Author identification of newspaper columns using style and semantic features

Abstract

This study has two major purposes : to implement and compare the author classification results of di erent Naive Bayes Classi ers, and to investigate whether merging individual methods will increase classi cation success or not. The subjects of this study were newspaper columnists. Data was collected from well known public newspapers. This study first investigates Numeric, Nominal, Multinominal NBC, and their various merged versions. We then address each method using cross-validation. The results of the experiments show that merging multiple classi cation methods can increase classifi cation success. Additionally, it depends on how well individual classifi cation models are constructed.

Bu çalışmanın iki amacı vardır: farklı Naive Bayes Sınıflandırma metodlarını uygulamak, karşılaştırmak ve farklı sınıflandırma metodlarınının birleştirilmesinin sınıflandırma performansına olan etkisini ölçmek. Bu çalışma gazete köse yazarlarını konu almaktadır. Çalışma ilk olarak Sayısal, Nominal, Multimoninal NBC ve olası birleşik sınıflandırma metodlarını incelemektedir. Sonrasında her bir metod, çapraz doğrulama yöntemi ile test edilmektedir. Deney sonuçları sınıflandırma metodlarının birleştirilmesinin sınıflandırma başarısını arttırdığını göstermektedir. Bunun ile birlikte bu başarı, birleşimin parçası olan sınıflandırma metodlarının tekil başarılarına bağlıdır.