.png){kind=icon}
返回
A Novel Ensemble Model for Optimizing Author Profiling
.png){kind=icon}
OA
AI
DOI：10.1109/ojcs.2026.3687421.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
作者画像（AP）是数字法证科学的一个专门领域，通过影响语言风格学、语义学和句法学来识别作者的年龄、性别、职业和教育背景。AP在多个领域发挥关键作用，包括法证语言学和社交媒体分析，尤其是被执法机构用于寻找嫌疑或匿名作者。此外，它利用语言模式分析协助学术诚信、精准营销和欺诈账户检测。AP在营销、法证、安全和医学等领域扮演重要角色。尽管先前研究广泛覆盖了英语、阿拉伯语和法语，罗马乌尔都语在文献中缺乏代表性。本研究使用Fire’18 Mapon短信数据集，从罗马乌尔都语文本消息中预测作者的年龄和性别。采用多种语言特征，包括基于句子、基于单词和基于字符的元素及其组合。提出的系统为AP呈现了一个集成模型，利用AdaBoostM1和随机森林算法，统称为ABMRF。AdaBoostM1、J48、NB-Updatable、KNN、RF、CHIRP和NB等多个模型作为基准评估ABMRF框架。结果表明，ABMRF在多个特征集上优于这些模型。使用组合特征时，年龄预测最高准确率达56.28%，而性别预测中RF表现更优，达到74.571%。基于字符特征，提出系统年龄预测准确率为54%，性别为74.77%。基于单词特征，年龄准确率为50.57%，性别为60%。基于句子特征，年龄预测准确率为49.71%，性别为62%。值得注意的是，CHIRP和KNN模型在所有语言特征集上预测年龄和性别时表现最差。
Keyword:
Fire’18 MaponSMS
AdaBoostM1
random forest
ensemble learning
and author profiling for security
optimizing author profiling
digital forensic
期刊
I
IF:
8.2
论文数:
427
被引数:
810
机构
引用论文
.png){kind=icon}
A Review on NLP Techniques and Associated Challenges in Extracting Features from Education Data
PREAI
分享收藏分享收藏
查看更多内容