شناسايي نويسنده با استفاده از مدل سازي زباني ساده در پايگاه داده هاي متفاوت با ويژگي هاي متفاوت

در اين مقاله به بررسي روش مدل سازي زباني ساده براي حل مساله تخصيص نويسنده در حالت مجموعه بسته و بررسي تاثير ويژگي هايي مثل متعادل بودن و اندازه داده آموزشي و آزمايشي در سه پايگاه داده با ويژگي هاي متفاوت پرداخته شده است. براي سنجش ميزان دقت مدل از سه پايگاه داده متفاوت در زبان، سبك نگارش و اندازه داده آموزشي استفاده شده است. دو پايگاه داده در زبان فارسي و به صورت نظم و يك پايگاه داده در زبان انگليسي و به صورت نثر تهيه شده است. براي سنجش ميزان دقت از سه معيار اندازه گيري Precision, Recall و F-measureاستفاده شده است. ميانگين دقت حاصل در پايگاه داده هاي فارسي به ترتيب 60% و 87% و دقت در پايگاه داده انگليسي 96% گزارش شده است. با توجه به تشابه دو پايگاه داده اول در زبان و سبك نوشتاري و وجود اختلاف در نتايج و همچنين بهبود نتيجه در پايگاه داده سوم مي توان نتيجه گرفت كه متعادل بودن پايگاه داده و اندازه داده آموزشي و ازمايشي در بهبود نتايج تاثير گذار است.