論文の概要: The \textit{Questio de aqua et terra}: A Computational Authorship Verification Study

• arxiv url: http://arxiv.org/abs/2501.05480v1
• Date: Tue, 07 Jan 2025 18:42:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-13 15:27:01.349009
• Title: The \textit{Questio de aqua et terra}: A Computational Authorship Verification Study
• Title（参考訳）: 計算オーサシップ検証研究
• Authors: Martina Leocata, Alejandro Moreo, Fabrizio Sebastiani,
• Abstract要約: 本研究は, クエシオの真正性について, 数値的オーサシップ検証(AV)を用いて検討する。 AVシステムのファミリーを構築し、13世紀と14世紀のラテン文字のコーパスを組み立てます。 AVシステムのクエチオへの応用は、その真正性に関する非常に確実な予測を返す。
• 参考スコア（独自算出の注目度）: 49.56191463229252
• License:
• Abstract: The Questio de aqua et terra is a cosmological treatise traditionally attributed to Dante Alighieri. However, the authenticity of this text is controversial, due to discrepancies with Dante's established works and to the absence of contemporary references. This study investigates the authenticity of the Questio via computational authorship verification (AV), a class of techniques which combine supervised machine learning and stylometry. We build a family of AV systems and assemble a corpus of 330 13th- and 14th-century Latin texts, which we use to comparatively evaluate the AV systems through leave-one-out cross-validation. Our best-performing system achieves high verification accuracy (F1=0.970) despite the heterogeneity of the corpus in terms of textual genre. The key contribution to the accuracy of this system is shown to come from Distributional Random Oversampling (DRO), a technique specially tailored to text classification which is here used for the first time in AV. The application of the AV system to the Questio returns a highly confident prediction concerning its authenticity. These findings contribute to the debate on the authorship of the Questio, and highlight DRO's potential in the application of AV to cultural heritage.
• Abstract（参考訳）: クエティオ・デ・アクア・エ・テラ(Questio de aqua et terra)は、伝統的にダンテ・アリギエリに由来する宇宙論的な論文である。 しかし、ダンテの確立した作品との相違や同時代の文献の欠如により、本文の真偽は議論を呼んでいる。 本研究では,教師付き機械学習とスタイメトリーを組み合わせた手法のクラスである,コンピュータオーサシップ検証(AV)によるクエシオの信頼性について検討する。 私たちはAVシステムのファミリーを構築し、13世紀と14世紀のラテン文字のコーパスを組み立てます。 テキストジャンルにおけるコーパスの不均一性に拘わらず,高い精度(F1=0.970)を実現する。 このシステムの精度に対する重要な貢献は、DRO(Distributedal Random Oversampling)によるものである。 AVシステムのクエチオへの応用は、その真正性に関する非常に確実な予測を返す。 これらの発見はクエストリオの著者権に関する議論に寄与し、DROが文化遺産にAVを応用する可能性を強調している。

関連論文リスト

• InstructAV: Instruction Fine-tuning Large Language Models for Authorship Verification [9.151489275560413]
  本稿では,著者確認のための新しいアプローチであるInstructAVを紹介する。 このアプローチでは,パラメータ効率の細かいチューニング(PEFT)手法と併用して,精度と説明可能性の向上を図る。
  論文  参考訳（メタデータ） (2024-07-16T16:27:01Z)
• RelevAI-Reviewer: A Benchmark on AI Reviewers for Survey Paper Relevance [0.8089605035945486]
  本稿では,調査論文レビューの課題を分類問題として概念化するシステムであるRelevAI-Reviewerを提案する。 25,164のインスタンスからなる新しいデータセットを導入する。各インスタンスには1つのプロンプトと4つの候補論文があり、それぞれがプロンプトに関連している。 我々は,各論文の関連性を判断し,最も関連性の高い論文を識別できる機械学習(ML)モデルを開発した。
  論文  参考訳（メタデータ） (2024-06-13T06:42:32Z)
• Forging the Forger: An Attempt to Improve Authorship Verification via Data Augmentation [52.72682366640554]
  著者検証(英語: Authorship Verification, AV)とは、ある特定の著者によって書かれたか、別の人物によって書かれたのかを推測するテキスト分類タスクである。 多くのAVシステムは敵の攻撃に弱いことが示されており、悪意のある著者は、その書体スタイルを隠蔽するか、あるいは他の著者の書体を模倣することによって、積極的に分類者を騙そうとしている。
  論文  参考訳（メタデータ） (2024-03-17T16:36:26Z)
• Advancing Visual Grounding with Scene Knowledge: Benchmark and Method [74.72663425217522]
  ビジュアルグラウンドディング(VG)は、視覚と言語の間にきめ細かいアライメントを確立することを目的としている。 既存のVGデータセットの多くは、単純な記述テキストを使って構築されている。 我々は、アンダーラインScene underline-guided underlineVisual underlineGroundingの新たなベンチマークを提案する。
  論文  参考訳（メタデータ） (2023-07-21T13:06:02Z)
• On the Possibilities of AI-Generated Text Detection [76.55825911221434]
  機械が生成するテキストが人間に近い品質を近似するにつれて、検出に必要なサンプルサイズが増大すると主張している。 GPT-2, GPT-3.5-Turbo, Llama, Llama-2-13B-Chat-HF, Llama-2-70B-Chat-HFなどの最先端テキストジェネレータをoBERTa-Large/Base-Detector, GPTZeroなどの検出器に対して試験した。
  論文  参考訳（メタデータ） (2023-04-10T17:47:39Z)
• Large Language Models are Diverse Role-Players for Summarization Evaluation [82.31575622685902]
  文書要約の品質は、文法や正しさといった客観的な基準と、情報性、簡潔さ、魅力といった主観的な基準で人間の注釈者によって評価することができる。 BLUE/ROUGEのような自動評価手法のほとんどは、上記の次元を適切に捉えることができないかもしれない。 目的と主観の両面から生成されたテキストと参照テキストを比較し,総合的な評価フレームワークを提供するLLMに基づく新しい評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-27T10:40:59Z)
• End-to-End Page-Level Assessment of Handwritten Text Recognition [69.55992406968495]
  HTRシステムは、文書のエンドツーエンドのページレベルの書き起こしに直面している。 標準メトリクスは、現れる可能性のある不整合を考慮していない。 本稿では、転写精度とROの良さを別々に検討する2つの評価法を提案する。
  論文  参考訳（メタデータ） (2023-01-14T15:43:07Z)
• Text-Aware End-to-end Mispronunciation Detection and Diagnosis [17.286013739453796]
  誤認識検出・診断(MDD)技術はコンピュータ支援発音訓練システム(CAPT)の鍵となる要素である 本稿では,関係のないテキスト情報を抑えつつ,関連する音声特徴をより重要視するゲーティング戦略を提案する。
  論文  参考訳（メタデータ） (2022-06-15T04:08:10Z)
• Text is Text, No Matter What: Unifying Text Recognition using Knowledge Distillation [41.43280922432707]
  私たちは、2つの最先端のSTRモデルとHTRモデルと好適に競合できる単一のモデルを目指しています。 まず、STRモデルとHTRモデルの相互利用が、それらの固有の課題の違いにより、大幅な性能低下を引き起こすことを示す。 次に、知識蒸留(KD)に基づく枠組みを導入することで、彼らの連合に取り組みます。
  論文  参考訳（メタデータ） (2021-07-26T10:10:34Z)
• A Step Towards Interpretable Authorship Verification [0.0]
  オーサシップ検証(英: Authorship verification、AV)は、デジタルテキスト法医学の分野における研究分野である。 多くのアプローチでは、文書のトピックに関連するか、影響を受けている機能を活用している。 分類決定における話題に依存しない特徴のみを考慮した代替的なAVアプローチを提案する。
  論文  参考訳（メタデータ） (2020-06-22T16:44:26Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。