Кластеризация русскоязычных текстов с применением статистики χ²

Abstract

Проблема обнаружения скрытых структур текста связана с перспективной методикой установления авторства. В работе описан Корпус текстов русского языка, созданный для исследований текстов методами математической статистики. Описывается исследование, проведённое на базе Корпуса с применением статистики χ2. Кластеризация текстов, обнаруженная в результате исследования, может служить основанием для их атрибуции. Работа выполнена на кафедре полиграфии и веб-дизайна ИРИТ-РтФ УрФУ.

The problem of detection of the hidden structures of the text is associated with a promising method of attribution. The paper describes a corpus of Russian language created for investigations of texts by the methods of mathematical statistics. The research conducted on the basis of the statistics χ2 is described. Clustering of texts discovered by the study can serve as a basis for their attribution. The work was coudveted at the department of printing art and web-design, Ural Federal University.