一种贝叶斯方法：利用大型语言模型进行作者归属
原文中文，约400字，阅读约需1分钟。发表于：。本研究针对作者归属中传统方法的局限性，提出了一种全新的贝叶斯方法，利用预训练的GPT模型进行一-shot作者归属分析。研究结果显示，该方法在IMDb和博客数据集上的分类准确率达到85%，为一-shot作者分析设定了新的基准，并扩展了大型语言模型在法语语言学中的应用。
本文介绍了一种作者归属方法——作者语言模型（ALMs），通过调整语言模型的困惑度来识别文档作者。基准测试显示，ALMs在Blogs50数据集上的宏平均准确率为83.6%，在CCAT50上为74.9%。短文本测试表明，Blogs50需要40个词元和CCAT50需要400个词元才能达到70%的准确率。
