رضا یوسفی - دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد دامغان

پیشرفت سریع ارتباطات اینترنتی و ناشناسبودن هویت ابزارهای اینترنتی مانند ایمیل، وبلاگ ها و سایت ها از یک طرف و اختلافات قانونی و حقوقی بهوجود آمده، باعث توجه بیشتر به موضوع شناسایی نویسنده شده است. شناسایی نویسنده تلاشی است برای بهدست آوردن خصوصیات نویسنده یکمتن و مقایسه آنها با ویژگیهای متون مختلفی که توسط چندین فرد نوشته شده اند؛ به طوری که بتوان بین متون تمایز معنی داری قائل شد. شناسایی نویسنده علمی است که به صورت تلفیقی از زبان شناسی و داده کاوی می باشد. علم زبان شناسی به منظور شناسایی و به دست آوردن ویژگی های متن و علم داده کاوی جهت انجام پردازش های محاسباتی و آماری با هدف شناسایی نویسنده مورد استفاده قرار می گیرند. در این مقاله پس از آشنایی با ویژگی های متن و روش هایی که می توان از آنها در شناسا یی نویسنده استفاده کرد، مدل ها و الگوریتم هایی که بر اساس خصوصیات متون روی آنها پردازشی انجام میدهند، مرور خواهد شد.

آنالیز متن، استخراج ویژگی، شناسایی نویسنده، طبقه بندی متن