Есть задача написать программу, получающую на вход текст, анализирующую его, и на выходе выдающую вероятность того, что ее написал некий автор (сравниваются или два текста, или параметры из загруженного текста с некими сохраненными установками конкретного автора)
Собственно вопрос в том, какие параметры можно использовать для такой классификации (например, самые часто используемые слова, буквы, среднее количество существительных на прилагательное, и все в таком духе)
Хорошо работает определение средней длинны предложений, вводных слов, списков и их типа (нумерованные или с помощью дефисов). Сленг, мат если это возможно, если неформальный текст то приветствия. Особенно введению и заключению нужно уделять внимание.
делал чтото подобное раньше ради развлечения, очень неплохой результат давала степень энтропии в тексте. Точно уже не помню(это было несколько лет назад и исходников не сохранилось), но кажется там определялась энтропия букв в предложении и находилось некоторое число, которое достаточно точно определяло автора.
YermolaevG: еще можно попробовать исследовать частоту возникновения словарного слова в различных произведениях и соответственно назначить веса для разных слов. Часто встречающиеся будут иметь меньший вес, редкие больший, соответственно определенному автору обычно соответствуют разные редкие слова
Средний
Простой
