Quantification of writing style feature of reports using machine learning

点击翻译按钮获取中文摘要

本研究では授業課題レポート作成者の「記述特徴」（書き方の「クセ」）を記述スタイルモデルに学習させ、作成者認証を行うことで内容の類似したレポート文書における盗用を発見する手法を提案している。従来の内容に基づく類似性検出で危惧される、レポート内単語の偶然の一致による誤判定リスクの軽減が期待される一方で、本手法には作成者認証における前処理として過去に作成した複数のレポート文書を予めモデルに学習させておく必要があるというデメリットがある。この問題を解決するため、作成者の記述特徴の一つとしてWord文書をXML解析することで得られる書式情報を定量化し、説明変数として用いる手法を新たに提案した。本年度は実際の授業で提出されたレポート文書を対象とした評価実験を行い、90%の精度でレポート作成者の識別を行えることを確認し、査読付き学術雑誌に論文が掲載された。また、作成者識別結果の可視化に関する検討の一つとして、k-means法によるクラスタリングを行った。