|
|
Machine Learning in the Domain of Stylometry and Authorship Attribution
Drápela, Karel ; Škoda, Petr (referee) ; Smrž, Pavel (advisor)
Thesis deals with authorship attribution of english internet comments. It describes state of art in authorship attribution on social networks. It decsribes how the new system created during the work on this thesis functions. System is based on selection of most informative characteristics mostly from character n-grams and part of speech tags. It presents results of testing on comments from social networks Quora and Twitter.
|
|
|
Source Code Authorship Attribution
Pružina, Tomáš ; Dytrych, Jaroslav (referee) ; Smrž, Pavel (advisor)
Se vzestupem internetu se trend plagiátorství zdrojového kódu a porušování autorských práv zvyšuje a stal se problémem jak v akademickém, tak v podnikovém prostředí. S ohledem na to je důležité, aby bylo možné identifikovat autora zdrojového kódu založeného na stylomentrických technikách, aby se zabránilo neetickému porušování autorského intelektuálního vlastnictví. Tato práce shrnuje moderní přístupy k přiřazení autorského zdrojového kódu a představuje nástroj pro přiřazení autorů obecného určení, který se pokouší odhalit autora zdrojového kódu.
|
|
|
Source Code Authorship Attribution
Pružina, Tomáš ; Dytrych, Jaroslav (referee) ; Smrž, Pavel (advisor)
Se vzestupem internetu se trend plagiátorství zdrojového kódu a porušování autorských práv zvyšuje a stal se problémem jak v akademickém, tak v podnikovém prostředí. S ohledem na to je důležité, aby bylo možné identifikovat autora zdrojového kódu založeného na stylomentrických technikách, aby se zabránilo neetickému porušování autorského intelektuálního vlastnictví. Tato práce shrnuje moderní přístupy k přiřazení autorského zdrojového kódu a představuje nástroj pro přiřazení autorů obecného určení, který se pokouší odhalit autora zdrojového kódu.
|
|
|
Machine Learning in the Domain of Stylometry and Authorship Attribution
Drápela, Karel ; Škoda, Petr (referee) ; Smrž, Pavel (advisor)
Thesis deals with authorship attribution of english internet comments. It describes state of art in authorship attribution on social networks. It decsribes how the new system created during the work on this thesis functions. System is based on selection of most informative characteristics mostly from character n-grams and part of speech tags. It presents results of testing on comments from social networks Quora and Twitter.
|
guest ::
