Hispanopedia WikiWriteprint es un método de lingüística forense para establecer la identificación del autor a través de Internet, similar a una huella digital. La identidad se establece mediante una comparación de las características estilométricas distintivas de un texto escrito desconocido con muestras conocidas del autor sospechoso ( invariantes del escritor ). Incluso sin un sospechoso, Writeprint proporciona posibles características de fondo del autor, como la nacionalidad y la educación. [1]
Hay cinco aspectos generales para la identificación del autor en writeprint:
- Características léxicas : el análisis del léxico , la elección de vocabulario por parte del autor, el uso de caracteres y palabras para identificar las preferencias de un individuo;
- uso de letras mayúsculas y minúsculas, frecuencia de ciertas letras, longitud media de la palabra, longitud media del enunciado en sí [2]
- Características sintácticas : el análisis del estilo de escritura del autor y la estructura de las oraciones, como la puntuación y la separación de palabras, el uso de la voz pasiva y la complejidad de las oraciones;
- Características estructurales : análisis de la organización y la disposición estructural de la obra del autor, incluida la longitud de los párrafos, el espaciado y la sangría.
- que abarca la disposición de las oraciones dentro de los párrafos, el uso de despedidas, saludos y firmas en un entorno de correo electrónico, por ejemplo;
- Características específicas del contenido : análisis del lenguaje que es contextualmente significativo para el tema de la obra escrita, incluido el uso de jerga o acrónimos. Para ser más específicos, estas características determinan los intereses del tema al señalar las palabras clave que utiliza;
- Características idiosincrásicas : análisis de errores y otros elementos agramaticales que pueden ser exclusivos del autor, como ortografía incorrecta, uso incorrecto de palabras y formas verbales inexactas. Debido a que esto puede ser difícil de controlar, se ha logrado una alta precisión en la identificación del autor cuando se combina con otras características. [3]
Si bien las cinco características mencionadas anteriormente son los métodos tradicionales de identificación del autor, existen características exclusivas del texto en línea. Características como la elección de la fuente, el uso de emojis y los enlaces a otros sitios web brindan un camino hacia la identificación que no existe en el análisis de texto tradicional. [4]
Véase también
Referencias
- ^ Li, Jiexun; Zheng, Rong; Chen, Hsinchun (abril de 2006). "De la huella dactilar a la huella escrita". Comunicaciones de la ACM . 49 (4): 76–82. doi :10.1145/1121949.1121951. S2CID 14341797.
- ^ Iqbal, F; Binsalleeh, H; Fung, B; Debbabi, M (octubre de 2010). "Extracción de huellas dactilares de correos electrónicos anónimos para la investigación forense" (PDF) . Digital Investigation . 7 (1–2): 56–64. doi :10.1016/j.diin.2010.03.003.
- ^ Abbasi, Ahmed; Chen, Hsinchun; Nunamaker Jr., Jay F. (verano de 2008). "Identificación estilométrica en mercados electrónicos: escalabilidad y robustez". Journal of Management Information Systems . 25 (1): 49–78. doi :10.2753/MIS0742-1222250103. JSTOR 40398926. S2CID 3941985.
- ^ Rehmeyer, Juli (13 de enero de 2007). "Huellas digitales". Science News . 171 (2): 26–28. doi :10.1002/scin.2007.5591710210. JSTOR 3982506.