Research index
Атрибуція анонімних текстів: визначення автора на основі стилю письма
Шимко
Zenodo (CERN European Organization for Nuclear Research)3 Feb 2026Open access
NobleIDark:/48914/w1/20260526/C00A0E31DOI10.5281/zenodo.18466906
Атрибуція анонімних текстів: визначення автора на основі стилю письма
Шимко · Zenodo (CERN European Organization for Nuclear Research) · 2026
NobleIDark:/48914/w1/20260526/C00A0E31DOI10.5281/zenodo.18466906
Free to read at the publisher
You can read the abstract here, or the full text at the publisher.
Abstract
Про програму Інтерактивний веб-модуль для визначення авторства анонімних текстів на основі комплексного стилометричного та лінгвістичного аналізу. Розроблено для судових експертів, літературознавців, дослідників плагіату та фахівців у галузі комп'ютерної лінгвістики. Підтримує три мови: українську, російську та англійську. Ключові можливості: * Автоматична ідентифікація мови тексту (UK/RU/EN)* Аналіз 9 типів лінгвістічних ознак (character/word/POS n-grams, функціональні слова, пунктуація)* Обчислення 7 стилометричних метрик (TTR, Yule's K, hapax legomena, довжина слів/речень)* Порівняння з 1-10 авторами одночасно* Підтримка кількох текстів для кожного автора* Візуалізація результатів з процентними показниками подібності* Детальні метрики для кожної лінгвістичної ознаки* Експорт детального звіту у текстовий файл (.txt)* Валідація мінімальної довжини текстів (50 слів) Методологічна база: * Computational Stylometry (Burrows, Hoover, Juola)* Character n-grams analysis (3-4 grams)* Word n-grams frequency distribution (2-3 grams)* Part-of-Speech tagging (heuristic approach)* Function words frequency analysis (150-200 words per language)* Cosine similarity and Manhattan distance metrics* TF-IDF transformation for feature weighting* Ensemble scoring approach Технічні характеристики: * Тип: Single-page HTML application* Розмір: ~50 KB* Мова інтерфейсу: українська* Підтримувані мови текстів: українська, російська, англійська* Вимоги: Сучасний веб-браузер (Chrome 90+, Firefox 88+, Safari 14+, Edge 90+)* Зберігання даних: Локальне (без передачі на сервер)* Залежності: Відсутні (self-contained)* Технології: JavaScript (ES5), HTML5, CSS3* Ліцензія: CC BY 4.0 Цільова аудиторія: * Судові лінгвістичні експерти* Літературознавці та філологи* Викладачі мовних дисциплін* Дослідники плагіату та академічної доброчесності* Редактори та видавці* Фахівці з NLP та комп'ютерної лінгвістики* Студенти гуманітарних спеціальностей Сфери застосування: * Судова лінгвістична експертиза* Верифікація авторства наукових публікацій* Виявлення плагіату та ghostwriting* Літературознавчі дослідження* Атрибуція анонімних або псевдонімних текстів* Навчання стилометрії та комп'ютерної лінгвістики* Дослідження еволюції авторського стилю Обмеження: * Евристичний POS-тегер (без повного морфологічного словника)* Мінімальна довжина тексту 50 слів (оптимально 200+ слів)* Не рекомендується для поетичних текстів з нестандартною структурою* Точність знижується при змішуванні мов в одному тексті Майбутній розвиток: * Інтеграція radar charts для візуалізації метрик* Confidence intervals для оцінки надійності результатів* Feature importance аналіз ("ЗА" і "ПРОТИ" для кожного автора)* Покращений словниковий POS-тегер* Cross-validation при наявності кількох текстів автора* Outlier detection для виявлення маскування стилю