частотного анализа хватит

@kurkuma Говорят, что лучше частотный анализ пар слов делать, чем просто по словам. Но тем не менее, есть ли швабодные (чтобы не писать код), ну или хотя бы бесплатные (как пиво).

@anonymous бля там десяток строчек на жс или твоем любимом языке, хули ты выебываешься?

было

@kurkuma хуётного

@anonymous напишу за отзыв, пиши мыло или ник на бнвощ

@kurkuma Мне лень, напиши ты, если десяток строчек. К тому же у тебя *уже* есть обновляемая база комментариев, прикручиваешь к ней анализатор и по клику на коммент показываешь те, что с похожим стилем, сплошная выгода.

@anonymous мне лень, я попиливаю всякую хуйню в фиде. у тебя тоже может быть база, ставится очень просто

пук

@anonymous нет никакой базы, ты запрашиваешь комментарии из бнвоща напрямую

@238328 Есть. Пруфы у куркумы. Штука на ноде сосёт вебсокет и кладёт в базу (в mongodb).

@anonymous пук, к // штилета верни приватность

@238328 или не возвращай

Да, JStylo, но там жаба и ппц ваще, поэтому я только их выступления на ccc смотрел и паперы читал.

@anonymous Не пар слов, а диграмм/триграмм на самом деле.

@anonim А в чём разница между парой (последовательных) слов и диграммой?

@anonymous Диграмма — это пара (последовательных) букв.

@anonim любые н-граммы не относятся ни к буквам, ни к чему другому можно и для букв и для слов ну и канеш кластеризация пользователей по буквам это пиздец // если ты канеш не хочешь отличить хохла от руССкого

@238328 Пруф или научно // лень папер искать // см. А.С. Романов «Методика идентификации автора текста на основе аппарата опорных векторов»

@anonim s/лень\ папер\ искать//g

@anonim лень читать неуважаемых

@anonim тащемта можно пройтись по бнвощу и замерить эффективность, и сказать автор хуй [для бнвоща] или нет

@238328 Там в папере автор берет 100 наиболее частых биграмм, Тройки букв русского алфавита, 500 наиболее частых триграмм, 100 наиболее частых слов из словаря Шарова, Триграммы, сглаженные методом Гуда-Тьюринга, Триграммы, сглаженные методом Лапласа и500 наиболее частых триграмм, сглаженных методом Лапласа и тестит их на текстах. Вообще почитайте лучше паперы от тех, кто JStylo делал, они тестили на ачате, тестили переведенные гуглопереводчиком тексты и прочее и все работало, правда у них посложнее канеш, чем просто частотный анализ.

@anonim я уже читаю // он просто забил хуй на анализ слов, поэтому и использовал в признаках буквенные н-граммы //

@anonim Анонимус не пройдёт!!!1!

@anonim И правда какое-то оно сложное. Хотя ведь всё равно придётся писать код, для того, чтобы комменты руками хотя бы туда не перебивать. Плохо так жить.

@238328 Он потом запилил посложнее хуйню, см. «Структура программного комплекса для исследования подходов к идентификации авторства текстов».

@anonim лан // я напоминаю, что например в некоторых [случаях]( https://bnw.im/api/userinfo?user=238328 ) средняя длина комментария составляет `characters_count / comments_count ≈ 58` и это при том, что наверно половина это ссылки + пасты

@anonymous хуйод, тупой штоле, попроси базу за анал

@anonim тлдр, ну к

@238328 А для этого смотри на 28c3 кажется толк, где они парсили посты с ачата и еще каких-то форумов с такими же пастами и ссылками.