V posledních letech byla navržena řada moderních modelů pro
identifikaci autorství využívajících rozličné techniky
reprezentace textu a různé klasifikační algoritmy. Problém
nesrovnatelnosti těchto modelů vyplývá z rozdílných datových
sad používaných pro jejich vyhodnocení a z odlišných metod
předzpracování použitých datových sad. Tato bakalářská práce
řeší daný problém implementací tří vybraných modelů, z nichž
každý
využívá odlišné techniky reprezentace textu a klasifikační
algoritmy. Tyto modely jsou aplikovány na tři datové sady z
různých domén - konkrétně e-mailů, článků a okamžitě zaslaných
zpráv - napříč několika velikostmi množin autorů. Následná
srovnávací analýza hodnotí modely mezi sebou a také porovnává
jejich výsledky s výsledky uvedenými v původních článcích.
Hodnocení zahrnuje měření schopnosti modelů klasifikovat na
základě stylů psaní autorů.