BriefGPT - AI 论文速递
·
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。
📝
内容提要
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。
🎯
关键要点
- 本文介绍了一种作者归属方法，即作者语言模型 (ALMs)。
- ALMs通过调整语言模型的困惑度来识别文档的最有可能作者。
- 在Blogs50数据集上，ALMs的宏平均准确率为83.6%。
- 在CCAT50数据集上，ALMs的宏平均准确率为74.9%。
- 短文本测试显示，Blogs50需要40个词元才能达到70%的准确率。
- CCAT50需要400个词元才能达到70%的准确率。
- 为了达到60%的宏平均准确率，Blogs50需要20个词元，CCAT50需要70个词元。
➡️
