تاثیر یادگیری خودنظارتی بازنمایی بر داده ی دست نوشته برخط بر روی مساله ی شناسایی نویسنده به صورت مستقل از متن برای بیست و هشتمین کنفرانس بین المللی انجمن کامپیوتر ایران

یادگیری خود نظارتی در سال های اخیر توجه زیادی را به خود جلب کرده است، زیرا روشی کارآمد برای استخراج بازنمایی هایغنی از انواع مختلف داده های بدون برچسب ارائه می کند و در عین حال از هزینه برچس بزنی مجموعه های داده در مقیاس بزرگ جلوگیری می کند. این امر با طراحی یک مساله ی بهانه برای تشکیل شبه برچسب هایی با توجه به دامنه داده ها قابل دستیابی است. تا آنجا که ما می دانیم، علیرغم محبوبیت و استفاده گسترده آن ها در حوزه هایی مانند پردازش زبان طبیعی، تشخیص گفتار، و بیناییماشین، هیچ مساله ی بهانه ای برای داده های دست نوشته برخط تعریف نشده است. با توجه به کاربردهای در حال رشد داده هایدست نوشته برخط، در این مطالعه، ما part of stroke masking(POSM) را به عنوان یک مسالهی بهانه به منظور پیش آموزش مدل ها برای استخراج بازنمایی های مفیدی از دادهی دست نوشته برخط افراد پیشنهاد می کنیم. برای ارزیابی کیفیت بازنمایی های استخراج شده، مساله ی شناسایی نویسنده مورد مطالعه قرار گرفته است که در آن بهترین دقت حال حاضر در مقایسه با دیگر مقالات حاصل شده است