生成AI時代における汎用的な著者帰属のための説明可能な分離表現学習

要旨: 著者の文体に頑健な表現を学習することは、著者推定やAI生成テキストの検出にとって重要です。しかし、既存の手法はしばしば、コンテンツと文体の絡み合い（content-style entanglement）に悩まされています。これは、モデルが著者の文体とトピックの間に存在しない相関（見かけの相関）を学習してしまい、その結果、ドメインをまたいだ汎化性能が低下する現象です。 この課題に対処するために、本研究では、設計によって分離を明示的に行うアーキテクチャ分離-by-design により、文体とコンテンツを明確に分離する新しい枠組み、Explainable Authorship Variational Autoencoder（EAVAE）を提案します。EAVAEはまず、多様な著者データに対する教師ありコントラスティブ学習によって文体エンコーダを事前学習し、その後、文体表現とコンテンツ表現のための別々のエンコーダを用いる Variational Autoencoder（VEA）アーキテクチャで微調整します。分離は、新しい識別器によって強制されます。この識別器は、文体／コンテンツ表現のペアが同一か別か（同じ／異なる著者・コンテンツソースに由来するか）を区別するだけでなく、その判断に対する自然言語による説明も生成します。これにより、紛らわしい情報の影響を同時に軽減し、解釈可能性を高めます。大規模な実験により、EAVAEの有効性が示されています。著者推定においては、Amazon Reviews、PAN21、HRS などのさまざまなデータセット上で、最先端の性能を達成します。AI生成テキスト検出においては、EAVAEはM4データセットに対して少数ショット学習で優れた性能を示します。コードとデータのリポジトリはオンラインで公開されています\footnote{https://github.com/hieum98/avae} \footnote{https://huggingface.co/collections/Hieuman/document-level-authorship-datasets}。