PAN23多作者写作风格分析数据集

数据集概述

该数据集是PAN@CLEF2023多作者写作风格分析共享任务的专用数据，包含三个难度级别的文档集，用于训练和测试段落级风格变化检测算法，文档均为英文且风格变化仅发生在段落间。

文件详解

• 文件名称: pan23-multi-author-analysis.zip
• 文件格式: ZIP压缩包
• 包含内容: 数据集分为三个难度级别（Easy、Medium、Hard），每个级别下有训练集（70%，含真值）、验证集（15%，含真值）、测试集（15%，无真值），用于段落级风格变化检测任务

适用场景

• 自然语言处理研究: 开发和测试多作者文本的段落级风格变化检测模型
• 计算语言学分析: 探索不同难度下（主题多样性差异）风格特征与作者身份的关联
• 共享任务竞赛: 参与PAN@CLEF2023多作者写作风格分析任务的算法评估
• 文本取证应用: 辅助多作者文档的作者归属与风格一致性验证研究