一种基于双层分类模型的中文作者识别方法及其装置

摘要

本发明涉及一种基于双层分类模型的中文作者识别方法及其装置，属于信息安全领域。针对作者个数较多造成的识别准确率低下的问题，在作者识别模型中添加一个作者分组层，将每位作者表示成作者向量，使用聚类算法对作者进行分组；第二层为作者识别层，在该层提取依存关系、虚词、标点符号以及词性标记作为特征，在组内进行作者识别。使用本发明的方法或装置，可以有效解决作者个数较多而导致识别准确率下降的问题；同时，提出的基于主成分分析方法的特征降维和优化方法，可以解决高维特征向量中包含的噪声影响识别准确率的问题。本发明可以应用于文学作品的作者考证领域，也可以应用于版权保护等信息安全领域。

主权项

一种基于双层分类模型的中文作者识别方法及其装置，利用双层分类作者识别模型，即在传统的作者识别层之前添加一个作者分组层：a. 在第一层作者分组层中提出一种基于词义的中文作者表示方法，将每位作者表示成对应的作者向量，使用聚类算法对作者进行分组，使得每一组中作者数目相对较少(一般不超过20个)；b. 第二层为作者识别层，根据作者分组层得到的结果，将自然语言处理中的依存语法关系作为句法层次的有效特征，同时结合已有的虚词、标点符号和词性频数构成一个大特征集对中文作品进行识别，对于大量特征产生的噪声所导致识别准确率下降的问题，利用主成分分析方法对特征集进行降维和优化，在组内进行作者识别，得到最终的识别结果。