پژوهشگاه علوم و فناوری اطلاعات ایران (ایرانداک) پژوهشنامه پردازش و مدیریت اطلاعات 2251-8223 29 2 2014 02 20 Identify the Authors of Electronic Messages Through the Analysis of the Type and Style Based on Machine Learning Technique شناسایی نویسندگان پیام های الکترونیکی از طریق واکاوی نوع و سبک نگارش آن ها مبتنی بر روش های یادگیری ماشین(WKF based on SVM-PHGS) 453 476 699252 10.35050/JIPM010.2014.042 FA سمیرا زنگویی حسنعلی نعمتی شمس‌آباد Journal Article 2022 12 10 Identifying the author of an electroni message is one of<br />the main problems in text classification and natural language<br />processing. The aim of this article is to determine the authors of 50<br />cyber messages (by 50 potential customers, according to Amazon 's<br />website), by a machine learning methods. To evaluate the<br />effectiveness of the proposed method, the decision was carefully<br />tested and the results were compared with the performance of<br />machine learning methods. Also, when extracting various features of<br />authors' writing style for evaluation by machine, we tried to maximize<br />the features required to identify a writer. Therefore, nearly 10,000<br />different features were extracted from different entries in four<br />categories: lexical features, syntactic features, special features and<br />structural features. In this study, the average accuracy of the proposed<br />method reached to 98. 78. شناسایی نویسنده یکی از مسایل مهم در دسته بندی متن و پردازش زبا نهای طبیعی به شمار می رود. این نوشتار دستآورد پژوهشی با هدف تعیین هوشمند نوشته های 50 نویسنده سایبری(50 نفر از مشتریان بالقوه ی وب سایت آمازون با توجه به پیام ها و مراجعاتی که به این وب سایت داشته اند انتخاب شده اند) به کمک روش های یادگیری ماشین است. برای سنجش کارایی روش پیشنهادی، دقت تصمیم گیری آزموده و نتایج آنها با بازدهی روش های یادگیری ماشین مقایسه شده است. همچنین در هنگام استخراج ویژگیهای گوناگون نوشته های نویسندگان برای ارزیابی توسط ماشین، کوشش شده تا حداکثر ویژگی های مورد نیاز برای تشخیص نویسنده شبیه سازی گردد و بدین منظور، نزدیک به10000 ویژگی گوناگون از نوشته های مختلف استخراج شده و در چهار دسته ی ویژگی های لغوی ، ویژگی های نحوی ، ویژگی های خاص و ویژگی های ساختاری قرار گرفته اند. در این پژوهش به طور میانگین دقت تعیین نویسنده به کمک روش پیشنهادی تا 98/78 درستی نیز رسیده است. https://jipm.irandoc.ac.ir/article_699252_7435c7b16421357bfc8f48099b1e7450.pdf