저작자 분석 동향 및 과제: ML, DL, LLM 접근법

저작자 분석은 법의학 언어학, 학술 연구, 사이버 보안, 디지털 콘텐츠 인증 등 다양한 분야에서 중요한 역할을 수행합니다. 본 논문은 저작자 귀속(Authorship Attribution)과 저작자 검증(Authorship Verification)이라는 두 가지 핵심 하위 작업을 중심으로 2015년부터 2024년까지의 연구를 체계적으로 검토합니다. 이 연구는 전통적인 머신러닝(ML) 방식부터 딥러닝(DL) 모델, 그리고 대규모 언어 모델(LLM)에 이르는 최신 방법론들을 탐구하며, 이들의 발전 과정, 강점, 그리고 한계를 조명합니다. 주요 기여는 각 방법론, 기술, 해당 특징 추출 기법, 사용된 데이터셋, 그리고 저작자 분석 분야의 새로운 도전 과제에 대한 상세한 분석을 포함합니다. 주요 연구 결과는 저자 분석 분야의 중요한 연구 격차를 드러냅니다. 특히 저자들은 저자 분석이 저자원 언어 처리, 다국어 적응, 교차 도메인 일반화, 그리고 인공지능 생성 텍스트 탐지 분야에서 시급하게 해결해야 할 과제들을 강조합니다. 본 검토는 저작자 분석의 최신 동향과 과제에 대한 포괄적인 개요를 제공함으로써 연구자들에게 도움을 주고자 합니다. 또한, 미래 연구를 위한 잠재적 영역을 제시하여 다양한 텍스트 도메인에서 보다 우수하고 신뢰할 수 있으며 정확한 저작자 분석 시스템 개발을 지원하는 것을 목표로 합니다.