计算机应用研究

作者：徐晓霖,蔡满春,芦天亮,

单位：中国人民公安大学信息技术与网络安全学院,北京102623；

关键词：作者身份识别,长短时记忆网络,卷积神经网络,特征自动提取,

基金：国家重点研发计划重点专项资助项目(2017YFB0802804)；国家自然科学基金资助项目(61602489)；中国人民公安大学2018年基本科研业务费科研机构项目(2018JKF504)；；

作者身份识别一直在公安行业和文检工作中起着重要的作用。现有的作者语言风格建模过程繁琐、文本特征工程没有普适性。针对此问题，在无须专家进行特征建模的情况下，提出CABLSTM中文微博作者身份识别模型，并在公开微博语料集测试该模型准确度。该模型为最大化提取短文本特征，融合attention机制于CNN中并去除池化层，通过双向LSTM以获取上下文相关信息，身份识别结果通过softmax层进行输出。实验结果表明，该模型在进行中文微博作者身份识别任务中与传统机器学习算法、TextCNN和LSTM算法相对比，在准确率、召回率、F值方面都有一定的提升。

来源：2020年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第1期