Pixabay License. Volné pro komerční užití

Málo frekventovaná slova umožní určit autora textu

Olomoučtí lingvisté analyzovali texty spisovatelů, politiků i vrahů a patentovali novou technologii, která pomůže určit autora.

Vědci z Filozofické fakulty Univerzity Palackého v Olomouci (FF UP) vyvinuli unikátní technologii, která umožňuje automatické profilování osob. Zcela nová technologie najde využití v uzpůsobování internetového obsahu, v reklamě, v personalistice i při komunikaci s ohroženými skupinami lidí. Pomůže také psychologům, vyšetřovatelům i při procesech vedoucích k rozvoji bezpečnosti státu. Po několikaletém výzkumu a vypracování potřebných rešerší je nová technologie evidována na patentovém úřadu v USA.

Už řadu let se odborníci z katedry obecné lingvistiky FF UP věnují vlastnostem textu, které jsou založeny na frekvencích. Princip frekvenčních analýz je dlouhodobě ověřenou metodou, využívanou například při detekci autorství. Zatímco klasická lingvistika se v tomto smyslu zabývá jevy s vyšší frekvencí, olomoučtí lingvisté Dan Faltýnek, Martina Benešová, Ondřej Kučera a Vladimír Matlach, členové katedry obecné lingvistiky a katedry asijských studií, si po několikaletém bádání povšimli, že ještě lepší výsledky lze získat i s využitím méně častých jevů. Při analýze pracovali například s texty spisovatelů, jako je Jack Kerouac nebo Joanne K. Rowlingová, zkoumali písemné projevy politiků Karla Marxe, Silvia Berlusconiho nebo Václava Havla, texty masových vrahů, k nimž patří třeba Elliot Roger nebo Theodore Kaczynski, nebo také vzorky textů podnikatele a filantropa Elona Muska.

„S kolegy jsme zjistili, že podle nízko frekventovaných, ale pravidelně rozmístěných, opakujících se slov lze autora poznat také. A co víc, ještě s vyšší mírou jistoty. Už několik let se tedy zaměřujeme na opačné spektrum, na zvláštní skupinu slov v dané slovní zásobě konkrétního člověka. Postupem času jsme vyvinuli technologii, která nám umožňuje najít nízkofrekventovaná klíčová slova, která jsou společně s důrazem na sentiment (postoj řečníka k určitému tématu – pozn. red.) otiskem autora,“ uvedl Dan Faltýnek z katedry obecné lingvistiky FF UP.

Tento objev je převratný, neboť dosavadní metody takto vysokou jistotu autorství nepřinášely. Olomouckým vědcům dnes díky nové technologii stačí poměrně krátký vzorek, zhruba dvě stě až pět set slov, aby mohli dokázat nějaké procento autorství. Pokud obdrží zhruba tisíc pět set slov, jsou schopni autorství zaručit s velmi vysokou mírou pravděpodobnosti.

Nová technologie, která je nyní v procesu patentového řízení, dokáže extrahovat profil lidí. To, jaká slova člověk opakuje, může například poukázat na jeho psychický stav nebo sociální oblast. Technologii tak lze využít v personalistice, v online psychoterapii, v soudních kauzách nebo při komunikaci s ohroženými skupinami. Své místo najde také při tvorbě personalizované reklamy či v boji proti extrémismu, terorismu a dezinformacím díky možnosti identifikovat inkriminované osoby. To vše zahrnuje oblast tak zvané umělé inteligence, v tomto případě tedy způsob zpracování digitálního textu.

„Možností, kde se naše technologie dá zužitkovat, je opravdu hodně. Lze ji využít i na obranu proti personalizaci, tedy k tomu, aby již řečeným způsobem k ovlivňování chování osob na internetu naopak nedocházelo. V rámci programu Open Calls for Security Research (OPSEC) jsme byli čtyřmi ze čtyř posudků ohodnoceni jako projekt doporučený k rozvoji bezpečnosti státu. Nejjednodušší variantou využití naší technologie bude v dohledné době aplikace, která lidem umožní dozvědět se něco o sobě a pomůže jim v seberozvoji,“ řekla Martina Benešová.

Unikátní technologie vědců z katedry obecné lingvistiky a katedry asijských studií FF UP je konkurencí technologiím Adobe i Google.

„Od počátku našich výzkumů, kdy jsme pracovali pouze s tužkou a papírem, jsme se vypracovali k automatizovanějším postupům. Díky grantu Vědeckotechnického parku Univerzity Palackého v Olomouci jsme mohli zaplatit náklady související s podáním patentu. Při vývoji samém jsme spolupracovali i se studenty, kolegy a interními i externími subjekty. K uvedenému výsledku by rozhodně nemohlo dojít bez spolupráce s Inovačním centrem Olomouckého kraje, které nám pomohlo s návrhem technologické inkubace. Patentový zástupce již vypracoval rešerše, které dokázaly, že je naše technologie skutečně nová,“ doplnil Ondřej Kučera z FF UP.

Olomoucká technologie s názvem „System and method for adapting text-based data structures to text samples“ je v tuto chvíli již pod patentovou ochranou. Díky několikaleté intenzivní práci vědci z FF UP disponují třemi softwary šitými na míru uvedené technologii, jejichž činnost by rádi propojili. Téma, jemuž se na katedře obecné lingvistiky a katedře asijských studií FF UP věnují, však nabízí další možnosti bádání a už nyní přemýšlí o dalších patentových možnostech. Všechny uvedené technologické kroky bude výzkumný tým předávat studentům v novém profesně zaměřeném bakalářském studijním programu Jazykovědný analytik na FF UP.

tisková zpráva Univerzity Palackého v Olomouci

OHB Czechspace: Rande s kometou

Nová mise Evropské vesmírné agentury (ESA) Comet Interceptor bude zkoumat dosud neobjevenou kometu a má …

Napsat komentář

Vaše e-mailová adresa nebude zveřejněna. Vyžadované informace jsou označeny *

Používáme soubory cookies pro přizpůsobení obsahu webu a sledování návštěvnosti. Data o používání webu sdílíme s našimi partnery pro cílení reklamy a analýzu návštěvnosti. Více informací

The cookie settings on this website are set to "allow cookies" to give you the best browsing experience possible. If you continue to use this website without changing your cookie settings or you click "Accept" below then you are consenting to this.

Close