Recherche de caractéristiques pour la classification de texte

Les stylométristes ont proposé et utilisé une grande variété de caractéristiques ou de marqueurs textuels, mais jusqu'à récemment, très peu d'attention a été accordée à la question : d'où viennent les caractéristiques textuelles ? Dans de nombreuses tâches de catégorisation de texte, le choix des caractéristiques textuelles est un déterminant crucial du succès, mais est généralement laissé à l'intuition de l'analyste. Nous soutenons qu'il serait souhaitable, du moins dans certains cas, que cette partie du processus soit moins dépendante du jugement subjectif. Par conséquent, cet article compare cinq méthodes différentes de recherche de caractéristiques textuelles qui ne nécessitent pas de connaissance préalable externe aux textes analysés (trois proposées par des stylométristes précédents, deux conçues pour cette étude). Comme ces méthodes ne reposent pas sur l'analyse syntaxique ou sémantique, elles ne sont pas uniquement liées à la langue anglaise. Les résultats d'un test de référence sur dix problèmes représentatifs de classification de texte suggèrent que la technique ici désignée sous le nom de Recherche de Caractéristiques Monte-Carlo présente certains avantages qui méritent d'être considérés par les futurs chercheurs dans ce domaine.