wiki:cs/ArtRychlyPruvodce

Version 3 (modified by Ales Horak, 6 years ago) (diff)

--

Verifikace autorství dvou dokumentů

Máme dva dokumenty a chceme zjistit, zda mají stejného autora

  1. Zvolte si projekt MV_BLOG1/2 v sekci Home page/Switch project
  2. Přejděte do sekce Authorship Verification/Verify data sets
  3. Nahoře zvolte sadu `Select data collection:` MV_BLOG[blog_test] (je potřeba vybírat sady, které mají primární testovací data, tj. druhé číslo ze tří parametrů alespoň dva)
  4. Sjeďte na konec stránky do sekce `Verification of document pairs`
  5. Zvolte rozumný počet srovnávaných dvojic `Document pair limit`, např. 100 (čím vyšší číslo, tím déle srovnání trvá). Při větších úlohách kvůli nárokům na paměť doporučujeme používat menší sady a problémy dělit.
  6. Stiskněte tlačítko `Run verification of document pairs`
  7. Vyčkejte zhruba dvě minuty, než se výsledek spočítá
  8. Čeká na Vás tabulka výsledků, tzv. confusion matrix (http://en.wikipedia.org/wiki/Confusion_matrix) s celkovou úspěšností
  9. Níže pro každou srovnávanou dvojici můžete zjistit, jak jsou si dokumenty podobné v jednotlivých kategoriích, výsledky jsou ve tvaru:
    1. 59221 vs. 59250 (id dokumentů)

Similarity:% Kategorie: %

Pokud chcete zjistit autory jednotlivých dokumentů, např. v sekci Data management/Edit data sets můžete zadávat id dokumentu a vyhledá se vám záznamNebo si můžete projít celé sady dokumentů v Home page/View projects a doklikat se.

Verifikace autorství dvou skupin dokumentů

Máme dvě skupiny dokumentů a chceme zjistit, zda nejsou napsány jedním člověkem. Tato úloha je v praxi běžnější a mnohem přesnější než předcházející krok.

  1. Zvolte si projekt MV_BOOK1/2 v sekci Home page/Switch project
  2. Přejděte do sekce Authorship Verification/Verify data sets
  3. Nahoře zvolte sadu `Select data collection:` MV_BOOK[book_diff_author_pair] (je potřeba volit sady, kde v primárních testovacích datech jsou dokumenty jednoho kandidáta a v sekundárních datech dokumenty druhého kandidáta)
  4. Přejděte trochu níže do sekce `Verification of two data sets`
  5. manuální dvojice nemusíte nastavovat, protože jsme zvolili sadu na testování. Jinak můžete ale zadávat id dokumentů i ručně.
  6. Stiskněte tlačítko `Run verification of data sets`
  7. Vyčkejte, než se provede analýza
  8. Čeká na Vás tabulka výsledků, kde zjistíte konzistenci jednoho autora, druhého autora (tj. jak je autor ve svém stylu stabilní) a podobnost mezi autory. Pokud je podobnost mezi autory podobná jejich konzistenci, výsledek je shoda autorství, pokud je velmi nízká, neshoda, v opačním případě raději vracíme nejistotu (systém vrací v 96 % správnou odpověď za cenu asi 70% pokrytí)
  9. Celý postup opakujeme pro sadu MV_BOOK[book_same_author_pair]

Výsledek vypadá následovně:(přehled doumentů 1. kandidáta -- dokumenty si lze prohlédnout kliknutím na ně -- doporučujeme otevřít v novém okně -- provádí se současně jejich analýza, proto to chvíli trvá, prosím mějte strpení)

Analysis complete for documents of the first author Josef Pecinovský:10:

(přehled dokumentů 2. kandidáta):

and of the second author Josef Pecinovský:10:

(shrnutí výsledků)
Josef Pecinovský:10 consistency: 0.6665 (64.44% votes) Josef Pecinovský:10 consistency: 0.7522 (80.00% votes) Author's similarity: 0.73 (75.00% votes) Lower limit for same authorship: 0.5838 same authors+ same (124.8% of lower limit)

Automatické generování zdůvodnění pro znalecký posudek

Chceme vygenerovat jednoduché zdůvodnění v PDF formátu.

  1. Zvolte si projekt MAIN v sekci Home page/Switch project
  2. Opět přejděte do sekce Authorship verification/Verify data sets
  3. Zvolte sadu pdfreport
  4. Sjeďte do sekce `PDF report`
  5. Document type upravte podle typu zkoumaných dokumentů, můžete nechat knihu
  6. Stiskněte `Generate PDF report` a počkejte na vygenerování odkazu s PDF souborem se zprávou

Profil autora

Chceme zjistit, čím je styl autora význačný

  1. Přejděte do sekce Authorship writing
  2. Pro automatické přiřazení dokumentů do výběru zůstaňte v sekci `Analyse author's characteristics`
  3. Zvolte si autora, např. Karla Čapka (kolonka Author's web identity, rychle se autor hledá, když začnete psát začátek jeho jména, např. Karel)
  4. max. number of documents: čím menší číslo, tím rychleji analýza proběhne a graf bude větší a čitelnější
  5. Stiskněte `analyse autor`, pro každou charakteristiku stylu autora se vygeneruje podrobný graf.V jednom sloupci jsou vždy hodnoty všech dokumentů pro jednu charakteristiku a pod sloupcem barva značí, jak je autor konzistentní (zelená hodně, červená vůbec). Pod grafy jsou vysvětivky jednotlivých popisků.

Podobně se postupuje i pro řešení dalších úloh, zde se odkážeme na podrobný manuál.Kromě verifikace je k dispozici i přiřazování autorství z kandidátů (je tolik kandidátů jako dokumentů v sekundární testovací sadě -- třetí číslo u sady) a přiřazování autorství bez kandidátů.Jednotlivé sady jde ručně upravovat nebo spojovat.Samozřejmostí je i učení nových klasifikátorů a možnost volit mezi aktuálním a starším klasifikátorem. Lze měnit i parametry klasifikátorů a vynechat některé charakteristiky autora. např. při zpracování anglických dat je potřeba je zcela přenastavit (např. v settings select en only).

Attachments (2)

Download all attachments as: .zip