郭旭

（大连外国语大学语言智能研究中心，大连 116044）

0 引言

随着人工智能时代的到来，使计算机“理解”文本的写作风格成为了自然语言处理领域的热点研究方向，而如何根据写作风格识别出匿名文本的作者，即匿名文本的作者识别，是这一研究方向主要解决的问题。在实际应用中，作者识别可以用于舆情分析、作者文体风格分析和学术不端检测等领域，具有重要的实际应用价值。

在给定一个匿名文本t和作者候选集A={a1,a2,…,an}后，匿名文本的作者识别要解决的问题是[1,2]：为匿名文本t指定一个最可能的作者a*，其中a*属于A。当使用作者书写的文本表征作者时，作者候选集A={T1,T2,…,Tn}，其中Tx为作者ax书写的文本集，匿名文本的作者识别转换为：为匿名文本t指定一个最可能的文本集T*，也就是将匿名文本t分类给最可能的文本类别，属于典型的文本分类问题。

为了解决匿名文本的作者识别问题，文本设计完成了支持传统机器学习和深度学习的作者识别系统，该系统功能完备，不仅可以完成大多数主流机器学习算法和特征工程算法，还能以可视化的方式呈现识别结果。此外，本文采用的基于多特征融合深度神经网络的作者识别方法，可将特征工程与深度神经网络结合到一起，充分发挥两者的优势。

1 研究现状

目前，作者识别的研究方法主要有基于传统机器学习的方法和基于深度神经网络的方法两类。

基于传统机器学习的方法通过特征工程技术提取作者的写作风格特征，将一段匿名文本转换为作者写作风格特征矩阵，构建写作风格特征模型。……