत्ति की सूचियों में निर्देशिका ऑनलाइन उपलब्ध here है।)
उदाहरण के लिए, एक डेटा व्यापक रूप से मशीन शिक्षण में उपलब्ध वेब पर स्थानों की एक संख्या से इस्तेमाल किया और सेट, चार लेखकों से डेटा के शामिल है: शेक्सपियर, जेन ऑस्टेन, जैक लंदन, मिल्टन। इन कार्यों को 872 टुकड़ों (लगभग अध्यायों के अनुरूप) में विभाजित किया गया था, दूसरे शब्दों में, चार लेखकों में से प्रत्येक के लिए पाठ के लगभग 220 विभिन्न महत्वपूर्ण टुकड़े; इनमें से प्रत्येक टुकड़ा डेटा सेट में एक डेटा बिंदु बन जाता है। इसके बाद प्रत्येक पाठ पर एक शब्द आवृत्ति स्कैन किया गया था, और अध्ययन के लिए 70 सबसे आम शब्दों का उपयोग किया गया था, आवृत्ति स्कैन के परिणामों के शेष को त्याग दिया गया था। उस 70-शब्द सूची में से पहले 20 यहां दिए गए हैं।
['a', 'all', 'also', 'an', 'and', 'any', 'are', 'as', 'at', 'be', 'been',
'but', 'by', 'can', 'do', 'down', 'even', 'every', 'for', 'from']
प्रत्येक डेटा बिंदु 872 अध्यायों में से प्रत्येक में 70 शब्दों के प्रत्येक शब्द की गणना है।
[78, 34, 21, 45, 76, 9, 23, 12, 43, 54, 110, 21, 45, 59, 87, 59, 34, 104, 93, 40]
इनमें से प्रत्येक डेटा पॉइंट लेखक के साहित्यिक फिंगरप्रिंट का एक उदाहरण है।
प्रत्येक डेटा बिंदु में अंतिम आइटम एक पूर्णांक (1-4) है जो चार लेखकों में से एक का प्रतिनिधित्व करता है जिनके लिए यह पाठ संबंधित है।
हाल ही में, मैंने एक सरल असुरक्षित एमएल एल्गोरिदम के माध्यम से इस डेटासेट को चलाया; परिणाम बहुत अच्छे थे - चार वर्गों के लगभग पूर्ण पृथक्करण, जो आपमें स्टैक ओवरव्लो पर पिछले क्यू में आम तौर पर लेखक पहचान के बजाय एमएल का उपयोग करके टेक्स्ट वर्गीकरण से संबंधित पिछले क्यू में देख सकते हैं।
तो अन्य एल्गोरिदम का उपयोग कैसे किया जाता है? जाहिर है, पर्यवेक्षित श्रेणी में अधिकांश मशीन लर्निंग एल्गोरिदम इस प्रकार के डेटा को सफलतापूर्वक हल कर सकते हैं। इनमें से, बहु-परत प्रतिबिंब (एमएलपी, उर्फ, तंत्रिका नेटवर्क) अक्सर उपयोग किए जाते हैं (Author Attribution Using Neural Networks एक ऐसा अक्सर उद्धृत अध्ययन है)।
एक प्रसिद्ध उदाहरण है, किसने लिखा [संघीय पत्र] (http://en.wikipedia.org/wiki/Federalist_Papers)? वहां नोट्स 1 9 और 20 देखें। Apach Mahout संदर्भ – denis