Sentiment analysis and random forest to classify LLM versus human source applied to Scientific Texts

在ChatGPT v.4发布后，全球范围内对于这种由人工智能驱动的平台以及其他类似平台自动生成各种文本（包括科技文本）的能力展开了热烈的讨论。这引发了许多机构的反思，即未来我们阅读的许多文本可能不会完全由人类（如学生、学者等）撰写，因此教育和学术程序是否应该适应这一事实。本研究提出了一种新的方法来对来自自动文本生成引擎或人类的文本进行分类，该方法基于情感分析作为特征工程独立变量的来源，然后使用随机森林分类算法进行训练。使用四个不同的情感词库，产生了许多新特征，然后将其输入到机器学习的随机森林方法中进行训练。结果似乎非常令人信服，这可能是一个有前途的研究方向，可以用于在人类被认为是文本来源的环境中检测欺诈。

论文旨在提出一种基于情感分析的新方法，用于区分人工生成和自动生成的文本，以便在人类应该是文本来源的环境中检测欺诈。

使用情感分析作为特征工程独立变量的来源，然后用随机森林分类算法对其进行训练，以区分人工生成和自动生成的文本。

使用四个不同的情感词典生成了一些新特征，并将其提供给机器学习的随机森林方法进行训练，结果表明这可能是一个有前途的研究方向，可以在人类应该是文本来源的环境中检测欺诈。

最近的相关研究包括：1. “Automated Essay Scoring Using Machine Learning”；2. “A Survey on Sentiment Analysis Methods and Techniques for Social Media Analysis”；3. “Detecting Fake News on Social Media using Geolocation and Deep Learning”.