python - 如何从文本中获取文体特征（作者归属任务）

Question

在识别给定文本的作者时，我尝试获取用于文体测量任务的文本特征。
我检查：

• 按单词的文本长度
• 按字符的文本长度
• 标点计数
• 独特的字数
  等...但是在对该功能进行分类时会给出不合理的结果，因此：
  我想检查更多功能...我有两个问题：

1. 有没有我忘记从文本中提取的好特征来帮助分类结果
2. 我有一个这样的数据框：
   text , author , pos
   i go to school , x , [N,V,...]
   ..
   we are good , y , [N,V,ADj]

我的问题是如何从 pos 栏获得好的功能？例如“N”与其他的比率？或类似的东西......
如何改进这个 multi_input single_lable multi_class 分类结果？有什么特点？有什么好的来源吗？

标签： pythonnlpmulticlass-classification

Answer 1

许多研究表明，FUNCTION WORDS 的频率和分布是显着的，并且表明了个人风格。功能词是那些很少或没有词汇意义的词：冠词 THE、AN、A、连词、人称代词、助动词。等等