Analysis of the developed quantitative method for automatic attribution of scientific and technical text content written in Ukrainian

Lytvyn, Vasyl; Vysotska, Victoria; Пукач, Петро; Nytrebych, Zinovii; Демків, І. І.; Senyk, Andriy; Маланчук, Оксана; Sachenko, Svitlana; Kovalchuk, Roman; Huzyk, N. M.

doi:10.15587/1729-4061.2018.149596

Cited by 23 publications

(2 citation statements)

References 36 publications

(67 reference statements)

Supporting

Mentioning

Contrasting

Order By: Relevance

“…A series of papers, which explore the stylometric parameters of scientific texts in Ukrainian have been published in recent years. In particular, in paper [2], the identification of the author's style is based on comparative analysis of the author's speech coefficients: speech coherence, vocabulary diversity, syntax complexity indices, concentration and exclusivity regarding the author's passage and other analyzed passages for further comparison and determining the degree of belonging of the analyzed text to a particular author. Support-vector machines (SVM) are used at one of the stages.…”

Section: Literature Review and Problem Statementmentioning

confidence: 99%

Identification of authorship of Ukrainian-language texts of journalistic style using neural networks

Lupei¹,

Міца²,

Repariuk³

et al. 2020

EEJET

View full text Add to dashboard Cite

Дослiджується проблема розробки ефективного способу визначення авторства текстiв (на матерiалi публiкацiй вiдомих українських журналiстiв). Бiльшiсть наявних методiв потребують попередньої обробки тексту, що тягне за собою новi витрати при розв'язаннi поставленої задачi. У випадку, коли кiлькiсть можливих авторiв можна мiнiмiзувати, такий пiдхiд є часто надлишковим. Ще одним недолiком наявних пiдходiв є те, що переважна бiльшiсть їх застосовувалися до iншомовних текстiв i не враховували особливостей української мови. Тому було вирiшено розробити пiдхiд, що дозволяє визначити автора тексту українською мовою без попередньої обробки та дає високi результати точностi, а також встановити, якi типи штучних нейронних мереж забезпечують мiнiмальну похибку для українських публiцистiв. Розроблений метод використовує багатошаровий персептрон прямого поширення, алгоритм навчання з учителем, векторизацiю HashingVectoriser, оптимiзатор Adam. Визначено, що при невеликiй кiлькостi iтерацiй (4-5 iтерацiй) навчання штучної нейронної мережi отримується досить висока точнiсть визначення авторства публiцистичних текстiв та досить мале значення похибки. Використано бiльше 1000 фрагментiв текстiв трьох українських авторiв. У результатi проведених експериментiв було встановлено, що застосовування розробленого пiдходу до розв'язання поставленої задачi дає змогу досягти досить високих результатiв. У текстах, що мiстять не менше 500 символiв, точнiсть сягає 91 %, а максимальна кiлькiсть iтерацiй навчання штучної нейронної мережi при цьому не перевищує 15. Такi результати досягнутi насамперед завдяки ефективному пiдбору методу векторизацiї на пiдготовчому етапi та структури штучної нейронної мережi Ключовi слова: визначення авторства, аналiз тексту, штучнi нейроннi мережi, багатошаровий персептрон, векторизацiя тексту

show abstract

Section: Literature Review and Problem Statementmentioning

confidence: 99%

Identification of authorship of Ukrainian-language texts of journalistic style using neural networks

Lupei¹,

Міца²,

Repariuk³

et al. 2020

EEJET

View full text Add to dashboard Cite

show abstract

“…Common steps for developing recommendations include ( Fig. 2) [3]: 1) preliminary processing, which includes the search for similarities in data, defining a sample, data dimensionality, [36];…”

Section: Literature Review and Problem Statementmentioning

confidence: 99%