米硕 孙瑞彬 李欣 明晓

摘 要：文章针对如何捕获电子邮件的语言特征来识别作者的问题进行了研究建模，首先使用NLTK自然语言处理工具对文本进行了预处理，然后使用Word2Vec和GloVe模型对文本内容进行了嵌入化处理得到了词向量，接着文章使用改进的基于TextCNN的网络架构，使用改进的基于CLSTM的网络架构和提出了一种新的基于循环神经网络（RNN）和卷积神经网络（CNN）的网络架构来解决文章的问题，并且采用集成学习的方法对上述三种单一模型进行模型融合作为最终的模型来识别作者，最终的效果较好。

关键词：循环神经网络；卷积神经网络；词向量；Python

中图分类号：TP391 文献标志码：A 文章编号：2095-2945（2018）10-0024-02

Abstract： In this paper， we study and model in view of how to capture the language features of email to identify the author. Firstly， we preprocess the text with NLTK natural language processing tool. Then we use Word2Vec and GloVe models to embed the text content to get word vector. Then we use the improved network architecture based on TextCNN and an improved network architecture based on CLSTM， and a new network architecture based on recurrent neural network （RNN） and convolutional neural network （CNN） is proposed to solve the problem of an article. And the integration learning method is used to identify the author by fusing the above three single models as the final model， with a good final effect.

Keywords： recurrent neural network （RNN）； convolutional neural network （CNN）； word vector； Python

1 模型的建立

筆迹分析是一种非常特殊的调查形式，用于将人们与书面证据联系起来。笔迹调查人员通常被要求在法庭或刑事调查中，以确定书面样本是否来自某个特定的人。由于许多语言证据现在都出现在电子邮件中，从广义上说，笔迹分析也包括了如何通过电子邮件的语言特征来识别作者的问题。本文基于此使用深度学习的方法建立了相应的模型。其为改进的基于TextCNN的分类模型，改进的基于CLSTM的分类模型和一种新的基于循环神经网络和卷积神经网络的分类模型，并且使用集成学习的方法对上述三种单一模型进行融合作为最终的分类结果。（见图1、图2、图3）

2 模型的求解

对于每个单一模型的输入都为用词向量替换的邮件原始正文文本数据的词向量矩阵，模型最终的输出为133维的向量，代表这封邮件属于这133个人的概率本文在训练中使用Ten-folder cross-validation（十折交叉验证）的方法来做数据进行训练和验证。……