漢語文本作者識(shí)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(dòng)了人們?cè)谧R(shí)別技術(shù)方面的研究，各種各樣的識(shí)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(shí)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(shí)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(shí)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(duì)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(shí)別。基于上述模型的文本作者識(shí)別系統(tǒng)由訓(xùn)練模塊和識(shí)別模塊組成，文

2、本在經(jīng)過預(yù)處理后，對(duì)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(duì)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(shí)別模型。對(duì)于將要進(jìn)行識(shí)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(shí)別模型對(duì)其進(jìn)行識(shí)別。實(shí)驗(yàn)表明，該模型相對(duì)于基于單一層面特征的文本作者識(shí)別方法有更好的召回率和精確率。本文在三個(gè)方面提