漢語文本作者識別方法的研究與實(shí)現(xiàn).pdf

1、計(jì)算機(jī)技術(shù)的發(fā)展推動了人們在識別技術(shù)方面的研究，各種各樣的識別技術(shù)不斷被應(yīng)用于公安工作實(shí)踐中。漢語文本作者識別方法的研究成果應(yīng)用于公安工作實(shí)踐中，可以有效地輔助解決公安工作實(shí)踐中遇到的文本作者識別問題。本文提出了一個(gè)基于序貫最小優(yōu)化算法的多層面混合的漢語文本作者識別模型(SM-CTAI)，該模型從字符、詞和句子三個(gè)層面提取特征對文本進(jìn)行表示，并在其組成的向量空間進(jìn)行文本作者識別?；谏鲜瞿Ｐ偷奈谋咀髡咦R別系統(tǒng)由訓(xùn)練模塊和識別模塊組成，文

2、本在經(jīng)過預(yù)處理后，對其進(jìn)行分詞和詞性標(biāo)注，根據(jù)處理的結(jié)果在字符、詞和句子三個(gè)層面對提取的特征進(jìn)行統(tǒng)計(jì)、計(jì)算和歸一化處理，從而把文本表示成三個(gè)層面混合的向量空間中的一個(gè)向量。在訓(xùn)練集中的文本均表示成向量空間的向量之后，利用序貫最小優(yōu)化方法建立識別模型。對于將要進(jìn)行識別的文本，亦按上述的方法將其表示為一個(gè)向量，并利用已建立的識別模型對其進(jìn)行識別。實(shí)驗(yàn)表明，該模型相對于基于單一層面特征的文本作者識別方法有更好的召回率和精確率。本文在三個(gè)方面提