Ana içeriğe geç

Kavramlar

bitig ne işe yarar

bitig, bir metni kimin yazdığına dair üç soruyu yanıtlar:

  • Yazar tespiti — bir aday yazar kümesinden hangisinin bu belgeyi yazma olasılığı en yüksektir?
  • Yazar doğrulama — bu belgeyi bu kişi mi yazdı?
  • Grup karşılaştırması — bir yazarın biçemi, bir başkasının biçeminden ya da tanımlanmış bir gruptan nasıl ayrılır?

Bu temel soruların üstünde bir adli katman yer alır: kalibre edilmiş olabilirlik oranları, delil zinciri üstverisi ve olabilirlik oranı sistemleri için değerlendirme ölçütleri.

Hangi soruyu sorduğunuzdan emin değil misiniz? Yöntem seçimi rehberiyle başlayın.

Dört katman

bitig dört katman etrafında düzenlenmiştir; her katmanın birincil bir dönüş türü vardır. Bu dört türü anlamak, bitig'nın yapabildiği her şeyi oluşturmanıza olanak tanır:

Katman Tür Amaç
Corpus Corpus (Document listesini sarar) metinler + üst veri
Features FeatureMatrix sayısal belge-öznitelik tablosu
Methods Result bir analizin çıktısı
Reporting rapor dosyası yayına veya adli incelemeye hazır çıktı

İşlem hattı

flowchart LR
  C["Corpus<br><code>.txt + metadata.tsv</code>"] --> F["FeatureMatrix<br>(n_docs × n_features)"]
  F --> M["Result<br>(method-specific)"]
  M --> R["Report<br>(HTML / Markdown)"]

  style C fill:#FBF3DE,stroke:#C9A34A
  style F fill:#FBF3DE,stroke:#C9A34A
  style M fill:#FBF3DE,stroke:#C9A34A
  style R fill:#FBF3DE,stroke:#C9A34A

Her ok, verinin diske düzgünce serileştirildiği bir sınırı temsil eder:

  • Corpus → FeatureMatrix: ayrıştırılmış belgeler, belge özeti ve işlem hattı yapılandırmasıyla anahtarlanan spaCy DocBin blokları olarak önbelleğe alınır.
  • FeatureMatrix → Result: her sonuç dizini result.json + isteğe bağlı table_*.parquet + şekiller içerir.
  • Result → Report: Jinja2 şablonları, sonuç dizinini tek bir HTML veya Markdown dosyasına dönüştürür.

Her yerde köken bilgisi

Her Result, şunları içeren bir Provenance kaydı taşır:

  • bitig sürümü, Python sürümü, spaCy sürümü ve modeli (bitig run hiçbir ayrıştırma yapmadığı için "none (no spaCy parsing in this run)" kaydeder)
  • sonucu biçimlendiren kütüphanelerin sürümleri ve varsa NLTK cmudict dosyasının sağlama özeti
  • derlem özeti (her metni kimliğine ve üstverisine bağlar) ve onu üreten özetleme şeması
  • öznitelik özeti (çıkarıcı, yapılandırma + derlem özeti)
  • çalıştırmada kullanılan seed değeri
  • zaman damgası
  • çözümlenmiş study.yaml yapılandırması

Bunlara ek olarak altı isteğe bağlı adli dilbilim alanı (sorgulanan / bilinen belgeler için açıklamalar, hipotez çifti, elde etme + delil zinciri notları, kaynak dosyaların SHA-256 özetleri) bulunur.

Aynı study.yaml'ın aynı derlem üzerinde iki ayrı çalıştırılması, eşleşen seed değerleriyle özdeş sonuç değerleri üretir (kayan nokta yuvarlaması dışında). Bkz. Sonuçlar ve köken bilgisi.

Sonraki adım