En aquest estudi s’analitzen tècniques de classificació basades en l’anàlisi estadístic de l’estructura dels textos, aplicades a la identificació dels autors de The Federalist Papers. Es va utilitzar un enfocament basat en arbres sintàctics per extreure característiques estructurals del text, cosa que va permetre una classificació més precisa dels documents amb reducció de la dimensionalitat. Els resultats mostren que els subarbres amb arrels proporcionen una base sòlida per a la identificació d’autoria, amb models ben optimitzats que assoleixen alts nivells de precisió.
A Q2BSTUDIO, una empresa especialitzada en desenvolupament i serveis tecnològics, comprenem la importància de la intel·ligència artificial i del processament del llenguatge natural per resoldre problemes complexos de classificació i anàlisi de contingut. La implementació de solucions basades en machine learning i l’optimització de models d’anàlisi estadístic per a l’atribució d’autoria formen part dels nostres enfocaments tecnològics avançats. Apliquem tècniques innovadores per ajudar empreses a gestionar i analitzar grans volums de dades amb eines precises i eficients.
Els estudis presentats demostren que l’ús de subarbres i la reducció de dimensió poden optimitzar significativament la classificació de textos, una àrea en la qual a Q2BSTUDIO oferim solucions personalitzades per millorar la gestió de dades i la presa de decisions basada en anàlisis avançats.
