اعتبارسنجی و تنظیم‌یابی corpus با LOWO

4 اجرای موفق ثبت‌شده در آمار دائمی

ابزار مستقل توسعهٔ IDHR برای ارزیابی چندنامزدی آثار معلوم‌المؤلف و انتخاب تنظیمات مختص همان پروژه با Nested leave-one-work-out. متن مجهول در این مرحله وارد نمی‌شود. هسته فاصله‌ها با تعریف‌های Burrows، Cosine Delta و Eder’s Delta اجرا می‌شود و انتخاب تنظیمات از ارزیابی بیرونی جدا می‌ماند؛ خروجی به‌تنهایی حکم انتساب متن مجهول نیست.

این خروجی چه می‌گوید؟

سنجه، طبقه‌بندی یا کنترل کیفیت تعریف‌شدهٔ همین روش را روی داده‌های واردشده گزارش می‌کند.

چه چیزی را به‌تنهایی ثابت نمی‌کند؟

دامنه ادعا از نوع ابزار، corpus و کنترل‌های روش‌شناختی فراتر نمی‌رود؛ نتیجه باید همراه محدودیت‌های زیر تفسیر شود.

توضیح علمی، محدودیت‌ها و جایگاه توسعه

توضیح علمی: Nested LOWO, work balancing, hyperparameter search and influence diagnostics are explicitly IDHR assistive extensions, not claims about the cited papers.

مقاله/مرجع: IDHR assistive validation protocol; Delta engines follow Burrows (2002), Eder, Rybicki & Kestemont (2016), and Evert et al. (2017).

سطح بازتولیدپذیری: Engine-derived reconstruction

روش و منبع: IDHR assistive validation protocol; Delta engines follow Burrows (2002), Eder, Rybicki & Kestemont (2016), and Evert et al. (2017).

وضعیت بازتولیدپذیری

روش با پیاده‌سازی/پیش‌فرض مستند موتور مرجع امروزی اجرا می‌شود و منشأ پارامترهای engine-derived صریح ثبت می‌شود.

پیاده‌سازی شده

پیاده‌سازی نشده / محدودیت

مشاهده ممیزی بازتولیدپذیری همه روش‌ها

ابزار مستقل آماده‌سازی و اعتبارسنجی corpus

در این مرحله متن مجهول را وارد نکنید. ابزار فقط با آثار معلوم‌المؤلف بررسی می‌کند که corpus چند نامزد را از هم جدا می‌کند یا نه و تنظیمات پایدار کدام‌اند.

آثار معلوم‌المؤلف همهٔ نامزدها

نام هر فایل باید AuthorID_WorkID.txt باشد. هر فایل یک اثر مستقل است؛ قطعات یک کتاب را پیشاپیش به‌صورت آثار جدا معرفی نکنید. ابزار بیش از دو نامزد را می‌پذیرد و هر نامزد باید دست‌کم سه اثر مستقل داشته باشد.

پروفایل یکسان‌سازی نویسه

شبکه MFW شبکه Culling (%) اندازه‌های قطعه به واژه واحدهای ویژگی شبکه n برای word n-gram شبکه n برای character n-gram

روش‌های فاصله Burrows’s Delta Cosine Delta Eder’s Delta

تعداد تنظیمات حاصل‌ضرب روش، MFW، Culling، اندازه قطعه و حالت‌های معتبر واحد ویژگی/n است. پیش‌فرض فقط word unigram است و همان ۱۳۵ تنظیم را نگه می‌دارد؛ افزودن حالت نویسه‌ای هزینه را افزایش می‌دهد.

سیاست قطعه‌بندی ۱.۳.۴: همهٔ واژه‌های هر اثر، بدون ساختن ته‌قطعهٔ بسیار کوتاه، میان نزدیک‌ترین تعداد قطعه به‌طور متوازن توزیع می‌شوند؛ اندازه قطعات یک اثر حداکثر یک واژه تفاوت دارد.

تحلیل اثر حذف موقت هر کتاب و شناسایی آثار مسئله‌ساز

انتخاب تنظیمات در حلقه داخلی انجام می‌شود و امتیاز نهایی از حلقه بیرونیِ دیده‌نشده به دست می‌آید. معیار اصلی Balanced Accuracy و معیار دوم Macro-F1 است. هیچ اثری خودکار حذف نمی‌شود.

ایمیل پیگیری و دریافت نتیجه (الزامی)

پس از ثبت Job می‌توانید مرورگر را ببندید؛ پردازش روی سرور ادامه می‌یابد. پس از پایان، 168 ساعت فرصت دانلود دارید. پایان موفق یا شکست تحلیل همراه با لینک امن ایمیل می‌شود و خطای ایمیل وضعیت تحلیل را تغییر نمی‌دهد.

نحوه تفسیر

این ابزار نتیجه را همراه پارامترها، نسخه موتور علمیِ همان روش، نرمال‌سازی نویسه‌ای و SHA-256 ورودی‌ها در Research Manifest ثبت می‌کند. تغییر پارامترها باید به‌عنوان اجرای پژوهشی جداگانه در نظر گرفته شود.