Atribuição autoral com uso de classificadores de perfis

• Ano de defesa: 2020
• Autor(a) principal: Deutsch, Caio
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Aprendizado de máquinas; Atribuição autoral; Author attribution; Author characterization; Caracterização autoral; Distorções textuais; Machine learning; Natural language processing; Processamento de língua natural; Textual distortions
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/100/100131/tde-04112020-152132/

A atribuição autoral (AA) busca identificar um autor de texto a partir de um conjunto de autores conhecidos. Autores deixam rastros em seus textos e é possível identificar características sociolinguísticas baseadas no estilos de escrita refletidos no texto destes autores. A atribuição autoral está cada vez mais demonstrando importância para diversas atividades sociais, em especial para a análise forense. Os trabalhos envolvendo AA demonstram resultados modestos e motivam a exploração de diferentes técnicas para melhorar a acurácia dos modelos atuais. A partir desses pontos, o presente trabalho apresenta uma proposta de pesquisa em nível de mestrado no campo de processamento de língua natural (PLN), com ênfase em AA, com o objetivo geral de melhorar o desempenho de classificadores de atribuição autoral utilizando técnicas de caracterização autoral (CA)