本文探讨了通过数据驱动的方法学习作者表征，以实现作者归属任务。研究表明，学习的表征对写作风格敏感，能够有效捕捉风格特征。通过实验提出多种神经网络模型，展示了在作者识别和风格转换中的优势，为风格表征的应用提供了新可能性。

最近可用的大型文本语料库使得可以通过数据驱动的方式学习作者表征，用于作者归属任务。实验发现这些表征对写作风格敏感，对时间主题漂移具有稳健性。这些发现可能为风格转换等应用开启大门。