Este estudo propõe duas técnicas de normalização inovadoras, Correção da Raiz Quadrada e Correção Hapax, para derivar razões de verossimilhança do método de verificação de autoria LambdaG sem exigir um modelo de calibração separado. Esses métodos são projetados para mitigar a superestimação da força probatória causada por textos longos ou altamente repetitivos.
- Avaliado em comparação com a calibração de regressão logística em quinze corpora e comprimentos de texto variando de 100 a 9.500 tokens usando o custo da razão de verossimilhança logarítmica (Cllr).
- Os métodos propostos alcançam desempenho comparável à calibração de regressão logística.
- A Correção Hapax supera a calibração de regressão logística em aproximadamente 45% dos testes ponderados por corpora.
- O desempenho é mais frequentemente próximo (dentro de 5%) quando a Correção Hapax é superada, em comparação com a comparação inversa.
Eliminar a necessidade de um modelo de calibração reduz os requisitos de dados, tempo e complexidade, aumentando assim a acessibilidade e transparência da comparação forense de textos.