本研究提出了两种新颖的归一化技术：平方根校正（Square Root Correction）和哈帕克斯校正（Hapax Correction），旨在无需单独校准模型的情况下，从作者身份验证方法 LambdaG 中推导似然比。这些方法旨在减轻由长文本或高度重复文本引起的证据强度高估问题。

  • 使用对数似然比成本（Cllr），在十五个语料库和从 100 到 9,500 个 token 的文本长度范围内，与逻辑回归校准进行了评估。
  • 所提出的方法实现了与逻辑回归校准相当的性能。
  • Hapax 校正在约 45% 的按语料库加权的测试中优于逻辑回归校准。
  • 当 Hapax 校正表现较差时，其性能更接近（在 5% 以内）的情况比反向比较更频繁。

消除对校准模型的需求降低了数据要求、时间和复杂性，从而提高了法医文本比较的可访问性和透明度。