Feature engineering for author profiling and identification: on the relevance of syntax and discourse

Abstract

Author profiling and identification are two areas of data-driven computational linguistics that have gained a lot of relevance due to their potential applications in, e.g., forensic linguistic studies, marketing analysis, and historic/literary authorship verification. Author profiling aims to identify demographic traits of the authors, while author identification aims to identify the authors themselves by searching for distinctive linguistic patterns that distinguish them. The majority of approaches in the related work tends to focus on the content of the texts. We argue that focusing on structure rather than content can be more effective. The main focus of the thesis is thus on feature engineering, the development, evaluation and application of the feature set in the context of machine learning techniques to author profiling and identification. We prove the profiling potential of syntactic and iscourse features, which achieve state-of-the-art performance in many different scenarios, especially when combined with other features.El perfilament i la identificació d’autors són camps de la lingüística computacional que han guanyat rellevància als últims anys gràcies a les seves potencials aplicacions al camp de la lingüística forense o a la verificació d’autoria de textos històrics. El perfilament d’autors té com a objectiu identificar trets demogràfics dels autors; la identificació d’autors tracta d’identificar l’autor del text. Per fer-ho, es busquen automàticament patrons lingüístics per diferenciar entre autors/trets demogràfics. La majoria de treballs anteriors, es centren en el contingut dels texts. Nosaltres argumentem que analitzar l’estructura del text pot ser una alternativa més efectiva. El focus d’aquesta tesi està per tant, al feature engineering: la extracció avaluació i utilització d’un conjunt de característiques lingüístiques amb algoritmes d’aprenentatge automàtic per a perfilar/identificar autors. Demostrem que les característiques sintàctiques i discursives són rellevants i que combinades amb altres, obtenen resultats a l’altura de l’estat de l’art.Programa de doctorat en Tecnologies de la Informació i les Comunicacions