作者寫(xiě)作特征提取引擎.pdf

1、隨著計(jì)算機(jī)網(wǎng)絡(luò)的發(fā)展，電子文章逐漸繁榮。電子文章版權(quán)保護(hù)近年來(lái)也越來(lái)越受關(guān)注。電子文章版權(quán)保護(hù)的一個(gè)解決方案是，首先提取一個(gè)作者的寫(xiě)作特征，通過(guò)寫(xiě)作特征的比較來(lái)判斷版權(quán)所屬。目前作者特征提取方向的研究多集中在尋找新的更有效的特征上。如何更加有效的提取一個(gè)作者的寫(xiě)作特征仍是一件富有挑戰(zhàn)性的工作。 本文創(chuàng)新性的提出并建立了一個(gè)作者特征提取引擎模型，該引擎以某個(gè)作者某一類(lèi)型的文章作為輸入，以該作者在這一類(lèi)型文章上的寫(xiě)作特征為輸出。應(yīng)用

2、這個(gè)引擎模型，在可能的作者列表中，我們可以確定一篇文章傾向?qū)儆谀硞€(gè)作者的可能性。 作者寫(xiě)作特征提取引擎包含兩個(gè)子引擎，訓(xùn)練子引擎和比較子引擎。訓(xùn)練子引擎以某個(gè)作者某一類(lèi)型的文章作為訓(xùn)練數(shù)據(jù)，以該作者的寫(xiě)作特征指紋作為輸出。比較子引擎以任意文本作為輸入，以該文本屬于某個(gè)作者的可能性作為輸出。 一個(gè)作者的寫(xiě)作特征指紋包括三部分：第一部分由那些表征性強(qiáng)的文本度量組成，第二部分有那些表征性相對(duì)較弱的文本度量組成。這兩部分中的文本

3、度量都很容易用數(shù)值或向量表示。剩下的那些不容易用數(shù)值或向量表示的復(fù)雜文本度量構(gòu)成了第三部分。 該引擎的處理過(guò)程大致如下：首先提取文本度量值，然后，分別比較提取處理的文本度量值和某作者寫(xiě)作特征指紋的三個(gè)部分，得到每部分的概率，最后給每個(gè)概率一個(gè)權(quán)重，計(jì)算最終結(jié)果。 引擎的實(shí)現(xiàn)用了VC++和MATLAB兩個(gè)環(huán)境，選擇了205個(gè)文本度量。文本度量值的提取算法是在VC++中實(shí)現(xiàn)的，數(shù)據(jù)分析是在MATLAB中實(shí)現(xiàn)的。 為了