English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Zendy Pro

Presents the zaia usage as premium feature

ZAIA

Presents AI Discovery search usage as a premium feature

AI Discovery

Presents AI Discovery explain and summary usage as a premium feature

Content Analysis

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Presents the pdf analysis as premium feature

PDF Analysis

1500 Top-up

3000 Top-up

Zendy Basic

2500 Top-up

Zendy Unlimited

Presents the access of premium content as premium feature

Premium Content

Resumen. Un problema en las tareas clasificatorias es el manejo de los rasgos que caracterizan las clases. Cuando la lista de rasgos es larga, se puede usar un algoritmo resistente al ruido de rasgos irrelevantes, o reducir dichos rasgos. La atribucion de autoria, tarea que asigna un texto anonimo a un sujeto en una lista de posibles autores, ha sido ampliamente abordada como una tarea de clasificacion automatica de texto. En dicha tarea, los n-gramas pueden producir listas largas de rasgos incluso en corpus pequenos. A pesar de esto, falta una investigacion que exponga los efectos de usar algoritmos resistentes al ruido, reducir los rasgos, o combinar ambas opciones. Este trabajo responde a esta carencia utilizando contribuciones a foros de discusion relacionados con el crimen organizado. Los resultados obtenidos muestran que los clasificadores evaluados, en general, se benefician con la reduccion de rasgos, y que gracias a dicha reduccion, incluso algoritmos clasicos superan a clasificadores de punta considerados altamente resistentes al ruido.

Técnicas de reducción, algoritmos resistentes al ruido o ambos. Opciones para el manejo de rasgos clasificatorios en la atribución de autoría