본 연구는 언어 식별을 위해 compositional 벡터를 활용한 새로운 방법을 제시합니다. 중심 로그 비율(CLR) 변환을 통해 언어 데이터를 $(D-1)$ 차원으로 매핑하여 유클리드 거리가 Aitchison 거리에 대응하도록 합니다. 이 방법은 기존 방식보다 효율적인 선형 시간 성능을 보입니다.
언어 식별 모델은 문자 및 bigram 빈도 분포를 compositional 벡터로 모델링하며, Laplace smoothing을 적용하여 희소성 문제를 해결합니다. 6개 언어에 대한 실험 결과, 다양한 텍스트 길이에서 안정적인 정확도를 보였습니다.
특히 긴 시퀀스에서 뛰어난 성능을 보입니다.